Statistika (S1)

Permanent URI for this collection

https://repository.unpad.ac.id/handle/kandaga/267

Browse

Now showing 1 - 20 of 951

PERAMALAN PELANGGAN PASANG BARU INDIHOME DENGAN MENGGUNAKAN METODE BACKPROPAGATION
(2023-07-12) DHIYA AGRIPINA MARDHATILLAH; Sinta Septi Pangastuti; Restu Arisanti
PT. Telekomunikasi Indonesia menyediakan berbagai macam layanan internet salah satunya merupakan layanan internet rumah yaitu indihome. Setiap harinya terdapat banyak pelanggan pasang baru indihome, Salah satunya di daerah Sumatera Barat. Dengan menggunakan data pada periode Januari 2020 hingga Desember 2022 diketahui setiap hari nya jumlah pelanggan pasang baru akan berbeda yang di akibatkan oleh berbagai kendala. Agar dapat mengurangi kendala yang dapat terjadi sehingga dapat mengoptimalkan penggunaan sumber daya dan meningkatkan kualitas pelayanan, diperlukan suatu sistem peramalan yang dapat memprediksi banyaknya pelanggan pasang baru indihome di periode yang akan datang. Penelitian ini bertujuan untuk mendapatkan hasil peramalan yang akurat untuk menangani data yang berfluktuasi, nonlinear serta tidak menunjukan suatu pola tertentu, oleh karena itu pada penelitian ini akan menggunakan metode yang fleksibel dan adaptif yaitu Artifcial Neural Network dengan algoritma backpropagation. Pemodelan yang diperoleh memiliki nilai MSE terkecil yaitu sebesar 0,0001 pada data training didapatkan arsitektur jaringan optimum (19-10-1). Peramalan akan dilakukan dengan menggunakan jaringan terbaik tersebut yang hasilnya dapat digunakan sebagai bahan pertimbangan PT. Telekomunikasi Indonesia kantor WITEL Sumatera Barat untuk menentukan langkah yang dapat mengurangi kendala yang dapat terjadi.
Forecasting Close Price Brent Crude Oil Menggunakan Metode Bidirectional Long Short-Term Memory (BiLSTM)
(2024-01-29) FIRHAN ZEINUR ADHA; Yudhie Andriyana; Triyani Hendrawati
v ABSTRAK Minyak mentah merupakan salah satu bahan mentah paling fundamental yang digunakan secara global dalam kilang dan pabrik petrokimia. Secara umum terdapat dua jenis crude oil dalam perekonomian global yaitu dalam market global yaitu WTI (West Texas Intermediate) dan Brent crude oil atau minyak mentah Brent. Indonesia sendiri menggunakan Brent crude oil sebagai patokan dalam menentukan harga minyak mentah di Indonesia. Salah satu indikator dari harga minyak mentah Brent adalah harga tutup. Ketidakpastian dan variasi harga tutup dari Brent crude oil dapat terjadi karena dinamika pasar global seperti permintaan dan penawaran serta kebijakan geopolitik.. Oleh karena itu, metode BiLSTM digunakan dalam penelitian ini, karena metode ini cocok untuk data close price brent crude oil yang memiliki series data yang panjang dan memiliki tingkat akurasi yang baik dan optimal. Hasil penelitian menunjukkan bahwa metode BiLSTM menghasilkan MAPE sebesar 3,392% yang artinya, metode BiLSTM merupakan model yang dikategorikan model peramalan sangat akurat. Berdasarkan hasil peramalan data harga tutup minyak mentah Brent menggunakan BiLSTM didapatkan MAPE peramalan sebesar 2,64% dan dari hasil peramalan menunjukkan bahwa terdapat penurunan pada harga tutup minyak mentah Brent pada delapan minggu kedepan.
Analisis Regresi Data Panel Pada Faktor-Faktor yang Mempengaruhi Nilai Indeks Pembangunan Kebudayaan (IPK) Provinsi di Indonesia Tahun 2018- 2020
(2023-07-11) I GUSTI AYU CITRA PRADNYA PUTRI; Yuyun Hidayat; Toni Toharudin
Indeks Pembangunan Kebudayaan (IPK) adalah instrumen untuk memberikan gambaran pembangunan kebudayaan suatu wilayah yang dapat digunakan sebagai dasar dalam formulasi kebijakan di bidang kebudayaan, serta menjadi acuan dalam koordinasi lintas sektor dalam pelaksanaan pemajuan kebudayaan. Setiap tahunnya, masih terdapat nilai IPK provinsi yang nilainya dibawah nilai IPK Nasional. Untuk itu perlu ditinjau faktor-faktor yang mempengaruhi IPK. Regresi data panel yang digunakan pada penelitian ini adalah Fixed Effect Model dengan pendekatan Least Square Dummy Variable (LSDV) yang digunakan untuk menaksir pengaruh indeks-indeks yang diduga berpengaruh terhadap IPK yaitu Indeks Pembangunan Manusia dan Indeks Pembangunan Ekonomi Inklusif. Hasil akhir menunjukan bahwa kedua variabel tersebut berpengaruh secara signifikan terhadap IPK di Indonesia.
