Article Per Year (5 Year)
p-Index From 2020 - 2025
1.556
P-Index
This Author published in this journals
All Journal Syntax Literate: Jurnal Ilmiah Indonesia SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika JAMBURA JOURNAL OF PROBABILITY AND STATISTICS Jurnal Statistika dan Komputasi (STATKOM) Indonesian Journal of Statistics and Its Applications
Umam Hidayaturrohman
Universitas Hamzanwadi
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
Pengelompokan Dan Pemetaan Karakteristik Kemiskinan Di Provinsi Nusa Tenggara Barat Menggunakan Self Organizing Map (SOM) Dan Biplot Wahyuni Wahyuni; Muhammad Gazali; Umam Hidayaturrohman
Syntax Literate Jurnal Ilmiah Indonesia
Publisher : Syntax Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (779.483 KB) | DOI: 10.36418/syntax-literate.v7i11.9965

Abstract

Data yang dirilis BPS NTB menunjukkan angka kemiskinan di NTB meningkat akibat gempa 2018. Dampaknya adalah perlambatan pengentasan kemiskinan pada 2019 yang hanya mampu mencapai 14,56%, selain itu merebaknya kasus Covid-19 sejak 2019 menjadi salah satu penyebab perlambatan ekonomi. masyarakat yang mengakibatkan bertambahnya jumlah penduduk miskin. Penelitian ini bertujuan untuk menentukan metode terbaik antara SOM dan Biplot. Selain itu, tujuan dari penelitian ini adalah mengelompokkan kabupaten/kota di NTB untuk melihat karakteristik kemiskinan yang sama pada setiap klaster. Selain itu, pemetaan karakteristik kemiskinan dilakukan untuk setiap kabupaten/kota di NTB sebagai upaya untuk mengetahui keragaman karakteristik kemiskinan. Metode clustering yang digunakan adalah SOM dan Biplot. Hasil penelitian menunjukkan bahwa metode yang paling baik adalah metode Biplot karena memiliki rasio yang lebih kecil yaitu 0,3. Klaster 1 memiliki 3 kabupaten/kota yaitu kota Bima, Mataram dan Sumbawa Barat yang memiliki kesamaan karakteristik angka melek huruf (X8) dan rumah tangga yang menggunakan jamban (X7). Klaster 2 memiliki 3 kabupaten/kota yaitu Lombok Timur, Lombok Tengah. dan Lombok Utara yang memiliki kesamaan dalam hal karakteristik persentase penduduk miskin (X1), usia 15 tahun ke atas yang tidak tamat SD (X2), usia 15 tahun ke atas yang tidak bekerja (X3), miskin masyarakat penerima BPNT (X5) dan pengeluaran per kapita (X6). Klaster 3 memiliki 2 kabupaten/kota yaitu Bima dan Lombok Barat yang memiliki kesamaan karakteristik pekerjaan di sektor pertanian (X4). Pada Klaster 4 terdapat 2 kabupaten/kota yang memiliki kesamaan yaitu Dompu dan Sumbawa yang tidak memiliki karakteristik kemiskinan dalam variabel penelitian.
Perbandingan Metode LightGBM dan XGBoost dalam Menangani Data dengan Kelas Tidak Seimbang Putri Septiana Rizky; Ristu Haiban Hirzi; Umam Hidayaturrohman
J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 15 No 2 (2022): Jurnal Ilmiah Teori dan Aplikasi Statistika
Publisher : Fakultas Sains dan Teknologi Univ. PGRI Adi Buana Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36456/jstat.vol15.no2.a5548

