Garuda - Garba Rujukan Digital

Regresi Poisson Invers Gaussian (PIG) untuk Pemodelan Jumlah Kasus Pneumonia pada Balita di Provinsi Jawa Tengah Tahun 2019 Mey Damayanti CR; Teti Sofia Yanti
Jurnal Riset Statistika Volume 1, No. 2, Desember 2021, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Abstract. Poisson regression is a non-linear regression model used on non-negative count or discrete data. Poisson regression is included in the Generalized Linear Model (GLM). In Poisson regression there is an assumption that must be met, that is equidispersion where the value of the variance in the response variable (Y) must be the same as the average value. If in Poisson regression modeling there is an overdispersion or underdispersion and it is ignored, the test will be less accurate because the standard error value will be underestimated. Poisson Inverse Gaussian Regression Model (PIG) can overcome overdispersion data. The Poisson Inverse Gaussian (PIG) distribution is a mixed Poisson distribution. PIG regression is used to model the count data which has a high slope and skews to the right. Maximum likelihood method was used to estimate the parameters in the PIG regression model. Pneumonia is an acute infection that causes inflammation of the lung tissue. The case of pneumonia in children under five is one form of discrete data. The results of the PIG regression model were compared based on the Akaike Information Criterion (AIC) to obtain the best model. From the results of hypothesis testing, it was concluded that the percentage of children under five who had received measles immunization and the percentage of children under five who had received DPT immunization had a significant effect on the of pneumonia cases in children under five. By using the AIC value, the Poisson Inverse Gaussian (PIG) regression model is obtained, that is: . Abstrak. Regresi poisson merupakan model regresi non-linear yang digunakan pada data cacah atau diskrit non-negatif. Regresi Poisson termasuk kedalam Generalized Linear Model (GLM). Pada regresi Poisson terdapat asumsi yang harus dipenuhi yaitu equidispersi dimana nilai variansi pada variabel respon (Y) harus sama dengan nilai rata-ratanya. Apabila dalam pemodelan regresi Poisson terjadi kasus overdispersi atau underdispersi dan hal tersebut diabaikan maka pengujian akan menjadi kurang akurat karena nilai standard error akan menjadi underestimate. Model Regresi Poisson Invers Gaussian (PIG) dapat mengatasi data overdispersi. Distribusi Poisson Invers Gaussian (PIG) merupakan mixed poisson distribution. Regresi PIG digunakan untuk memodelkan data cacah yang memiliki kemiringan yang tinggi dan menceng ke kanan. Metode maximum likelihood digunakan untuk menaksir parameter pada model regresi PIG.. Pneumonia merupakan infeksi akut yang menyebabkan peradangan pada jaringan paru-paru. Kasus pneumonia pada balita merupakan salah satu bentuk dari data diskrit. Hasil model regresi PIG dibandingkan berdasarkan Akaike Information Criterion (AIC) untuk memperoleh model terbaik. Dari hasil pengujian hipotesis diperoleh kesimpulan bahwa persentase balita yang pernah mendapatkan imunisasi campak dan persentase balita yang pernah mendapatkan imunisasi DPT berpengaruh signifikan terhadap jumlah kasus pneumonia pada balita. Dengan memperhatikan nilai AIC didapatkan model regresi Poisson Invers Gaussian (PIG) yaitu: .

