Claim Missing Document
Check
Articles

Found 9 Documents
Search
Journal : BIMASTER

PERAMALAN CURAH HUJAN DI KOTA PONTIANAK MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE NEURAL NETWORK (VAR-NN) Istighfarani, Ridha; Martha, Shantika; Andani, Wirda
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 3 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i3.77470

Abstract

Fenomena cuaca ekstrim di Indonesia cenderung meningkat akibat dampak perubahan iklim. Perubahan iklim mengakibatkan perubahan cuaca, sehingga diperlukan cara untuk meramalkan agar mempermudah masyarakat untuk mengetahui informasi tentang terjadi atau tidaknya hujan. Penelitian ini menggunakan metode Vector Autoregressive Neural Network (VAR-NN) yang bertujuan meramalkan curah hujan di Kota Pontianak berdasarkan data bulanan dari Januari 2019 hingga Desember 2022 yang diperoleh dari Stasiun Meteorologi Maritim Pontianak. Vector Autoregressive (VAR) adalah metode deret waktu multivariat yang variabelnya tidak perlu dipisahkan menjadi variabel endogen atau eksogen. Dalam kasus curah hujan biasanya juga mengandung pola nonlinier, sehingga diperlukan pemodelan nonlinier untuk mengantisipasi masalah tersebut. Adapun metode peramalan yang bersifat nonlinier salah satunya adalah Neural Network (NN). NN memiliki kemampuan dalam menganalisis berbagai jenis data. Hasil analisis menunjukkan bahwa VAR-NN (5) dengan jumlah lapisan (4-2-1) menghasilkan peramalan curah hujan selama 12 bulan ke depan termasuk dalam kategori rendah. Berdasarkan perhitungan MAPE bahwa hasil peramalan termasuk dalam kategori cukup baik dengan nilai MAPE sebesar 45,080%. Hal ini disebabkan karena nilai varians dari curah hujan yang besar, sehingga nilai MAPE yang dihasilkan besar pula.  Kata Kunci: curah hujan, VAR, NN.
PERAMALAN INTENSITAS CURAH HUJAN DI KOTA PONTIANAK DENGAN METODE VECTOR AUTOREGRESSIVE Hutami, Bintang Ratna; Kusnandar, Dadan; Andani, Wirda
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 5 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i5.84844

Abstract

Kota Pontianak mengalami curah hujan yang tidak menentu, hal tersebut sejalan dengan pendapat World Wildlife Fund For  Nature (WWF) Indonesia beberapa tahun terakhir ini perubahan iklim global terasa ditandai dengan tidak menentunya perputaran musim kemarau maupun musim penghujan. Untuk mengetahui perubahan pola hujan tersebut maka perlu peramalan curah hujan dan menganalisis pola hujan yang akan datang. Pada penelitian ini menggunakan data curah hujan, kecepatan angin, tekanan udara, temperatur udara, dan kelembaban udara yang masing-masing datanya berupa data time series, sehingga metode peramalan yang dapat digunakan adalah metode Vector Autoregressive. Penelitian ini bertujuan untuk menentukan model dan hasil peramalan curah hujan bulan November dan Desember 2022 di Kota Pontianak. Studi kasus yang digunakan pada penelitian ini adalah data kelembaban udara, temperatur udara, kecepatan angin, tekanan udara dan curah hujan bulan Januari 2018 sampai Oktober 2022. Hasil analisis yang diperoleh adalah hasil peramalan    data curah hujan bulan November 2022 sebesar 261,5918 mm sedangkan data curah hujan bulan Desember 2022 sebesar 223,7606 mm. Model VAR yang terbentuk adalah VAR (7), maka    dapat disimpulkan    variabel-variabel yang digunakan saling berpengaruh tidak hanya pada bulan Juni, Juli, Agustus, September, Oktober,    November, Desember 2018 namun juga pada bulan Juni, Juli, Agustus, September, Oktober, November, Desember sebelumnya di 2017. Selain itu diperoleh MAPE peramalan curah hujan pada bulan November dan Desember 2022 yaitu 45,563%.  Kata Kunci:  Curah Hujan, VAR, VAR (7)
KOMPARASI ALGORITMA K-NEAREST NEIGHBOR DENGAN EUCLIDEAN DISTANCE DAN MANHATTAN DISTANCE UNTUK KLASIFIKASI STUNTING BALITA (Studi Kasus : Puskesmas Kelurahan Parit Mayor) Salsabila, Salsabila; Martha, Shantika; Andani, Wirda
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 2 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i2.77245

