Garuda - Garba Rujukan Digital

Peramalan Konsentrasi Particulate Matter 2.5 (PM2.5) menggunakan Model Vector Autoregressive dengan Metode Maximum Likelihood Estimation Budi Nurani Ruchjana; Atika Tresna Arianto; Kankan Parmikanti; Bambang Suhandi
KUBIK Vol 6, No 1 (2021): KUBIK: Jurnal Publikasi Ilmiah Matematika
Publisher : Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/kubik.v6i1.8046

Particulate Matter 2.5 yang selanjutnya disingkat PM2.5 merupakan partikel udara yang memiliki ukuran . Paparan PM2.5 dapat mempengaruhi fungsi paru-paru dan memperburuk kondisi kesehatan seperti asma, bronkitis hingga kanker paru-paru. PM2.5 berasal dari berbagai sumber seperti hasil pembakaran bahan bakar kendaraan bermotor, hingga kebakaran hutan. Untuk meramalkan Konsentrasi PM2.5 dapat digunakan model time series univariat, salah satunya model Autoregressive yang selanjutnya disingkat AR. Data Konsentrasi PM2.5 memiliki pola stasioner, sehingga dapat dibangun model AR. Konsentrasi PM2.5 di suatu wilayah dipengaruhi oleh Konsentrasi PM2.5 wilayah di sekitarnya pada waktu-waktu sebelumnya, sehingga dapat dibentuk model Vector Autoregressive yang selanjutnya disingkat VAR. Metode yang digunakan untuk menaksir model VAR dalam penelitian ini adalah metode Maximum Likelihood Estimation yang selanjutnya disingkat MLE dengan bantuan software R dan Microsoft Excel. Model VAR diterapkan untuk peramalan jangka pendek Konsentrasi PM2.5 di Kab. Cirebon, Kab. Kuningan, dan Kab. Majalengka. Hasil penelitian menunjukkan bahwa konsentrasi PM2.5 di ketiga kabupaten memiliki korelasi yang cukup tinggi dan satu sama lain saling mempengaruhi, sehingga penggunaan model VAR dapat memberikan rekomendasi untuk peramalan konsentrasi PM2.5 pada waktu mendatang dengan memperhitungkan pengaruh konsentrasi PM2.5 dari lokasi-lokasi terdekat di sekitar lokasi tertentu.

Parameter Estimation STAR (1;1) Model Using Binary Weight Khafsah Joebaedi; Iin Irianingsih; Badrulfalah Badrulfalah; Dwi Susanti; Kankan Parmikanti
EKSAKTA: Berkala Ilmiah Bidang MIPA Vol. 20 No. 2 (2019): Eksakta : Berkala Ilmiah Bidang MIPA (E-ISSN : 2549-7464)
Publisher : Faculty of Mathematics and Natural Sciences (FMIPA), Universitas Negeri Padang, Indonesia

Space Time Auto Regressive(1;1) Model or STAR(1;1) model is a form of model that involves location and time. The STAR(1;1) model is a stationary space time model in mean and variance. The STAR model can be used to forecast future observations at these locations by involving the effects of observations at other nearby locations in spatial lag 1 and lag time 1 [2]. The STAR model can be written as a linear model assuming that error is normally distributed with zero mean and constant variance. In this research, the parameter estimation procedure for STAR model using binary weight, MKT method and STAR model for the estimation of petroleum production in 3 wells is assumed to be in a homogeneous reservoir.

Interest Rate in Pension Plan Premium Calculation Khafsah Joebaedi; Kankan Parmikanti; Agus Supriatna; Fauzi Akhmad; Badrulfalah Badrulfalah; Nendi Suhendi Syafei
EKSAKTA: Berkala Ilmiah Bidang MIPA Vol. 21 No. 1 (2020): Eksakta : Berkala Ilmiah Bidang MIPA (E-ISSN : 2549-7464)
Publisher : Faculty of Mathematics and Natural Sciences (FMIPA), Universitas Negeri Padang, Indonesia