PENGELOMPOKKAN PROVINSI MENGGUNAKAN HYBRID CLUSTERING PADA PROVINSI DI INDONESIA BERDASARKAN INDIKATOR INDEKS PEMBANGUNAN KEBUDAYAAN
(2023-05-22) AUDREY EMMANNUELLA TURNIP; Titi Purwandari; Toni Toharudin
Indeks Pembangunan Kebudayaan (IPK) merupakan salah satu instrumen untuk memberikan gambaran kemajuan pembangunan kebudayaan. IPK diperlukan untuk mengukur capaian pembangunan kebudayaan di berbagai wilayah. Melalui data sekunder yang diperoleh dari Direktorat Jenderal Kebudayaan, diketahui bahwa terjadi penurunan pada nilai IPK, maka dari itu dilakukan analisis untuk meningkatkan kualitas pembangunan kebudayaan di Indonesia dengan melakukan pengelompokkan provinsi menggunakan analisis cluster. Analisis cluster adalah suatu teknik pengelompokkan dengan tujuan mengelompokkan data semirip mungkin ke dalam suatu cluster serta untuk mengetahui karakteristik dari setiap cluster yang terbentuk. Dilakukan pengelompokkan provinsi di Indonesia berdasarkan 12 variabel yang diambil dari indikator IPK menggunakan hybrid clustering yang merupakan gabungan k-means dengan hierarchical clustering yaitu metode ward. Penggunaan metode hybrid clustering memiliki tujuan untuk mengatasi kelemahan pada metode k-means dalam penentuan pusat awal cluster (centroid) dan jumlah cluster optimum. Dapat disimpulkan hasil penelitian dari 34 provinsi dikelompokkan menjadi dua cluster yaitu cluster dengan nilai dimensi warisan budaya serta dimensi pendidikan tinggi dan rendah, dimana cluster 1 beranggotakan 28 provinsi dan cluster 2 beranggotakan 6 provinsi dengan silhouette coefficient yang bernilai 0,19 untuk cluster 1 dan 0,24 untuk cluster 2 dan hasil pengujian analisis profil untuk data indikator IPK didapat tidak adanya kesejajaran untuk profil populasi pada cluster pertama dan kedua.
Pemodelan Tingkat Kemiskinan di Provinsi Jawa Barat dengan Menggunakan Regresi Spatial Autoregressive Fixed Effect Model
(2023-06-12) RINA RAIHANA ZAKIYA; Defi Yusti Faidah; Yudhie Andriyana
Kemiskinan merupakan masalah utama yang dihadapi oleh negara berkembang termasuk Indonesia. Salah satu kunci keberhasilan pembangunan berkelanjutan adalah dengan pengentasan kemiskinan. Hal ini dilakukan pemerintah untuk meningkatkan kesejahteraan masyarakat. Pengentasan kemiskinan di Provinsi Jawa Barat dapat dilakukan apabila diketahui faktor-faktor yang mempengaruhi tingkat kemiskinan. Kemiskinan di Provinsi Jawa Barat dipengaruhi oleh banyak faktor. Akan tetapi karena keterbatasan data, terdapat faktor yang relevan namun tidak dimasukkan ke dalam model (omitted variables). Selain itu, kemiskinan pada suatu kabupaten/kota di Provinsi Jawa Barat memiliki ketergantungan dengan kemiskinan pada kabupaten/kota disekitarnya (depedensi spasial). Oleh karena itu, metode yang digunakan dalam penelitian ini adalah Spatial Autoregressive Fixed Effect Model yang dapat mengkaji aspek spasial dan mengatasi omitted variables pada data panel. Hasil dari penelitian menunjukkan bahwa faktor-faktor yang berpengaruh terhadap tingkat kemiskinan adalah laju pertumbuhan penduduk dan laju pertumbuhan PDRB. Sementara itu, variabel prediktor pada model Spatial Autoregressive Fixed Effect yang terbentuk dapat menjelaskan 99,5% keragaman tingkat kemiskinan, sedangkan 0,5% lainnya dijelaskan oleh variabel lain yang tidak dimasukkan kedalam model.
