Pemodelan Harga Cabai Merah Menggunakan Model ARIMA (Studi Kasus: Harga Cabai Merah di Kota Padang Periode Januari 2010 – Desember 2020)

Cabai merah merupakan komoditas sayuran yang memiliki nilai ekonomis yang cukup tinggi, karena peranannya yang cukup besar untuk memenuhi kebutuhan domestik sebagai komoditi ekspor dalam industri pangan. Cabai merah juga merupakan salah satu komoditas yang termasuk dalam volatile food. Kenaikan harga komoditas cabai merah tersebut ketika dihitung secara parsial per komoditas, kontribusinya terhadap inflasi bulanan seringkali lebih unggul jika dibandingkan dengan komoditas lain dalam kelompok yang sama (Badan Pusat Statistik). Penelitian ini terpusat pada Kota Padang sebagai salah satu Kota Inflasi di Indonesia. Informasi naik turunnya harga cabai pada periode terdahulu diperlukan dalam analisis pasar untuk meramalkan harga beli cabai demi mengantisipasi kenaikan dan penurunan harga cabai dimasa mendatang dan kontrol terhadap nilai inflasi. Metode peramalan yang digunakan peneliti dalam meramalkan harga cabai adalah ARIMA Box-Jenkins. Dari tahapan pembentukan model ARIMA harga cabai merah Kota Padang, dapat disimpulkan bahwa data belum memiliki varian yang konstan sehingga perlu dilakukan transformasi data. Model ARIMA terbaik yang diperoleh setelah mean dan varians data stasioner yaitu AR(1,2)

PEMODELAN GAMBAR MENGGUNAKAN COPULA GAUSSIAN DENGAN METODE PARTISI

Penelitian ini memodelkan gambar menggunakan copula Gaussian. Metode pemodelan yang bersifat fleksibel karena tidak mensyaratkan distribusi normal pada nilai piksel gambar. Masalah kompleksitas komputasi yang disebabkan oleh dimensi data yang besar akan diatasi dengan metode partisi yang dilakukan pada penelitian ini. Data training berupa gambar apel dipartisi menjadi empat bagian yang nantinya kaan menjadi variabel bebas dalam model copula Gaussian. Optimasi model dilakukan dengan metode maksimum likelihood dan didapatkan hasil model copula Gaussian dengan hyperparameter length scale 1. Metode partisi dapat mereduksi dimensi data sehingga mampu mengatasi permasalahan kompleksitasi komputasi.

ANALISIS KUMULATIF COVID-19 PROVINSI PAPUA TAHUN 2020 MENGGUNAKAN MODEL DISTRIBUSI JOHNSON SB

Coronavirus belongs to the coronaviridae family. The coronavirus family groups are alpha (α), beta (β), gamma (γ) and delta (δ) coronavirus. Although research related to covid-19 in several provinces in Indonesia has been conducted by several researchers so far there has been no research related to the Covid-19 model in Papua province. One of the obstacles faced by some researchers is related to the Covid-19 data parameters which are difficult to estimate, so that the model formulated could not describe the outbreak well. Therefore the aim of this study is to conduct a cumulative analysis of the 2020 Papua province Covid-19 using the Johnson SB distribution model. The methods used to perform the analysis are Kolmogorov Smirnov for testing the suitability of the Covid-19 data to the model, Johnson SB to show the data distribution model, Maximum Likelihood to estimate the parameters and the Johnson SB cumulative distribution function to describe the probability of Covid-19 data. 19 Papua Province in 2020. The secondary data on the number of Covid-19 cases in Papua, obtained from the Papua Provincial Health Office is used in this research. The results showed that, the highest increase in the number of patients every day, starting from September 1 2020 to October 31, 2020 for infected cases was on 16-17 September, by 274 patients. Meanwhile, most recovery (308 patients) happened to be on 30-31 October and the highest death (5 people) was on 27-28 September. The highest cumulative probability for cases of infection, recovery and death were (Confirmed <4965) = 0.3, Prob(Cured <6408) = 0.9 and Prob(died <91) = 0.4 respectively.

