Article Per Year (5 Year)
p-Index From 2020 - 2025
4.691
P-Index
This Author published in this journals
All Journal PROSIDING SEMINAR NASIONAL Media Statistika Jurnal Ilmu Dasar Jurnal Statistika Universitas Muhammadiyah Semarang Jurnal Edukasi dan Penelitian Informatika (JEPIN) Proceeding SENDI_U Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Seminar Nasional Variansi (Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika) BAREKENG: Jurnal Ilmu Matematika dan Terapan JTAM (Jurnal Teori dan Aplikasi Matematika) Variance : Journal of Statistics and Its Applications LOSARI: Jurnal Pengabdian Kepada Masyarakat Jurnal Litbang Edusaintech Journal of Data Insights Prosiding Seminar Nasional Unimus Jurnal Meteorologi dan Geofisika
Tiani Wahyu Utami
Program Studi Statistika, Universitas Muhammadiyah Semarang
Agriculture, Biological Sciences & Forestry Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering Nursing Physics Public Health Social Sciences Transportation Other

Published : 61 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 61 Documents
Search

 3   4   5   6   7 
Spatial Temporal Density-Based Spatial Clustering Applications With Noise (ST-DBSCAN) Untuk Pengelompokan Titik Kebakaran Hutan dan Lahan di Provinsi Riau Pada Tahun 2021 Nila Amelinda Putri; Tiani Wahyu Utami; Rochdi Wasono
Prosiding Seminar Nasional Unimus Vol 6 (2023): Membangun Tatanan Sosial di Era Revolusi Industri 4.0 dalam Menunjang Pencapaian Susta
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kebakaran hutan dan lahan sering terjadi pada masa kemarau yang menimbulkan dampak buruk bagi lingkungan. Kejadian tersebut umumnya terjadi di Indonesia salah satunya di Provinsi Riau. Untuk mengatasi hal tersebut, perlu adanya pengelompokkan titik panas untuk mengetahui daerah yang rawan terjadi kebakaranhutan dan lahan menggunakan teknik clustering. Metode clustering yang biasa digunakan yaitu Spatial emporal Density-Based Spatial Clustering Of Applications With Noise (ST-DBSCAN). Data yang digunakan berupa data titik panas pada periode Januari 2021 hingga Desember 2021 di Provinsi Riau. Penelitian ini menggunakan parameter jarak spasial (Eps1= 0,025), parameter jarak temporal (Eps2= 30) dan jumlah minimal anggota cluster (MinPts= 2), menghasilkan total cluster 484 dengan 6 cluster besar dan 866 noise. Pusat titik kebakaran hutan banyak ditemukan di Kabupaten Pelalawan dan Kabupaten Bengkalis. Tipe pola satiotemporalyang paling banyak ditemukan adalah tipe irregular. Nilai silhouette coefficientspasial sebesar 0,1282 dan nilai silhouette coefficient temporal sebesar -0,8298.Kata Kunci: Clustering, Kebakaran Hutan dan Lahan, Silhouette Coefficient, Spatial Temporal Density Based Spatial Clustering Of Applications With Noise (ST-DBSCAN)
Metode Average Based Fuzzy Time Series Markov Chain pada Data Laju Inflasi di Indonesia Iffah Norma Hidayati; M. Al Haris M. Al Haris; Tiani Wahyu Utami
Prosiding Seminar Nasional Unimus Vol 5 (2022): Inovasi Riset dan Pengabdian Masyarakat Guna Menunjang Pencapaian Sustainable Developm
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Inflasi merupakan indikator untuk mengukur sebuah kestabilitasan pertumbuhan ekonomi disuatu negara yang dapat menyebabkan masalah ekonomi makro. Inflasi yang tidak stabil berdampak negatif terhadap kesejahteraan masyarakat, sehingga pengendalian inflasi menjadi penting bagi suatu negara. Peramalan diperlukan untuk memantau pergerakan laju inflasi yang akan datang. Metode yang digunakan dalam penelitian ini adalah average based fuzzy time series markov chain karena metode tersebut mampu memperoleh nilai interval yang sesuai dan mampu mendapatkan nilai akurasi ramalan yang baik. Kelebihan lain dari metode average based fuzzy time series markov chain adalah tidak membutuhkan asumsi-asumsi dibandingkan metode peramalan parametrik. Berdasarkan hasil analisis, penerapan metode average based fuzzy time series markov chain menghasilkan prediksi laju inflasi di Indonesia pada Juni 2022 sebesar 3.50% dengan kesalahan prediksi berdasarkan nilai Mean Absolute Percentage Error (MAPE) sebesar 7.43%. Hasil tersebut menandakan bahwa metode average based fuzzy time series markov chain memberikan tingkat akurasi sebesar 92.57%.Kata Kunci : Average based fuzzy time series Markov chain, Laju Inflasi, MAPE, Peramalan.