ANALISIS UNIVARIATE FORECASTING PADA PARTIKULAT MATTER 2.5 MENGGUNAKAN CNN-LONG SHORT-TERM MEMORY (LSTM) DAN CONV-LSTM DI WILAYAH KEMAYORAN KOTA JAKARTA PUSAT
(2024-01-29) TAFIA HASNA PUTRI; Rezzy Eko Caraka; Toni Toharudin
Prakiraan partikulat matter menjadi isu sangat penting untuk peringatan dini dan pengendalian dalam pencemaran udara. Khususnya PM2.5, dengan peningkatan konsentrasi ini akan memperburuk terhadap kesehatan masyarakat. Pada penelitian ini, model hybrid CNN-LSTM dan convLSTM dikembangkan dengan menggabungkan jaringan konvolusi (CNN) dengan jaringan LSTM untuk memperkirakan konsentrasi PM2.5 untuk 24 jam berikutnya di wilayah Kemayoran. Dengan penggunaan kelebihan CNN dalam mengekstrak fitur secara efektif dan LSTM dalam mempelajari data historis jangka panjang dari data deret waktu konsentrasi PM2.5. Model prediktif CNN-LSTM dilakukan dalam suatu arsitektur yang terpisah dimana dilakukan proses CNN terlebih dahulu untuk menjadi input LSTM sedangkan untuk convLSTM dilakukan dalam satu arsitektur dimana perkalian dalam arsitektur LSTM ditambah dengan proses konvolusi. Penelitian ini, akan menjelaskan bagaimana metode pengembangan hybrid CNN-LSTM dan convLSTM dalam memprediksi konsentrasi PM2.5. Berdasarkan evaluasi metrik kedua model ini dibandingkan sehingga menjadi model yang terbaik. Secara keseluruhan, kedua model prediktif menghasilkan nilai MAPE yang termasuk dalam kategori cukup baik dengan nilai <20%. Didapatkan hasil untuk convLSTM dengan MAE senilai 6.52, RMSE 8.55 dan MAPE 16.39%. Sehingga, performa model convLSTM berkinerja lebih baik dari pada CNN-LSTM dalam melakukan prediksi konsentrasi PM2.5.
Analisis Sentimen Ulasan Pengguna Aplikasi E-Samsat Provinsi Jawa Barat Menggunakan Metode Bidirectional Gated Recurrent Unit
(2023-07-13) RAHMA KANIA DEWI; Bertho Tantular; Anindya Apriliyanti Pravitasari
Aplikasi SAMBARA merupakan sebuah inovasi yang dikembangkan oleh Bapenda Jabar untuk meningkatkan pelayanan pembayaran pajak kendaraan di daerah Jawa Barat. Aplikasi ini telah diunduh 5 juta lebih pengguna dengan memiliki rating 3,1 (per januari 2023) yang artinya menurut standarisasi rating di Google Play Store bahwa pengguna cukup puas dengan aplikasi ini namun ada beberapa hal yang perlu diperbaiki dari aplikasi. Rating tidak bisa menjamin akan kepuasan pengguna. Namun berdasarkan hasil observasi beberapa ulasan aplikasi sering ditemukan kontradiksi, yaitu ulasannya buruk tetapi diberikan bintang 5 atau sebaliknya. Maka ada cara lain yang lebih menjamin akan kepuasan pengguna yaitu ulasan tekstual. Setiap harinya, aplikasi ini menerima ulasan yang banyak dan berbagai macam ulasan tekstual dari pengguna, termasuk ulasan positif maupun kritik atau masukan. Penelitian ini menjelaskan bagaimana Bidirectional Gated Recurrent Unit (BiGRU) digunakan untuk analisis sentimen dalam mengklasifikasikan ulasan positif, netral, dan negatif pengguna pengguna aplikasi SAMBARA. Hasil dari penelitian ini didapatkan model BiGRU yang optimal dan telah dilakukan terhadap 11949 ulasan. Dimana model yang optimal dengan yaitu dengan 1 embedding layer dengan word embedding fasttext, 1 lapisan BiGRU dengan 128 neuron, 1 lapisan dropout berukuran 20% atau 0,2, 1 lapisan dense dengan fungsi ReLU berjumlah 8 neuron, ukuran batch size sebesar 32, optimizer Adam dengan learning rate senilai 0,0001,dan epoch optimal yaitu 100 iterasi. Model tersebut mampu mengklasifikasikan ulasan dengan akurasi hingga nilai F1-Score sebesar 83,807%. Dengan demikian, model tersebut dapat digunakan untuk memprediksi sentimen netral, positif dan negatif pada ulasan aplikasi SAMBARA secara otomatis di masa depan.
