Garuda - Garba Rujukan Digital

ANALISIS PRODUKSI PADI DI INDONESIA MENGGUNAKAN MODEL REGRESI ROBUST ESTIMASI M, ESTIMASI S DAN ESTIMASI MM Febriani Astuti; Rokhana Dwi Bekti; Aurora Arianita Br Keliat; Theodorina Inya Sebo
JURNAL TEKNOLOGI TECHNOSCIENTIA Technoscientia Vol 16 No 1 September 2023
Publisher : Lembaga Penelitian & Pengabdian Kepada Masyarakat (LPPM), IST AKPRIND Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/technoscientia.v16i1.4513

Indonesia merupakan negara agraris yang sebagian besar penduduknya bekerja di sektor pertanian dengan komoditas utama padi. Pada tahun 2022 produksi padi nasional mencapai 32,07 juta ton. Jumlah ini mengalami kenaikan sebesar 0,72 juta ton dari tahun 2021. Kenaikan produksi padi berbanding lurus dengan kenaikan luas panen dan produktivitas padi pada tahun 2022. Salah satu metode yang dapat digunakan untuk menganalisis produksi padi di Indonesia adalah metode regresi linear berganda. Setelah dilakukan pengujian ternyata ada unsur pencilan dalam data sehingga penggunaan metode regresi linear berganda akan menghasilkan analisis yang kurang akurat. Oleh karena itu digunakan model regresi robust yang tahan terhadap pencilan supaya hasil analisis lebih akurat. Model regresi robust yang umum digunakan yaitu model regresi robust estimasi M, estimasi S dan estimasi MM. Tujuan dari penelitian ini untuk menganalisis produksi padi di Indonesia dengan menggunakan model regresi robust estimasi M, estimasi S dan estimasi MM. Model regresi robust estimasi S merupakan model terbaik dengan nilai tertinggi, yaitu sebesar 99,94% dan nilai standar eror residu terendah yaitu sebesar . Model regresi robust estimasi S yang terbentuk yaitu dan variabel yang berpengaruh signifikan terhadap produksi padi di Indonesia adalah luas panen dan produktivitas padi.

ANALISIS PRODUKSI PADI DI INDONESIA MENGGUNAKAN MODEL REGRESI ROBUST ESTIMASI M, ESTIMASI S DAN ESTIMASI MM Febriani Astuti; Rokhana Dwi Bekti; Aurora Arianita Br Keliat; Theodorina Inya Sebo
JURNAL TEKNOLOGI TECHNOSCIENTIA Technoscientia Vol 16 No 1 September 2023
Publisher : Lembaga Penelitian & Pengabdian Kepada Masyarakat (LPPM), IST AKPRIND Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/technoscientia.v16i1.4513

Indonesia merupakan negara agraris yang sebagian besar penduduknya bekerja di sektor pertanian dengan komoditas utama padi. Pada tahun 2022 produksi padi nasional mencapai 32,07 juta ton. Jumlah ini mengalami kenaikan sebesar 0,72 juta ton dari tahun 2021. Kenaikan produksi padi berbanding lurus dengan kenaikan luas panen dan produktivitas padi pada tahun 2022. Salah satu metode yang dapat digunakan untuk menganalisis produksi padi di Indonesia adalah metode regresi linear berganda. Setelah dilakukan pengujian ternyata ada unsur pencilan dalam data sehingga penggunaan metode regresi linear berganda akan menghasilkan analisis yang kurang akurat. Oleh karena itu digunakan model regresi robust yang tahan terhadap pencilan supaya hasil analisis lebih akurat. Model regresi robust yang umum digunakan yaitu model regresi robust estimasi M, estimasi S dan estimasi MM. Tujuan dari penelitian ini untuk menganalisis produksi padi di Indonesia dengan menggunakan model regresi robust estimasi M, estimasi S dan estimasi MM. Model regresi robust estimasi S merupakan model terbaik dengan nilai tertinggi, yaitu sebesar 99,94% dan nilai standar eror residu terendah yaitu sebesar . Model regresi robust estimasi S yang terbentuk yaitu dan variabel yang berpengaruh signifikan terhadap produksi padi di Indonesia adalah luas panen dan produktivitas padi.

