Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Emerging Statistics and Data Science Journal
Handini Primandari, Arum
Unknown Affiliation
Computer Science & IT Mathematics

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

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

 1 
Peramalan Nilai Tukar Petani Kota Yogyakarta dengan Menggunakan Metode Autoregressive Integrated Moving Average (ARIMA): Peramalan Nilai Tukar Petani Kota Yogyakarta dengan Menggunakan Metode Autoregressive Integrated Moving Average (ARIMA) -, Rakha Bintang Pangestu; Handini Primandari, Arum
Emerging Statistics and Data Science Journal Vol. 2 No. 2 (2024): 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.vol2.iss.2.art21

Abstract

Indonesia merupakan negara tropis yang memiliki potensi pertanian yang berkualitas. Mayoritas penduduk mengandalkan sektor pertanian sebagai sumber penghidupan, sehingga sektor ini menjadi motor penggerak pertumbuhan ekonomi nasional. Oleh karena pertanian memiliki peran yang sangat penting dalam ketahanan nasional, maka kesejahteraan para petani menjadi fokus pemerintah Indonesia. Hal tersebut tertera dalam agenda pembangunan menuju Indonesia Emas 2045 yaitu peningkatan produktivitas pertanian. Dalam melihat dinamika kesejahteraan petani, salah satu cara mengukurnya yaitu dengan Nilai Tukar Petani (NTP). Nilai tersebut adalah indikator yang digunakan untuk mengevaluasi tingkat kesejahteraan petani. Semakin tinggi NTP maka kesejahteraan petani meningkat. Penelitian ini bertujuan untuk meramalkan Nilai Tukar Petani Kota Yogyakarta untuk mengetahui prediksi kesejahteraan para petani dalam 5 periode ke depan. Penelitian ini menggunakan metode runtun waktu Autoregressive Integrated Moving Average (ARIMA). Berdasarkan hasil analisis, didapatkan bahwa model ARIMA(1,2,1) merupakan model terbaik dalam melakukan peramalan Nilai Tukar Petani Kota Yogyakarta 5 periode ke depan dengan nilai AIC sebesar 173.9. Berdasarkan peramalan 5 periode ke depan, yaitu untuk bulan Januari 2023 sampai Mei 2023, diperoleh nilai NTP Kota Yogyakarta sebesar 105.7523 untuk bulan Januari, 105.8588 untuk bulan Februari, 105.9717 untuk bulan Maret, 106.0863 untuk bulan April, dan 106.2013 untuk bulan Mei,  dengan nilai kesalahan menggunakan Mean Absolute Percentage Error sebesar 0.61%.
Penerapan Metode Seasonal ARIMA dalam Peramalan Konsumsi Listrik di PT PLN (Persero) Area Magelang: Penerapan Metode Seasonal ARIMA dalam Peramalan Konsumsi Listrik di PT PLN (Persero) Area Magelang Aulia Nasywa Azzulfa; Handini Primandari, Arum
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.art05

Abstract

Konsumsi listrik di suatu wilayah terus meningkat setiap tahun, seiring dengan bertambahnya aktivitas masyarakat dan berkembangnya sektor-sektor seperti sosial, rumah tangga, bisnis, industri, pemerintahan, serta layanan khusus yang mendorong naiknya permintaan energi listrik. Agar distribusi listrik berjalan secara efisien dan terhindar dari gangguan maupun pemadaman, diperlukan keseimbangan antara jumlah konsumsi listrik oleh pelanggan dan kapasitas pasokan yang disediakan oleh PLN. Oleh karena itu, prediksi konsumsi listrik pada periode mendatang menjadi langkah penting dalam merancang strategi distribusi listrik yang lebih optimal. Penelitian ini bertujuan untuk meramalkan konsumsi listrik dengan metode Seasonal Autoregressive Integrated Moving Average (SARIMA). Hasil penelitian menunjukkan bahwa model ARIMA(0,1,3)(0,1,1)[12] sebagai model terbaik, dengan nilai MAPE sebesar 0,08483603 atau 8,48%. Pendekatan SARIMA efektif untuk peramalan konsumsi listrik dengan mempertimbangkan fluktuasi musiman, dan dapat digunakan sebagai dasar perencanaan distribusi listrik yang lebih andal dan efisien.
Co-Authors -, Rakha Bintang Pangestu Aulia Nasywa Azzulfa