Claim Missing Document
Check
Articles

Found 2 Documents
Search

Peramalan Kualitas Udara di Semarang Menggunakan Metode Autoregressive Integrated Moving Average (ARIMA) Nida Faoziatun Khusna; Syifa Aulia; Shinta Amaria; Alfidha Rahmah; Safril Ahmadi Sanmas; Fatkhurokhman Fauzi
Prosiding Seminar Nasional Unimus Vol 6 (2023): Membangun Tatanan Sosial di Era Revolusi Industri 4.0 dalam Menunjang Pencapaian Susta
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pencemaran udara menjadi suatu permasalahan yang dialami oleh seluruh wilayah di Indonesia. KotaSemarang menjadi salah satu kota dengan polusi udara terburuk ke-10 di Indonesia. Untuk meminimalisirdampak dari pencemaran udara, perlu dilakukan peramalan nilai PM2.5 yaitu partikel udara super kecil yangapabila terhirup dapat membahayakan kesehatan. Metode ARIMA adalah salah satu metode yangdigunakan untuk memodelkan data time series dan bertujuan untuk meramalkan data pada waktu yang akandatang. Data pengamatan yang digunakan adalah data harian PM2.5 di Semarang mulai tanggal 3 Januarisampai 22 September 2023. Hasil analisis pada penelitian ini mendapatkan model yang sesuai untuk dataharian PM2.5 yaitu model ARIMA (1,1,1) dengan Mean Absolute Percentage Error (MAPE) sebesar13.71377 atau 13.714%. Hasil peramalan menunjukkan terjadinya peningkatan nilai PM2.5 dari waktusebelumnya. Dengan demikian, nilai kualitas udara di Semarang untuk waktu yang akan datang beradadalam tahap tidak sehat dan terjadi peningkatan pencemaran udara.Kata Kunci : ARIMA, Kualitas udara, Peramalan.
Pemodelan Regresi Binomial Negatif untuk Mengevaluasi Faktor-faktor yang Mempengaruhi Kasus Tuberkulosis di Provinsi Jawa Barat Amalia Jihan Syafiqoh; Ryan Mahardika; Shinta Amaria; Eny Winaryati; M. Al Haris
Jurnal MSA (Matematika dan Statistika serta Aplikasinya) Vol 12 No 1 (2024): VOLUME 12 NO 1 TAHUN 2024
Publisher : Universitas Islam Negeri Alauddin Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/msa.v12i1.39450

Abstract

Tuberculosis (TB) merupakan penyakit menular yang disebabkan oleh sejenis bakteri Mycobacterium tuberculosis yang bisa menginfeksi paru-paru atau bagian tubuh lainnya. Jumlah kasus tuberculosis adalah count data yang dapat dimodelkan dengan regresi Poisson. Model regresi Poisson saat diaplikasikan pada kasus nyata sering ditemukan pelanggaran asumsi overdispersi. Alternatif model yang dapat dilakukan untuk mengatasi pelanggaran asumsi overdispersi adalah Model Regresi Binomial Negatif. Berdasarkan hasil analisis, ditemukan bahwa model regresi Poisson terjadi overdispersi dan model regresi Binomial Negatif adalah model terbaik berdasarkan nilai AIC dan BIC terkecil yaitu sebesar 487.64 pada AIC dan 495.4153 pada BIC. Faktor yang berpengaruh signifikan terhadap jumlah kasus tuberkulosis di Provinsi Jawa Barat adalah jumlah tenaga keperawatan.