PRINCIPAL COMPONENT ANALYSIS BIPLOT (PCA BIPLOT) PADA DIMENSI INDEKS PEMBANGUNAN KEBUDAYAAN (IPK)
(2023-07-07) FELIA FILDZAH SHABRINA; Toni Toharudin; Defi Yusti Faidah
Kebudayaan merupakan hasil kegiatan dan penciptaan batin (akal budi) manusia seperti kepercayaan, kesenian, dan adat istiadat. Kebudayaan memiliki peran penting dalam pembangunan dan juga perkembangan ekonomi. Indeks Pembangunan Kebudayaan (IPK) merupakan salah satu instrumen pengukur kemajuan pembangunan kebudayaan di tingkat nasional dan daerah. IPK dapat memengaruhi beberapa aspek pembangunan seperti ekonomi. IPK tersusun atas 7 dimensi ini rutin dihitung setiap tahun dengan cakupan penghitungan untuk tingkat nasional dan provinsi. Untuk mempertahankan dan meningkatkan nilai IPK maka dibuat kelompok provinsi bedasarkan kemiripan karakteristiknya. Agar dapat mencapai tujuan tersebut peneliti menggunakan Principal Components Analysis Biplot. Diperoleh 8 kelompok provinsi berupa peta berdimensi tiga yang dapat menjelaskan 78,44% total varians keseluruhan data.
PENERAPAN METODE FACEBOOK PROPHET UNTUK MERAMALKAN JUMLAH PENUMPANG TRANS METRO BANDUNG KORIDOR 1
(2023-04-12) FARHAN BAGUS PRAKOSO; Gumgum Darmawan; Achmad Bachrudin
Trans Metro Bandung (TMB) menjadi salah satu pilihan transportasi umum yang cukup populer di Bandung raya, hal ini dikarenakan harganya yang relatif murah dan cakupan rute yang luas. Pada bulan April 2020 jumlah penumpang TMB koridor 1 mengalami penurunan yang signifikan akibat pandemi Covid-19. Selain itu, faktor pemberhentian operasional Damri dan faktor hari libur menjadi faktor penyebab fluktuasi jumlah penumpang TMB. Fluktuasi jumlah penumpang akibat faktor eksternal yang tidak dibarengi oleh pembaruan kebijakan akan mengakibatkan layanan TMB menjadi tidak efektif dan efisien, hal ini akan mengakibatkan tidak maksimalnya pendapatan yang diperoleh oleh BLUD UPT Angkutan Dinas Perhubungan Kota Bandung. Untuk membantu mengatasi permasalahan tersebut diperlukan informasi mengenai jumlah penumpang TMB yang akan datang. Hasil peramalan ini dapat dijadikan referensi oleh BLUD UPT Angkutan Dinas Perhubungan Kota Bandung dalam menyesun kebijakan layanan TMB. Penelitian ini bertujuan untuk mendapatkan hasil peramalan jumlah penumpang TMB yang akurat pada enam bulan kedepan. Penelitian ini menggunakan data bulanan jumlah penumpang TMB dari tahun 2018 hingga bulan Juli 2022. Metode yang digunakan adalah metode time series dengan model Facebook Prophet. Model Facebook Prophet optimum yang didapat dalam penelitian ini berupa penambahan komponen extra regressor dan penambahan komponen holidays dengan nilai hyperparameters sebesar 0,1 untuk changepoint prior scale dan bernilai 10,0 untuk seasonality prior scale dan holidays prior scale. Model ini menghasilkan MAPE testing sebesar 4,62% dengan coverage sebesar 0,89. Peramalan jumlah penumpang TMB untuk enam bulan ke depan memiliki hasil yang berfluktuasi. Nilai terendah terjadi pada bulan Januari 2023 dan tertinggi pada bulan Agustus 2022.
