Claim Missing Document
Check
Articles

Found 2 Documents
Search

Prediksi Banyaknya Gangguan Keamanan Ketertiban Masyarakat Menggunakan Model ARIMA Riski Aspriyani; Fadhilla, Widya Rizky
MAJAMATH: Jurnal Matematika dan Pendidikan Matematika Vol. 8 No. 1 (2025): Vol. 8 No. 1 Maret 2025
Publisher : Prodi Pendidikan matematika Universitas Islam Majapahit (UNIM), Mojokerto, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36815/majamath.v8i1.3822

Abstract

Abstrak Prediksi data sangat penting dalam mengantisipasi terjadinya gangguan keamanan dan ketertiban masyarakat. Dengan adanya prediksi data yang dilakukan dapat mendeteksi gangguan yang akan muncul dan data prediksi yang diperolah dapat dijadikan bahan pertimbangan pemerintah dalam pengambilan keputusan kebijakan serta penetapan strategi pencegahan. Untuk itu, urgensi penelitian ini menjadi penting dalam upaya mendapatkan data prediksi gangguan keamanan dan ketertiban masyarakat sehingga pemerintah dapat bertindak lebih proaktif dalam pencegahannya. Model yang digunakan dalam prediksi banyakanya gangguan keamanan dan ketertiban masyarakat adalah model ARIMA yang berbentuk ARIMA (p,d,q) dengan p menyatakan ordo dari unsur Autoregressive (AR), d ialah ordo dari unsur Integrated (I), dan q dari ordo Moving Average (MA). Model terbaik dipilih jika memenuhi uji signifikansi parameter, uji white noise, uji normalitas dan melihat nilai error RMSE, MAPE. Pengujian dilakukan dengan bantuan SPSS, diperoleh bahwa model ARIMA terbaik adalah Model ARIMA (0,1,1) dengan nilai RMSE 4.938 dan MAPE sebesar 37.141. ARIMA (0,1,1) merupakan model yang mampu meramalkan dengan baik untuk dapat digunakan selanjutnya pada prediksi atau peramalan beberapa periode ke depan. Dihasilkan bahwa, banyaknya gangguan keamanan dan ketertiban masyarakat di wilayah Batang dari bulan April 2025 sampai dengan Desember 2025 yaitu sebanyak 17.89 , 17.92, 17.96, 17.99, 18.02, 18.05, 18.09, 18.12, 18.15. Kata Kunci: Peramalan, ARIMA (p,d,q), Gangguan Keamanan Abstract Data prediction is very important in anticipating the occurrence of disturbances in public order and security. With the data prediction that is carried out, disturbances that will arise can be detected and the prediction data obtained can be used as a consideration by the government in making policy decisions and determining prevention strategies. For this reason, the urgency of this research is essential to obtain data on predictions of disturbances in public order and security so that the government can act more proactively in preventing them. The model used in predicting the number of disturbances in public order and security is the ARIMA model in the form of ARIMA (p,d,q) with p stating the order of the Autoregressive (AR) element, d being the order of the Integrated (I) element, and q from the Moving Average (MA) order. The best model is chosen if it meets the parameter significance test, white noise test, and normality test and sees the error values ??RMSE, and MAPE. Testing was carried out with the help of SPSS, it was obtained that the best ARIMA model was the ARIMA Model (0,1,1) with an RMSE value of 4,938 and a MAPE of 37,141. ARIMA (0,1,1) is a model that can predict well and can be used further in predictions or forecasts for several periods ahead. It was found that the number of disturbances to public order and security in the Batang area from April 2025 to December 2025 was 17.89, 17.92, 17.96, 17.99, 18.02, 18.05, 18.09, 18.12, and 18.15. Keywords: Forecasting, ARIMA (p,d,q), Disturbance of Public
Algoritma Penyelesaian Matriks Fuzzy Tak Persegi dengan Invers Moore-Penrose Fadhilla, Widya Rizky
Imajiner: Jurnal Matematika dan Pendidikan Matematika Vol 7, No 6 (2025): Imajiner: Jurnal Matematika dan Pendidikan Matematika
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/imajiner.v7i6.25132

Abstract

Artikel ini menyajikan mengenai algoritma untuk menyelesaikan sistem persamaan matriks fuzzy tak persegi dengan bentuk umum sistem yang dikaji adalah X`A=B` dengan merupakan A matriks krispi tak persegi dan B` adalah matriks fuzzy. Hal ini dikaji karena sistem linear dalam dunia nyata seringkali melibatkan ketidakpastian yang dapat dimodelkan dengan fuzzy. Metode yang dikembangkan merupakan perluasan dari teknik perluasan Friedman dengan melakukan dekomposisi matriks A ke dalam partisi tak negatif dan membentuk matriks perluasan S. Metode ini memanfaatkan konsep invers moore-penrose matriks fuzzy serta konsep perluasan pada matriks fuzzy untuk mendapatkan solusi fuzzy minimal. Solusi fuzzy minimal dapat berupa solusi lemah dan solusi kuat dikarenakan solusi tunggal berkemungkinan tidak ada atau tidak dapat ditemukan secara langsung. Hasilnya berupa solusi fuzzy yang unik dan optimal dalam konteks matriks fuzzy tak persegi.