Garuda - Garba Rujukan Digital

Uji Kesamaan Beberapa Koefisien Korelasi Anneke Iswani Achmad
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 2, No 1 (2002)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v2i1.490

Dalam analisis regresi, khususnya regresi linier berganda selain ditaksir koefisien regresinyakadangkala peneliti juga menguji keberartia koefisien korelasi berganda untuk melihat besarnyapengaruh keseluruhan variabel bebas terhadap variabel tak bebas. Makalah ini mencobamenawarkan suatu bentuk analisis yang tujuannya menguji kesamaan beberapa koefisien korelasidalam regresi linier berganda. Pengujian kesamaan beberapa koefisien korelasi dilakukan melaluistatistik uji t dengan terlebih dahulu menghitung koefisien korelasi produk moment.

Metode Statistika untuk Menaksir Kesesuaian antara Dua Alat Ukur Anneke Iswani Achmad
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 4, No 1 (2004)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v4i1.806

Dalam membandingkan dua alat ukur, perlu diperhatikan apakah alat ukur yang satu cukup baik untuk menggantikan alat ukur yang kedua. Sebuah metode alternatif dibahas dalam makalah iniberdasarkan teknik grafis dan perhitungan yang sederhana.

Metode Regresi Probit Biner untuk Pemodelan Faktor-Faktor yang Mempengaruhi Diagnosis Penyakit Jantung Hasna; Anneke Iswani Achmad
Jurnal Riset Statistika Volume 2, No. 1, Juli 2022, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Abstract. Regression analysis is a method used to explain the functional relationship between the response variable (Y) and the predictor variable (X). But in reality, it is not uncommon to use qualitative data in the form of binary. Binary probit regression is a regression model that is used to explain the relationship between the response variable and one or more predictor variables, where the response variable is qualitative while the predictor variable can be quantitative and/or qualitative. The binary probit model is a form of the Generalized Linear Model (GLM) model that is used to analyze the relationship between one response variable and several predictor variables, where the response variable is binary quantitative data with values of 0 and 1. Parameter estimation using the Maximum Likelihood method, and solved by Newton Raphson's method. The purpose of this study is to model the factors that influence the diagnosis of heart disease. In this thesis, the data used is secondary data regarding the analysis & prediction of heart attack datasets. Based on the research, it can be seen that the influencing factors are gender, cholesterol, maximum heart rate, angina, and a decrease in the ST segment. Classification accuracy is 79.21% with a misclassification value of 20.79%. Abstrak. Analisis regresi merupakan suatu cara yang digunakan untuk menjelaskan hubungan fungsional antara variabel respon (Y) dengan variabel prediktor (X). Namun dalam kenyataan tidak jarang menggunakan data kualitatif yang berbentuk biner. Regresi probit biner merupakan suatu model regresi yang digunakan untuk menjelaskan hubungan antara variabel respon dengan satu atau lebih variabel prediktor, dimana pada variabel respon bersifat kualitatif sedangkan variabel prediktor bisa bersifat kuantitatif dan atau kualitatif. Model probit biner merupakan salah satu bentuk dari model Generalized Linear Model (GLM) yang digunakan untuk menganalisis hubungan antara satu variabel respon dengan beberapa variabel prediktor, dimana variabel responnya berupa data kuantitatif biner yang bernilai 0 dan 1. Estimasi parameter menggunakan metode Maximum Likelihood, dan diselesaikan dengan metode Newton Raphson. Tujuan penelitian ini adalah untuk pemodelan faktor-faktor yang mempengaruhi diagnosis penyakit jantung. Pada skripsi ini, data yang digunakan merupakan data sekunder mengenai analisa & dataset prediksi serangan jantung. Berdasarkan penelitian dapat diketahui faktor-faktor yang mempengauhi yaitu jenis kelamin, kolesterol, detak jantung maksimum, angina, dan penurunan segmen ST. Ketepatan klasifikasi sebesar 79,21% dengan nilai kesalahan klasifikasi 20,79%.