ESTIMASI HUBUNGAN ANTARA PRODUKSI PADI TERHADAP LUAS PANEN DAN PRODUKTIVITAS PADI DI INDONESIA DENGAN MENGGUNAKAN METODE REGRESI ROBUST ESTIMASI-M Febriani Astuti
Jurnal Statistika Industri dan Komputasi Vol. 8 No. 2 (2023): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v8i2.4454

Indonesia adalah negara agraris dengan hasil produksi padi nasional mencapai 32,07 juta ton pada tahun 2022. Dua faktor yang dianggap berpengaruh terhadap produksi padi yaitu luas panen dan produktivitas padi. Data terbaru tahun 2022, kenaikan produksi padi berbanding lurus dengan kenaikan luas panennya, sedangkan produktivitas cenderung mengalami fluktuasi setiap tahunnya. Salah satu metode yang dapat digunakan untuk menganalisis produksi padi adalah regresi linear. Analisis regresi merupakan teknik statistika yang digunakan untuk mengetahui hubungan antara variabel dependen dan variabel independen. Dalam hal ini produksi padi sebagai variabel dependen, sedangkan luas panen dan produktivitas sebagai variabel independen. Akan tetapi apabila ada unsur pencilan dan melanggar aturan normalitas dalam data di variabel tersebut dapat menyebabkan hasil yang tidak akurat. Oleh karena itu digunakan metode lain untuk menghasilkan hasil yang lebih baik. Metode yang dimaksud adalah metode regresi robust estimasi M. Dari model regresi tersebut diperoleh koefisien determinasi R-Sq(adj) 99,87%. Hal ini menunjukkan bahwa produksi padi di Indonesia tahun 2022 dipengaruhi oleh luas panen dan produktivitas padi, sisanya sebesar 0,13% dipengaruhi oleh variabel lain.

KLASIFIKASI STATUS KEMISKINAN KABUPATEN/KOTA DI INDONESIA MENGGUNAKAN NAÏVE BAYES CLASSIFIER DAN CLASSIFICATION AND REGRESSION TREE Kristina Millenia Seran; Yudi Setyawan; Maria Titah Jatipaningrum; Febriani Astuti
Jurnal Statistika Industri dan Komputasi Vol. 9 No. 1 (2024): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v9i1.4819

Indonesia masuk dalam 100 besar negara miskin dengan menempati urutan ke-73 di dunia. Diketahui persentase penduduk miskin dilihat pada Maret 2022 sebesar 5,94% atau 26,16 juta jiwa, meningkat pada September 2022 menjadi 9,57% atau 26,36 juta jiwa. Status kemiskinan adalah kondisi dimana seorang atau sekelompok orang tidak mampu memenuhi kebutuhan hidup. Kemiskinan juga dapat dipengaruhi oleh beberapa faktor seperti pengeluaran perkapita, rata-rata lama sekolah, tingkat pengangguran terbuka serta indeks pembangunan manusia. Data yang digunakan dalam penelitian ini yaitu data kabupaten/kota di Indonesia tahun 2022. Pada penelitian ini klasifikasi dilakukan dengan menggunakan metode Naïve Bayes Classifier dan Classification and Regression Tree. Kedua metode dilakukan dengan membagi data training dan data testing sebesar 90%:10%, 80%:20%, dan 70%:30%. Selain itu, dilakukan pengacakan sampel sebanyak 30 kali dengan fungsi set.seed(). Hasil analisis dengan kedua metode diperoleh metode Classification and Regression Tree lebih baik digunakan dengan rata-rata akurasi untuk proporsi data 90%:10% sebesar 77,81%, untuk proporsi data 80%:20% sebesar 78,31%, dan untuk proporsi data 70%:30% sebesar 79,67%. Sedangkan metode Naïve Bayes Classifier menghasilkan rata-rata akurasi untuk proporsi data 90%:10% sebesar 72,57%, untuk proporsi data 80%:20% sebesar 73,00%, dan untuk proporsi data 70%:30% sebesar 73,13%. Kedua metode ini masing-masing menghasilkan nilai akurasi yang tinggi pada proporsi data 70%:30%.

PREDIKSI INDEKS PEMBANGUNAN MANUSIA PADA KABUPATEN/KOTA DI PROVINSI NUSA TENGGARA TIMUR MENGGUNAKAN BACKPROPAGATION DENGAN KOMBINASI LEARNING RATE DAN EPOCH Mercynanda Yuliany Alang; Kris Suryowati; Febriani Astuti
Jurnal Statistika Industri dan Komputasi Vol. 9 No. 1 (2024): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v9i1.4821

Penelitian ini dilakukan untuk memprediksi indeks pembangunan manusia (IPM) di Provinsi Nusa Tenggara Timur (NTT) tahun 2023. Dalam implementasinya, data dinormalisasi menggunakan min–max normalization sebelum dilakukan peramalan dengan membandingkan kombinasi parameter-parameter metode backpropagation, yaitu parameter learning rate (laju pembelajaran) dan epoch (iterasi). Dari kombinasi kedua parameter tersebut akan diseleksi kombinasi mana yang paling baik menggunakan Mean Absolute Percentage Error (MAPE). Penelitian ini menggunakan proporsi 90% data latih serta 10% data uji, dan menggunakan arsitektur jaringan 4-3-1. Berdasarkan hasil pengujian kombinasi parameter untuk metode backpropagation, parameter terbaik adalah parameter dengan Epoch = 5000 dan learning rate = 0,15 dengan hasil MAPE yang paling minimum yakni 0,22690492% dan akurasi prediksi 99,77%, terhadap 257 data latih dan 29 data uji. Hasil penelitian ini menunjukan bahwa prediksi IPM Provinsi NTT tahun 2023 adalah 65 dengan kategori sedang.