This research aims to analyze the relationship between the interest rate relationship is inversely proportional to the amount of the premium on the pension plan. The method used is to measure several variables, among others FSL (Future Service Liability), PVFSAL (Present Value Future Salary), PR (Pension Rate) and Premiums. Calculation, life annuity uses actuarial assumptions, one of which is the interest rate assumption, if the assumptions used are not in accordance with the actual conditions, then what happens is excessive payments or deficient payments. The interest rate has an influence in the process of calculating the defined benefit pension plan premium. Using the assumption of different interest rates (11%, 12 % and 13%), it is found that the interest rate relationship is inversely proportional to the amount of the premium. The results of this study are FSL, PVFSAL, PR and Premiums for the interest of 11%, 12% and 13% (participants aged 25 years) as follows 720,187.97; 554,000,24; 430,570.07 (FSL in Rupiah); 27,155,187.70; 24,922,770,59; 23,002,699.40 (PVFSAL in Rupiah); 2.6521; 2.2229; 1.8718 (PR in%) and 55,535.38; 46,546.85; 39,196.00 (Premiums in Rupiah)The higher the interest rate, the smaller the pension premium and vice versa.

Pemetaan Jenis Tindak Kriminal di Indonesia Berdasarkan Karakteristik Wilayah Menggunakan Canonical Correspondence Analysis (CCA) Luthfi Ghiffari; Nurul Gusriani; Kankan Parmikanti
Jurnal Statistika dan Aplikasinya Vol 5 No 2 (2021): Jurnal Statistika dan Aplikasinya
Publisher : Program Studi Statistika FMIPA UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/JSA.05202

Tindak kriminal merupakan segala macam bentuk tindakan yang merugikan secara ekonomis dan psikologis yang melanggar hukum, norma-norma sosial, serta agama. Terjadinya tindak kriminal di suatu wilayah dapat berhubungan dengan berbagai karakter masyarakat diantaranya pendidikan, kependudukan, dan ekonomi. Setiap wilayah di Indonesia pasti memiliki karakteristik yang berbeda-beda, sehingga kecenderungan terjadinya tidak kriminal akan berbeda pula di setiap wilayahnya. Penelitian ini dilakukan dengan tujuan untuk membuat pemetaan jenis tindak kriminal berdasarkan karakteristik wilayah di Indonesia. Unit pengamatan pada penelitian ini adalah 34 provinsi di Indonesia. Data yang digunakan adalah data sekunder yang didapat dari Badan Pusat Statistik Indonesia pada tahun 2019. Metode yang digunakan pada penelitian adalah metode Canonical Correspondence Analsis (CCA). Hasil penelitian didapatkan pemetaan jenis-jenis tindak kriminal berdasarkan karakteristik wilayah di Indonesia pada peta triplot. Peta tripot yang dihasilkan dapat menjelaskan 90.6% dari total inersia yang ditangkap oleh CCA. Melalui uji permutasi Monte Carlo, ditunjukkan bahwa terdapat hubungan yang signifikan antara karakteristik wilayah dengan penyebaran jenis tindak kriminal.

Peramalan Konsentrasi Particulate Matter 2.5 (PM2.5) menggunakan Model Vector Autoregressive dengan Metode Maximum Likelihood Estimation Budi Nurani Ruchjana; Atika Tresna Arianto; Kankan Parmikanti; Bambang Suhandi
KUBIK Vol 6, No 1 (2021): KUBIK: Jurnal Publikasi Ilmiah Matematika
Publisher : Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/kubik.v6i1.8046

Particulate Matter 2.5 yang selanjutnya disingkat PM2.5 merupakan partikel udara yang memiliki ukuran . Paparan PM2.5 dapat mempengaruhi fungsi paru-paru dan memperburuk kondisi kesehatan seperti asma, bronkitis hingga kanker paru-paru. PM2.5 berasal dari berbagai sumber seperti hasil pembakaran bahan bakar kendaraan bermotor, hingga kebakaran hutan. Untuk meramalkan Konsentrasi PM2.5 dapat digunakan model time series univariat, salah satunya model Autoregressive yang selanjutnya disingkat AR. Data Konsentrasi PM2.5 memiliki pola stasioner, sehingga dapat dibangun model AR. Konsentrasi PM2.5 di suatu wilayah dipengaruhi oleh Konsentrasi PM2.5 wilayah di sekitarnya pada waktu-waktu sebelumnya, sehingga dapat dibentuk model Vector Autoregressive yang selanjutnya disingkat VAR. Metode yang digunakan untuk menaksir model VAR dalam penelitian ini adalah metode Maximum Likelihood Estimation yang selanjutnya disingkat MLE dengan bantuan software R dan Microsoft Excel. Model VAR diterapkan untuk peramalan jangka pendek Konsentrasi PM2.5 di Kab. Cirebon, Kab. Kuningan, dan Kab. Majalengka. Hasil penelitian menunjukkan bahwa konsentrasi PM2.5 di ketiga kabupaten memiliki korelasi yang cukup tinggi dan satu sama lain saling mempengaruhi, sehingga penggunaan model VAR dapat memberikan rekomendasi untuk peramalan konsentrasi PM2.5 pada waktu mendatang dengan memperhitungkan pengaruh konsentrasi PM2.5 dari lokasi-lokasi terdekat di sekitar lokasi tertentu.