Penerapan Multidimensional Scaling terhadap Pengelompokkan Provinsi Berdasarkan Indikator Tujuan ke-6 SDGs Puthri Rahma Zain; Teti Sofia Yanti
Jurnal Riset Statistika Volume 2, No. 2, Desember 2022, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jrs.v2i2.1465

Abstract. Multidimensional Scaling Metric is an analysis that shows the value of the similarity of distances between objects on a dimension in the form of a graph in the form of a spatial map that is easy to understand and more informative than other methods because the final result of MDS is visual. The data used are all provinces in Indonesia which consist of 34 provinces and the variables of the indicator of the proportion of the population that has access to adequate and sustainable drinking water sources and the proportion of the population that has access to proper and sustainable sanitation services. Water and sanitation are a fundamental part for every human being to survive and maintain his health, and therefore must also be seen as the main element in fulfilling the right to a decent standard of living so that it becomes the 6th Goal of the Sustainable Development Goals (SDGs). From the results of the discussion, 3 provincial groups have similarities between their members and differ from other groups, namely group 1, namely the group that becomes the priority to be improved to achieve the 6th goal of the SDGs (clean water and sanitation). Group 2 is the group that becomes the second priority for improvement. Group 3 is the group that is the last priority to be improved to achieve the 6th goal of the SDGs (clean water and sanitation). Abstrak. Multidimensional Scaling Metric merupakan analisis yang menunjukkan nilai kemiripan jarak antar objek pada suatu dimensi dalam bentuk grafik berupa peta spasial yang mudah dipahami dan lebih informatif dibandingkan metode lain karena hasil akhir dari MDS adalah visual. Data yang digunakan adalah seluruh provinsi di Indonesia yang terdiri dari 34 provinsi dan variabel indikator proporsi penduduk yang memiliki akses terhadap sumber air minum yang layak dan berkelanjutan dan proporsi penduduk yang memiliki akses terhadap pelayanan sanitasi yang layak dan berkelanjutan. . Air dan sanitasi merupakan bagian mendasar bagi setiap manusia untuk bertahan hidup dan menjaga kesehatannya, oleh karena itu juga harus dilihat sebagai unsur utama dalam pemenuhan hak atas taraf hidup yang layak sehingga menjadi Tujuan ke-6 Tujuan Pembangunan Berkelanjutan. (SDG). Dari hasil diskusi, 3 kelompok provinsi memiliki kesamaan antar anggotanya dan berbeda dengan kelompok lainnya yaitu kelompok 1 yaitu kelompok yang menjadi prioritas untuk ditingkatkan untuk mencapai tujuan ke-6 SDGs (air bersih dan sanitasi). Kelompok 2 merupakan kelompok yang menjadi prioritas kedua untuk perbaikan. Kelompok 3 merupakan kelompok yang menjadi prioritas terakhir untuk ditingkatkan untuk mencapai tujuan ke-6 SDGs (air bersih dan sanitasi).

Penerapan Multidimensional Scaling terhadap Pengelompokkan Provinsi Berdasarkan Indikator Tujuan ke-6 SDGs Puthri Rahma Zain; Teti Sofia Yanti
Jurnal Riset Statistika Volume 2, No. 2, Desember 2022, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jrs.v2i2.1465

