Claim Missing Document
Check
Articles

Found 23 Documents
Search

Penerapan Vector Autoregressive Integrated Moving Average (VARIMA) Pada Prediksi Indeks Standar Pencemaran Udara Istighfarin Djuana Putri; Affiati Oktaviarina
MATHunesa: Jurnal Ilmiah Matematika Vol. 12 No. 02 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v12n2.p364-373

Abstract

Vector Autoregressive Integrated Moving Average (VARIMA) is a data forecasting approach multivariate time series which is used to determine the relationship between several variables at one time and variables in the previous period. One implementation of the VARIMA model is to predict the Air Pollution Standard Index (ISPU). The increasing number of factories and industrial activities is the main cause of air pollution in Gresik Regency. Therefore, this study aims to apply the model and predict ISPU concentrations using VARIMA. The data used in this research is daily data on concentrations of PM2.5, NO2, and O3 from November 2023 to February 2024. The results of this research show that the best model is based on the smallest RMSE and MAD values ?, the VARIMA model (2,1,1), where the concentrations PM2.5 and O3 at time t are influenced by the three variables at time (t-1), (t- 2), and (t-3) and is influenced by the residual values ??of the three variables at time (t-1). Meanwhile, the NO2 variable at time t is only influenced by the PM2.5 and O3 variables at time (t-1), (t-2), and (t-3) and is influenced by the residual values ??of the three variables at time (t- 1).
Metode SARIMA ARCH PERAMALAN JUMLAH PRODUKSI PADI KABUPATEN NGAWI MENGGUNAKAN METODE SARIMA ARCH Hilda Najwa Dewi Fortuna; Affiati Oktaviarina
MATHunesa: Jurnal Ilmiah Matematika Vol. 12 No. 02 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v12n2.p418-427

Abstract

Seasonal Autoregressive Integrated Moving Average (SARIMA) adalah metode peramalan time series untuk model data fluktuatif dengan pola data musiman. Model Autoregressive Conditional Heteroskedastisitas (ARCH) adalah model yang berfungsi untuk mengatasi masalah heteroskedastisitas atau varians redisual dalam data time series. Salah satu implementasi dari model SARIMA ARCH yaitu untuk meramalkan jumlah produksi padi Kabupaten Ngawi. Data yang digunakan dalam penelitian ini adalah data bulanan pada bulan Januari 2019 sampai dengan Maret 2023. Hasil dari penelitian ini diperoleh model SARIMA (1,1,1)(0,1,2)(4) ARCH (8) dengan nilai RMSE sebesar 22.18279. Kata Kunci: Produksi Padi, Peramalan, SARIMA ARCH.
PREDIKSI NILAI INFLASI DAERAH DI JAWA TIMUR MENGGUNAKAN METODE ORDINARY KRIGING febrika ade eliza; affiati oktaviarina
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 02 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n02.p263-270

Abstract

Inflasi merupakan indikator penting dalam perekonomian, namun tidak semua daerah memiliki data inflasi yang lengkap. Penelitian ini bertujuan untuk memprediksi nilai inflasi daerah di Jawa Timur menggunakan metode Ordinary Kriging. Data yang digunakan terdiri dari 11 daerah tersampel untuk memprediksi nilai inflasi pada 4 daerah tidak tersampel di kawasan Gerbangkertosusilo. Penentuan model semivariogram teoritis dilakukan dengan membandingkan model spherical, exponential, dan gaussian berdasarkan nilai Mean Absolute Percentage Error (MAPE). Hasil perhitungan menunjukkan bahwa model spherical menghasilkan MAPE sebesar 20,66%, exponential sebesar 17,74%, dan gaussian sebesar 30,12%. Model exponential memiliki nilai MAPE terkecil sehingga dipilih sebagai model terbaik. Predksi menggunakan Ordinary Kriging dengan model exponential menghasilkan estimasi inflasi Kabupaten Mojokerto sebesar 1,38%, Kabupaten Bangkalan sebesar 1,63%, Kabupaten Sidoarjo sebesar 1,42%, dan Kabupaten Lamongan sebesar 1,51%. Hasil penelitian menunjukkan bahwa metode Ordinary Kriging mampu memberikan prediksi inflasi yang representatif pada daerah yang belum memiliki data pengamatan Kata Kunci: Inflasi, Gerbangkertosusilo, Semivariogram Eksperimental, Semivariogram Teoritis, Ordinary Kriging