ESTIMASI PARAMETER MODEL REGRESI NONPARAMETRIK B-SPLIN E PADA ANGKA KEMATIAN MATERNAL DHEA ARIESTA; NURUL GUSRIANI; KANKAN PARMIKANTI
Jurnal Matematika UNAND Vol 10, No 3 (2021)
Publisher : Jurusan Matematika FMIPA Universitas Andalas Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/jmu.10.3.342-354.2021

Angka kematian maternal menjadi salah satu indikator yang dapat menggambarkan kesejahteraan masyarakat di suatu negara. Pada tahun 2019, di Provinsi Jawa Barat tercatat jumlah kematian ibu sebanyak 684 kasus atau 74,19 per 100.000 kelahiran hidup. Salah satu upaya untuk menurunkan angka kematian maternal di Provinsi Jawa Barat dapat dilakukan dengan memodelkan angka kematian maternal terhadap faktor yang mempengaruhinya sehingga nilai kematian maternal dapat diestimasi. Pada penelitian ini, angka kematian maternal di Provinsi Jawa Barat diestimasi dengan parameter model regresi nonparametrik B-Spline menggunakan pendekatan metode Ordinary Least Square (OLS). Pemilihan regresi nonparametrik B-Spline dikarenakan hasil plotting setiap variabel respon terhadap variabel prediktor tidak menunjukkan pola tertentu, selain itu model regresi B-Spline memiliki fleksibilitas yang tinggi. Model B-Spline terbaik bergantung pada penentuan titik knot optimal yaitu dengan nilai Generalized Cross Validation (GCV) minimum. Setelah dilakukan analisis angka kematian maternal berdasarkan regresi nonparametrik B-Spline diperoleh suatu model terbaik pada saat orde dua dan banyaknya titik knot untuk X1 adalah dua, X2 adalah satu, X3 adalah tiga, dan X4 adalah tiga dengan nilai GCV sebesar 352,3002, sementara nilai koefisien determinasi yang diperoleh sebesar 0, 8443. Kata Kunci: Angka Kematian Maternal, B-Spline, Ordinary Least Square

MODEL STAR DENGAN BOBOT SERAGAM SEBAGAI PENDETEKSI DEBIT AIR SUNGAI CITARUM Kankan Kankan Parmikanti; Khafsah Joebaedi; Iin Irianingsih
Jurnal Ilmiah Matematika dan Pendidikan Matematika Vol 8 No 2 (2016): Jurnal Ilmiah Matematika dan Pendidikan Matematika
Publisher : Jurusan Matematika FMIPA Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20884/1.jmp.2016.8.2.2891

Lately when rainfall in West Java is quite high, the problem of flooding caused by overflowing of the river has always been a trending topic of regional leaders. Whatever the causes of flooding, be it because a lot of waste dumped in rivers or due to illegal logging of trees in the forest, the river water discharge increased rapidly, and overflowed into public housing. Based on the above, it should be made a model that can predict the water discharge of the river from time to time in various locations in West Java. In this paper will be presented studies Space Time Auto Regression models STAR (1,1) to model the problem of water discharge some rivers in West Java, which can be useful for predicting the discharge of river water in the future. By using Least Squares Method as predictors for the parameters, as well as assuming a uniform weighting matrix, the result that the water discharge of a river in addition affected by the river water flow at an earlier time, it is also influenced by the discharge of river water around.

