Nelson Nainggolan
Jurusan Matematika, FMIPA, UNSRAT

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

Found 2 Documents
Search

Peramalan Jumlah Penumpang Kapal Laut di Pelabuhan Melonguane Kabupaten Kepulauan Talaud Menggunakan Metode SARIMA Regina Riung; Nelson Nainggolan; Yohanes Andreas Robert Langi
Jurnal MIPA Vol. 13 No. 2 (2024): Cover
Publisher : Universitas Sam Ratulangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35799/jm.v13i2.55741

Abstract

Metode Seasonal ARIMA merupakan metode ARIMA yang digunakan untuk menyelesaikan time series musiman. Penelitian ini bertujuan untuk menentukan model peramalan jumlah penumpang kapal laut di pelabuhan Melonguane kabupaten Kepulauan Talaud menggunakan metode SARIMA. Data yang diambil dalam penelitian ini adalah data sekunder dari kantor Unit Penyelenggara Pelabuhan Kelas III Pelabuhan Melonguane, Kabupaten Kepulauan sebanyak 60 data. Dengan hasil peramalan jumlah kedatangan pada tahun 2024 yaitu, Januari 16.955, Februari 14.324, Maret 18.601, April 18.050, Mei 17.884, Juni 16.861, Juli 19.593, Agustus 18.340, September 18.148, Oktober 19.696, November 18.692, dan Desember 21.380 Penumpang. Dengan hasil peramalan jumlah keberangkatan pada tahun 2024 yaitu, Januari 26.847, Februari 23.242, Maret 28.021, April 24.003, Mei 24.041, Juni 25.095, Juli 26.309, Agustus 25.006, September 25.565, Oktober 25.221, November 24.130, dan Desember 24.950 Penumpang.
Data Compression Using Shannon-Fano Algorithm Christine Lamorahan; Benny Pinontoan; Nelson Nainggolan
d\'Cartesian: Jurnal Matematika dan Aplikasi Vol. 2 No. 2 (2013): September, 2013
Publisher : Sam Ratulangi University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35799/dc.2.2.2013.3207

Abstract

Abstract Communication systems in the world of technology, information and communication are known as data transfer system. Sometimes the information received lost its authenticity, because size of data to be transferred exceeds the capacity of the media used. This problem can be reduced by applying compression process to shrink the size of the data to obtain a smaller size. This study considers compression for data text using Shannon – Fano algorithm and shows how effective these algorithms in compressing it when compared with the Huffman algorithm. This research shows that text data compression using Shannon-Fano algorithm has a same effectiveness with Huffman algorithm when all character in string all repeated and when the statement short and just one character in the statement that repeated, but the Shannon-Fano algorithm more effective then Huffman algorithm when the data has a long statement and data text have more combination character in statement or in string/ word. Keywords: Data compression, Huffman algorithm, Shannon-Fano algorithm Abstrak Sistem komunikasi dalam dunia teknologi informasi dan komunikasi dikenal sebagai sistem transfer data. Informasi yang diterima kadang tidak sesuai dengan aslinya, dan salah satu penyebabnya adalah besarnya ukuran data yang akan ditransfer melebihi kapasitas media yang digunakan. Masalah ini dapat diatasi dengan menerapkan proses kompresi untuk mengecilkan ukuran data yang besar sehingga diperoleh ukuran yang lebih kecil. Penelitian ini menunjukan salah satu kompresi untuk data teks dengan menggunakan algoritma Shannon – Fano serta menunjukan seberapa efektif algoritma tersebut dalam mengkompresi data jika dibandingkan dengan algoritma Huffman. Kompresi untuk data teks dengan algoritma Shannon-Fano menghasilkan suatu data dengan ukuran yang lebih kecil dari data sebelumnya dan perbandingan dengan algoritma Huffman menunjukkan bahwa algoritma Shannon- Fano memiliki keefektifan yang sama dengan algoritma Huffman jika semua karakter yang ada di data berulang dan jika dalam satu kalimat hanya ada satu karakter yang berulang, tapi algoritma Shannon-Fano lebih efektif jika kalimat lebih panjang dan jumlah karakter di dalam kalimat atau kata lebih banyak dan beragam. Kata kunci: Algoritma Huffman, Algoritma Shannon-Fano, Kompresi data