Abstract

Masalah ketidakseimbangan kelas telah menjadi salah satu tantangan dalam kinerja banyak algoritma klasifikasi. Kelas tidak seimbang merupakan suatu kondisi dimana terdapat dataset yang jumlah kelasnya terdapat perbedaan yang signifikan terhadap masing-masing jumlah kelas. Dalam kumpulan data yang terdiri dari dua kelas, ukuran sampel kategori mayoritas (lebih besar) mendominasi sampel kategori minoritas (lebih kecil) dengan rasio sebesar 1:100, 1:1.000 atau 1:10.000. Dampak ketidakseimbangan ini menyebabkan klasifikasi menjadi buruk dan tidak optimal. Sebagian besar algoritma klasifikasi standar cenderung mengklasifikasikan kelas mayoritas dengan tingkat akurasi tinggi dan kelas minoritas dengan tingkat akurasi rendah, sehingga mengakibatkan terjadinya bias. Dalam banyak aplikasi, lebih penting untuk mengidentifikasi kelas minoritas dari pada kelas mayoritas. Pada penelitian ini diusulkan pendekatan berbasis ensemble dengan pengklasifikasi yang digunakan adalah LightGBM dan XGBoost, kedua metode ini merupakan metode gradien efisien yang beberapa tahun terakhir telah disarankan berdasarkan pohon keputusan sehingga mampu menangani masalah data dengan skala besar. Data yang digunakan diperoleh dari UCI Repository dengan 5 data, 3 diantaranya memiliki tingkat ketidakseimbangan tinggi dan sisanya dengan tingkat ketidakseimbangan rendah. Jumlah kelas yang digunakan pada penelitian adalah dua kelas. Hasil penelitian menunjukkan bahwa kinerja metode XGBoost dalam akurasi dan sensitivitas lebih baik dibandingkan LightGBM di hampir seluruh data. Sedangkan kemampuan dalam menebak kelas minoritas (spesifisitas), metode LightGBM lebih baik dibandingkan XGBoost dengan nilai keseluruhan rata-rata sebesar 80,41% : 74,64%.
Penerapan Clustering Time Series pada Pengelompokan Provinsi di Indonesia (Studi Kasus : Nilai Ekspor Non Migas di Indonesia Tahun 2016-2020) Harista Almiatus Soleha; Wiwit Pura Nurmayanti; Umam Hidayaturrohman; Ristu Haiban Hirzi; Ayu Septiani
J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 15 No 2 (2022): Jurnal Ilmiah Teori dan Aplikasi Statistika
Publisher : Fakultas Sains dan Teknologi Univ. PGRI Adi Buana Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36456/jstat.vol15.no2.a5550

Abstract

Ekspor non migas merupakan ekspor barang yang bukan berupa minyak dan gas. Tidak semua daerah di Indonesia memiliki potensi yang sama untuk melakukan kegiatan ekspor sehingga setiap daerah memiliki nilai ekspor yang berbeda-beda. Oleh karena itu dilakukan analisis pengelompokkan provinsi di Indonesia berdasarkan nilai ekspor non migas tahun 2016 – 2020 menggunakan cluster time series dengan metode hierarki clustering agglomerative diantaranya complete lingke yaitu pengelompokkan berdasarkan jarak terbesar antar objek dan centroid linkage merupakan nilai tengah observasi pada variabel dalam satu cluster, serta menggunakan pengukuran jarak Euclidean dan Dynamic Time Warping (DTW) dengan tujuan yaitu untuk memperoleh pengukuran jarak terbaik dengan metode yang optimal guna mendapatkan cluster yang representatif. Berdasarkan hasil analisis pengelompokkan Provinsi di Indonesia terhadap nilai ekspor non migas tahun 2016 - 2020 didapatkan pengukuran jarak kemiripin yang paling baik yaitu jarak DTW dan metode yang optimal yaitu centroid linkage berdasarkan pada nilai koefisien cophenetic sebesar 0.92 dengan kategori good cluster berdasarkan nilai koefisien silhouette yaitu 0.60. Sehingga didapatkan tiga cluster yaitu nilai ekspor tinggi, sedang dan rendah, diantaranya 24 Provinsi dengan nilai ekspor rendah, 9 Provinsi dengan nilai ekspor sedang, dan 1 Provinsi dengan nilai ekspor tinggi.
Prediksi Jumlah Wisatawan Menggunakan Metode Random Forest, Single Exponential Smoothing dan Double Exponential Smoothing di Provinsi NTB Ristu Haiban Hirzi; Umam Hidayaturrohman; Kertanah Kertanah; M. Hadiyan Amaly; Rody Satriawan
Jambura Journal of Probability and Statistics Vol 4, No 1 (2023): Jambura Journal Of Probability and Statistics
Publisher : Department of Mathematics, Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34312/jjps.v4i1.17088