Generalized Space Time Autoregressive Modeling With Variable Exogenous (Gstar-X) (Case Study: Inflation In Six Cities Of Central Java) Alwan Fadlurohman; Tiani Wahyu Utami; Rochdi Wasono
Prosiding Seminar Nasional Unimus Vol 3 (2020): Optimalisasi Hasil Penelitian dan Pengabdian Masyarakat Menuju Kemandirian di Tengah P
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Inflasi adalah kecenderungan naiknya harga barang dan jasa yang berlangsung secara terus menerus. Inflasi merupakan data time series bulanan yang diduga juga dipengaruhi oleh unsur antar lokasi. Pemodelan untuk peramalan inflasi yang melibatkan unsur waktu dan lokasi (spatio temporal) dapat menggunakan metode Generalized Space Time Autoregressive (GSTAR). Untuk menambah akurasi dalam peramalan, model GSTAR dikembangkan menjadi model GSTARX dengan melibatkan variabel eksogen. Variabel eksogen yang digunakan dalam pemodelan GSTARX untuk peramalan Inflasi ini adalah variasi kalender idul fitri yaitu inflasi pada bulan di hari raya idul fitri. Studi kasus dalam pemodelan GSTARX ini diterapkan untuk peramalan inflasi enam kota Survei Biaya Hidup (SBH) di Jawa Tengah yaitu Cilacap, Purwokerto, Semarang, Kudus, Magelang dan Surakarta. Tujuan penelitian ini adalah ingin mendapatkan model GSTARX yang terbaik untuk pemodelan inflasi enam kota SBH diJawa Tengah. Didapatkan 2 (dua) model GSTARX dengan nilai RMSE masing-masing adalah model dengan bobot lokasi seragam memiliki nilai RMSE sebesar 0,6108, model dengan bobot lokasi invers jarak memiliki nilai RMSE sebesar 0,6124. Dapat disimpulkan bahwa model GSTARX menggunakan bobot lokasi seragam adalah model terbaik. Kata Kunci : GSTAR, GSTARX, Inflasi, Jawa Tengah, Survei Biaya Hidup.
PERAMALAN WISATAWAN MANCANEGARA BERKUNJUNG KE BALI MENGGUNAKAN SINGULAR SPECTRUM ANALYSIS (SSA) Dheanyta Alif Shafira; Tiani Wahyu Utami; Prizka Rismawati Arum
Prosiding Seminar Nasional Unimus Vol 3 (2020): Optimalisasi Hasil Penelitian dan Pengabdian Masyarakat Menuju Kemandirian di Tengah P
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Wisatawan mancanegara adalah setiap orang yang mengunjungi suatu negara di luar tempat tinggalnya. Data tentang wisatawan mancanegara merupakan data time series yang dapat digunakan untuk melakukan peramalan. Metode yang digunakan dalam meramalkan data wisatawan mancanegara yaitu Singular Spectrum Analysis (SSA). Studi kasus dalam penerapan SSA digunakan untuk meramalkan jumlah kunjungan wisatawan mancanegara ke Bali. Kelebihan SSA adalah mendapatkan nilai error yang jauh lebih kecil dan mendapatkan hasil yang lebih stabil.Tujuan dari peramalan ini yaitu untuk mendapatkan hasil peramalan menggunakan algoritma metode Singular Spectrum Analysis (SSA) dalam peramalan jumlah wisatawan mancanegara berkunjung ke Bali. Pengukuran akurasi peramalan menggunakan Mean Absolute Percentage Error (MAPE) . Didapatkan nilai MAPE sebesar 10.79% dengan hasil ramalan cenderung naik setiap bulan.     Kata Kunci : Bali, SSA, Wisatawan Mancanegara
Clustering Untuk Menentukan Indeks Kesejahteraan Rakyat di Provinsi Jawa Tengah 2022 Menggunakan Metode Fuzzy C-Means: Clustering to Determine the People's Welfare Index in Central Java Province 2022 Using the Fuzzy C-Means Method Indra Firmansyah; Salmaa Fauziah; Hanif Nur Ibrahim; Fatkhurokhman Fauzi; Tiani Wahyu Utami
Journal of Data Insights Vol 1 No 2 (2023): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v1i2.149

