Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika Emerging Statistics and Data Science Journal
Akbar, Purnama
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Education Mathematics

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

Found 2 Documents
Search

 1 
COMPARISON OF BLOCK MAXIMA AND PEAK OVER THRESHOLD METHODS FOR EXTREME RAINFALL MODELING OF DKI JAKARTA Akbar, Purnama
Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika Vol. 5 No. 3 (2024): Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistik
Publisher : LPPM Universitas Bina Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46306/lb.v5i3.812

Abstract

Extreme rain has a form of tail that the right side of the distribution is longer; it is not suitable for model using normal distribution approach. One of the statistical methods developed related to the analysis of extreme events in which the shape of the data distribution sticks out to the right is the extreme value theory (EVT). Two approaches are often used in extreme value theory: the block maxima (BM) method and the peak over threshold (POT) method. This study aims to compare the alleged extreme rain in Jakarta Province in 1990-2019 with modifications to the maximum value retrieval in BM method and several approaches to selecting threshold values in POT method.  The two methods' comparison results show that the POT method is better at predicting extreme rainfall because it provides a value of root mean square error of prediction (RMSEP) value of 33.52 mm. This value is smaller than the RMSEP of the BM method, which is 47.92 mm.
Penerapan Algoritma K-Medoids untuk Pengelompokan Provinsi di Indonesia Berdasarkan Indikator Kemiskinan: Akses Perumahan dan Kesejahteraan: Penerapan Algoritma K-Medoids untuk Pengelompokan Provinsi di Indonesia Berdasarkan Indikator Kemiskinan: Akses Perumahan dan Kesejahteraan Ikhram, Akhfan; Sani Mutia; Akbar, Purnama; Umam, Choerul
Emerging Statistics and Data Science Journal Vol. 3 No. 2 (2025): Emerging Statistics and Data Science Journal
Publisher : Statistics Department, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/esds.vol3.iss.2.art13

Abstract

Tantangan dalam mengentaskan kemiskinan di Indonesia masih sangat besar, terutama disebabkan oleh kesenjangan yang signifikan antarwilayah. Penelitian ini menganalisis pengelompokan kemiskinan di Indonesia menggunakan algoritma K-Medoids dengan data tahun 2024 dari Badan Pusat Statistik (BPS). Indikator yang digunakan meliputi persentase rumah tangga yang memiliki akses terhadap air minum layak, sanitasi layak, dan hunian layak. Analisis deskriptif menunjukkan rata-rata akses air minum layak sebesar 87%, sanitasi layak 81,14%, dan rumah layak huni 61,66%. Metode Elbow menentukan jumlah klaster optimal sebanyak tiga. Klaster 1 mencakup 19 provinsi dengan tingkat kemiskinan rendah, ditandai akses yang tinggi terhadap kebutuhan dasar. Klaster 2 terdiri dari 18 provinsi dengan tingkat kemiskinan sedang dan akses infrastruktur yang cukup baik. Klaster 3 hanya mencakup Papua Pegunungan dengan akses sangat terbatas dan tingkat kemiskinan sangat tinggi. Hasil penelitian menyoroti ketimpangan signifikan antara wilayah timur dan barat Indonesia. Temuan ini menekankan perlunya kebijakan pengentasan kemiskinan berbasis wilayah yang berfokus pada peningkatan infrastruktur dasar di daerah tertinggal guna mendukung pembangunan yang lebih inklusif dan pencapaian Sustainable Development Goals (SDGs). 
Co-Authors Ikhram, Akhfan Sani Mutia Umam, Choerul