Abstract. Multidimensional Scaling Metric is an analysis that shows the value of the similarity of distances between objects on a dimension in the form of a graph in the form of a spatial map that is easy to understand and more informative than other methods because the final result of MDS is visual. The data used are all provinces in Indonesia which consist of 34 provinces and the variables of the indicator of the proportion of the population that has access to adequate and sustainable drinking water sources and the proportion of the population that has access to proper and sustainable sanitation services. Water and sanitation are a fundamental part for every human being to survive and maintain his health, and therefore must also be seen as the main element in fulfilling the right to a decent standard of living so that it becomes the 6th Goal of the Sustainable Development Goals (SDGs). From the results of the discussion, 3 provincial groups have similarities between their members and differ from other groups, namely group 1, namely the group that becomes the priority to be improved to achieve the 6th goal of the SDGs (clean water and sanitation). Group 2 is the group that becomes the second priority for improvement. Group 3 is the group that is the last priority to be improved to achieve the 6th goal of the SDGs (clean water and sanitation). Abstrak. Multidimensional Scaling Metric merupakan analisis yang menunjukkan nilai kemiripan jarak antar objek pada suatu dimensi dalam bentuk grafik berupa peta spasial yang mudah dipahami dan lebih informatif dibandingkan metode lain karena hasil akhir dari MDS adalah visual. Data yang digunakan adalah seluruh provinsi di Indonesia yang terdiri dari 34 provinsi dan variabel indikator proporsi penduduk yang memiliki akses terhadap sumber air minum yang layak dan berkelanjutan dan proporsi penduduk yang memiliki akses terhadap pelayanan sanitasi yang layak dan berkelanjutan. . Air dan sanitasi merupakan bagian mendasar bagi setiap manusia untuk bertahan hidup dan menjaga kesehatannya, oleh karena itu juga harus dilihat sebagai unsur utama dalam pemenuhan hak atas taraf hidup yang layak sehingga menjadi Tujuan ke-6 Tujuan Pembangunan Berkelanjutan. (SDG). Dari hasil diskusi, 3 kelompok provinsi memiliki kesamaan antar anggotanya dan berbeda dengan kelompok lainnya yaitu kelompok 1 yaitu kelompok yang menjadi prioritas untuk ditingkatkan untuk mencapai tujuan ke-6 SDGs (air bersih dan sanitasi). Kelompok 2 merupakan kelompok yang menjadi prioritas kedua untuk perbaikan. Kelompok 3 merupakan kelompok yang menjadi prioritas terakhir untuk ditingkatkan untuk mencapai tujuan ke-6 SDGs (air bersih dan sanitasi).

Pemodelan Intervensi untuk Meramalkan Jumlah Penumpang Pesawat Domestik Bandara Internasional Sultan Hasanuddin Makassar Salma, Ghina; Yanti, Teti Sofia
Jurnal Riset Statistika Volume 4, No. 1, Juli 2024, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jrs.v4i1.3892

Abstract. SARIMA is a time series method designed for data with seasonal components, assuming stationarity. When data is non-stationary due to shocks, it may involve interventions. In March 2020, the first case of Covid-19 was detected in Indonesia, causing data to contain interventions due to a sharp decline in data patterns. Intervention events occurred because the Indonesian government implemented the Large-Scale Social Restrictions policy to control the virus's spread and protect public health, involving various aspects, including restricting air transportation. The purpose of this research is to determine the appropriate model between SARIMA and Intervention, evaluated based on the Akaike Information Criterion (AIC). The data used is the actual number of domestic flight passengers departing from Sultan Hasanuddin Airport. From the testing results of both methods, the SARIMA model obtained is ARIMA (1, 1, 0)(0, 1, 0)12 with an AIC value of 1.673, while the Intervention model is ARIMA (1, 1, 0)(0, 1, 0)12, b = 0, s = 5, and r = 1 with an AIC value of 1.662. Thus, the intervention method is better suited for forecasting the number of domestic flight passengers at Sultan Hasanuddin Airport due to its lower AIC value. Abstrak. SARIMA adalah data deret waktu yang mengandung unsur musiman dengan asumsi yang harus dipenuhi yaitu asumsi stasioneritas. Ketika data tidak stasioner karena adanya shock pada data, maka data tersebut mengandung intervensi. Pada bulan Maret 2020, kasus Covid-19 pertama kali terdeteksi di Indonesia yang menyebabkan data mengandung intervensi karena pola data mengalami penurunan yang sangat tajam. Kejadian intervensi terjadi karena Pemerintah Indonesia mengeluarkan kebijakan terhadap PPKM yang diterapkan untuk mengendalikan penyebaran virus dan melindungi kesehatan masyarakat, yang melibatkan berbagai aspek salah satunya membatasi perjalanan transportasi udara. Tujuan penelitian ini adalah mengetahui model yang tepat antara SARIMA dan Intervensi yang dihitung berdasarkan Akaike Information Criterion (AIC). Data yang digunakan yaitu data aktual jumlah penumpang pesawat domestik yang berangkat dari Bandara Sultan Hasanuddin. Dari hasil pengujian kedua metode, diperoleh model SARIMA yaitu ARIMA (1, 1, 0)(0, 1, 0)12 dengan nilai AIC sebesar 1.673, sedangkan model intervensi yaitu ARIMA (1, 1, 0)(0, 1, 0)12, b = 0, s = 5, dan r = 1 dengan nilai AIC sebesar 1.662. Sehingga metode intervensi lebih baik digunakan untuk meramalkan jumlah penumpang pesawat domestik di Bandara Sultan Hasanuddin karena memiliki nilai AIC yang lebih kecil.