Abstract

The aim of study is to forecast global tourist visits and compare the forecasting methods to determine the best method using random forest, single exponential smoothing and double exponential smoothing, respectively. These methods are applied in global tourist visit data in West Nusa Tenggara Province. Random forest, single exponential smoothing and double exponential smoothing are familiar methods and are frequently utilized in forecasting. In addition, the three methods have great accuracy for time series data, such as data of global tourist visits. The data used in this study is data of global tourist visits from 2014 to 2021 in West Nusa Tenggara province. Applying the random forest, single exponential smoothing and double exponential smoothing methods in forecasting, the result shows that double exponential smoothing method is the best, based on the smallest value of Mean Absolute Percentage Error (MAPE) of 325.759. The forecasting result found out that tourist visits will increase from previous time, starting from August, 2021 to July, 2021 with an estimated 847 to 1045 lives
Penerapan Algoritma Self Organizing Maps (SOM) Dan K-Means Untuk Mengelompokkan Akseptor KB Di NTB Yahya, Lalu Muhammad; Kertanah, Kertanah; Hidayaturrohman, Umam
Jurnal Statistika dan Komputasi Vol. 3 No. 1 (2024): Jurnal Statistika dan Komputasi
Publisher : Universitas Nahdlatul Ulama Sunan Giri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32665/statkom.v3i1.2960

Abstract

Latar Belakang: Salah satu permasalahan utama terkait penggunaan KB yaitu berhubungan dengan ketersediaan layanan kesehatan, sehingga untuk memberikan akses yang lebih baik kepada masyarakat terhadap informasi dan layanan dapat dilakuakn analsis clustering yang membantu mengidentifikasi wilayah-wilayah di NTB yang memiliki akses terbatas terhadap layanan kesehatan reproduksi. Tujuan: Tujuan penelitian ini, pertama adalah untuk mengetahui gambaran umum akseptor keluarga berencana seluruh kecamatan di NTB. Kedua adalah untuk mengetahui hasil cluster akseptor keluarga berencana di kecamatan seluruh NTB 2022 dengan algoritma SOM dan K-means serta mengetahui algoritma terbaik pada data akseptor keluarga berencana di kecamatan seluruh NTB ditinjau dari nilai validasi internal. Metode: Algoritma clustering yang digunakan pada penelitian ini yaitu SOM dan K-means. Hasil: Berdasarkan hasil analisis didapatkan bahwa suntik merupakan akseptor tertinggi di NTB sebanyak 299.344. Sedangkan akseptor terendah adalah kondom sebanyak 7.333. Hasil penelitian dengan algoritma SOM memiliki 2 cluster yaitu cluster 1 terdapat 103 kecamatan dan cluster 2 terdapat 14 kecamatan. Algoritma K-means memiliki 2 cluster yaitu cluster 1 terdapat 84 kecamatan dan cluster 2 terdapat 33 kecamatan. Kesimpulan: Algoritma terbaik untuk pengelompokan akseptor keluarga berencana di kecamatan seluruh Provinsi NTB adalah algoritma SOM.  
Pendampingan pemanfaatan limbah rumah tangga menjadi pupuk organik dengan komposter bahan bekas Basirun, Basirun; Kartanah, Kartanah; Hidayaturrohman, Umam; Hastuti, Siti Hariati
SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan Vol 9, No 2 (2025): March
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jpmb.v9i2.29775

