Article Per Year (5 Year)
p-Index From 2021 - 2026
5.257
P-Index
This Author published in this journals
All Journal Pharmaciana: Jurnal Kefarmasian EKOMBIS REVIEW: Jurnal Ilmiah Ekonomi dan Bisnis EKSPANSI Amwaluna Jurnal Ekonomi dan Keuangan Syariah TRANSFORMASI : JURNAL PENGABDIAN PADA MASYARAKAT Indonesian Journal of Economics and Management Jurnal Riset Statistika Bandung Conference Series: Statistics
Teti Sofia Yanti
Prodi Statistika, Fakultas Matematika Dan Ilmu Pengetahuan Alam, Universitas Islam Bandung, Indonesia
Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Mathematics Medicine & Pharmacology Social Sciences Other

Published : 43 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 43 Documents
Search

 1   2   3   4   5 
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

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

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

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

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.
Penerapan Metode Hybrid Fuzzy Time Series pada Data IHSG 10060118082, Rizky Fauzi; Teti Sofia Yanti
Bandung Conference Series: Statistics Vol. 5 No. 2 (2025): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v5i2.21452

Abstract

Abstract. Forecasting the Indonesia Composite Stock Price Index (IHSG) plays a crucial role in investment decision-making; however, the volatility and uncertainty of the data make the process complex. This study aims to apply a hybrid Fuzzy Time Series (FTS) method combined with Fuzzy C-Means (FCM) and Markov Chain algorithms to accurately model and forecast IHSG values. The data used consists of daily IHSG closing prices from January 2020 to July 2025, obtained from idx.co.id. The research steps include data preprocessing, determining the universe of discourse, identifying the optimal number of clusters using the Elbow method, constructing fuzzy intervals based on FCM cluster centers, followed by fuzzification, forming Fuzzy Logical Relationship Groups (FLRG), building the Markov transition probability matrix, and conducting prediction with result adjustments. The model was evaluated using RMSE, MAPE, and Theil’s U metrics to measure accuracy. The results showed that the hybrid method produced predictions with an RMSE of 65.8147, MAPE of 0.80%, and Theil’s U of 0.0102 after adjustment, indicating excellent model performance. In conclusion, the FTS-FCM-Markov hybrid method effectively handles the dynamic characteristics of IHSG data and can serve as an alternative approach for stock market forecasting. Abstrak. Peramalan Indeks Harga Saham Gabungan (IHSG) memiliki peran penting dalam pengambilan keputusan investasi, namun fluktuasi dan ketidakpastian data membuat proses ini menjadi kompleks. Penelitian ini bertujuan untuk menerapkan metode hybrid Fuzzy Time Series (FTS) yang dikombinasikan dengan algoritma Fuzzy C-Means (FCM) dan Markov Chain untuk memodelkan dan meramalkan nilai IHSG secara akurat. Data yang digunakan merupakan harga penutupan IHSG harian dari Januari 2020 hingga Juli 2025 yang diambil dari Idx.co.id. Langkah penelitian dimulai dengan pra-pemrosesan data, penentuan universe of discourse, penentuan jumlah klaster optimal dengan metode Elbow, pembentukan interval fuzzy berdasarkan pusat klaster FCM, kemudian dilakukan proses fuzzifikasi, pembentukan Fuzzy Logical Relationship Group (FLRG), pembangunan matriks probabilitas transisi Markov, hingga tahap prediksi dan penyesuaian hasil. Model dievaluasi menggunakan metrik RMSE, MAPE, dan Theil’s U untuk mengukur tingkat akurasi. Hasil menunjukkan bahwa metode hybrid ini mampu memberikan prediksi dengan RMSE sebesar 65.8147, MAPE 0.80%, dan Theil’s U sebesar 0.0102 setelah dilakukan penyesuaian, yang mengindikasikan performa model yang sangat baik. Kesimpulannya, metode hybrid FTS-FCM-Markov terbukti mampu menangani karakteristik data IHSG yang bersifat dinamis dan dapat dijadikan sebagai pendekatan alternatif dalam peramalan pasar saham..
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

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.
Penerapan Model Vector Autoregression dalam Peramalan CAR dan ROA Bank BJB Salsabila, Felisha; Teti Sofia Yanti
Bandung Conference Series: Statistics Vol. 5 No. 2 (2025): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v5i2.20186