Klasifikasi Status Bekerja Individu di Provinsi Banten Tahun 2020 dengan Menggunakan Metode LASSO dan Adaptive LASSO

Penelitian ini bertujuan membandingkan metode LASSO dan Adaptive LASSO dengan penggunaan imbalanced data pada regresi binary logistik. Studi kasus yang digunakan adalah pemodelan klasifikasi status bekerja individu di Provinsi Banten tahun 2020. Hasil yang didapat performa LASSO maupun Adaptive LASSO memberikan hasil yang sama baiknya. Dengan mempertimbangkan berbagai kriteria performa dalam accuracy, sensitivity dan specificity, maka model terbaik adalah model LASSO dengan simulasi data balanced 60 persen dan 40 persen dengan nilai masing-masing sebesar 79,16 persen; 80.29 persen dan 68,75 persen. Terdapat beberapa paradoks/anomali dalam hasil penelitian di antaranya peluang status tidak bekerja seseorang menurut lokasi tempat tinggal, gender dan pendidikan. Status disabilitas masih menjadi masalah dalam mencari pekerjaan. Semakin banyak anggota rumah tangga maka akan semakin tinggi peluangnya berstatus tidak bekerja. Semakin tinggi usia seseorang maka akan semakin kecil peluangnya berstatus tidak bekerja. Peluang status tidak bekerja seseorang yang menikah lebih kecil daripada yang belum/tidak kawin

Analisis dan Rancangan Sistem Fuzzy dalam Pengklasifikasian Tingkat Kemiskinan di Provinsi Aceh

Logika fuzzy adalah salah satu metode kecerdasan buatan (Artificial Intelligence) untuk menangani permasalahan ketidakpastian. Logika fuzzy telah diaplikasikan dalam berbagai bidang ilmu, termasuk bidang ekonomi dan kesejahteraan masyarakat. Penelitian ini bertujuan untuk mengetahui aplikasi sistem fuzzy dalam mengklasifikasikan tingkat kemiskinan di Provinsi Aceh dan mengetahui persentase tingkat kemiskinannya menggunakan rancangan sistem fuzzy. Kemiskinan merupakan keterbatasan kemampuan dalam memenuhi kebutuhan hidup secara layak seperti keterbatasan dalam pendapatan, keterampilan, kondisi kesehatan, penguasaan aset ekonomi, ataupun akses informasi. Penelitian ini menggunakan metode fuzzy mamdani yang difokuskan pada pengklasifikasian tingkat kemiskinan. Data yang digunakan merupakan data hasil Survey Sosial Ekonomi Nasional (Susenas) 2017 yang dilakukan oleh Badan Pusat STATISTIKA Journal of Theoretical Statistics and Its Applications (BPS). Hasil yang diperoleh berdasarkan 300 sampel adalah terdapat 54% rumah tangga dengan tingkat kemiskinan kategori Tidak Miskin, 21,7% rumah tangga dengan tingkat kemiskinan kategori Hampir Miskin, sedangkan 20,3% dan 4% masing-masing pada tingkat kemiskinan kategori Miskin dan Sangat Miskin.