PERAMALAN HARGA CABAI MERAH DAN CABAI RAWIT MERAH DI JAWA BARAT MENGGUNAKAN METODE LONG SHORT TERM MEMORY (LSTM)
(2023-07-11) AMALDA PUSPA NUR RITMA; Yuyun Hidayat; Defi Yusti Faidah
Cabai merupakan salah satu komoditas holtikultura yang mendapatkan prioritas pengembangan. Hal ini karena cabai memiliki nilai ekonomi penting di Indonesia. Kelonjakan harga cabai dapat mempengaruhi inflasi. Inflasi di Jawa Barat pada tahun 2022 merupakan inflasi tertinggi dalam delapan tahun terakhir. Diperlukan upaya untuk membantu pemulihan ekonomi dalam menjaga stabilitas harga yang sejalan dengan arahan dari Presiden RI. Salah satu diantaranya dengan menjaga ketersediaan pasokan barang. Berdasarkan hal tersebut diperlukan peramalan harga cabai yang akurat sebagai gambaran dan pengambilan keputusan pemerintah pusat. Metode yang dapat digunakan untuk meramalkan harga cabai adalah Long Short Term Memory (LSTM). Peramalan harga cabai merah menggunakan 2 hidden layer dengan masing-masing 50 neuron, 32 batch size dan optimizer adam didapatkan nilai MAPE 3,94%. Cabai rawit merah menggunakan 2 hidden layer dengan masing-masing 100 neuron, 32 batch size dan optimizer adam dengan nilai MAPE sebesar 2,86%.
Analisis Klasifikasi Pendapatan Petani Mandiri Dengan Atribut Umur, Gender, Wilayah, Tingkat Pendidikan, dan Pemanfaatan Internet di Indonesia Menggunakan Metode Extreme Gradient Boosting
(2023-07-14) MUHAMMAD ARDIAN IZZANUR RIZNA; Sinta Septi Pangastuti; Resa Septiani Pontoh
Sektor pertanian yang menyerap tenaga kerja terbanyak di Indonesia, belum memiliki pendapatan yang optimal, terutama pada petani mandiri yang mayoritas memiliki pendapatan dibawah UMP. Penelitian ini akan menjelaskan bagaimana Algoritma XGBoost digunakan untuk melakukan analisis klasifikasi pendapatan petani mandiri berdasarkan atribut umur, gender, wilayah, tingkat pendidikan, dan pemanfaatan internet di Indonesia. Algoritma XGBoost memiliki performa yang baik dalam akurasinya ataupun komputasinya untuk menangani imbalanced class dengan parameter objective function yang digunakan adalah [`logloss`, `error`], max depth sebesar 2, min child weight sebesar 3, n estimator sebanyak 100, learning rate sebesar 0.3, gamma sebesar 0, dan reg alpha sebesar 0, sehingga menghasilkan nilai akurasi sebesar 73%, weighted average f1-score sebesar 78%.
PENGELOMPOKAN SPASIAL KASUS PENYAKIT TUBERKULOSIS (TBC) DI KOTA BANDUNG DENGAN METODE WARDS LINKAGE CLUSTERING
(2023-11-03) JAGARDO ARIEL PSALM SIANIPAR; I Gede Nyoman Mindra Jaya; Defi Yusti Faidah
Tuberkulosis (TBC) adalah penyakit yang disebabkan oleh infeksi bakteri Mycobacterium Tuberculosis pada manusia. Penyebaran TBC di Indonesia sangat serius, karena pada tahun 2021 Indonesia menempati peringkat ke-3 dalam jumlah penderita TBC di dunia. Kota Bandung merupakan daerah di Jawa Barat dengan jumlah kasus TBC tertinggi ke-2 selama tiga tahun berturut-turut, yaitu pada tahun 2019, 2020, dan 2021. Oleh karena itu, diperlukan pengelompokan kecamatan di Kota Bandung untuk memahami pola penyebaran TBC dengan mempertimbangkan faktor spasial. Faktor spasial ini diakomodasi dengan menggunakan matriks contiguity (D1) dan matriks kedekatan antar kecamatan (D2) dalam proses clustering. Metode yang digunakan dalam pengelompokan ini adalah metode Ward`s Linkage Clustering. Berdasarkan analisis yang telah dilakukan diperoleh peta penyebaran TBC dengan tingkat akurasi Q0 sebesar 0,71 dan Q2 sebesar 0,89 pada tahun 2019, Q0 sebesar 0,63 dan Q2 sebesar 0,95 pada tahun 2020, serta Q0 sebesar 0,7 dan Q2 sebesar 0,96 pada tahun 2021
PEMODELAN ANGKA KEMATIAN BAYI DI KOTA BANDUNG MENGGUNAKAN REGRESI PANEL DINAMIS DENGAN METODE GENERALIZED METHOD OF MOMENTS (GMM)
(2023-03-02) SHARON SYALOMITHA ROTUA; Sri Winarni; Yusep Suparman
Angka Kematian Bayi (AKB) adalah angka yang menunjukkan probabilitas bayi meninggal sebelum mencapai usia satu tahun. AKB menjadi sebuah indikator penting dalam menilai status kesehatan masyarakat yang meliputi keadaan tingkat ekonomi, sanitasi, gizi, pendidikan, dan fasilitas kesehatan yang terdapat disuatu negara. Menurunkan angka kematian bayi merupakan salah satu sasaran kesehatan yang tertuang dalam Rencana Strategis Dinas Kesehatan Kota Bandung Tahun 2018-2023. Tujuan dari penelitian ini adalah untuk mengidentifikasi faktor-faktor yang mempengaruhi angka kematian bayi di Kota Bandung. Dari hasil yang diperoleh, diharapkan dapat membantu pemerintah dalam merancang kebijakan untuk mengentaskan permasalahan kematian bayi. Di dalam analisis ditemukan kondisi omitted variable yang dapat menyebabkan permasalahan endogenitas. Untuk mengatasi kondisi tersebut digunakan model lag dependen variabel dengan pendekatan generalized method of moments (GMM) untuk memperoleh parameter penduga yang tak bias, konsisten, dan efisien. Dari taksiran model dapat terkonfirmasi bahwa bayi berat lahir rendah dan komplikasi kebidanan berpengaruh terhadap angka kematian bayi.
