Article Per Year (5 Year)
p-Index From 2019 - 2024
0.778
P-Index
This Author published in this journals
All Journal Kubik KUBIK: Jurnal Publikasi Ilmiah Matematika
Bambang Suhandi
Lembaga Antariksa dan penerbangan Nasional Pameungpeuk Garut
Computer Science & IT Economics, Econometrics & Finance Education Mathematics

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
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

Abstract

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.
Perbandingan Penerapan Metode Agglomerative dengan Metode K-Means pada Data Curah Hujan di Wilayah Bogor Budi Nurani Ruchjana; Hera Khoirunnisa; iin Irianingsih; Bambang Suhandi
KUBIK Vol 5, No 2 (2020): 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.v5i2.7581

Abstract

Bogor merupakan salah satu wilayah di Jawa Barat yang dijuluki sebagai kota hujan karena memiliki curah hujan relatif lebih besar dibandingkan dengan wilayah lain sehingga perlu diadakannya pengelompokan wilayah berdasarkan tinggi rendahnya curah hujan sebagai acuan pemerintah dalam penanganan bencana. Teknik statistika multivariat yang bertujuan untuk mengelompokan objek berdasarkan karakteristiknya adalah analisis cluster. Metode analisis cluster yang digunakan penelitian ini yaitu Agglomerative dan K-Means. Perbedaan yang signifikan dari kedua metode tersebut terdapat pada proses pembentukan cluster. Oleh karena itu, tujuan pada penelitian ini adalah membandingkan metode yang tebaik berdasarkan kerapatan cluster. Data yang digunakan dalam penelitian ini adalah data agregat curah hujan bulanan musim basah dari 24 stasiun pos hujan di wilayah Bogor. Hasil penelitian ini adalah wilayah Bogor dapat dibagi menjadi 2 cluster yaitu cluster 1 kategori curah hujan sedang dan cluster 2 kategori curah hujan tinggi dengan perbandingan nilai kerapatan cluster kedua metode menghasilkan nilai yang sama yaitu sebesar 49,4% sehingga kedua metode tersebut baik untuk digunakan dalam pembentukan cluster curah hujan di wilayah Bogor dan bisa dijadikan sebagai rekomendasi bagi instansi terkait penggunaan data curah hujan seperti LAPAN dan BMKG.
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

Abstract

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.
Perbandingan Penerapan Metode Agglomerative dengan Metode K-Means pada Data Curah Hujan di Wilayah Bogor Budi Nurani Ruchjana; Hera Khoirunnisa; iin Irianingsih; Bambang Suhandi
KUBIK Vol 5, No 2 (2020): 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.v5i2.7581

Abstract

Bogor merupakan salah satu wilayah di Jawa Barat yang dijuluki sebagai kota hujan karena memiliki curah hujan relatif lebih besar dibandingkan dengan wilayah lain sehingga perlu diadakannya pengelompokan wilayah berdasarkan tinggi rendahnya curah hujan sebagai acuan pemerintah dalam penanganan bencana. Teknik statistika multivariat yang bertujuan untuk mengelompokan objek berdasarkan karakteristiknya adalah analisis cluster. Metode analisis cluster yang digunakan penelitian ini yaitu Agglomerative dan K-Means. Perbedaan yang signifikan dari kedua metode tersebut terdapat pada proses pembentukan cluster. Oleh karena itu, tujuan pada penelitian ini adalah membandingkan metode yang tebaik berdasarkan kerapatan cluster. Data yang digunakan dalam penelitian ini adalah data agregat curah hujan bulanan musim basah dari 24 stasiun pos hujan di wilayah Bogor. Hasil penelitian ini adalah wilayah Bogor dapat dibagi menjadi 2 cluster yaitu cluster 1 kategori curah hujan sedang dan cluster 2 kategori curah hujan tinggi dengan perbandingan nilai kerapatan cluster kedua metode menghasilkan nilai yang sama yaitu sebesar 49,4% sehingga kedua metode tersebut baik untuk digunakan dalam pembentukan cluster curah hujan di wilayah Bogor dan bisa dijadikan sebagai rekomendasi bagi instansi terkait penggunaan data curah hujan seperti LAPAN dan BMKG.
Co-Authors Atika Tresna Arianto Budi Nurani Ruchjana Hera Khoirunnisa Iin Irianingsih Kankan Parmikanti