MODEL NONPARAMETRIC GWR UNTUK IDENTIFIKASI FAKTOR YANG MEMPENGARUHI COD DAS MAHAKAM

ABSTRAKModel Regresi Spline Nonparametrik dengan Pembobot Geografis merupakan pengembangan model regresi nonparametrik untuk data spasial dengan estimator parameter bersifat lokal untuk setiap pengamatan yang di aplikasikan pada data spasial. Data penelitian ini merupakan data sekunder yang diperoleh dari Dinas Lingkungan Hidup Provinsi Kalimantan Timur Samarinda. Tujuan penelitian ini adalah menentukan model pada data Chemical Oxygen Demand (COD) di Daerah Aliran Sungai Mahakam Kalimantan Timur dan untuk mengetahui faktor-faktor apa saja yang mempengaruhi COD di 28 titik pengambilan sampel pada DAS Mahakam tahun 2018. Pada Metode Regresi Spline Nonparametrik dengan Pembobot Geografis terdapat pemilihan titik knot optimum dengan menggunakan kriteria Generalized Cross-Validation (GCV) yang terkecil. Pembobot spasial yang digunakan adalah fungsi kernel bisquare. Hasil penelitian menunjukkan bahwa faktor-faktor yang berpengaruh terhadap COD di DAS Mahakam adalah Dissolved Oxygen (DO), Nitrit, dan tingkat keasaman pH. Kata Kunci: Chemical Oxygen Demand, Pembobot Geografis, GCV, Knot dan Spline

DIAGNOSIS PENDERITA PENYAKIT KANKER PARU MENGGUNAKAN SUPPORT VECTOR MACHINE DAN NAÏVE BAYES

Menurut data jenis kanker yang menjadi penyebab kematian terbanyak adalah kanker paru, mencapai 1,7 juta kematian pertahun. Penyakit ini disebabkan oleh banyak faktor salah satunya genetika. Dalam penelitian ini akan dilakukan diagnosis kanker paru menggunakan metode Support Vector Machine (SVM) dan Naïve Bayes. Naïve Bayes merupakan teknik prediksi berbasis probabilitas sederhana yang berdasarkan pada model fitur independent, sedangkan klasifikasi menggunakan SVM dapat dijelaskan secara sederhana yaitu usaha untuk mendapatkan hyperplane sebagai fungsi pemisah terbaik yang dapat memisahkan dua kelas yang berbeda pada ruang input. Pada penelitian ini akan dibandingkan metode SVM dan Naive Bayes untuk didapatkan mana metode yang mempunyai akurasi terbaik. Data microarray yang digunakan pada penelitian ini berupa 80 individu dengan masing-masing jumlah ekspresi genetiknya 2408. Sebanyak 60 individu tergolong ke dalam kelas kanker, dan 20 individu termasuk ke dalam kelas normal. Hasil dari penelitian ini adalah SVM mempunyai nilai akurasi sebesar 90% dan Naïve Bayes mempunyai nilai akurasi sebesar 75%.

ANALISIS TINGKAT KEMISKINAN DI PROVINSI SUMATERA BARAT MELALUI PENDEKATAN REGRESI TERKENDALA (RIDGE REGRESSION, LASSO, DAN ELASTIC NET)

Pandemi Covid-19 yang mulai menyerang Indonesia semenjak Maret 2020 menyebabkan krisis ekonomi dan sosial di Indonesia, termasuk Sumatera Barat. Data BPS Sumatera Barat menyebutkan bahwa jumlah penduduk miskin bertambah sebanyak 20.056, dari 344.023 orang pada Maret 2020, menjadi 364.079 pada September 2020. Masalah kemiskinan merujuk pada konsep high dimensional data yang melibatkan banyak peubah sehingga digunakan Regresi Ridge, LASSO, dan Elastic Net yang dapat mengatasi masalah multikolinieritas. Penelitian ini bertujuan untuk melihat peubah yang memiliki pengaruh yang penting terhadap tingkat kemiskinan di Sumatera Barat menggunakan model terbaik yang terpilih dari Regresi Ridge, LASSO, dan Elastic Net. Hasil penelitian menunjukkan bahwa tingkat buta huruf merupakan peubah penting yang mempengaruhi tingkat kemiskinan di Sumatera Barat dengan model terbaik yaitu Regresi Ridge.