Diagram Kendali Adaptive Exponentially Weighted Moving Average Bayesian dalam Pengendalian Penyaluran Air Minum Muhammad Farhan Praja Utama; Teti Sofia Yanti
Jurnal Riset Statistika Volume 4, No. 2, Desember 2024, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jrs.v4i2.5014

Abstract. Process control is one of the statistical methods in maintaining product quality. One of the process control methods used in statistical quality control is a control diagram, which is a diagram used to describe the condition of an observation in a certain period of time, whose observation value is limited by the upper control limit (BKA) and lower control limit (BKB) to control the observation. Drinking water is one of the main needs needed by the community. In an effort to fulfill the community's need for drinking water availability, appropriate steps are needed in an effort to control the drinking water distribution process at drinking water companies so that the distribution process becomes more effective. This research was conducted to see the drinking water distribution process at PT.X as a step to control the distribution process. Researchers use the Adaptive Exponentially Weighted Moving Average (AEWMA) control chart by utilizing the Bayesian theorem so that the threshold value of the Bayes confidence interval derived from the posterior distribution is obtained. The results obtained that the AEWMA control chart is quite effective in providing an overview of the movement of the process by showing values that are in control and values that are out of control. Abstrak. Pengendalian proses merupakan salah satu metode statistik dalam menjaga kualitas produk. Salah satu metode pengendalian proses yang digunakan dalam pengendalian kualitas statistik adalah diagram kendali, yaitu diagram yang digunakan untuk menggambarkan kondisi suatu pengamatan dalam periode waktu tertentu, yang nilai pengamatannya dibatasi oleh batas kendali atas (BKA) dan batas kendali bawah (BKB) untuk mengendalikan pengamatan. Air minum merupakan salah satu kebutuhan utama yang dibutuhkan oleh masyarakat. Dalam upaya pemenuhan kebutuhan masyarakat akan ketersediaan air minum diperlukan langkah yang tepat dalam upaya pengendalian proses penyaluran air minum pada perusahaan air minum agar proses penyaluran menjadi lebih efektif. Penelitian ini dilakukan untuk melihat proses penyaluran air minum di PT.X sebagai langkah pengendalian proses penyalurannya tersebut. Peneliti menggunakan diagram kendali Adaptive Exponentially Weighted Moving Average (AEWMA) dengan memanfaatkan teorema bayesian sehingga diperoleh nilai threshold dari interval kepercayaan bayes yang berasal dari distribusi posterior. Adapun hasil yang diperoleh bahwa diagram kendali AEWMA cukup efektif dalam memberikan gambaran pergerakan proses dengan menunjukan nilai-nilai yang berada dalam kendali dan nilai yang out of control.

Peramalan Jumlah Kunjungan Pasien Balita dengan Metode Holt’s Double Exponential Smoothing Aida Nurul Islah; Teti Sofia Yanti
Jurnal Riset Statistika Volume 4, No. 2, Desember 2024, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jrs.v4i2.5026