Metode Classification And Regression Trees untuk Pengklasifikasian Faktor-Faktor yang Mempengaruhi Pengangguran Terbuka di Provinsi Jawa Barat Tahun 2020 Seruni Purwanti Djuniar; Anneke Iswani Achmad
Bandung Conference Series: Statistics Vol. 2 No. 2 (2022): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Abstract. CART (Classification And Regression Trees) is a classification method that uses historical data to build decision trees. The CART method is used to form a classification tree using the gini index value obtained from the probability value of each node candidate. The CART method used aims to look at the factors that influence open unemployment in West Java Province in 2020. In this study, the independent variables that affect open unemployment are gender (X1), age (X2), education (X3), and marital status (X4), while for the status variable in the household (X5) from the classification tree results indicate that this variable is not a differentiating variable. From the results of the classification tree research formed, the results obtained for respondents with low and high levels of education who are male, both married and unmarried are included in the working classification, while for respondents with low and high education levels, If a woman is not married, then she works, while if she is married, she is considered unemployed. And for respondents with secondary education level, both male and female, who are married or not included in the unemployment classification. In this study, the classification of open unemployment resulted in an accuracy of classification on the testing data of 69.79%. Abstrak. CART (Classification And Regression Trees) adalah metode klasifikasi yang menggunakan data historis untuk membangun pohon keputusan. Metode CART digunakan untuk membentuk pohon klasifikasi dengan menggunakan nilai indeks gini yang didapat dari nilai probabilitas setiap calon simpul. Metode CART yang digunakan bertujuan untuk melihat faktor-faktor yang mempengaruhi pengangguran terbuka di Provinsi Jawa Barat tahun 2020. Dalam penelitian ini, variabel bebas yang berpengaruh terhadap pengangguran terbuka yaitu jenis kelamin (X1), usia (X2), pendidikan (X3), dan status pernikahan (X4), sementara untuk variabel status dalam rumah tangga (X5) dari hasil pohon klasifikasi menunjukkan bahwa variabel tersebut bukanlah sebagai variabel pembeda. Dari hasil penelitian pohon klasifikasi yang terbentuk, maka didapatkan hasil untuk responden dengan tingkat pendidikan rendah serta tinggi yang berjenis kelamin laki-laki, baik yang sudah menikah maupun yang belum menikah termasuk ke dalam klasifikasi bekerja, sedangkan untuk responden dengan tingkat pendidikan rendah dan tinggi, yang berjenis kelamin perempuan jika belum menikah maka ia bekerja, sedangkan yang sudah menikah maka ia termasuk pengangguran. Dan untuk responden dengan tingkat pendidikan menengah dengan jenis kelamin laki-laki maupun perempuan, yang sudah menikah maupun belum termasuk ke dalam klasifikasi pengangguran. Dalam penelitian ini pula, pengklasifikasian pengangguran terbuka menghasilkan ketepatan klasifikasi pada data testing sebesar 69,79%.