PEMODELAN MULTILEVEL UNTUK DATA KONSUMSI ENERGI LISTRIK

Pemodelan multilevel merupakan suatu metode yang dapat digunakan untuk memodelkan data yang mengandung struktur hirarki seperti data konsumsi energi listrik di Provinsi Aceh. Struktur hirarki dalam pemodelan multilevel disebut sebagai level, dimana struktur level pada data konsumsi energi listrik ini terdapat pada daya terpasang yang tersarang pada sektor pelanggan, dan sektor pelanggan tersarang pada area kerja PT. PLN (Persero) Wilayah Aceh. Penelitian ini dilakukan untuk mengetahui pengaruh dari variabel penjelas pada level 1 (daya terpasang, jumlah pelanggan, dan daya tersambung), variansi level 2 (sektor pelanggan), dan variansi level 3 (area kerja) tehadap konsumsi listrik di Provinsi Aceh. Model yang sesuai untuk memodel konsumsi energi listrik di Provinsi Aceh adalah model regresi (3-level) dengan nilai deviance, AIC, dan BIC terkecil secara berturut-turut sebesar 37402,42, 37476,41, dan 37682,99. Adanya pengaruh variansi dari sektor pelanggan dan area kerja PT. PLN (Persero) Wilayah Aceh menyatakan bahwa variabel daya terpasang 27 (Industri: > 200 kVA), 36 (Publik: > 200 kVA, 37 (Publik: penerangan jalan umum), 51 (RT: 450 VA), 52 (RT: 900 VA), (jumlah pelanggan), dan (jumlah daya tersambung) berpengaruh terhadap konsumsi energi listrik di Provinsi Aceh

Pengaruh Iklim Terhadap Kejadian Diare Berdasarkan Provinsi di Indonesia

Kondisi iklim di suatu tempat dapat mempengaruhi proses kehidupan makhluk hidup. Salah satu pengaruh yang merugikan terhadap kesehatan manusia adalah pengaruhnya terhadap kejadian suatu penyakit. Sebuah studi di Peru mengatakan bahwa tejadi peningkatan kejadian diare ketika terjadi perubahan iklim. Penelitian ini bertujuan untuk mengetahui hubungan kondisi iklim terhadap kejadian diare berdasarkan provinsi di Indonesia. Variabel yang dianalisis adalah unsur-unsur iklim (suhu udara, kelembaban udara, kecepatan angin, dan jumlah curah hujan) dan jumlah kejadian diare dari tahun 2016 sampai dengan 2018. Berdasarkan hasil analisis deskriptif yang dilakukan dapat disimpulkan rata-rata suhu udara berdasarkan provinsi di Indonesia pada tahun 2016-2018 tidak mengalami kenaikan atau penurunan yang signifikan. Lalu ,rata-rata kelembaban udara berdasarkan provinsi di Indonesia pada tahun 2016-2018 tidak mengalami kenaikan atau penurunan yang signifikan bahkan cenderung tetap. Kemudian, rata-rata kecepatan angin berdasarkan provinsi di Indonesia pada tahun 2016-2018 mengalami penurunan yang tidak signifikan. Lalu, rata-rata jumlah curah hujan berdasarkan provinsi di Indonesia pada tahun 2016-2018 mengalami kenaikan dan penurunan yang cukup signifikan. Kemudian, rata-rata jumlah kejadian diare berdasarkan provinsi di Indonesia pada tahun 2016-2018 mengalami kenaikan dan penurunan yang cukup signifikan. Teknis analisis yang digunakan adalah analisis regresi data panel menggunakan model fixed effect (FEM). Hasil penelitian menunjukkan bahwa hanya variabel kelembaban udara yang mempengaruhi jumlah kejadian diare secara individu. Kelembaban udara adalah faktor penentu perubahan kejadian diare yang berperan nyata positif dengan model regresi . Model regresi data panel yang terbentuk mampu menjelaskan variabilitas tingkat kejadian diare berdasarkan 33 provinsi di Indonesia sebesar 98.57%.