Article Per Year (5 Year)
p-Index From 2019 - 2024
1.819
P-Index
This Author published in this journals
All Journal REKA ELKOMIKA: Jurnal Pengabdian kepada Masyarakat Formosa Journal of Science and Technology (FJST) Indonesian Journal of Contemporary Multidisciplinary Research ARMADA : Jurnal Penelitian Multidisiplin Innovative: Journal Of Social Science Research Indonesian Journal of Advanced Research (IJAR) Euclid Asian Journal of Applied Education MARAS : Jurnal Penelitian Multidisplin
Gumgum Darmawan
Universitas Padjadjaran
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search
Journal : Innovative: Journal Of Social Science Research

 1 
Peramalan Konsumsi Gas Alam Amerika Serikat dengan Double Seasonality menggunakan Singular Spectrum Analysis (SSA) Qurnia Amanah Dwiadi; Ayu Indriani; Theresia Samaria Nauli; Hani Nurhapilah; Gumgum Darmawan
Innovative: Journal Of Social Science Research Vol. 3 No. 6 (2023): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v3i6.7140

Abstract

Gas alam memainkan peran penting dalam memenuhi kebutuhan energi Amerika Serikat, yang merupakan salah satu konsumen terbesar di dunia. Konsumsi gas alam terus meningkat sejak implementasi proyek "An America First Energy Plan" pada tahun 2017. Peramalan yang akurat tentang jumlah konsumsi gas alam sangat dibutuhkan. Dalam penelitian ini, kita akan menggunakan model Singular Spectrum Analysis (SSA). Metode ini tidak memerlukan pemenuhan asumsi parametrik dan diterapkan dengan baik pada data musiman. SSA dapat menggambarkan pola tren dan komponen lainnya dengan struktur sederhana. Konsep utamanya adalah ‘pemisahan’ yang mengkarakterisasi seberapa baik komponen berbeda dapat dipisahkan satu sama lain. SSA terdiri dari dua tahap yang saling melengkapi, yaitu tahap dekomposisi dan tahap rekonstruksi.Dari hasil pengujian, data konsumsi gas alam yang digunakan dalam penelitian ini memiliki pola musiman. Berdasarkan analisis model tersebut, yang memberikan nilai MAPE sebesar 1,62 % , dengan hasil peramalan yang ralatif konstan setiap tahunnya.
Model Peramalan Double Seasonal Pada Data Konsumsi Gas Alam Amerika Serikat Dengan Pendekatan Analisis Spektral Dila Fitriani Azuri; Najma Rafifah Putri Syallya; Sandrina Najwa; Wanda Alifia; Gumgum Darmawan
Innovative: Journal Of Social Science Research Vol. 3 No. 6 (2023): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v3i6.7193

Abstract

Gas alam merupakan sumber energi utama di seluruh dunia dan saat ini banyak digunakan untuk berbagai keperluan di Amerika Serikat. Konsumsi gas alam di Amerika Serikat memiliki pola double seasonal yang terjadi karena faktor iklim. Tujuan dari penelitian ini adalah untuk menemukan periode tersembunyi pada data dan meramalkan konsumsi gas alam dengan menggunakan analisis spektral dan metode Double Seasonal ARIMA. Hasil analisis spektral menunjukkan bahwa terdapat double seasonal dengan periode 12 bulan dan 6 bulan, yang berarti karakteristik perubahan konsumsi gas alam di Amerika Serikat cenderung meningkat atau menurun setiap 12 bulan dan 6 bulan. Model yang terpilih, SARIMA(0,1,0)(1,1,4)6(1,1,1)12, menunjukkan keefektifannya dalam memprediksi pola konsumsi di masa mendatang dengan MAPE sebesar 2,61% yang mengindikasikan keandalan model yang tinggi.
Comparative Analysis of Fourier Series Analysis and Holtwinters Methods on Forecasting Additive Seasonal Data Widi Wildani Alfarisi; Zhafira Haura; Dhanti Aurilia Pratiwi; Fariza Alamanda Putri; Ery Sadewo; Gumgum Darmawan
Innovative: Journal Of Social Science Research Vol. 4 No. 1 (2024): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v4i1.7570

Abstract

Nilai persediaan toko dan gudang yang melayani perusahaan ritel dilaporkan pada setiap akhir tahun, khususnya pada tanggal 31 Desember terdapat sekitar 26%, sehingga dapat dikatakan bahwa nilai persediaan toko dan gudang masuk kedalam kategori rendah. Oleh karena itu, dalam menentukan prediksi nilai persediaan yang tersedia untuk dijual, peneliti ingin melakukan peramalan pada data Advance Retail Sales: Food and Beverage Stores yang mempunyai pola musiman aditif. Pola musiman aditif adalah pola data musiman yang menunjukkan adanya tren yang relatif konstan seiring waktu. Dalam hal ini, metode yang cocok digunakan adalah Fourier Series Analysis dan metode Holt-Winters. Tujuan penelitian adalah untuk mengetahui metode mana yang paling cocok untuk diterapkan pada data tersebut melalui perbandingan hasil dari dua metode tersebut berdasarkan nilai MAPE. Hasil penelitian menunjukkan bahwa metode Holt-Winters cocok untuk data Advance Retail Sales: Food and Beverage Stores adalah karena memiliki nilai MAPE yang paling kecil, yaitu sebesar 1,477%. Kata Kunci : Forecast, FSA, Holt-Winters, RSDBSN
Peramalan Deret Waktu Curah Hujan Di Kota Cirebon Menggunakan ARFIMA Muhammad Rhafi Ahdian; Ayu Sangrila; Aulia Rahman Al Madan; Nuzila Ismatilah; Shabira Aliya Auliyazhafira; Gumgum Darmawan
Innovative: Journal Of Social Science Research Vol. 4 No. 1 (2024): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v4i1.7998