Abstract

Abstract. In facing increasingly complex economic dynamics, banks are expected to maintain their financial stability through the management of various financial indicators. Some of the key indicators include the Capital Adequacy Ratio (CAR) and Return on Assets (ROA). This study aims to analyze the dynamic relationship and forecast CAR and ROA at Bank BJB for the period 2016–2024 using the Vector Autoregression (VAR) model. The data used consists of quarterly financial reports of Bank BJB from 2016 to 2024, obtained from the official website of Bank BJB. The data is processed using EViews 10 software through several stages, including descriptive statistics, stationarity testing, cointegration testing, model estimation and stability testing, diagnostic checking, optimal lag determination, Granger causality testing, forecasting, and accuracy evaluation using the Mean Absolute Percentage Error (MAPE) value. The results show that two parameters are significant at the 10% level: ΔCAR(-2) on ΔCAR and ΔROA(-1) on ΔROA. The forecasting model in this study is able to capture the historical patterns of CAR and ROA quite well, as indicated by a MAPE value of 3.56% for CAR which is considered very good and 22.37% for ROA, which falls into the fair category. Abstrak. Dalam menghadapi dinamika ekonomi yang semakin kompleks, bank diharapkan menjaga stabilitas keuangannya melalui pengelolaan berbagai indikator keuangan. Beberapa indikator penting tersebut antara lain adalah Capital Adequacy Ratio (CAR) dan Return on Assets (ROA). Penelitian ini bertujuan untuk menganalisis hubungan dinamis serta meramalkan CAR dan ROA pada Bank BJB tahun 2016–2024 menggunakan model VAR. Data yang digunakan merupakan laporan keuangan triwulanan Bank BJB selama periode tahun 2016 hingga 2024 yang diperoleh melalui website resmi Bank BJB. Data diolah menggunakan software Eviews 10 melalui tahapan statistik deskriptif, uji stasioneritas, uji kointegrasi, estimasi dan stabilitas model, uji diagnostik, penentuan lag optimal, uji kausalitas Granger, peramalan, serta evaluasi akurasi menggunakan nilai MAPE. Hasil menunjukkan bahwa terdapat dua parameter yang signifikan pada taraf nyata 10%, yaitu ΔCAR(-2) terhadap ΔCAR dan ΔROA(-1) terhadap ΔROA. Model peramalan dalam penelitian ini mampu menangkap pola historis CAR dan ROA dengan cukup baik, yang ditunjukkan oleh nilai MAPE sebesar 3,56% untuk CAR yang tergolong sangat baik, dan 22,37% untuk ROA yang berada dalam kategori cukup.
Klasifikasi Gambar Ras Kucing Menggunakan Gaussian Naive Bayes dengan Ekstraksi Fitur CNN MobileNetV2 Rafif Naufal Oktiardi; Teti Sofia Yanti
Jurnal Riset Statistika Volume 6, No. 1, Juli 2026, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jrs.v6i1.10024

