Article Per Year (5 Year)
p-Index From 2021 - 2026
0.947
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Kursor Journal of Mathematics, Computation and Statistics (JMATHCOS) Emerging Statistics and Data Science Journal
Mujiati Dwi Kartikasari
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Mathematics

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
IDENTIFYING THE CLUSTER OF FAMILIES AT RISK OF STUNTING IN YOGYAKARTA USING HIERARCHICAL AND NON-HIERARCHICAL APPROACH Ersa Riga Puspita; Mujiati Dwi Kartikasari
Jurnal Ilmiah Kursor Vol. 12 No. 4 (2024)
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/kursor.v12i4.358

Abstract

Stunting, or short stature, is a growth disorder usually caused by chronic dietary deficiencies from the prenatal stage to early childhood, typically becoming evident in children after the age of 2. Stunting cases in Yogyakarta Province experienced a decline in 2020. With this development, the government aims to achieve zero stunting in Yogyakarta Province by 2024. To support this goal, a research study was conducted in 2021 to analyze family factors associated with stunting risks in Yogyakarta Province. The study aimed to assist the government in addressing the issue and achieving the target. In this research, a hierarchical clustering algorithm using the Ward technique and a non-hierarchical clustering algorithm using the Fuzzy C-Means (FCM) approach were applied. The optimal number of clusters was determined using the average distance and figure of merit approach. Stability validation, which also used the average distance and figure of merit approach, demonstrated that the best results were achieved by the non-hierarchical clustering algorithm employing FCM. As a result, six clusters were identified: cluster 1 with 5 sub-districts, cluster 2 with 18 sub-districts, cluster 3 with 21 sub-districts, cluster 4 with 17 sub-districts, cluster 5 with 14 sub-districts, and cluster 6 with 3 sub-districts.
Child Stunting Classification using the LightGBM Method: A Case Study in the Rowosari District of Kendal, Central Java Galuh Syafa Azahra; Mujiati Dwi Kartikasari
Journal of Mathematics, Computations and Statistics Vol. 8 No. 1 (2025): Volume 08 Nomor 01 (April 2025)
Publisher : Jurusan Matematika FMIPA UNM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/jmathcos.v8i1.6865

Abstract

Stunting in children under five is a major health problem in Indonesia, significantly affecting physical, mental, and cognitive development, which can ultimately lower their quality of life in the future. Early identification of children at risk of stunting remains a challenge due to limited resources and the effectiveness of existing prediction methods. Machine learning techniques offer a promising approach to improving stunting classification and risk prediction. This study aims to develop an accurate and efficient classification model for identifying stunting status using the Light Gradient Boosting Machine (LightGBM) method. The study was conducted on children in Rowosari District, Kendal, Central Java, utilizing seven key variables: gender, age (months), birth weight, birth length, current weight, current height, and stunting status. The results indicate that the LightGBM model achieved 97% accuracy with an AUC value of 0.99, demonstrating a high ability to distinguish stunting status. Furthermore, the model successfully identified the key risk factors contributing to stunting. These results show that the LightGBM method has the potential to make very accurate predictions and also help people come up with more timely and targeted intervention strategies that are based on data. By leveraging machine learning, health practitioners and policymakers can improve stunting prevention efforts, optimize resource allocation, and implement more effective public health strategies to reduce stunting prevalence in Indonesia.
Perbandingan Metode Peramalan Double Exponential Smoothing dan Triple Exponential Smoothing with Damped Parameter terhadap Kunjungan Wisatawan Mancanegara di Provinsi Jawa Barat : Perbandingan Metode Peramalan Double Exponential Fikri Badru Salam; Mujiati Dwi Kartikasari
Emerging Statistics and Data Science Journal Vol. 1 No. 1 (2023): 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.vol1.iss.1.art16