Penerapan Regresi Binomial Negatif dalam Memodelkan Angka Kelahiran Remaja Usia 15-19 Tahun di Indonesia pada Tahun 2017 Zahra Tiara Aini; Anneke Iswani Achmad
Bandung Conference Series: Statistics Vol. 2 No. 2 (2022): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Abstract. Poisson regression is a method to analyze the relationship between the independent variable and the dependent variable, which is discrete. In Poisson regression, it must meet the assumption of equidispersion, namely the assumption that the variance and average values of the data are the same. However, discrete data often experiences overdispersion conditions, namely a situation where the variance value is greater than the average. A good alternative regression model for data experiencing overdispersion conditions is a negative binomial regression model that can model data experiencing overdispersion without having to eliminate the overdispersion condition originating from the data. The purpose of this study is to obtain results from the application of negative binomial regression in modeling the birth rate of adolescents aged 15–19 years in Indonesia in 2017 and to find out what factors significantly influence the birth rate of adolescents aged 15–19 years in Indonesia in 2017. From the analysis results, the negative binomial regression model is = exp(5,075 – 4,187×10-2X1 + 8,994×10-3X2 – 3,223×10-7X3 – 4,722X4 + 5,935×10-2X5) and the best negative binomial regression model is = exp(4,750808 + 0,012731X2 – 5,088598X4 + 0,066272X5). Based on the test results, it was found that the Gini index and the percentage of the female population aged 15–19 years who were ever married had a significant effect on the birth rate of adolescents aged 15–19 years in Indonesia in 2017. Abstrak. Regresi Poisson adalah suatu metode untuk menganalisis hubungan antara variabel bebas dengan variabel terikat yang bersifat diskrit. Pada regresi Poisson harus memenuhi asumsi equidispersi yaitu asumsi nilai varians serta rata-rata dari data adalah sama. Namun, pada data diskrit tak jarang mengalami kondisi overdispersi yaitu keadaan dimana nilai varians lebih besar dari rata-rata. Model regresi alternatif yang baik untuk data yang mengalami kondisi overdispersi adalah model regresi binomial negatif yang dapat memodelkan data yang mengalami overdispersi tanpa harus menghilangkan kondisi overdispersi yang berasal dari data. Tujuan dari penelitian ini adalah memperoleh hasil dari penerapan regresi binomial negatif dalam memodelkan angka kelahiran remaja usia 15-19 tahun di Indonesia pada tahun 2017 serta mengetahui faktor apa saja yang berpengaruh secara signifikan terhadap angka kelahiran remaja usia 15-19 tahun di Indonesia pada tahun 2017. Dari hasil analisis diperoleh model regresi binomial negatif nya adalah = exp(5,075 – 4,187×10-2X1 + 8,994×10-3X2 – 3,223×10-7X3 – 4,722X4 + 5,935×10-2X5) dan model regresi binomial negatif terbaik nya adalah = exp(4,750808 + 0,012731X2 – 5,088598X4 + 0,066272X5). Berdasarkan hasil pengujian, diperoleh indeks gini dan persentase penduduk perempuan berusia 15-19 tahun yang pernah kawin berpengaruh secara signifikan terhadap angka kelahiran remaja usia 15-19 tahun di Indonesia pada tahun 2017.

Regresi Nonparametrik Spline Truncated untuk Pemodelan Persentase Penduduk Miskin di Jawa Barat Pada Tahun 2021 Rosse Millania Pichago Firpha; Anneke Iswani Achmad
Bandung Conference Series: Statistics Vol. 2 No. 2 (2022): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Abstract. Nonparametric regression is a statistical method used to model the relationship between response variables and predictor variables whose pattern shape is unknown. In nonparametric regression there are several approaches, one of which is the spline. Spline nonparametric regression, if there is one predictor variable then the regression is called univariable spline nonparametric regression. Conversely, if there is one response variable with more than one predictor variable then the regression is called a multivariable spline nonparametric regression. In nonparametric regression there is a truncated spline model. The truncated spline function is a polynomial function that is dismembered at a knot point. A knot point is a joint fusion point where the function is truncated, or a point that describes a change in data behavior at a certain sub-sub-interval. Therefore, truncated spline models have an excellent ability to handle data whose behavior is arbitrary at certain sub-sub intervals. This study will use truncated spline nonparametric regression to model the number of poor people in West Java in 2021. The data used is secondary data sourced from the publication of the Indonesian Central Statistics Agency (BPS). Abstrak. Regresi nonparametrik adalah suatu metode statistika yang digunakan untuk memodelkan hubungan antara variabel respon dengan variabel prediktor yang tidak diketahui bentuk polanya. Dalam regresi nonparametrik terdapat beberapa pendekatan salah satunya spline. Regresi nonparametrik spline, jika terdapat satu variabel prediktor maka regresi tersebut dinamakan regresi nonparametrik spline univariabel. Sebaliknya, apabila terdapat satu variabel respon dengan lebih dari satu variabel prediktor maka regresi tersebut disebut regresi nonparametrik spline multivariable. Dalam regresi nonparametrik terdapat model Spline Truncated. Fungsi Spline Truncated merupakan fungsi polinomial yang terpotong-potong pada suatu titik knot. Titik knot merupakan titik perpaduan bersama dimana fungsi tersebut terpotong, atau titik yang menggambarkan terjadinya perubahan perilaku data pada sub-sub interval tertentu. Oleh karena itu, model Spline Truncated memiliki kemampuan yang sangat baik untuk menangani data yang perilakunya berubah-ubah pada sub-sub interval tertentu. Pada penelitian ini akan menggunakan regresi nonparametrik Spline Truncated untuk mememodelkan jumlah penduduk miskin di Jawa Barat pada tahun 2021. Data yang digunakan adalah data sekunder yang bersumber dari publikasi Badan Pusat Statistika (BPS) Indonesia.

