Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal Pythagoras: Jurnal Matematika dan Pendidikan Matematika J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika
Brodjol Sutijo
Jurusan Statistika, Institut Teknologi Sepuluh Nopember, Surabaya
Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Mathematics

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Neural Networks Multiscale Autoregressive untuk Peramalan Data Time Series sutijo, brodjol
J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 3 No 01 (2011): J Statistika
Publisher : Fakultas Sains dan Teknologi Univ. PGRI Adi Buana Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (173.96 KB) | DOI: 10.36456/jstat.vol3.no01.a1091

Abstract

Transformasi wavelet yang banyak digunakan untuk peramalan time series adalah Maximal Overlap Discrete Wavelet Transform (MODWT). Penggunaan MODWT adalah untuk mengatasi keterbatasan discrete wavelet transform (DWT), yang membutuhkan N=2j dimana J adalah bilangan bulat positif. Praktis, data time series jarang memenuhi kondisinya tersebut. Skala dan koefisien wavelet yang diberikan oleh MODWT akan digunakan untuk peramalan time series. Ada beberapa penelitian yang berkaitan dengan NN-MAR untuk peramalan time series, biasanya berfokus pada bagaimana untuk mendapatkan model NN-MAR yang sesuai untuk peramalan data time series. Tujuan dari penelitian ini adalah untuk mengembangkan prosedur yang tepat untuk pemodelan NN-MAR data time series musiman, dan untuk membandingkan akurasi ramalan antara NN-MAR, ARIMA, dan MAR (multiscale Autoregressive). Studi empiris data penumpang pesawat yang digunakan menunjukkan bahwa prosedur yang dikembangkan tidak baik dalam pembentukan model NN-MAR cocok untuk peramalan data time series musiman. Perbandingan ketepatan ramalan menunjukkan bahwa model NN-MAR harus digunakan sebagai model untuk peramalan data karena data nonlinier.
APLIKASI MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE PADA DATA PENCEMARAN UDARA DI KOTA SURABAYA Wutsqa, Dhoriva Urwatul; Suhartono, Suhartono; Sutijo, Brodjol
PYTHAGORAS Jurnal Matematika dan Pendidikan Matematika Vol. 7 No. 2: Desember 2012
Publisher : Department of Mathematics Education, Faculty of Mathematics and Natural Sciences, UNY

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (299.297 KB) | DOI: 10.21831/pg.v7i2.4782

Abstract

Penelitian ini secara  bertujuan mengaplikasan model Generalized Space Time  Autoregressive (GSTAR) untuk mendapatkan model peramalan data pencemaran udara di Kota Surabaya. Data yang digunakan dalam penelitian ini adalah zat polutan PM 10 ang berasal dari tiga stasiun pemantau di kota Surabaya mulai Januari hingga Desember 2009. Tahap-tahap pembentukan  model peramalan data pencemaran udara meliputi identifikasi order autoregresif dengan criteria AIC (Akaike Information Criterion), estimasi parameter yang terdiri atas estimasi bobot antar lokasi dengan normalisasi korelasi silang dan estimasi parameter autoregresif dengan metode kuadrat terkecil, uji signifikansi parameter melalui statistik uji Wald, serta uji kesesuaian model. Model yang dihasilkan merupakan model GSTAR dengan order autoregresif 3 dan order spasial 1 dengan order pembedaan 1. Model yang diperoleh menunjukkan adanya kecenderungan hubungan antar waktu dan  hubungan spasial antara stasiun 1 dan 3.Kata kunci : Data PM 10, polusi udara, Surabaya, model GSTAR
Co-Authors AA Sudharmawan, AA Dhoriva Urwatul Wutsqa