Abstract. The Community Health Center is one of the first-level health facilities whose role is to provide health services to the community. Integrated Managemen Terpadu Balita Sakit (MTBS) is an integrated approach that focuses on child health. MTBS aims to reduce illness and disability, reduce preventable mortality, and support healthy growth and development in children under five (children <5 years of age). The number of patient visits fluctuates and is difficult to predict accurately, so forecasting is necessary. Forecasting is the process of estimating future conditions by taking into account past data. In this study, Holt's Double Exponential Smoothing method was used. Holt's Double Exponential Smoothing method is used for data that has a trend where the calculation uses two smoothing constants, namely α (level) and γ (trend). In this study, the concept of trial and error is used in determining the best constant. The data used is data on monthly patient visits at the MTBS clinic at the Margahayu Raya Health Center from January 2021 to August 2023, totaling 32 data. The results of this study obtained the smallest forecasting accuracy value when α = 0.9 and γ = 0.1 with a MAPE value = 23.82%. The results of forecasting for the next four periods show a positive trend, which means that the number of MTBS poly patient visits is increasing. Abstrak. Pusat Kesehatan Masyarakat (Puskesmas) merupakan salah satu fasilitas kesehatan tingkat pertama yang berperan untuk memberikan pelayanan kesehatan pada masyarakat. Managemen Terpadu Balita Sakit (MTBS) yaitu pendekatan terpadu yang berfokus pada Kesehatan anak. MTBS bertujuan untuk mengurangi penyakit dan kecacatan, menurunkan angka kematian yang dapat dicegah, serta mendukung pertumbuhan dan perkembangan sehat pada anak balita (anak usia < 5 tahun). Jumlah kunjungan pasien yang berfluktuasi dan sulit diprediksi secara akurat, sehingga peramalan diperlukan. Peramalan atau forecasting merupakan proses memperkirakan keadaan di masa yang akan datang dengan memperhitungkan data masa lalu. Dalam penelitian ini digunakan metode Holt’s Double Exponential Smoothing. Metode Holt Double Exponential Smoothing ini digunakan untuk data yang memiliki tren dimana dalam perhitungannnya menggunakan dua konstanta pemulusan yaitu α (level) dan γ (tren). Dalam penelitian ini digunakan konsep trial and error dalam menentukan konstanta terbaik. Data yang digunakan yaitu data kunjungan pasien bulanan pada poli MTBS di Puskesmas Margahayu Raya dari bulan Januari 2021 hingga Agustus 2023 sebanyak 32 data. Hasil dari penelitian ini diperoleh nilai akurasi peramalan yang terkecil pada saat α = 0,9 dan γ = 0,1 dengan nilai MAPE = 23,82%. Hasil dari peramalan untuk empat periode kedepan menunjukan adanya tren positif yang berarti bahwa jumlah kunjungan pasien poli MTBS mengalami kenaikan.

Improving Regression Model Menggunakan Bagging MARS Terhadap Gini Ratio di Pulau Jawa Diana Erviana; Teti Sofia Yanti
Jurnal Riset Statistika Volume 5, No. 1, Juli 2025, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jrs.v5i1.6488