Metode Regresi Data Panel untuk Meramalkan Penjualan Energi di Indonesia Nadia Ratu Filgrima; Anneke Iswani Achmad
Bandung Conference Series: Statistics Vol. 2 No. 2 (2022): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Abstract. Panel data is a combination of two elements, namely time-series and cross-section data. The panel data regression method aims to form a regression model that can model the effect of the independent variable on the dependent variable in several sectors observed during a certain time period of the study. Energy is one of the main needs in the survival of households and the economy in Indonesia. This study uses data on energy sold, connected power and the average electricity tariff in Indonesia in 2012-2020 which is used to analyze: Forecasting Energy Sales in Indonesia Using the Panel Data Regression Method. By using panel data and forecasting, the data used as the dependent variable (Y) is energy sold, connected power as independent variable 1 (X1) and Average Electricity Tariff as independent variable 2 (X2). In estimating the panel data regression method model, there are 3 estimates, namely: Common Effect Model, Fixed Effect Model and Random Effect Model which will later be selected as the best model, for that the results of selecting the best panel data regression model will be used to predict the dependent variable in each sector involved. observed. In this case, after the research, the best model is the Random Effect Model using the Least Square Dummy Variable (LSDV) method with the following model: Yit = 26773.16 + 1.209608X1it – 0.488954X2it – 2,551,113D1 + 11,226,73D2 – 16,173,98D3 + 7,498,361D4 – 287.8219D5 - 113.0493D6 + 12,06496D7 – 92.71225D8 + 93,255D73123,165289 93. + eit Abstrak. Data panel merupakan data gabungan antara dua unsur, yaitu data time-series dan cross-section. Metode regresi data panel bertujuan untuk membentuk suatu model regresi yang dapat memodelkan pengaruh variabel independen terhadap variabel dependen dalam beberapa sektor yang diamati selama periode waktu tertentu. Energi merupakan kebutuhan utama dalam keberlangsungan hidup rumah tangga maupun perekonomian di Indonesia. Penelitian ini menggunakan data energi terjual, daya tersambung dan tarif listrik rata-rata di Indonesia pada tahun 2012-2020 yang digunakan untuk menganalisis : Peramalan Penjualan Energi di Indonesia Menggunakan Metode Regresi Data Panel. Dengan menggunakan data panel dan peramalan, data yang digunakan sebagai variabel dependen (Y) adalah energi terjual, Daya tersambung sebagai variabel independen ke-1 (X1) dan Tarif Listrik Rata-rata sebagai variable independen ke-2 (X2). Dalam mengesitimasi model metode regresi data panel memiliki 3 estimasi yaitu : Common Effect Model, Fixed Effect Model dan Random Effect Model yang nantinya akan dipilih sebagai model terbaik, untuk itu hasil pemilihan model regresi data panel terbaik akan digunakan untuk peramalan variabel dependen pada setiap sektor yang diamati. Dalam hal ini setelah melakukan penelitian didapatkan model terbaik yaitu Random Effect Model menggunakan metode Least Square Dummy Variable (LSDV) dengan model berikut : Yit = 26773,16 + 1,209608X1it – 0,488954X2it – 2.551,113D1 + 11.226,73D2 – 16.173,98D3 + 7.498,361D4 – 287,8219D5 - 113,0493D6 + 12,06496D7 – 92,71225D8 + 93,72331D9 + 74,16528D10 + 170,3255D11 + 277,3613D12 – 134,0569D13 + eit