Abstract

Kesejahtraan rakyat merupakan salah satu tujuan negara yang tercantum pada Undang-undang Dasar 1945. Dalam meningkatakan kesejahtraan rakyat, tentunya perlu adanya pembangunan yang merata. Untuk menjalankan program pembangunan yang merata, harus dilakukan identifikasi berdsarkan karaktaeristik tingkat kesejahtraan rakyat berdasarkan variabel-variabel yang telah ditentukan agar dalam membuat strategi dan mengambil kebijakan untuk meningkatkan kesejahtraan rakyat dapat tepat sasaran dan optimal. Tujuan dari penelitian ini adalah untuk mengetahui pengelompokkan 35 Kabupatan/Kota di Provinsi Jawa Tengah dan k arakteristik dari setiap kelompok berdasarkan indeks kesejahtraan rakyat. Berdasarkan hasil analisis yang dilakukan, bahwa terdapat 35 Kabupaten/Kota di Provinsi Jawa Tengah dapat membentuk 4 kelompok (cluster), dimana pada cluster 0 beranggotakan 8 Kabupaten/Kota dengan karakteristik Jumlah peduduk miskin tinggi, Daya beli cenderung rendah, rata-rata lama sekolah rendah, angka harapan hidup sangat rendah. Pada cluster 1 terdapat 12 Kabupaten/Kota dengan karakteristik Nilai PDRB sangat tinggi, angka pengangguran relatif rendah, angka lama sekolah relatif tinggi. Pada cluster 2 terdapat 5 Kabupaten/Kota dengan karakteristik Nilai PDRB sangat rendah, jumlah penduduk miskin sangat rendah, daya beli sangat tinggi, kepemilikan rumah rendah, kepadatan penduduk tinggi, daya beli tinggi, angka melek huruf tinggi, rata-rata lama sekolah tinggi, dan yang terakhir cluster 3 terdapat 10 Kabupaten/Kota dengan karakteristik PDRB rendah, kepadatan penduduk sangat rendah, kepemilikan rumah sangat tinggi, daya beli cenderung rendah.
PREDIKSI RESIKO GEMPA MENGGUNAKAN MODEL SPATIAL POINT PROCESS Budiono Rahman; Tiani Wahyu Utami; Fatkhurokhman Fauzi
VARIANCE: Journal of Statistics and Its Applications Vol 6 No 1 (2024): VARIANCE: Journal of Statistics and Its Applications
Publisher : Statistics Study Programme, Department of Mathematics, Faculty of Mathematics and Natural Sciences, University of Pattimura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/variancevol6iss1page39-38

Abstract

Pertemuan lempeng Eurasia, lempeng Indo-Australia, dan lempeng Pasifik terjadi di sekitar Pulau Sulawesi dan Maluku. Pertemuan ketiga lempeng ini menyebabkan sering terjadi gempa bumi. Faktor-faktor yang mempengaruhi gempa bumi secara geologis adalah jarak terhadap zona subduksi, gunung berapi, dan sesar aktif. Untuk keperluan mitigasi risiko bencana gempa bumi, perlu dilakukan prediksi risiko terjadinya gempa bumi. Pada penelitian ini menggunakan model inhomogeneous thomas cluster process yang digunakan untuk memprediksi risiko kejadian gempa bumi. Variabel yang digunakan dalam penelitian ini adalah koordinat zona subduksi, sesar aktif, dan gunung api di pulau Sulawesi dan Maluku. Hasil yang diperoleh berdasarkan fungsi K gempa bumi di pulau Sulawesi dan Maluku membentuk cluster. Uji chi-square menyimpulkan kejadian gempa bumi di Pulau Sulawesi dan Maluku bersifat inhomogen (tidak homogen). Berdasarkan model estimasi inhomogeneous thomas cluster process, variabel zona subduksi, sesar aktif, dan gunung berapi mempunyai pengaruh yang signifikan terhadap terjadinya gempa bumi. Dari ketiga variabel yang mempengaruhi terjadinya gempa terbesar (1,8 kali) adalah variabel letak gunung api. Berdasarkan hasil prediksi, Provinsi Gorontalo, Sulawesi Utara, Sulawesi Tengah, Maluku, dan Maluku Utara memiliki risiko gempa bumi yang tinggi.
THERMAL STRESS PROJECTION BASED ON TEMPERATURE-HUMIDITY INDEX (THI) UNDER CLIMATE CHANGE SCENARIO Iis Widya Harmoko; Rochdi Wasono; Tiani Wahyu Utami; Fatkhurokhman Fauzi; Iqbal Kharisudin
Jurnal Meteorologi dan Geofisika Vol. 24 No. 1 (2023)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31172/jmg.v24i1.867