Abstract

Salah satu permasalahan serius di bidang kesehatan balita yang dihadapi Indonesia kini adalah stunting. Stunting adalah kondisi ketika balita mengalami gagal tumbuh disebabkan kekurangan gizi kronis, mengakibatkan balita sangat pendek dibandingkan balita normal seusianya. Berdasarkan standar WHO, prevalensi stunting harus dibawah 20%. Sementara di Indonesia pada tahun 2022, angka balita stunting mencapai 21,6%. Berdasarkan permasalahan tersebut, terdapat berbagai penelitian mengenai stunting balita yang salah satunya dengan analisis statistik. Pengolahan data berjumlah besar dapat dilakukan menggunakan pengklasifikasian dengan algoritma tertentu, sehingga hasil diperoleh dengan cepat dan akurat untuk memprediksi bahwa balita tersebut masuk dalam status penderita stunting atau tidak. Penelitian ini menggunakan metode K-Nearest Neighbor yang bertujuan membandingkan jarak Euclidean dan Manhattan untuk memperoleh pengukuran jarak yang baik pada klasifikasi stunting balita di Kelurahan Parit Mayor, Kota Pontianak. Hasil pemeriksaan status gizi balita tahun 2019 pada Kecamatan Pontianak Timur, kasus tertinggi yaitu di Kelurahan Parit Mayor sebesar 33,5%. Sampel yang digunakan yaitu data status gizi balita berusia 24-59 bulan dengan jumlah 385 data yang dimana pada data aktual terdapat 32 balita terdeteksi stunting. Diperoleh hasil pengukuran jarak terbaik menggunakan k = 3. Oleh karena itu, disimpulkan bahwa Manhattan distance memberikan performa yang baik dalam klasifikasi stunting balita di Kelurahan Parit Mayor pada kunjungan Februari 2023 dengan nilai akurasi 97,39% lebih tinggi daripada Euclidean distance yang memiliki akurasi sebesar 95,65% dengan selisih 1,74%.Kata Kunci : stunting, klasifikasi, k-nearest neighbor, Euclidean, Manhattan
PENDUGAAN DATA HILANG MENGGUNAKAN PERBANDINGAN IMPUTASI HOT-DECK DAN K-NEAREST NEIGHBOR Handayany, Indry; Kusnandar, Dadan; Andani, Wirda
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 4 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v12i4.68323

Abstract

Data hilang digambarkan sebagai keadaan nilai observasi yang kosong atau tidak memiliki nilai sehingga mengakibatkan hilangnya informasi pada sebuah kasus. Data hilang disebabkan kemungkinan pengukuran kurang lengkap, pencarian informasi yang sulit ditemukan, kesalahan atau kelalaian dalam menjalankan prosedur pengumpulan data atau bahkan responden yang menolak untuk menjawab pertanyaan dalam suatu survei. Hal tersebut mengakibatkan berkurangnya informasi penting yang diakibatkan dari data hilang. Oleh karena itu, perlu dilakukan imputasi data hilang untuk penanganan data hilang. Metode imputasi dapat dibedakan menjadi dua jenis, yaitu metode imputasi berbasis statistik dan metode imputasi berbasis machine learning. Metode imputasi Hot-Deck merupakan metode terbaik dalam imputasi berbasis statistik, sedangkan imputasi K-Nearest Neighbor merupakan metode terbaik dalam imputasi berbasis machine learning. Penelitian ini bertujuan menerapkan dan membandingkan hasil akurasi metode imputasi Hot-Deck dan K-Nearest Neighbor pada pendugaan data hilang pada Dapodik SMA Kota/Kab Pontianak dan Kubu Raya tahun 2023. Simulasi data hilang menggunakan mekanisme Missing Completely At Random (MCAR) 5% pada masing-masing variabel. Nilai akurasi imputasi terbaik terdapat di imputasi K-Nearest Neighbor menggunakan parameter k=4 dengan nilai Root Mean Square Error (RMSE) sebesar 5,80 dan Mean Absolute Percentage Error (MAPE) sebesar 10,98%.  Kata Kunci: Dapodik, imputasi data, imputasi Hot-Deck, imputasi K-Nearest Neighbor
PEMODELAN JUMLAH SISWA PUTUS SEKOLAH MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED NEGATIVE BINOMIAL REGRESSION Selvia, Eva; Imro’ah, Nurfitri; Andani, Wirda
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 4 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v12i4.70078