Abstract

Abstrak Limbah rumah tanpa disadari terus diproduksi pada setiap aktivitas yang dilakukan terutama dilingkungan dapur sehingga volume sampah pada TPA terus meningkat. Permasalahan ini dapat teratasi dengan adanya pengetahuan dan keterampilan serta kesadaran setiap rumah tangga untuk melakukan pengolahan sederhana dengan mengolahnya menjadi pupuk organik. Tujuan dilakukan kegiatan pendampingan ini adalah meningkatkan kesadaran, pengetahuan, dan keterampilan masyarakat dalam pengolahan sampah menjadi pupuk organik sehingga sampah yang dihasilkan tidak lagi ditimbun untuk disalurkan ke tempat pembuangan akhir. Metode pendampingan ada tiga yaitu sosialisasi, praktik dan evaluasi. Kegiatan diawali dengan sosialisasi kemudian praktik dan evaluasi kegiatan. Mitra  saasaran adalah pengelola HIFARM dan masyarakat sekitar dengan peserta yang hadir sebanyak 23 orang. Hasil pendampingan menunjukkan bahwa tumbuhnya kesadaran, meningkatnya pengetahuan dan keterampilan masyarakat dalam mengolah limbah dapur yang dihasilkan menjadi pupuk organik dengan menggunakan komposter yang terbuat dari ember bekas. Bukti peningkatan dilihat dari hasil evaluasi bahwa setelah pendampingan didapatkan sebesar 75% peningkatan baik itu pengetahuan maupun keterampilan sehingga secara perlahan dan menjadi kebiasaan yang terus dilakukan  untuk mengurangi volume sampah. Kata kunci: limbah rumah tangga; komposter; pupuk organik Abstract Unconsciously, household waste continues to be produced in every activity carried out, especially in the kitchen environment, so that the volume of waste in the landfill continues to increase. This problem can be resolved with the knowledge, skills and awareness of every household to carry out simple processing by processing it into organic fertilizer. The aim of this mentoring activity is to increase community awareness, knowledge and skills in processing waste into organic fertilizer so that the waste produced is no longer landfilled to be distributed to final disposal sites. There are three mentoring methods, namely socialization, practice and evaluation. The activity begins with socialization then practice and evaluation of the activity. The target partners are HIFARM managers and the surrounding community with 23 participants attending. The results of the assistance show that there is growing awareness, increased knowledge and skills of the community in processing the resulting kitchen waste into organic fertilizer using a composter made from used buckets. Evidence of improvement can be seen from the evaluation results that after mentoring, there was a 75% increase in both knowledge and skills so that it slowly and became a continuous habit to reduce the volume of waste. Keywords: household waste; composter; organic fertilizer
IMPLEMENTASI TRANSFORMASI FOURIER UNTUK TRANSFORMASI DOMAIN WAKTU KE DOMAIN FREKUENSI PADA LUARAN PURWARUPA ALAT PENDETEKSIAN GULA DARAH SECARA NON-INVASIF Umam Hidayaturrohman; Erfiani Erfiani; Farit M Afendi
Indonesian Journal of Statistics and Applications Vol 4 No 2 (2020)
Publisher : Departemen Statistika, IPB University dengan Forum Perguruan Tinggi Statistika (FORSTAT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/ijsa.v4i2.504

Abstract

Diabetes mellitus is the result of changes in the body caused by a decrease of insulin performance which is characterized by an increase of blood sugar level. Detection of blood sugar can be done with Invasive methods or non-invasive methods. However, non-invasive methods are considered better because they can check early, faster and accurate. The prototype output is values of intensity in the time domain, thus fourier transformation is very much needed to transform into the frequency domain. In this study, Fourier transformation methods used are Discrete Fourier Transform (DFT), Fast Fourier Transform Radix-2, and Fast Fourier Transform Radix-4. Evaluation for the best method is done by comparing the processing speed of each method. The FFT Radix-4 method is more effective to perform the transformation into the frequency domain. The average processing speed with the FFT Radix-4 method reaches 2.67×105 nanoseconds, and this is much faster 5.06×106 nanoseconds than the FFT Radix-2 method and 2.40×107 nanoseconds faster than the DFT method.
Co-Authors Ayu Septiani Basirun, Basirun Erfiani Erfiani Farit M Afendi Harista Almiatus Soleha Kartanah, Kartanah Kertanah Kertanah Kertanah, Kertanah M. Hadiyan Amaly Muhammad Gazali Putri Septiana Rizky Ristu Haiban Hirzi, Ristu Rody Satriawan Siti Hariati Hastuti Wahyuni Wahyuni Wiwit Pura Nurmayanti Yahya, Lalu Muhammad