Abstract

The degradation of green open spaces and the phenomenon of deforestation in Indonesia has increased discomfort in the region. Furthermore, if allowed to continue, the increase in temperature caused by greenhouse gases worsens the situation. Increased temperature and reduced air humidity are related to thermal stress, affecting human comfort and health. Thermal stress is measured based on the Temperature Humidity Index (THI), which calculates temperature and relative humidity variables. This study analyses THI projections under climate change scenarios RCP4.5 and RCP8.5. This study uses statistical downscaling and bias correction of Quantile Delta Mapping (QDM) to equalize the local climate. This study is divided into four 20-year periods from 2021 to 2100 to evaluate THI changes in future projections. Based on the study results, it is known that from 2041-2060, several big cities in Indonesia experienced an increase in THI and were included in the category of 50% of the population feeling uncomfortable. THI increased in the third and fourth periods. Areas that experienced a significant increase in THI were urban areas that lacked green open land and were densely populated. Surabaya City and Madura Island are the areas with the highest THI index.
Uji Permutasi Data Curah Hujan Dengan Phobs Dan Aws Di Karimun Jawa Prizka Rismawati Arum; Tiani Wahyu Utami; Laila Khoirun Nisa; Elvia Nanda Sofiyanti; Indah Sulistiya; Velia Arni Widyasari; Nursamsiah Nursamsiah
Jurnal Litbang Edusaintech Vol. 3 No. 2 (2022): Volume 3 No 2 2022
Publisher : Litbang PWM Jawa Tengah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51402/jle.v3i2.110

Abstract

Curah hujan merupakan volume air hujan yang jatuh dalam suatu daerah dalam periode waktu tertentu. Pengamatan curah hujan dilakukan secara manual menggunakan Penakar Hujan Observatorimum (PH OBS) dan secara otomatis menggunakan Automatic Weather Station (AWS). Pengukuran manual dan otomatis biasanya memiliki perbedaan. Oleh karena itu dilakukan uji permutasi untuk membandingkan data curah hujan yang dihasilkan dari kedua alat tersebut. Uji ini adalah salah satu uji alternatif jika asumsi kenormalan data tidak terpenuhi. Berdasarkan hasil pengujian dengan menggunakan Kolmogorov-Smirnov diperoleh variabel observasi manual (PHOBS) maupun AWS sebesar 0.000, karena nilai signifikansi kurang dari 0.05 maka dapat dikatakan bahwa asumsi normalitas tidak terpenuhi. Sedangkan hasil pengujian permutasi menggunakan perulangan for menunjukkan angka 0.57956 sementara menggunakan package “coin” menunjukkan angka 0.5766246 dan 0.57428, nilai p value dari keduanya baik menggunakan perulangan for ataupun menggunakan package “coin” lebih dari 0.01 sehingga dapat disimpulkan bahwa tidak terdapat perbedaan yang signifikan antara pengukuran curah hujan menggunakan pengamatan manual (PHOBS) dan Automatic Weather Station (AWS).
Modelling Inflation Sectors in Indonesia Using Vector Autoregressive (VAR) Prahutama, Alan; Suparti, S.; Ispriyanti, Dwi; Utami, Tiani Wahyu
Jurnal ILMU DASAR Vol 20 No 1 (2019)
Publisher : Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (192.443 KB) | DOI: 10.19184/jid.v20i1.7259

Abstract

Analisis time series dapat dibagi menjadi dua yaitu analisis time series univariat dan analisis time series multivariat. Analisis time series univariat salah satunya menggunakan ARIMA, sedangkan analisis time series multivariat dapat menggunakan VAR. VAR merupakan pemodelan persamaan simultan yang memiliki beberapa variabel endogen secara bersamaan. Asumsi dalam model VAR antara lain terjadi kausalitas antar variabel (kausalitas Granger), residual white noise dan berdistribusi normal multivariat. Pada paper ini, metode VAR diimplementasikan dalam memodelkan sektor-sektor Inflasi di Indonesia. Adapun sektor-sektor tersebut antara lain sektor makanan (Y1t),Sektor Makanan Jadi, Minuman, Rokok dan Tembakau (Y2), Sektor perumahan, listrik, air, gas dan bahan bakar (Y3), Sektor Sandang (Y4), Sektor Kesehatan (Y5), Sektor Pendidikan dan Olahraga (Y6), Sektor Transportasi, Komunikasi dan Jasa Keuangan (Y7). Hasilnya adalah tidak semua variabel sektor inflasi berpengaruh terhadap sektor lainnya. Hanya beberapa variabel yang berpengaruh terhadap suatu sektor. Asumsi kausalitas Granger tidak semua dipenuhi oleh semua variabel. Begitu juga dengan normal multivariat juga tidak terpenuhi. Akan tetapi residual model sudah white noise. Keywords: vector autoregressive model, sectors of inflation, Granger Causality.
Peramalan Harga Emas Menggunakan Pendekatan Long-Short Term Memory (LSTM) Fauzi, Fatkhurokhman; Aulia, Syifa; Syaifullah, Ahmad Reyhan; Utami, Tiani Wahyu
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 10, No 2 (2024): Volume 10 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v10i2.78332