Abstract

Abstract. With the rapid advancement of digital image processing technology, image-based object classification has become increasingly important across various application domains. This study examines the performance of Gaussian Naive Bayes in classifying cat breeds based on image data. The dataset consists of 2,800 images covering 13 cat breeds and one non-cat class, with 200 images per class. Images were preprocessed through resizing to 224×224 pixels, pixel-value normalisation, and conversion to numeric arrays. Feature extraction was performed using a pre-trained MobileNetV2 CNN, followed by Global Average Pooling to produce 1,280-dimensional feature vectors. Dimensionality reduction via Principal Component Analysis (PCA) reduced the features to 557 components, retaining approximately 95% of the data variance. The resulting feature vectors were fed into a Gaussian Naive Bayes classifier. Evaluation on an 80:20 train-test split yielded a training accuracy of 82.54% and a Testing accuracy of 71.61%, with a macro-average F1-score of 0.72. Several breeds Persian, Bombay, Siamese, and Birman achieved high classification performance, whereas breeds with visually similar characteristics showed lower scores. The findings confirm that Gaussian Naive Bayes, when supported by CNN-based feature extraction and PCA, is capable of classifying cat-breed images with reasonable accuracy. Abstrak. Seiring dengan berkembangnya teknologi pengolahan citra digital, klasifikasi objek berbasis data gambar menjadi semakin penting dalam berbagai bidang aplikasi. Penelitian ini bertujuan untuk mengevaluasi kinerja metode Gaussian Naive Bayes dalam melakukan klasifikasi ras kucing dengan data gambar. Dataset yang digunakan terdiri dari 2.800 gambar yang mencakup 13 ras kucing dan satu kelas bukan kucing, dengan masing-masing kelas memiliki 200 gambar. Setiap gambar melalui tahapan preprocessing berupa resize ke ukuran 224×224 piksel, normalisasi nilai piksel, serta konversi ke bentuk array numerik. Ekstraksi fitur dilakukan menggunakan CNN MobileNetV2 yang telah dilatih sebelumnya (pre-trained), diikuti oleh Global Average Pooling untuk menghasilkan vektor fitur berdimensi 1.280. Reduksi dimensi menggunakan Principal Component Analysis (PCA) kemudian diterapkan sehingga menghasilkan 557 komponen utama yang mampu menjelaskan sekitar 95% variasi data. Model Gaussian Naive Bayes dilatih dan dievaluasi dengan rasio pembagian data 80:20, menghasilkan akurasi sebesar 82,54% pada data training dan 71,61% pada data Testing, dengan nilai F1-score rata-rata sebesar 0,72. Beberapa ras kucing seperti Persian, Bombay, Siamese, dan Birman menunjukkan performa klasifikasi yang cukup baik. Hasil penelitian mengonfirmasi bahwa Gaussian Naive Bayes, yang didukung oleh ekstraksi fitur berbasis CNN dan reduksi dimensi PCA, mampu mengklasifikasikan gambar ras kucing dengan akurasi yang cukup baik.
Model Prophet dengan Random Search untuk Peramalan Jumlah Kunjungan Wisatawan Mancanegara Gessya Saefani; 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

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.
Economic Inequality Analysis in Java: A MARS Model Approach Diana Erviana; Teti Sofia Yanti; Iwan Setiawan
Indonesian Journal of Economics and Management Vol. 6 No. 3 (2026): Indonesian Journal of economics and Management (July 2026)
Publisher : Jurusan Akuntansi Politeknik Negeri Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35313/ijem.v6i3.6834

Abstract

Economic inequality in Java Island is a crucial issue that affects sustainable development. This study aims to model the Gini ratio using the Multivariate Adaptive Regression Splines (MARS) method. The secondary data used 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 best model was selected based on the replication with the lowest average Generalized Cross Validation (GCV) value. The analysis results indicate that the optimal model consists of 5 basis functions, derived from an initial selection of 15 basis functions, with a maximum interaction of 3 and a minimum observation of 3. This model has a GCV value of 0.001758381. The study findings show that the Labor Force Participation Rate and Population Growth Rate have equally high importance, indicating that these two variables are the key factors significantly influencing the model.
Co-Authors 10060118082, Rizky Fauzi Adeliya Sanya Lenita Agan Aida Nurul Islah Alfiari Firdaus Andi Setia Nugraha Anneke Iswani Ahmad Annisa Lisa Nurjanah Ari Budi Utomo Dadang Hermawan Diana Erviana Diana Erviana Dwi Syah Fitra Ramadhan Enu Ainun Isni Erin Heristian Eti Kurniati Fachrul Fauzi Fariz Andinur Aziz Fifi Afiyanti Fiore Rosie Kestana Fitrianti Darusman Fuji Astuti Gessya Saefani Hilda Aprilia, Hilda Icih Sukarsih Iwan Setiawan Iwan Setiawan Lathifah Lisnur Wachidah Mega Anisa Rachim Mey Damayanti CR Mila Hastuti S Muhammad Farhan Praja Utama Najwa Anisa Fitri Nety Kurniaty Nur Indah Lutfira Nusar Hajarisman Onoy Rohaeni Puthri Rahma Zain Putriyanto, Jasmine Salsabila Rafif Naufal Oktiardi Raihani Himati Kamilah Ratih Nurfitri Ruhana, Nafisah Salma, Ghina Salsabila, Felisha Sintia Arjabi Oktavianti Siti Sunendiari Sukma Wiyasih Izumi Tasya Apriany Hamba Taufik Muhammad Fakih Tripuspitorini, Fifi Afiyanti Vivi Suci Puspita Wildan Nur Ramadlan Wulan Milanka Lestari Yani Krishnamurti Yayat Karyana