Abstract. Economic inequality in Java Island is a crucial issue that impacts sustainable development. This study aims to model the Gini ratio using the Multivariate Adaptive Regression Splines (MARS) method combined with Bootstrap Aggregating (Bagging). Secondary data includes the response variable Gini ratio and predictor variables such as GRDP, Open Unemployment Rate, Percentage of Poor Population, Population Growth, and Labor Force Participation Rate. The determination of the number of bootstrap replications (B = 10, 25, 50, 100, and 200), as well as model parameter settings for the maximum number of basis functions, maximum interaction, and minimum observation, were conducted. The best model was selected based on the replication with the lowest average Generalized Cross Validation (GCV) value and the highest R-squared value. The analysis results showed that the 100th replication produced the lowest average GCV, while the final model was derived from the 41st replication, which had the highest R-squared value. The final model consists of 17 basis functions, with the most influential variable being the percentage of the poor population. Based on the findings, it is crucial for the government to focus on reducing the percentage of the poor population through strategic policies to mitigate economic inequality in Java Island. Abstrak. Ketimpangan ekonomi di Pulau Jawa merupakan isu penting yang berdampak pada pembangunan berkelanjutan. Penelitian ini bertujuan untuk memodelkan gini ratio menggunakan metode Multivariate Adaptive Regression Splines (MARS) yang dikombinasikan dengan Bootstrap Aggregating (Bagging). Data sekunder yang digunakan mencakup variabel respon gini ratio serta variabel prediktor seperti PDRB, Tingkat Pengangguran Terbuka, Persentase Penduduk Miskin, Pertumbuhan Penduduk, dan Tingkat Partisipasi Angkatan Kerja. Penentuan jumlah replikasi bootstrap (B = 10, 25, 50, 100, dan 200), serta pengaturan parameter model juga dilakukan untuk jumlah maksimal basis fungsi, maksimum interaksi, dan minimum observasi. Model terbaik dipilih berdasarkan replikasi dengan nilai rata-rata Generalized Cross Validation (GCV) terendah dan nilai R-squared tertinggi. Hasil analisis menunjukkan bahwa replikasi ke-100 menghasilkan rata-rata GCV paling kecil, sementara model akhir yang diperoleh adalah dari replikasi ke-41 yang memiliki nilai R-squared tertinggi. Model akhir terdiri dari 17 basis fungsi, dengan variabel paling berpengaruh adalah persentase penduduk miskin. Berdasarkan hasil penelitian, penting bagi pemerintah untuk fokus pada pengurangan persentase penduduk miskin melalui kebijakan strategis guna mengurangi ketimpangan ekonomi di Pulau Jawa.

Pemodelan Umur Harapan Hidup di Jabar Tahun 2021 Menggunakan Spatial Durbin Model Ratih Nurfitri; Teti Sofia Yanti
Jurnal Riset Statistika Volume 3, No. 2, Desember 2023, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jrs.v3i2.3023

Abstract. Linear regression analysis is a technique in statistics to form a model of the relationship between response variables with one or more predictor variables, but linear regression becomes less specific if the data used has a location aspect because the modeling does not take into account the proximity factor between regions. Therefore there was a development of linear regression into spatial regression where the location aspect is also considered, one of the spatial regression analysis is spatial Durbin Model (SDM) or a type of spatial regression analysis that considers the influence of the proximity of the region on the response variables and predictor variables. In this study, life expectancy modeling will be carried out to determine the factors that affect life expectancy in West Java province in 2021 with the predictive variables being the average length of school, the percentage of households behaving clean and healthy, the number of Posyandu, the percentage of poor people and adjusted per capita expenditure. From the results of the study, the factors that have a significant effect on life expectancy are the average length of schooling and the percentage of adjusted per capita expenditure, with the value of the coefficient of determination (R2) is 73.002 % which can be interpreted that the life expectancy model in West Java in 2021 can be explained by the model of 73.002%, while. Abstrak. Analisis regresi linier adalah teknik dalam statistika untuk membentuk model hubungan antara variabel respon dengan satu atau lebih variabel prediktor, namun regresi linier menjadi kurang spesifik jika data yang digunakan memiliki aspek lokasi karena dalam pemodelannya tidak memperhitungkan faktor kedekatan antar wilayah. Oleh karena itu terjadilah pengembangan regresi linier menjadi regresi spasial dimana aspek lokasi juga ikut diperhatikan, salah satu analisis regresi spasial adalah Spatial Durbin Model (SDM) atau jenis analisis regresi spasial yang memperhatikan pengaruh kedekatan daerah pada variabel respon maupun variabel prediktornya. Pada penelitian ini akan dilakukan pemodelan Umur Harapan Hidup untuk mengetahui faktor-faktor yang mempengaruhi Umur Harapan Hidup yang ada di provinsi Jawa Barat pada tahun 2021 dengan variabel predikornya adalah Rata-rata Lama Sekolah, Persentase Rumah Tangga Berperilaku Hidup Bersih dan Sehat, Jumlah Posyandu, Persentase Jumlah Penduduk Miskin dan Pengeluaran Perkapita yang Disesuaikan. Dari hasil penelitian, faktor-faktor yang berpengaruh signifikan terhadap umur harapan hidup adalah rata-rata lama sekolah dan persentase pengeluaran perkapita yang disesuaikan, dengan nilai koefisien determinasi (R2) adalah 73,002 % yang dapat diartikan bahwa model umur harapan hidup di Jawa Barat tahun 2021 dapat dijelaskan oleh model sebesar 73,002%, sedangkan sisanya 26.998% dijelaskan oleh variabel lain diluar model.