Abstract

Inventasi menjadi salah satu pilihan masyarakat untuk mengelola kelebihan dana agar nilainya meningkat dikemudian hari. Emas menjadi salah satu komoditi yang sering dijadikan instrumen investasi favorit. Harga emas yang fluktuatif menimbulkan efek kerugian bagi investor. Peramalan harga emas dimasa yang akan datang menjadi penting untuk meminimalisir resiko kerugian. Pendekatan machine learning lebih baik dibandingkan inferensial seperti Autoregressive Integrated Moving Average (ARIMA) dalam meramalkan data yang fluktuatif. Metode dengan pendekatan machine learning seperti Long-Short Term Memory (LSTM) memiliki performasi yang baik pada data yang fluktuatif. Metode LSTM digunakan untuk untuk meramalkan harga emas. Penelitian ini membagi data training dan data testing sebesar 80% dan 20%. Metode evaluasi model Mean Absolute Percentage Error (MAPE) digunakan untuk melihat kebaikan model. Penelitian ini menerapkan enam scenario tunning parameter. Parameter terbaik metode LSTM yaitu learning rate 0,01, neuron 10, dan Epoch 100 dengan nilai MAPE sebesar 3,499%. Hasil MAPE pada data training dan data testing tidak menunjukan terjadinya overfitting atau underfitting pada metode LSTM terbaik. Hasil peramalan tiga puluh periode cenderung fluktuatif, terjadi kenaikan yang signifikan pada periode ke dua puluh empat ke dua puluh lima.
Co-Authors Abdul Rohman Agus Rusgiyono Aisyah Lahdji, Aisyah Alan Prahutama Alan Prahutama Alwan Fadlurohman Amrullah, Setiawan Anissatush Sholiha Arianti, Irma Arini Rizky Wahyuningtyas Aulia, Syifa Aura Hisani, Zahra Ayu Wulandari Azqia Fajriyani Biru, Pelangi Langit Budiono Rahman Dannu Purwanto Devi Nurlita Dewi Ratnasari Wijaya Dhani, Oktaviana Rahma Dheanyta Alif Shafira Diana Wahyu Safitri Dwi Ispriyanti Eko Yuliyanto, Eko Elvia Nanda Sofiyanti Endah Suryaningsih Endang Tri Wahyuni Maharani Fathikatul Arnanda Fatkhurokhman Fauzi Fatkhurokhman Fauzi Fatmawati Nurjanah Fauzi, Fatkhurokhman Hanif Nur Ibrahim Hasbi Yasin Hikmah Nur Rohim, Febrian Iffah Norma Hidayati Ihsan Fathoni Amri Iis Widya Harmoko Iis Widya Harmoko, Iis Widya Imaroh Izzatun Indah Manfaati Nur Indah Sulistiya Indra Firmansyah Iqbal Kharisudin Ismawati - Juwita Rahayu Laila Khoirun Nisa Lia Miftakhul Janah M. Al Haris M. Saifudin Nur Martyana Prihaswati Maulana Afham Mifta Luthfin Alfiani Moh Yamin Darsyah Moh Yamin Darsyah Moh. Yamin Darsyah Nila Amelinda Putri Nur Chamidah Nursamsiah Nursamsiah Pranandira Rilvandri, Quinsy Prizka Rismawati Arum Rahma Dhani, Oktaviana Rizma Novinda Puteri Rochdi Wasono Rochdi Wasono Roosyidah, Nila Ayu Nur Salmaa Fauziah Samikoh Ulinuha Septi Winda Utami Setiayani, Wiwik Silvia Tri Wahyuni Sri Kustiara Sudarno Sudarno Sugito Sugito Suherdi, Andri Suparti Suparti Suparti Suparti Suparti, S. Syaifullah, Ahmad Reyhan Toha Saifudin Ujang Maulana Ujiati Suci Rahayu Vega Zayu Varima Velia Arni Widyasari Wahyu Putri Pratiwii Wisudawati, Dinda Tri Yulianita, Tanti Yuliardi, Fahrul Raditiar Yusnia Kriswanto