Turunan Fraksional Fungsi Polinom Menggunakan Deret Kuasa Kankan Parmikanti; Endang Rusyaman
Prosiding Industrial Research Workshop and National Seminar Vol 10 No 1 (2019): Prosiding Industrial Research Workshop and National Seminar
Publisher : Politeknik Negeri Bandung

Turunan fraksional adalah turunan yang ordenya merupakan perumuman bilangan asli menjadi bilangan rasional. Metode yang umum digunakan untuk menentukan turunan fraksional diantaranya adalah aturan Grundwald-Letnikov, Riemann-Liouville dan aturan Caputo. Deret Kuasa atau deret pangkat dan Turunan fraksional sejatinya adalah dua kajian yang berbeda dalam matenatika. Deret Kuasa khususnya deret Taylor adalah alat untuk menguraikan sebuah fungsi menjadi deret pangkat. Dalam makalah ini penulis akan menyajikan suatu topik yang bertujuan untuk memperlihatkan tentang bagaimana menentukan turunan fraksional dari sebuah fungsi polinom menggunakan metode deret pangkat, khususnya deret Taylor. Langkah pertama, fungsi yang akan dicari turunan fraksionalnya adalah konstanta dan xm, kemudian dengan menggunakan sifat penjumlahan dan perkalian turunan fraksional, fungsinya diperluas menjadi fungsi polinom. Dalam metode ini, fungsi terlebih dahulu dinyatakan dalam deret pangkat, kemudian dengan bantuan fungsi Gamma dan analisis kombinatorik, deret pangkat tersebut diolah sedemikian sehingga menghasilkan suatu rumus umum untuk mencari turunan fraksional sebuah fungsi.

Grundwald-Letnikov Operator and Its Role in Solving Fractional Differential Equations Kankan Parmikanti; Endang Rusyaman
EKSAKTA: Berkala Ilmiah Bidang MIPA Vol. 23 No. 03 (2022): Eksakta: Berkala Ilmiah Bidang MIPA (E-ISSN : 2549-7464)
Publisher : Faculty of Mathematics and Natural Sciences (FMIPA), Universitas Negeri Padang, Indonesia

Leibnitz in 1663 introduced the derivative notation for the order of natural numbers, and then the idea of fractional derivatives appeared. Only a century later, this idea began to be realized with the discovery of the concepts of fractional derivatives by several mathematicians, including Riemann (1832), Grundwal, Fourier, and Caputo in 1969. The concepts in the definitions of fractional derivatives by Riemann-Liouville and Caputo are more frequently used than other definitions, this paper will discuss the Grunwald-Letnikov (GL) operator, which has been discovered in 1867. This concept is less popular when compared to the Riemann-Liouville and Caputo concepts, however, this concept is quite interesting because the concept of derivation is developed from the definition of ordinary derivatives. In this paper will be shown that the formulas for the fractional derivative using the GL concept are the same as the results obtained using the Riemann-Liouville and Caputo concepts. As a complement, we will give an example of solving a fractional differential equation using Modified Homotopy Perturbation Methods.

Penerapan Rantai Markov Terboboti Untuk Memprediksi Tingkat Inflasi Di Indonesia Diansyah D. Darmawan; Firdaniza Firdaniza; Kankan Parmikanti
SisInfo Vol 2 No 01 (2020): SisInfo
Publisher : Universitas Informatika dan Bisnis Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (513.053 KB)

Inflasi diartikan sebagai kenaikan harga barang dan jasa secara umum dan terus-menerus. Inflasi yang terus meningkat atau tidak terkendali dapat berdampak buruk terhadap perekonomian suatu negara, sehingga penentuan kebijakan moneter untuk mengendalikan tingkat inflasi agar tetap rendah harus dilakukan dengan tepat. Namun, kebijakan moneter tidak akan berdampak secara langsung terhadap perekonomian suatu negara, oleh karena itu tingkat inflasi untuk masa yang akan datang perlu diketahui agar dapat membantu lembaga keuangan dalam penentuan kebijakan moneter. Pada penelitian ini rantai Markov terboboti digunakan untuk memprediksi keadaan inflasi di Indonesia untuk enam bulan ke depan dengan penentuan prediksi tingkat inflasinya berdasarkan nilai karakteristik keadaan. Hasil prediksi pada penelitian ini menghasilkan nilai MAPE sebesar 4,48% artinya prediksi tingkat inflasi di Indonesia dengan menggunakan rantai Markov terboboti dapat dikatakan memiliki akurasi yang sangat baik.

Title

Found 21 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 21 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 21 Documents
Search