Geographically Weighted Poisson Regression dengan Fungsi Pembobot Kernel Gaussian untuk Pemodelan Jumlah Kematian Bayi di Jawa Barat pada Tahun 2019 Mestika Meytiara; Anneke Iswani Achmad
Bandung Conference Series: Statistics Vol. 2 No. 2 (2022): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Abstract. Regression analysis is a statistical analysis that aims to model the relationship between independent variables with dependent variables. If the independent variable is Poisson-distributed then the regression model used is Poisson regression. Geographically Weighted Poisson Regression (GWPR) is a local form of Poisson regression where the location of data collection is considered. In this study, Geographically Weighted Poisson Regression (GWPR) will be used to model the number of infant mortality in West Java in 2019 using the Gaussian kernel weighting function. This study aims to obtain a model of the number of infant mortality in West Java Province in 2019 and find out what factors affect the number of infant mortality in West Java Province in 2019. Based on the value of Akaike's Information Criterion (AIC), it is known that the GWPR model with the Gaussian kernel weighting function is more accurate than the Poisson regression model because it has the smallest AIC value. Abstrak. Analisis regresi adalah suatu analisis statistik yang bertujuan untuk memodelkan hubungan antara variabel bebas dengan variabel terikat. Apabila variabel bebas berdistribusi Poisson maka model regresi yang digunakan adalah regresi Poisson. Geographically Weighted Poisson Regression (GWPR) merupakan bentuk lokal dari regresi Poisson dimana lokasi pengambilan data sangat diperhatikan. Dalam penelitian ini akan digunakan Geographically Weighted Poisson Regression (GWPR) untuk memodelkan jumlah kematian bayi di Jawa Barat pada tahun 2019 dengan menggunakan fungsi pembobot kernel Gaussian. Penelitian ini bertujuan untuk mendapatkan model jumlah kematian bayi di Provinsi Jawa Barat pada tahun 2019 serta mengetahui faktor-faktor apa saja yang mempengaruhi jumlah kematian bayi di Provinsi Jawa Barat pada tahun 2019. Berdasarkan nilai Akaike’s Information Criterion (AIC), diketahui bahwa model GWPR dengan fungsi pembobot kernel Gaussian lebih akurat dibandingkan model regresi Poisson karena memiliki nilai AIC terkecil.

Analisis Korespondensi pada Jumlah Pengangguran Terbuka Menurut Kabupaten/Kota Berdasarkan Pendidikan Tertinggi Dia Camartya; Anneke Iswani Achmad
Jurnal Riset Statistika Volume 2, No. 2, Desember 2022, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jrs.v2i2.1424

Abstract. The purpose of this study was to determine the pattern of closeness formed between the number of open objects by district/city based on the highest education completed in West Java in 2019. In this study, an independence test was conducted using the chi-square test to analyze whether there was a significant relationship between row variables and column variables. From the results of the chi-square analysis, it can be concluded that there is a significant difference between the district/city variable and the highest education variable completed, then by looking at the pattern of proximity using correspondence analysis, it can be concluded that the highest number of open with the highest education completed not/not yet graduated from elementary school is in City of Banjar and for the minimum number graduated with the highest education graduated from elementary school graduates are in Cianjur Regency, then for the minimum number graduated with the highest education completed in Sukabumi Regency, while for the minimum number those who graduated with the highest education graduated high school graduates in the City Tasikmalaya, the latter is in the number with the highest number of educations completed then Diploma I/II/III/Academic/University graduates in Bekasi City. Abstrak. Tujuan dari penelitian ini adalah untuk mengetahui pola kedekatan yang terbentuk antara jumlah pengangguran terbuka menurut kabupaten/kota berdasarkan pendidikan tertinggi yang ditamatkan di Jawa Barat pada tahun 2019. Dalam penelitian ini dilakukan uji independensi dengan menggunakan uji chi-square untuk menganalisis apakah terdapat hubungan signifikan antara variabel baris dan variabel kolom. Dari hasil analisis chi-square didapat kesimpulan bahwa terdapat hubungan signifikan antara variabel kabupaten/kota dan variabel pendidikan tertinggi yang ditamatkan, kemudian dengan melihat pola kedekatan menggunakan analisis korespondensi didapat kesimpulan bahwa jumlah pengangguran terbuka terbanyak dengan pendidikan tertinggi yang ditamatkan tidak/belum tamat SD berada di Kota Banjar dan untuk jumlah pengangguran terbuka terbanyak dengan pendidikan tertinggi yang ditamatkan lulusan SD berada di Kabupaten Cianjur, kemudian untuk jumlah pengangguran terbuka terbanyak dengan pendidikan tertinggi yang ditamatkan lulusan SLTP berada di Kabupaten Sukabumi, sedangkan untuk jumlah pengangguran terbuka terbanyak dengan pendidikan tertinggi yang ditamatkan lulusan SLTA berada di Kota Tasikmalaya, selanjutnya yang terakhir untuk jumlah pengangguran terbanyak dengan pendidikan tertinggi yang ditamatkan lulusan Diploma I/II/III/Akademik/Universitas berada di Kota Bekasi.