PENGKLASIFIKASIAN INDEKS KEYAKINAN KONSUMEN DI INDONESIA TAHUN 2022 MENGGUNAKAN METODE SUPPORT VECTOR MACHINE Aritana Udju Dima; Yudi Setyawan; Rokhana Dwi Bekti; Febriani Astuti
Jurnal Statistika Industri dan Komputasi Vol. 9 No. 2 (2024): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v9i2.4852

Indeks keyakinan konsumen (IKK) adalah salah satu indikator utama dalam menilai kinerja perekonomian. IKK memberikan indikasi perkembangan konsumsi dan tabungan rumah tangga di masa mendatang, berdasarkan jawaban mengenai situasi keuangan yang mereka harapkan, sentimen mereka tentang situasi ekonomi secara umum, pengangguran dan kemampuan menabung. Survei Konsumen Februari 2023 mengindikasikan optimisme konsumen terhadap kondisi ekonomi, hal tersebut terindikasi dari Indeks Keyakinan Konsumen Februari 2023 sebesar 122.4, tetap terjaga pada level optimis (IKK > 100). Data yang digunakan adalah data 18 kota/provinsi yang berada di Indonesia yang bersumber dari Bank Indonesia (BI) yang diakses pada bulan Februari tahun 2023. Pada penelitian kali ini menggunakan dua kernel dari metode Support vector machine yaitu kernel RBF dan kernel Polinomial untuk melakukan pengklasifikasian terhadap indeks keyakainan konsumen pada tahun 2022, dengan membagi data ke dalam tiga proporsi yaitu 60:40, 75:25, dan 80:20 dan dilakukan tiga kali pengacakan untuk data training yaitu set.seed (159, 57 dan 143) serta dengan menggunakan nilai cost sebesar 0.1, 1, 10 dan 100. Dengan Gamma 1 serta nilai derajat parameter sebesar 2 dan dilakukan pengacakan akurasi kembali untuk data testing sebanyak tiga puluh kali diperoleh nilai interval akurasi untuk RBF yaitu 88.01% sampai 88.92%, Jadi dapat disimpulkan bahwa akurasi kernel RBF sedikit lebih bagus dibandingkan kernel polinomial yang memiliki nilai sekitar 87.36%.

PENERAPAN METODE K-MEANS PADA DATA ORDINAL UNTUK PENGELOMPOKAN DAERAH BERDASARKAN KUALITAS UDARA DI DAERAH ISTIMEWA YOGYAKARTA Sofyan Sosnegher Ndelawa; Rokhana Dwi Bekti; Maria Titah Jatipaningrum; Febriani Astuti
Jurnal Statistika Industri dan Komputasi Vol. 9 No. 2 (2024): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v9i2.4859

Udara merupakan kebutuhan terpenting dalam kehidupan ini, sehingga kualitas dan cara menjaganya harus perlu diperhatikan. Kualitas udara merupakan faktor penting bagi kesehatan manusia dan merupakan perhatian jangka panjang, terutama di daerah perkotaan. Sehingga harus dijaga dengan upaya-upaya pengendalian pencemaran udara baik bagi pemerintah pusat maupun pemerintah daerah khsusnya wilayah di Daerah Provinsi DIY. IKU merupakan nilai yang menunjukkan mutu kebaikan atau kualitas udara berdasarkan ketentuannya. Penting dilakukan pengelompokan terhadap wilayah-wilayah di setiap Provinsi agar mempermudah Masyarakat mengetahui perkembangan kualitas udara. Penelitian kali ini menggunakan metode K-Means dengan pendekatan Hamming Distance dan distribusi BOS Cluster untuk pengelompokan daerah berdasarkan kualitas udara di Daerah Istimewa Yogyakarta. Berdasarkan K-Means dengan pendekatan Hamming Distance diperoleh untuk Cluster 1 terdiri atas 2 data (wilayah) dan pada Cluster 2 terdiri 2 data (wilayah), Cluster 3 sebanyak 40 data (wilayah) dan Cluster 4 = 3 data (wilayah). Untuk K-Means dengan distribusi BOS Cluster diperoleh untuk Cluster 1 terdiri atas 42 data (wilayah) dan pada Cluster 2 terdiri 2 data (wilayah), Cluster 3 sebanyak 4 data (wilayah) dan Cluster 4 sebanyak 2 data (wilayah). Sehingga, berdasarkan hasil validitas K-Means pendekatan Hamming Distnace merupakan metode terbaik dalam pengelompokan kualitas udara di Provinsi Daerah Istimewa Yogyakarta berdasarkan indikator kualitas udara.

