Article Per Year (5 Year)
p-Index From 2021 - 2026
1.116
P-Index
This Author published in this journals
All Journal Journal of Food and Pharmaceutical Science Enthusiastic : International Journal of Applied Statistics and Data Science Bulletin of Applied Mathematics and Mathematics Education Journal of Food and Pharmaceutical Sciences Emerging Statistics and Data Science Journal
Danarwindu, Ghiffari Ahnaf
Department Of Statistics, Islamic University Of Indonesia, Yogyakarta, Indonesia
Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Engineering Immunology & microbiology Materials Science & Nanotechnology Mathematics Medicine & Pharmacology Neuroscience

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : emerging statistics and data science journal

 1 
Perbandingan Metode Peramalan Volume Transaksi Sistem Resi Gudang: Prophet, Exponential Smoothing dan Sarima: Perbandingan Metode Peramalan Volume Transaksi Sistem Resi Gudang: Prophet, Exponential Smoothing dan Sarima Noviani Sugianto, Vickie Ashri; Danarwindu, Ghiffari Ahnaf; Prihatmoko, Harry
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.art8

Abstract

Fluktuasi harga komoditas saat panen raya sering menyebabkan rendahnya pendapatan petani dan kesulitan akses pembiayaan. Sistem Resi Gudang (SRG) dirancang sebagai solusi untuk menstabilkan harga dan memberi akses pembiayaan tanpa agunan tambahan, serta mendukung ketahanan pangan nasional. Meskipun SRG terus berkembang, implementasinya masih menghadapi tantangan seperti keterbatasan kapasitas gudang, infrastruktur yang belum merata, dan perbedaan karakteristik komoditas. Peramalan volume komoditas yang masuk diperlukan untuk mengoptimalkan penggunaan gudang dan mendukung kebijakan logistik serta penyimpanan. Penelitian ini membandingkan tiga metode peramalan deret waktu yaitu Prophet, Exponential Smoothing (Holt-Winters), dan SARIMA. Menggunakan data bulanan volume Resi Gudang dari Januari 2022 hingga Desember 2024. Evaluasi akurasi model dilakukan dengan Mean Absolute Scaled Error (MASE). Prophet dengan konfigurasi multiplicative memberikan akurasi tertinggi dengan MASE 0,4134, namun menghasilkan prediksi negatif pada awal 2025. Holt-Winters menghasilkan prediksi yang lebih stabil dan realistis meski nilai MASE-nya lebih tinggi (0,7875). SARIMA memiliki performa terendah dengan MASE 0,9097. Hasil ini menunjukan bahwa pemilihan model tidak hanya bergantung pada nilai error, tetapi juga pada hasil yang diperoleh. Peramalan volume SRG yang akurat dapat meningkatkan efisiensi operasional gudang, mencegah kekurangan kapasitas, serta mendukung stabilitas harga dan pengambilan kebijakan strategis.
IMPLEMENTASI METODE HOLT-WINTERS ADDITIVE UNTUK MEMPREDIKSI PENUMPANG KERETA API TAKSAKA RELASI YOGYAKARTA-GAMBIR: IMPLEMENTASI METODE HOLT-WINTERS ADDITIVE UNTUK MEMPREDIKSI PENUMPANG KERETA API TAKSAKA RELASI YOGYAKARTA-GAMBIR Dewati, Nabila Ratna; Danarwindu , Ghiffari Ahnaf; Shinta
Emerging Statistics and Data Science Journal Vol. 4 No. 2 (2026): 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.vol4.iss.2.art04

Abstract

Kereta api merupakan salah satu moda transportasi yang sering digunakan oleh masyarakat di Indonesia. Kereta Api Taksaka menjadi salah satu layanan unggulan dari PT Kereta Api Indonesia (Persero) yang melayani rute Yogyakarta-Gambir. Seiring dengan meningkatnya kebutuhan layanan transportasi, perusahaan perlu memahami pola jumlah penumpang sebagai dasar perencanaan operasional. Penelitian ini menggunakan metode Holt-Winters Additive karena data yang dianalisis menunjukkan adanya pola musiman dan trend. Tahapan penelitian meliputi analisis deskriptif, identifikasi pola data runtun waktu, penerapan metode Holt-Winters Additive, serta evaluasi model menggunakan nilai Mean Absolute Percentage Error (MAPE). Data yang digunakan adalah jumlah penumpang harian dari bulan Januari 2022 hingga Januari 2025 yang diperoleh dari PT Kereta Api Indonesia (Persero) Daop VI Yogyakarta. Penelitian ini bertujuan untuk menghasilkan model prediksi yang dapat memperkirakan jumlah penumpang harian Kereta Api Taksaka dan diharapkan dapat menjadi pertimbangan dalam pengambilan keputusan terkait perencanaan operasional, pengelolaan kapasitas, serta strategi pelayanan Kereta Api Taksaka. Hasil penelitian menunjukkan model Holt-Winters Additive mampu memprediksi jumlah penumpang berdasarkan pada nilai MAPE yang dihasilkan. Diperoleh tingkat akurasi sangat baik untuk Kereta Api Taksaka Pagi dengan nilai MAPE sebesar 9.71% dan akurasi memadai untuk Kereta Api Taksaka Malam dengan nilai MAPE sebesar 25.67%. Selain itu, hasil peramalan menunjukkan pola mingguan. Jumlah penumpang Kereta Api Taksaka Pagi diprediksi meningkat pada 10 Februari 2025 menjadi 495 penumpang dan menurun pada 5 Februari 2025 menjadi 371 penumpang. Sedangkan, jumlah penumpang Kereta Api Taksaka Malam pada 1 Februari 2025 diprediksi mengalami kenaikan menjadi 477 penumpang dan diprediksi menurun pada 7 Februari 2025 menjadi 261 penumpang.
Co-Authors Ayudhaya, Wanvisa Saisanan Na Dewati, Nabila Ratna Fadhlurrahman, Muhammad Ghani Fajar Aji Lumakso Khasbi Andi Irawan Kongchouy, Noodchanath Noviani Sugianto, Vickie Ashri Prihatmoko, Harry Rohmatul Fajriyah Shinta Viviane Annisa Yotenka, Rahmadi