Abstract

Menurut berita yang dirilis pada 04 Desember 2020 dalam www.dpr.go.id sektor pariwisata menjadi penyumbang devisa negara terbesar yang mencapai 45 miliar dolar AS. Dari data yang dirilis Dinas Pariwisata dan Kebudayaan Jawa Barat bahwa sektor pariwisata menyumbang pendapatan asli daerah mencapai 577 miliar rupiah. Maka dari itu, kebudayaan dan kekayaan alam merupakan komponen yang sangat penting untuk mendorong pariwisata di Indonesia. Salah satu indikator yang membuat sektor pariwisata berkembang ialah pertumbuhan kunjungan wisatawan mancanegara. Penelitian ini bertujuan untuk memberikan gambaran ke depan bagi pemerintah dalam perancangan berbagai aspek diantaranya pembangunan infrastruktur, bandara internasional, fasilitas umum, transportasi, setra fasilitas rekreasi di berbagai objek wisata. Data yang digunakan dalam penelitian ialah jumlah kunjungan wisatawan mancanegara yang berkunjung ke Provinsi Jawa Barat pada bulan Januari 2010 sampai dengan Februari 2022. Data tersebut dilakukan transformasi Box-Cox terlebih dahulu agar data yang digunakan memiliki variansi yang kecil. Kemudian, dilakukan analisis peramalan dengan metode Double Exponential Smoothing with Damped Parameter dan Triple Exponential Smoothing Additive dan Multiplicative with Damped parameter. Dan akan dicari nilai tingkat kesalahan atau error dengan perhitungan Mean Absolute Percentage Error (MAPE). Kemudian dibandingkan dari ketiga metode dan didapatkan model terbaik adalah Triple Exponential Smoothing Multiplicative with Damped parameter didapatkan nilai parameter optimum alpha sebesar 0.794, beta sebesar 0.00002, dan gamma sebesar 0.00001, dan phi sebesar 0.9655 dengan nilai peramalan pada bulan Maret 2022 sebesar 149 orang. Dimana nilai MSE sebesar 7.576946, nilai MAPE sebesar 9.376225 atau 9.38%. Nilai MAPE < 10% yang artinya peramalan tersebut dapat dikatakan baik dan dapat digunakan.
Peramalan Jumlah Pengguna Baru yang Terdaftar di Aplikasi iPusnas Menggunakan Metode Extreme Learning Machine: Peramalan Jumlah Pengguna Baru yang Terdaftar di Aplikasi iPusnas Mulyaningsih, Anisa Dwi Mulyaningsih; Mujiati Dwi Kartikasari
Emerging Statistics and Data Science Journal Vol. 1 No. 2 (2023): 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.vol1.iss.2.art28

Abstract

Perpustakaan merupakan salah satu komponen yang berperan penting dalam penyediaan buku-buku sebagai sumber acuan pembelajaran. Kecenderungan membaca teks elektronik terus meningkat dari hari ke hari. Seiring dengan perkembangan zaman yang semakin pesat membuat terciptanya layanan perpustakaan online untuk memudahkan pembaca menikmati layanan buku gratis dimanapun berada. Untuk itu iPusnas merupakan salah satu layanan perpustakaan online yang harus dikembangkan dengan sebaik mungkin. Berdasarkan perkembangan zaman yang semakin pesat mengenai perpustakaan digital, pemerintahan perlu mengetahui landasan untuk melakukan pengembangan pada aplikasi layanan perpustakaan online menjadi lebih baik. Dengan demikian perlunya dilakukan metode prediksi Extreme Learning Machine (ELM) dengan menggunakan analisis data historis yang berguna untuk menentukan perkembangan di masa depan. Penelitian ini bertujuan untuk mengetahui nilai dari hasil analisis menggunakan metode Extreme Learning Machine untuk mendapatkan prediksi pengguna baru di aplikasi perpustakaan digital yaitu iPusnas pada bulan April hingga bulan Desember 2021. Studi kasus yang digunakan dalam penelitian ini adalah data pengguna baru iPusnas pada bulan Januari 2017 hingga bulan Desember 2021. Kemudian hasil yang diperoleh dari penelitian ini yaitu nilai Mean Absolute Percentage Error (MAPE) sebesar 22.69949%.
Peramalan Indeks Harga Konsumen di Kota Mataram Menggunakan Metode Double Exponential Smoothing dengan Damped Parameter: Peramalan Indeks Harga Konsumen di Kota Mataram Azzahra, Afaf Amirah; Mujiati Dwi Kartikasari
Emerging Statistics and Data Science Journal Vol. 1 No. 3 (2023): 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.vol1.iss.3.art42

Abstract

Indeks Harga Konsumen (IHK) merupakan salah satu indikator ekonomi yang dapat mengalami tingkat kenaikan (inflasi) atau tingkat penurunan (deflasi) dari barang/jasa. Faktor penting yang harus dilakukan untuk memantau atau meramalkan perkembangan IHK agar menghasilkan data yang valid yaitu dengan metode peramalan. Penelitian ini bertujuan untuk mengetahui peramalan IHK di Kota Mataram pada masa yang akan datang yaitu untuk 12 periode kedepan pada tahun 2023. Data yang digunakan pada penelitian ini adalah data sekunder Indeks Harga Konsumen pada bulan Januari 2021 sampai bulan Desember 2022. Pada penelitian ini metode yang digunakan adalah Double Exponential Smoothing karena pada data IHK di Kota Mataram memiliki pola data trend yang cenderung naik dan ditambahkan Damped Parameter, Damped parameter pada penelitian ini digunakan untuk meredam pertumbuhan secara eskponensial. Berdasarkan hasil yang diperoleh, didapatkan hasil peramalan pada data Indeks Harga Konsumen tahun 2023 mengalami peningkatan dan didapatkan nilai ukuran kesalahan atau error peramalan menggunakan nilai Mean Absolute Percentage Error (MAPE) sebesar 0.29%. Dengan nilai MAPE <10% maka peramalan dengan metode Double Exponential Smoothing dengan Damped Parameter hasil kemampuan peramalan sangat baik.
Co-Authors Azzahra, Afaf Amirah Ersa Riga Puspita Fikri Badru Salam Galuh Syafa Azahra Mulyaningsih, Anisa Dwi Mulyaningsih