Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Emerging Statistics and Data Science Journal
Dina Tri Utari
Unknown Affiliation
Computer Science & IT Mathematics

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Emerging Statistics and Data Science Journal

 1 
Peramalan Jumlah Penyebaran Hoax di Jawa Tengah Menggunakan Metode Weighted Moving Average: Peramalan Jumlah Penyebaran Hoax di Jawa Tengah Desinta Eka Sari; Dina Tri Utari
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.art14

Abstract

Salah satu kemudahan yang diberikan dengan perkembangan teknologi komunikasi dan informasi (TIK) yaitu dalam mencari informasi. Penyebaran informasi juga terjadi begitu cepat yang bisa menyebabkan masyarakat hanya menerima tanpa melakukan pengecekan kebenaran dari informasi tersebut. Banyak penyebaran informasi yang tidak dapat dipertanggungjawabkan kebenarannya biasa disebut dengan hoax. PPID (Pejabat Pengelola Informasi dan Dokumentasi) Dinas Komunikasi dan Informatika Provinsi Jawa Tengah melalui websitenya telah menerbitkan data penyebaran hoax di Jawa Tengah. Pada penelitian ini dibahas peramalan penyebaran hoax dengan metode Weighted Moving Average. Didapatkan nilai MAPE (Mean Absolute Percentage Error) untuk WMA (5) sebesar 14,34431% nilai tersebut berada diantara 10% - 20% yang berarti kemampuan peramalan baik. Sedangkan untuk WMA(10) nilai MAPE yang didapatkan yaitu 23,21197% yang berarti diantara 20% - 50% yang berarti kemampuan peramalan cukup baik.
Peramalan Indeks Pembangunan Manusia Kabupaten Karawang dengan Metode Double Exponential Smoothing: Peramalan Indeks Pembangunan Manusia Dwi Syahputra, Nidzar Zulmi; Dina Tri Utari
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.art30

Abstract

Indeks Pembangunan Manusia adalah suatu parameter yang menjadi indikator pencapaian pembangunan manusia di suatu wilayah. Parameter kemampuan pembangunan manusia didasari oleh tiga kemampuan dasar, yaitu umur panjang dan sehat, pengetahuan, dan aspek hidup yang layak. Ada berbagai cara untuk meramalkan suatu kondisi yang akan datang salah satunya adalah model forecasting exponential smoothing. Penelitian ini bertujuan untuk mengetahui bagaimana meramalkan data dengan metode exponential smoothing dan mengetahui nilai IPM Kabupaten Karawang tahun 2011-2021 selama 5 periode ke depan menggunakan metode Double Exponential Smoothing. Hasil dari penelitian ini adalah dengan nilai alpha sebesar 1 dan beta sebesar 0,1654582 diketahui dengan menggunakan metode Double Exponential Smoothing adalah 71,36957, 71,76953, 72,14751, 72,50471, dan 72,84226. Diperoleh kesimpulan bahwa nilai IPM Kabupaten Karawang terus meningkat tiap tahunnya yang menjadi bukti bahwa tingkat sumber daya kualitas Kabupaten Karawang tergolong baik.
Penerapan Principal Component Analysis (PCA) dan K-Medoids Clustering untuk Pengelompokan Data Inventaris Mesin: Penerapan Principal Component Analysis (PCA) dan K-Medoids Clustering untuk Pengelompokan Data Inventaris Mesin -, Ananda Nabila Azizah; Dina Tri Utari; Purnama Akbar
Emerging Statistics and Data Science Journal Vol. 4 No. 1 (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.1.art02

Abstract

Pengelompokkan adalah proses mengklaster sebuah kumpulan data menjadi dua atau lebih kelompok sehingga titik-titik data dalam satu kelompok memiliki kemiripan yang lebih tinggi dibandingkan dengan titik data di kelompok lain. Pengelompokan menjadi proses penting untuk membantu PT. XYZ mengelola management assets secara lebih efisien dengan mengklaster data mesin menjadi beberapa kelompok berdasarkan kemiripan karakteristiknya. Dalam pengelompokkan data mesin, keberadaan outlier dan multikolinieritas menjadi tantangan yang dapat memengaruhi hasil pengelompokan dan interpretasi data. Penelitian ini menggunakan algoritma K-Medoids Clustering karena lebih robust terhadap outlier dibandingkan K-Means Clustering. Untuk mengatasi multikolinieritas, diterapkan metode reduksi dimensi Principal Component Analysis (PCA), yaitu teknik statistik multivariat yang mengubah variabel asli menjadi komponen utama yang lebih sedikit namun tetap mewakili informasi data secara optimal. Penentuan jumlah klaster (k) dilakukan dengan metode silhouette yang menghasilkan skor 0,70, menandakan tiga kelompok sebagai jumlah optimal. Hasil pengelompokan membagi jenis mesin menjadi tiga kelompok, yaitu kelompok 1 berisi 10 jenis mesin, kelompok 2 berisi 43 jenis mesin, dan kelompok 3 berisi 1 jenis mesin. Harapannya penelitian ini dapat menjadi dasar bagi PT. XYZ untuk melakukan evaluasi kembali terkait ketersediaan dan pemanfaatan jenis mesin, sehingga perusahaan dapat mempertimbangkan aspek persediaan dan pemilihan mesin secara lebih optimal guna menekan total biaya persediaan dan total biaya penggunaan mesin.
Co-Authors -, Ananda Nabila Azizah Desinta Eka Sari Dwi Syahputra, Nidzar Zulmi Purnama Akbar