Abstract

Jumlah siswa putus sekolah (Y) merupakan data cacah sehingga analisis yang tepat untuk memodelkannya adalah dengan regresi Poisson. Namun terdapat asumsi yang harus dipenuhi yaitu equisdispersi atau rata-rata harus sama dengan varians. Pada kenyataannya, terdapat suatu kondisi dimana nilai varians lebih besar dari pada nilai rata-rata atau disebut overdispersi. Salah satu alternatif yang dapat digunakan untuk masalah overdispersi pada data cacah adalah regresi Binomial negatif. Regresi Binomial negatif ini kurang tepat jika digunakan pada data yang mengandung heterogenitas spasial atau keragaman antar wilayah. Pengembangan model regresi yang memperhatikan masalah heterogenitas spasial serta masalah overdispersi pada variabel responnya yaitu Geographically Weighted Negative Binomial Regression (GWNBR). Penelitian ini bertujuan untuk memodelkan serta menentukan faktor apa saja yang mempengaruhi jumlah siswa putus sekolah pada jenjang pendidikan dasar menggunakan metode GWNBR. Hasil penelitian yang diperoleh yaitu terdapat dua kelompok kabupaten/kota berdasarkan variabel yang signifikan. Kelompok pertama dipengaruhi oleh semua variabel prediktor, sedangkan kelompok kedua dipengaruhi oleh variabel rasio siswa terhadap guru, tingkat pengangguran terbuka, dan rata-rata pengeluaran perkapita selama sebulan.  Kata Kunci : Putus Sekolah, Overdispersi, Heterogenitas Spasial
PERBANDINGAN METODE ARIMA DAN NNAR UNTUK MERAMALKAN SUHU UDARA DI KOTA PONTIANAK Yusril, Alqaida; Kusnandar, Dadan; Andani, Wirda
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 2 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i2.77243

Abstract

Kenaikan suhu global yang tinggi menyebabkan terjadinya perubahan iklim di Indonesia. Pontianak merupakan salah satu kota yang merasakan dampak langsung dari perubahan iklim dan akan sangat sulit dikendalikan jika tidak bisa memprediksi cuaca yang tidak menentu. Penelitian ini bertujuan untuk meramalkan suhu yang akurat dengan membandingkan metode Autoregressive Integrated Moving Average (ARIMA) dan Neural Network Autoregressive (NNAR). Penelitian ini dilakukan pada data suhu udara dengan mengolah data menggunakan metode ARIMA kemudian dilanjutkan metode NNAR. Kedua metode tersebut dipilih metode terbaik berdasarkan hasil nilai MAPE terkecil untuk melakukan peramalan pada data rata-rata suhu di Kota Pontianak di bulan Januari 2023. Data yang digunakan dalam penelitian ini merupakan data sekunder rata-rata suhu harian di Kota Pontianak sebanyak 365 data dari tanggal 1 Januari 2022 - 31 Desember 2022 yang diperoleh dari BMKG di Kota Pontianak. Hasil penelitian menunjukkan model NNAR (17,8) memiliki nilai MAPE sebesar 2,7% lebih kecil dari pada nilai MAPE model ARIMA (1,0,0) yaitu sebesar 2,9% dan hasil peramalan pada bulan Januari 2023 dengan model NNAR (17,8) menunjukkan suhu udara di Kota Pontianak cenderung turun dan naik setiap harinya dengan suhu tertingginya sebesar 27,66℃ dan suhu terendahnya sebesar 26,91℃.Kata Kunci : Peramalan, ARIMA, NNAR, Suhu Udara
PEMODELAN REGRESI LINEAR MENGGUNAKAN METODE THEIL (STUDI KASUS: JUMLAH PENDUDUK MISKIN DAN TINGKAT PENGANGGURAN TERBUKA) Amarrullah, Rido; Martha, Shantika; Andani, Wirda
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 4 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v12i4.70083

Abstract

Metode Theil adalah salah satu metode regresi nonparametrik yang digunakan saat asumsi kenormalan residual tidak terpenuhi pada model regresi linear sederhana. Penelitian ini bertujuan untuk membentuk model regresi linear sederhana dengan metode Theil dari data dengan residual data tidak berdistribusi normal. Data yang digunakan pada penelitian ini adalah data semesteran jumlah penduduk miskin (Y) dan tingkat pengangguran terbuka (X) di Indonesia Tahun 2012 hingga 2022 sebanyak 21 data. Terlebih dahulu dilakukan analisis regresi antara X dan Y, selanjutnya lakukan pengujian asumsi kenormalan residual data. Jika residual tidak berdistribusi normal, maka untuk mendapatkan model regresi linear sederhana dari data digunakanlah metode Theil. Setelah dilakukan analisis dengan metode Theil didapatlah model regresi linear sederhana Ŷ i = 18932,085 + 1495,988 X i , dengan nilai koefisien determinasi R 2 sebesar 0,493 (49,3%). Dari model yang didapat bisa diambil kesimpulan bahwa terdapat pengaruh positif antara tingkat pengangguran terbuka terhadap jumlah penduduk miskin, sehingga setiap kali tingkat pengangguran terbuka naik, jumlah penduduk miskin juga ikut naik. Sedangkan nilai koefisien determinasi menunjukkan bahwa sebesar 49,3% kemampuan variabel tingkat pengangguran terbuka menjelaskan tentang variabel jumlah penduduk miskin. Sedangkan sisanya sebesar 50,7% dijelaskan oleh variabel-variabel lain diluar penelitian ini.Kata kunci: Metode Theil, Regresi Parametrik dan Nonparametrik
PENERAPAN AUTOMATIC CLUSTERING"“FUZZY LOGICAL RELATIONSHIP PADA PERAMALAN HARGA EMAS Anggria, Vini; Martha, Shantika; Andani, Wirda
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 2 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i2.76953

