Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika
Sausan Nisrina
Universitas Hamzanwadi
Decision Sciences, Operations Research & Management Economics, Econometrics & Finance

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Penerapan Metode Clustering SOM dan DBSCAN dalam Mengelompokkan Unmet Need Keluarga Berencana di Nusa Tenggara Barat Sausan Nisrina; Wiwit Pura Nurmayanti; Basirun; Kertanah; Muhammad Gazali
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.a5549

Abstract

Perkembangan big data terus mengalami kemajuan dengan sangat pesat. Untuk memudahkan mengakses data dan informasi dapat menggunakan metode clustering. Clustering merupakan proses pengelompokkan obyek atas kesamaan karakteristiknya. Metode clustering dapat diterapkan pada bidang kesehatan yaitu unmet need Keluarga Berencana (KB). Unmet need dapat diartikan sebagai tidak terpenuhinya kebutuhan akan alat kontrasepsi pada pasangan usia subur. Metode clustering yang digunakan pada penelitian ini yaitu SOMdan DBSCAN. Penelitian bertujuan untuk melihat gambaran unmet need di Provinsi Nusa Tenggara Barat yang kedua adalah menguraikan hasil clustering dengan metode Clustering Self Orgaizing Maps (SOM) dan terakhir untuk menguraikan hasil clustering dengan metode DBSCAN dalam kasus pengelompokkan penyebab unmet need KB di Provinsi NTB. Berdasarkan hasil analisis di dapatkan bahwa Kabupaten Lombok Timur merupakan kabupaten dengan jumlah unmet need KB tertinggi sebanyak 84.72 jiwa, sedangkan terendah di Kota Bima sebesar 4.636 orang. Hasil penelitian dengan metode SOM memiliki 3 cluster, 86 kecamatan cluster 1, 30 kecamatan cluster 2 dan 4 kecamatan cluster 3. Untuk metode DBSCANdengan eps 1.20 dan MinPts 3, jumlah cluster yang terbentuk yaitu 2 cluster, cluster 1 dengan 97 kecamatan dan cluster 2 dengan 4 kecamatan, serta 16 kecamatan yang memiliki data noise.
Perbandingan Analisis Dekomposisi dan Exponential Smoothing Holt Winters untuk Peramalan Rata-Rata Jumlah KPM PKH di NTB M. Hadiyan Amaly; Wiwit Pura Nurmayanti; Sausan Nisrina
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.a5551

Abstract

Program Keluarga Harapan (PKH) adalah program pemberian bantuan sosial bersyarat kepada keluarga miskin dan rentan terdaftar dalam Data Terpadu Kesejahteraan Sosial (DTKS) dan ditetapkan sebagai Keluarga Penerima Manfaat (KPM). Tujuan penelitian ini untuk meramalkan rata-rata jumlah PKM PKH untuk periode 2021. Hal ini dapat dijadikan dasar bagi instansi pemerintah terkait dalam perencanaan kedepannya. Untuk mendapatkan peramalan terbaik digunakan perbandingan dua metode yaitu metode dekomposisi dan metode Exponential Smoothing Holt Winters. Untuk mencapai tujuan penelitian tersebut dilakukan perhitungan kesalahan yang terdiri dari Mean Absolute Percentage Error (MAPE), Mean Absolute Deviation (MAD), dan Mean Square Deviation (MSD). Berdasarkan hasil analisis data, diketahui metode peramalan terbaik untuk meramalkan rata-rata jumlah KPM PKH di provinsi NTB adalah metode Exponential Smoothing Holt Winters. Metode ini dikatakan lebih baik karena memiliki nilai error lebih kecil dibandingkan dengan nilai error metode dekomposisi. Metode Exponential Smoothing Holt Winters menggunakan nilai pemulusan ? = 0,3, ? = 0,1, ??? ? = 0,2 menghasilkan nilai MAPE = 15, MAD = 2761, dan MSD = 1692444.
Co-Authors Basirun, Basirun Kertanah Kertanah M. Hadiyan Amaly Muhammad Gazali Wiwit Pura Nurmayanti