Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal INFOMATEK: Jurnal Informatika, Manajemen dan Teknologi Prosiding Seminar Nasional Official Statistics
Fauzan, Fardhi Dzakwan
Unknown Affiliation
Humanities Computer Science & IT Economics, Econometrics & Finance Environmental Science Industrial & Manufacturing Engineering Mechanical Engineering Social Sciences

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

Found 2 Documents
Search

 1 
Peramalan Konsentrasi PM2.5 Menggunakan Model ARCH/GARCH dan Long Short-Term Memory (Studi Kasus: Kota Jakarta Pusat) Fauzan, Fardhi Dzakwan; Rayhan, Dhymas Adhyza; Putri, Hala Mutiara; Kartiasih, Fitri
INFOMATEK Vol 26 No 1 (2024): Volume 26 No. 1, Juni 2024
Publisher : Fakultas Teknik, Universitas Pasundan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23969/infomatek.v26i1.12603

Abstract

Polusi udara merupakan masalah serius di Jakarta akibat revolusi industri dan aktivitas komuter yang tak pernah berhenti. Particulate matter (PM) 2.5 merupakan salah satu dari 6 polutan berupa partikel tersuspensi berukuran diameter aerodinamis lebih kecil dari 2,5 µm. PM2.5 menyebabkan terganggunya sistem kardiovaskular dan respiratory, mengakibatkan kejadian kelahiran prematur, dan kejadian berat badan lahir rendah. Oleh karena itu, dibutuhkan kebijakan dan aturan dari pemerintah terkait pengendalian polusi udara agar masyarakat memperoleh kesehatan yang lebih baik, mengurangi kemacetan, mitigasi perubahan iklim, dan efisiensi energi. Peramalan konsentrasi PM2.5 menjadi salah satu hal penting yang dilakukan untuk pengambilan kebijakan demi tercapainya visi jangka panjang tahun 2030, yaitu kota yang aman, nyaman, produktif, berkelanjutan, sebanding dengan kota besar lainnya dan rumah bagi warga (Menuju Udara Bersih Jakarta). Penelitian ini bertujuan untuk mendapatkan model terbaik untuk peramalan konsentrasi PM2.5 di Wilayah Jakarta Pusat. Metode yang digunakan, yaitu Generalized Autoregressive Conditional Heteroskedasticity (GARCH) dengan Long Short-Term Memory (LSTM) dan menguji akurasi model dengan data sebenarnya. Hasil penelitian memberikan kesimpulan bahwa metode LSTM lebih baik dalam meramalkan konsentrasi PM2.5 berdasarkan MAE, MAPE, MSE, dan RMSE. Hasil peramalan dengan metode LSTM menunjukkan bahwa konsentrasi PM2.5 di Wilayah Jakarta Pusat selama 48 jam kedepan berada di rentang tidak sehat bagi kelompok sensitif dan di beberapa jam berikutnya masuk ke kategori tidak sehat. Maka dari itu, dibutuhkan perhatian lebih dari pemerintah untuk melakukan pengendalian polusi udara demi kualitas udara dan kesehatan masyarakat kota.
Peramalan Migrasi Masuk di Indonesia Menggunakan Data Google Trend Fauzan, Fardhi Dzakwan; Wijayanto, Arie Wahyu
Seminar Nasional Official Statistics Vol 2024 No 1 (2024): Seminar Nasional Official Statistics 2024
Publisher : Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/semnasoffstat.v2024i1.2237

Abstract

Migration plays an important role that needs to be considered in the national development strategy. The rapid rate of migration require attention such as demand for urban infrastructure, housing, and public services. Google Trend is one of the Big Data sources that can be used to see the possibility of migration through certain keyword searches. This study focuses on using of Google Trend data as additional data to improve forecasting accuracy. The forecasting is carried out using two time series methods, Seasonal Autoregressive Integrated Moving Average (SARIMA) and Vector Autoregression (VAR) with or without Google Trend variables to see model performance. As a result, using Google Trend data helps improve model performance to predict the possibility of migration in the short and long term, as indicated by a decrease in statistical measures such as RMSE, MSE, and MAE when the model is used to predict short and long-term inbound migration.
Co-Authors Arie Wahyu Wijayanto Fitri Kartiasih Putri, Hala Mutiara Rayhan, Dhymas Adhyza