Pemodelan Fungsi Transfer Multivariat untuk Meramalkan Produksi Padi di Sumatera Barat Kuntum Khairatunnisa; Anneke Iswani Achmad
Bandung Conference Series: Statistics Vol. 3 No. 1 (2023): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v3i1.5461

Abstract. Forecasting is a way to predict future events using past and present data. One of the models in forecasting is the transfer function model. The Transfer Function Model is a combination of the characteristics of multiple regression analysis with the characteristics of the time series ARIMA (Autoregressive Integrated Moving Average). In the transfer function model there is an output series (yt) which will be affected by the input series (xt) and the other inputs are combined in one group called the noise or noise series (nt). In this study the objects applied to the multivariate transfer function model are rice production (Y) as the output series, harvested area (X1) and rainfall (X2) as the input series. The data used is from January 2010 to December 2020. The purpose of this study is to find out the model and forecast results for rice production in West Sumatra from January 2021 to December 2022 with a multivariate transfer function model. In this study, a multivariate transfer function model was obtained to predict rice production in West Sumatra Yt=-0,83048Yt-1+(6,02681) X1,t-(-0,83048)(6,02681) X2,t-1+0,0079647X2,t-4-(-0,83048)(0,0079647) X2,t-5-(-0,74556)at-1+ et and the highest forecasting results in 2021, namely February of 266,909 tons of dry milled grain (GKG) and the lowest, namely in May, of 266,408 tons of dry milled grain (GKG) while for 2022 the highest production is in January of 266,560 tons of GKG and the lowest was in March with 266.539 tons of GKG. Keywords: Forecasting, ARIMA, Multivariate Transfer Function, Rice Production. Abstrak. Peramalan adalah cara untuk memprediksi kejadian masa depan dengan menggunakan data masa lalu dan sekarang. Salah satu model dalam peramalan adalah model fungsi transfer. Model Fungsi Transfer merupakan gabungan dari karakteristik analisis regrsi berganda dengan karakteristik deret berkala ARIMA (Autoregressive Integrated Moving Average). Pada model fungsi transfer terdapat deret output (yt) yang akan dipengaruhi oleh deret input (xt) dan input-input lainnya digabungkan dalam satu kelompok yang disebut deret gangguan atau noise (nt). Pada penelitian ini objek yang diterapkan pada model fungsi transfer multivariat yaitu produksi padi (Y) sebagai deret output , luas panen (X1) dan curah hujan (X2) sebagai deret inputnya. Dengan data yang digunakan yaitu dari Januari 2010 sampai Desember 2020. Tujuan dari penelitian ini untuk mengetahui model dan hasil ramalan produksi padi di Sumatera Barat dari Januari 2021 sampai dengan Desember 2022 dengan model fungsi transfer multivariat. Dalam penelitian ini diperoleh model fungsi transfer multivariat untuk meramalkan produksi padi di Sumatera Barat adalah Yt=-0,83048Yt-1+(6,02681) X1,t-(-0,83048)(6,02681) X2,t-1+0,0079647X2,t-4-(-0,83048)(0,0079647) X2,t-5-(-0,74556)at-1+ et dan hasil peramalan tertinggi pada tahun 2021 yaitu bulan Februari sebesar 266,909 ton Gabah Kering Giling (GKG) dan terendah yaitu pada bulan Mei yaitu sebesar 266,408 ton Gabah Kering Giling (GKG) sedangkan untuk tahun 2022 produksi tertinggi yaitu pada bulan Januari sebesar 266,560 ton GKG dan terendah yaitu bulan Maret sebesar 266,539 ton GKG. Kata Kunci: Peramalan, ARIMA, Fungsi Transfer Multivariat, Produksi padi.

Title

Found 13 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 13 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 13 Documents
Search