PERAMALAN VOLUME PERMINTAAN DISTRIBUSI PRODUK BAHAN BAKAR MINYAK MENGGUNAKAN MULTIVARIAT LATENT GAUSSIAN MODEL
(2023-03-24) DIVA HANA SHABIRA; I Gede Nyoman Mindra Jaya; Defi Yusti Faidah
Bahan Bakar Minyak (BBM) menjadi kebutuhan utama untuk transportasi khususnya kendaraan roda dua maupun roda empat. Banyaknya aktivitas yang dilakukan masyarakat membuat kebutuhan BBM semakin meningkat. Kondisi tersebut menyebabkan tingginya permintaan produk BBM di Indonesia. Namun, harga minyak dunia beberapa bulan terakhir mengalami perubahan. Salah satu dampak terbesarnya adalah adanya kenaikan harga BBM non subsidi. Adanya kenaikan harga BBM non subsidi berdampak pada tingginya kebutuhan masyarakat pada BBM jenis subsidi karena adanya perilaku masyarakat yang cenderung membeli BBM dengan harga yang lebih murah. Tujuan dari penelitian ini untuk mendapatkan volume ramalan yang akurat untuk jenis BBM Bio Solar, Pertalite, Pertamax, Pertamax Turbo, Pertamina Dex, agar tidak terjadinya kelangkaan BBM. Peramalan dilakukan menggunakan pendekatan multivariat dengan mempertimbangkan adanya ketergantungan konsumsi masyarakat terhadap jenis BBM subsidi dan non subsidi. Disisi lain, peramalan multivariat menggunakan pendekatan klasik relatif kompleks. Metode alternatif yang digunakan adalah Multivariat Latent Gaussian Model. Peramalan kelima jenis produk BBM mendapatkan hasil peramalan terbaik menggunakan model autoregressive orde dua dengan memperhatikan shared component dan seasonal component. Peramalan dinilai akurat dalam meramalkan produk BBM Bio Solar, Pertalite, Pertamax, dan Pertamina Dex karena memiliki pola seasonal yang jelas. Namun, kurang akurat dalam meramalkan produk BBM Pertamax Turbo.
BAYESIAN NONPARAMETRIK MODEL UNTUK BALITA STUNTING DI KOTA BANDUNG
(2023-03-02) SYIFA NADHIRA FAHIRA; I Gede Nyoman Mindra Jaya; Restu Arisanti
Stunting merupakan kondisi dimana anak balita mengalami gagal tumbuh akibat dari kekurangan gizi kronis, sehingga tinggi badan anak tidak sesuai dengan usianya. Pada tahun 2018-2021 data angka prevalensi balita stunting di Kota Bandung berfluktuatif dan mengalami trend positif. Untuk membantu Dinas Kesehatan Kota Bandung dalam menekan angka prevalensi balita stunting serta menerapkan upaya kedepannya dalam menanggulangi kasus balita stunting, pada penelitian ini akan dimodelkan faktor-faktor yang diduga mempengaruhi prevalensi balita stunting yang dapat mengetahui lokasi mana saja yang beresiko tinggi terdampak stunting. Terdapat beberapa faktor yang dapat mempengaruhi prevalensi balita stunting, diantaranya persentase bayi mendapatkan ASI eksklusif, persentase balita gizi buruk dan kurang, dan persentase bayi dengan berat badan lahir rendah (BBLR). Dalam melakukan pemodelan dan pemetaannya akan digunakan model Bayesian Nonparametrik yang mengakomondasi adanya hubungan yang tidak linier. Dari hasil pemodelan menunjukkan bahwa faktor-faktor stunting tidak seluruhnya berpengaruh signifikan terhadap prevalensi balita stunting, sedangkan dari hasil pemetaan menunjukkan bahwa kecamatan di Kota Bandung yang memiliki risiko relatif tinggi balita terkena stunting selama empat tahun terakhir adalah Kecamatan Buah Batu, Kecamatan Cibeuying Kidul, Kecamatan Cicendo, dan Kecamatan Sukajadi.