PEMBERDAYAAN MASYARAKAT MELALUI PROGRAM KULIAH KERJA NYATA DI DUSUN GAMELAN, DESA SENDANGTIRTO, KAPANEWON BERBAH, SLEMAN Cahyono, Sadin; Ikhlas Yulianto, Muhammad; Putri Aprilia, Adinda; Kurniawan Putra, Muhammad Rafi; Munthe, Ryan Giggs; Astuti, Febriani
DHARMA BAKTI Dharma Bakti-Vol 7 No 1-April 2024
Publisher : LPPM IST AKPRIND Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/dharma.v7i1.4673

Community empowerment is important to improve the quality of life and active community participation in local regional development. One way can be implemented is through the Community Service Program (KKN). This program is implemented in Gamelan Hamlet, Sendangtirto Village, Kapanewon Berbah, Sleman, which has large natural and human resources and can be improved. The research method used involves active community participation and observation of needs in the community. Furthermore, the programs provided include live pharmacy and the formation of study groups. The research results show that the KKN Program is able to make a significant contribution to empowering the Gamelan Hamlet community. Through collaboration between students, lecturers and the local community, this program has succeeded in providing skills training, increasing awareness of local potential and building strong social networks. In this process, it was identified that there was an increase in active community participation in decision-making for managing the living environment through the living pharmacy program and an increase in children's interest in learning through study groups.

Backpropagation algorithm modeling to predict the number of foreign tourist visits to indonesia via air gates Astuti, Febriani; Bekti, Rokhana Dwi; Br Keliat, Aurora Arianita; Sebo, Theodorina Inya
Desimal: Jurnal Matematika Vol. 6 No. 3 (2023): Desimal: Jurnal Matematika
Publisher : Universitas Islam Negeri Raden Intan Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24042/djm.v6i3.19751

The tourism sector is a supporting sector for the Indonesian economy. One of the important actors in Indonesian tourism is foreign tourists. After the COVID-19 pandemic, the trend of foreign tourist visits to Indonesia has increased. The Central Statistics Agency (BPS) recorded that foreign tourist visits to Indonesia during 2022 reached 5.47 million. This figure has increased by 251.28% compared to the 2021 period. According to BPS, one of the gates most accessed by foreign tourists is the air gate. Based on these conditions, this research aims to predict the number of foreign tourists coming to Indonesia via air gates. The method used to predict is the backpropagation algorithm. The use of the backpropagation algorithm is able to provide prediction results with the highest level of accuracy of 91.40% for tourist visits at Ngurah Rai Airport, Bali. Furthermore, an MSE value of 0.056 was obtained. Thus, predictions using the backpropagation algorithm can be said to be good and quite accurate and can be used for prediction calculations in the following year.

Application of the perceptron algorithm in selecting statistics laboratory assistants Astuti, Febriani; Kris Suryowati; Olin Putra Pratama; Anggelina Karolina Teti
Desimal: Jurnal Matematika Vol. 8 No. 2 (2025): Desimal: Jurnal Matematika
Publisher : Universitas Islam Negeri Raden Intan Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24042/br4tf213

Artificial Neural Networks (ANN) are computational models inspired by the structure and function of the human brain, particularly in utilizing interconnected neurons to solve complex problems. One of the foundational algorithms in ANN is the Perceptron algorithm, which is capable of identifying patterns and classifying data based on a set of input variables. This research aims to implement the Perceptron algorithm in the selection process of Statistics Laboratory Assistants at Akprind University. The method involves the use of fuzzy logic to assign weights to seven assessment variables determined by the laboratory: student semester, Grade Point Average (GPA), attitude, activeness during lectures, health condition, organizational involvement, and leadership. A dataset of 40 student records was used for training and testing the model. The results showed that the Perceptron algorithm, when integrated with fuzzy logic, successfully classified the data with an accuracy of 100%. In conclusion, the combination of the Perceptron algorithm and fuzzy logic proved to be effective in recognizing selection patterns, making it a reliable method for supporting the assistant recruitment process in the Statistics Laboratory at Akprind University.

Title

Found 10 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 10 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 10 Documents
Search