Model Prophet dengan Random Search untuk Peramalan Jumlah Kunjungan Wisatawan Mancanegara Saefani, Gessya; Teti Sofia Yanti
Jurnal Riset Statistika Volume 5, No. 2, Desember 2025, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jrs.v5i2.8278

Abstract. Time series analysis is used to identify patterns and forecast values based on temporal sequences. In the tourism sector, forecasting the number of international tourist arrivals to Bali is essential to support more strategic planning. This study utilizes the Prophet model, which is designed to handle both linear and non-linear trends, seasonal patterns, and the effects of holidays or special events. The data used consists of monthly international tourist arrivals to Bali from 2008 to 2024. The analytical process includes data exploration, descriptive analysis, Prophet modelling with various component combinations, model performance evaluation using MAPE, and selection of the best model. A total of six Prophet models were built, three of which were optimized using the random search method. The best-performing model (Model 6), which accounts for the impact of the COVID-19 lockdown, achieved a high level of accuracy with a MAPE of 7,60%. Excluding any external variables not included in the model, the 2025 forecast indicates an upward trend in tourist arrivals. All predicted values exceed the historical average (310.352) and surpass the previous peak (625.665), with the highest forecast in November 2025 reaching 676.293 visits. These findings reflect the potential for post-pandemic recovery and growth in Bali's tourism sector and can serve as a foundation for more targeted policy-making. Abstrak. Analisis deret waktu digunakan untuk mengidentifikasi pola dan meramalkan nilai berdasarkan urutan waktu. Dalam bidang pariwisata, peramalan kunjungan wisatawan mancanegara ke Bali penting untuk perencanaan strategis. Penelitian ini menggunakan model Prophet yang mampu menangani tren linear dan non-linear, pola musiman, serta pengaruh hari libur dan peristiwa khusus. Data yang digunakan berupa jumlah kunjungan wisatawan mancanegara ke Bali per bulan dari tahun 2008 hingga 2024. Tahapan analisis mencakup eksplorasi data, analisis deskriptif, pemodelan Prophet dengan berbagai variasi komponen, evaluasi performa model menggunakan MAPE, hingga pemilihan model terbaik. Sebanyak enam model Prophet dibangun, tiga di antaranya dioptimasi menggunakan metode random search. Model terbaik (Model 6) yang mempertimbangkan efek lockdown COVID-19 menghasilkan tingkat akurasi tinggi dengan MAPE sebesar 7,60%. Tanpa mempertimbangkan variabel eksternal yang tidak dilibatkan dalam model, hasil peramalan untuk tahun 2025 menunjukkan tren peningkatan kunjungan. Seluruh nilai ramalan melebihi rata-rata historis (310.352) dan bahkan melampaui rekor kunjungan sebelumnya (625.665), dengan puncak pada November 2025 sebesar 676.293 kunjungan. Temuan ini menunjukkan potensi pemulihan dan pertumbuhan pariwisata Bali pascapandemi serta dapat menjadi acuan bagi kebijakan yang lebih terarah.

Title

Found 9 Documents
Search
Journal : Jurnal Riset Statistika

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 9 Documents Search Journal : Jurnal Riset Statistika

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 9 Documents
Search
Journal : Jurnal Riset Statistika