REGRESI SPATIOTEMPORAL UNTUK IDENTIFIKASI KLASTER PENYAKIT PNEUMONIA PADA BALITA DI KOTA BANDUNG
(2023-10-16) RAYSHA YUMNADHIYA ATHIYYA BARI; Sinta Septi Pangastuti; I Gede Nyoman Mindra Jaya
Pneumonia merupakan infeksi pernapasan akut pada bagian pernapasan bawah yang menyerang paru-paru. Pneumonia dapat menyerang siapa saja, namun kelompok balita merupakan usia yang paling rentan terpapar. Di Indonesia, pneumonia menjadi salah satu penyakit yang menyumbang kematian terbesar pada balita. Dalam upaya untuk membantu menekan angka kasus pneumonia pada balita di Kota Bandung, maka dilakukan identifikasi faktor-faktor yang diduga memiliki pengaruh. Selain itu dengan memetakan wilayah yang berisiko tinggi, dapat lebih mengefektifkan penanggulangan pneumonia pada balita di wilayah yang rawan terpapar di Kota Bandung. Kejadian pneumonia pada balita di Kota Bandung diduga memiliki ketergantungan antar wilayah serta terdapat indikasi pengaruh temporal dimana terlihat penemuan kasus yang berfluktuasi setiap tahunnya. Untuk mengakomodasi kedua aspek tersebut, dalam penelitian ini pemodelan akan dilakukan dengan menggunakan model Spatiotemporal. Dari hasil analisis didapatkan bahwa faktor pemberian imunisasi dasar lengkap dan bayi berat lahir rendah memiliki pengaruh terhadap kejadian pneumonia. Berdasarkan hasil pemetaan terdapat berbagai wilayah yang termasuk ke dalam klaster risiko tinggi, salah satunya Kecamatan Cinambo yang selama empat tahun berturut-turut menjadi wilayah yang berisiko tinggi terpapar penyakit pneumonia pada balita di Kota Bandung.
PEMETAAN TINGKAT GIZI BURUK BALITA DENGAN FLEXIBLE SHAPED SCAN STATISTICS DI KOTA BANDUNG
(2023-09-17) DENI MUHAMMAD RIFQI; Restu Arisanti; I Gede Nyoman Mindra Jaya
Gizi Buruk adalah kurang gizi tingkat berat yang disebabkan oleh rendahnnya konsumsi energi dan protein dari makanan sehari-hari dan terjadi dalam waktu yang lama. Gizi buruk biasanya terjadi pada balita yang ditandai dengan status yang sangat kurus atau adanya edema di kedua punggung kaki hingga sekujur tubuh dan secara antropometri (BB/PB) adalah < - 3.0 σ. Kasus gizi buruk balita di Kota Bandung pada tahun 2021 mengalami penurunan tinggi, namun persentase kasus gizi buruk balita pada 2021 belum mencapai target dari rencana strategis Dinas Kesehatan Kota Bandung. tujuan dari penelitian ini adalah untuk mengetahui distribusi penyebaran kasus gizi buruk pada balita di Kota Bandung untuk mendapatkan hotspot area serta detected clusters nya. Hasil penelitian menggunakan metode flexible shaped scan statistics dengan restricted likelihood ratio dan replikasi monte carlo menghasilkan detected clusters sebanyak 4 klaster signifikan dan klaster utama terdiri dari 3 kecamatan, yaitu Kecamatan Batununggal, Cibeunying Kidul, dan Kiaracondong.