Abstract

Investasi yang cenderung dipilih kebanyakan orang saat ini adalah dengan berinvestasi emas. Salah satu keuntungan dalam berinvestasi emas yaitu karena memiliki tingkat risiko yang relatif rendah dan tidak terpengaruh oleh inflasi. Untuk memperoleh keuntungan dan mencegah kerugian para investor membutuhkan metode peramalan dalam pengambilan keputusan. Metode peramalan yang digunakan dalam penelitian ini adalah Automatic Clustering "“ Fuzzy Logical Relationship (ACFLR). Tujuan penelitian ini untuk meramalkan harga emas dengan menerapkan metode ACFLR sebagai alat pendukung keputusan dalam berinvestasi. Penelitian ini menganalisis data harga emas pada periode 1 Maret 2022 hingga 31 Maret 2022. Peramalan ACFLR diawali dengan mengurutkan data tanpa data ganda, pembentukan kluster, penentuan panjang dan nilai tengah interval ,himpunan fuzzy, fuzzifikasi, membentuk FLR dan FLRG dan perhitungan nilai peramalan. Berdasarkan hasil implementasi metode ACFLR diperoleh hasil peramalan harga emas satu hari kedepan yaitu pada tanggal 1 April 2022 sebesar Rp. 897.000. Nilai ketepatan peramalan yang dihitung dengan MAPE sebesar 0,37% yang dapat dikatakan tingkat akurasinya tinggi, sehingga dapat disimpulkan bahwa penerapan metode ACFLR baik digunakan dalam memprediksi harga emas.  Kata Kunci : ACFLR, harga emas, peramalan
ANALISIS KONJOIN UNTUK MENENTUKAN PREFERENSI MAHASISWA TERHADAP DOSEN (Studi Kasus: Jurusan Matematika Universitas Tanjungpura) Wulan, Elisabet; Imro’ah, Nurfitri; Andani, Wirda
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 2 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i2.77244

Abstract

Peningkatan kualitas bagi sumber daya manusia pada era globalisasi menuntut individu untuk menempuh pendidikan ke suatu jenjang lebih tinggi. Universitas sebagai lembaga pendidikan tertinggi perlu mewujudkan perguruan tinggi yang berkualitas. Dosen sebagai pendidik adalah komponen utama dalam meningkatkan kualitas perguruan tinggi dan berperan besar dalam proses belajar mengajar bagi mahasiswa. Oleh karena itu, mahasiswa berhak memberikan evaluasi terhadap dosen dengan memberikan preferensinya terhadap karakteristik dosen. Preferensi mahasiswa terhadap karakteristik dosen dapat dianalisis menggunakan Analisis konjoin. Tujuan penelitian ini adalah untuk mengetahui karakteristik dosen yang disukai oleh mahasiswa, karakteristik yang paling dipentingkan dan mengetahui korelasi atau hubungan antara observasi yaitu preferensi responden dan estimasi yaitu hasil perhitungan dari model regresi. Data pada penelitian ini adalah data primer dari kuesioner dengan metode pengambilan sampel adalah purposive sampling. Sampel yang diperoleh sebanyak 69 sampel untuk mahasiswa Program Studi Matematika dan Statistika angkatan 2021 dan 2022. Atribut pada penelitian ini adalah karakter dosen, latar belakang pendidikan, kedisiplinan, penyampaian materi, kemampuan memotivasi dan penggunaan media ajar. Pembentukan stimuli dilakukan dengan pendekatan full profile dan terbentuk sebanyak delapan stimuli. Analisis dimulai dengan menghitung nilai kegunaan dan diketahui bahwa mahasiswa Jurusan Matematika Universitas Tanjungpura menyukai dosen dengan karakter dosen santai, latar belakang pendidikan S3, kedisiplinan tepat waktu, penyampaian materi mudah dipahami, memotivasi mahasiswa dan penggunaan media ajar tidak menggunakan E-learning Moddle. Perhitungan nilai kepentingan menunjukkan bahwa atribut yang paling dipentingkan adalah penyampaian materi (37,505%) dan yang kurang dipentingkan adalah kedisplinan (8,657%). Uji ketepatan prediksi menunjukkan adanya korelasi atau hubungan yang sangat kuat antara observasi dan estimasi.Kata Kunci : Persepsi, Karakteristik, Analisis Konjoin.