Abstract

Curah hujan adalah ketinggian air hujan yang jatuh pada tempat yang datar, tidak menyerap, tidak meresap dan tidak mengalir. Data curah hujan diperlukan untuk perencanaan teknik, terutama untuk sistem drainase seperti irigasi, bendungan, drainase perkotaan, pelabuhan, dermaga dan struktur air lainnya. Data curah hujan juga diperlukan untuk kepentingan peramalan. Penelitian ini merupakan penelitian terapan yang membahas mengenai peramalan curah hujan di Kota Cirebon. Penelitian ini bertujuan untuk mengetahui peramalan dengan menggunakan metode ARFIMA. Data yang digunakan merupakan data deret waktu bulanan curah hujan di Kota Cirebon periode tahun 2018-2022 yang diperoleh dari website Open Data Cirebon Kota. Hasil penelitian ini merupakan peramalan curah hujan di Kota Cirebon selama 38 bulan kedepan yang diramalkan menggunakan model ARFIMA (2,d,1) yang menjadi model terbaik sesuai pengujian, memiliki nilai AIC paling minimum yaitu sebesar 591,2077 dan nilai BIC sebesar 603,7738. Hasil penelitian ini diharapkan menjadi pertimbangan pemerintah Kota Cirebon untuk mulai menyikapi curah hujan yang terjadi di Kota Cirebon agar mobilitas manusia khususnya para petani bisa berlangsung dengan baik
Pemodelan SARIMA dengan Pendekatan ARCH/GARCH untuk Meramalkan Penjualan Ritel Barang Elektronik Laila Budianti; Janatin Janatin; Muhammad Yasyfi Avicenna; Aisha Kusuma Putri; Gumgum Darmawan
Innovative: Journal Of Social Science Research Vol. 4 No. 1 (2024): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v4i1.8000

Abstract

Bersamaan dengan perkembangan teknologi yang semakin maju, terdapat upaya untuk mengembangkan prosedur pemodelan dan peramalan dengan automatic SARIMA sehingga dapat mengefisiensikan waktu dalam pembuatan model. Selain itu, automatic SARIMA dapat digunakan untuk mengurangi subjektivitas peneliti dalam penentuan orde model. Oleh karena itu, ingin dibuat model automatic SARIMA menggunakan software R untuk melakukan prediksi pada data penjualan ritel barang elektronik dan peralatan. Data yang digunakan adalah data Retail Sales: Electronics and Appliance Stores Amerika Serikat pada periode Januari 2013 hingga Agustus 2023. Metode yang akan digunakan adalah Automatic Seasonal Autoregressive Integrated Moving Average (SARIMA). Data ini memiliki musiman dengan periode 12. Dengan menggunakan syntax auto sarima yang dibuat, diperoleh model terpilih untuk data ini adalah SARIMA(1,1,2)(0,1,1)[12] dengan MAPE 3,99%. Akan tetapi, pada model ini tidak memenuhi asumsi White-Noise Heteroscedasticity dan teridentifikasi adanya efek ARCH pada model. Oleh karena itu, pendekatan yang digunakan untuk analisis ini adalah model SARIMA-ARCH, dengan model yang terpilih yaitu SARIMA(1,1,2)(0,1,1)[12] - ARCH(1,0) dengan nilai MAPE adalah 6.48%.
Co-Authors Achmad Bachrudin Aisha Kusuma Putri Anindya Apriliyanti Pravitasari Aulia Rahman Al Madan Ayu Indriani Ayu Sangrila Azka Larissa Rahayu Budhi Handoko Dhanti Aurilia Pratiwi Dila Fitriani Azuri Ery Sadewo Fajar Indrayatna Farhan Bagus Prakoso Fariza Alamanda Putri Hani Nurhapilah I Gede Nyoman Mindra Jaya Intan Nurma Yulita Janatin Janatin Laila Budianti Muhammad Faizal Akbar Muhammad Rhafi Ahdian Muhammad Yasyfi Avicenna Mulya Nurmansyah Ardisasmita Najma Rafifah Putri Syallya Neneng Sunengsih Nuzila Ismatilah Pian Widianingsih Qurnia Amanah Dwiadi Resa Septiani Pontoh Sandrina Najwa Shabira Aliya Auliyazhafira Sri Winarni Theresia Samaria Nauli Tri Wulanda Fitri Triyani Hendrawati Wanda Alifia Widi Wildani Alfarisi Yosi Febria Utami Yuyun Hidayat Zhafira Haura