PENDEKATAN VECTOR ERROR CORRECTION MODEL (VECM) UNTUK ANALISIS FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP PEMBIAYAAN YANG DISALURKAN
(2023-02-20) INDIRA PRAMESTI HASNADEVI; Sri Winarni; Resa Septiani Pontoh
BPRS HIK Parahyangan adalah sebuah bank syariah yang masih tergolong baru dan membutuhkan pembiayaan yang stabil. Pembiayaan merupakan penyediaan uang atau tagihan dengan kesepakatan antara bank dengan pihak yang bersangkutan dalam jangka waktu tertentu. Ketidakstabilan pembiayaan yang disalurkan akan berdampak kepada nasabah dan memicu kerugian pada BPRS HIK Parahyangan di kemudian hari. Dengan menggunakan metode VECM, akan dianalisis lebih lanjut faktor yang berpengaruh terhadap pembiayaan yang disalurkan maupun sebaliknya dengan menggunakan variabel modal inti dan pembiayaan bermasalah (NPF). Hasil dari penelitian menunjukan bahwa hubungan jangka panjang antar variabel pembiayaan disalurkan dan modal inti signifikan positif, sedangkan variabel pembiayaan disalurkan dan pembiayaan bermasalah tidak signifikan dan bernilai negatif. Diketahui juga bahwa variabel modal inti dan pembiayaan disalurkan mempengaruhi pembiayaan bermasalah sedangkan variabel modal inti dan pembiayaan yang disalurkan saling berpengaruh satu sama lainnya.
Peramalan Harga Cabai Merah di Kota Bandung Menggunakan Metode Bidirectional Long Short Term Memory
(2023-09-13) MOHAMAD NAUFAL FARRAS; Resa Septiani Pontoh; Restu Arisanti
Cabai merah di Indonesia merupakan salah satu komoditas strategis karena mudah untuk dipasarkan dan secara ekonomi dapat diandalkan dalam menunjang kesejahteraan masyarakat, namun seiring berjalannya waktu harga cabai merah menjadi tidak stabil. Ketidakstabilan harga cabai merah dapat berakibat buruk bagi masyarakat. Kota Bandung bukan produsen cabai merah, sehingga ketidakstabilan harga cabai merah menjadi permasalahan karena pemerintah Kota Bandung harus memasok cabai merah agar kebutuhan masyarakatnya terpenuhi dan harga cabai merah di Kota Bandung menjadi stabil. Oleh karena itu, dibutuhkan peramalan harga cabai merah dengan metode peramalan yang tepat dan akurat. Metode Bidirectional Long Short Term Memory (BiLSTM) digunakan dalam penelitian ini, karena metode ini cocok untuk data harga cabai merah di Kota Bandung yang memiliki karakteristik berfluktuasi, data historis yang panjang, dan kemungkinan terdapat ketidakaturan pola data. Hasil penelitian ini menunjukkan bahwa metode BiLSTM menghasilkan nilai evaluasi MAPE sebesar 5.6257% yang artinya, metode BiLSTM memiliki kemampuan peramalan yang sangat baik. Hasil peramalan dengan menggunakan metode BiLSTM menunjukkan bahwa harga cabai merah di Kota Bandung mengalami sedikit penurunan.
PEMODELAN PRODUK DOMESTIK BRUTO (PDB) DENGAN PENDEKATAN VECTOR ERROR CORRECTION MODEL (VECM)
(2023-03-16) ALDI ANUGERAH SITEPU; Bertho Tantular; Resa Septiani Pontoh
Produk Domestik Bruto memiliki peran yang sangat penting dalam membantu para pembuat kebijakan maupun pebisnis untuk mengerti kondisi perekonomian negara. Menurut teori Fisher, transaksi RTGS mempengaruhi Produk Domestik Bruto. Tujuan dari penelitian ini adalah memodelkan variabel Produk Domestik Bruto dengan mempertimbangkan variabel transaksi RTGS (Real Time Gross Settlement) dan mendapatkan nilai ramalan. Akan tetapi, data yang digunakan dalam penelitian ini tidak memenuhi asumsi stasioner pada level. Dengan demikian metode yang digunakan pada penelitian ini adalah Vector Error Correction Model (VECM). VECM merupakan salah satu model multivariat runtun waktu (time series) yang merupakan bentuk Vektor Autoregresive terestriksi dengan data yang tidak stasioner namun kombinasi liniernya memiliki kointegrasi. Hasil analisis model tersebut adalah terdapat kointegrasi antara variabel PDB dan variabel RTGS. Parameter model diestimasi menggunakan Maximum Likelihood Estimation (MLE), dengan hasil estimasi jangka panjang variabel RTGS signifikan pada taraf nyata 5% sebesar -0,8828. Dari analisis kausalitas Granger terdapat hubungan satu arah variabel PDB dengan variabel RTGS. Akurasi model ini ditunjukkan oleh nilai MAPE sebesar 0,10% yang termasuk dalam kategori sangat baik.

Browse

Recent Submissions