Article Per Year (5 Year)
p-Index From 2019 - 2024
1.925
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 Innovative: Journal Of Social Science Research Indonesian Journal of Advanced Research (IJAR) Euclid Asian Journal of Applied Education MARAS : Jurnal Penelitian Multidisplin ARMADA : Jurnal Penelitian Multidisiplin
Gumgum Darmawan
Universitas Padjadjaran
Religion Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Public Health Social Sciences Other

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

Found 13 Documents
Search

 1   2 
PERAMALAN TUNGGAKAN TAGIHAN PELANGGAN MENGGUNAKAN MODEL AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE (ARFIMA) Tri Wulanda Fitri; Gumgum Darmawan; Sri Winarni; Yuyun Hidayat; Resa Septiani Pontoh
MARAS: Jurnal Penelitian Multidisiplin Vol. 1 No. 3 (2023): MARAS : Jurnal Penelitian Multidisiplin, Desember 2023
Publisher : Lumbung Pare Cendekia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.60126/maras.v1i3.108

Abstract

Kenaikan jumlah pelanggan pada perusahaan X mengakibatkan kenaikan yang sama pada besar tunggakan tagihan pelanggan. Data tunggakan tersebut cenderung memiliki pola tren naik dan memiliki fluktiasi yang besar, akibatnya perusahaan memerlukan adanya peramalan guna perencanaan dan acuan dalam pengambilan keputusan serta evaluasi kebijakan yang tepat untuk mencegah peningkatan jumlah tunggakan tagihan di masa mendatang dan mengurangi risiko kerugian. Metode peramalan yang akan digunakan pada penelitian ini adalah Autoregressive Fractionally Integrated Moving Average (ARFIMA). Metode ARFIMA dipilih karena data memiliki sifat long memory, dilihat dari lag pada plot ACF data yang menurun secara hiperbolik menuju nilai nol. Artinya observasi yang terpisah jauh masih memiliki perilaku berkelanjutan atau ketergantungan yang kuat. Ciri lain dari metode ARFIMA adalah nilai differencing-nya. Berbeda dengan metode ARIMA yang memiliki parameter d berupa bilangan asli, metode ARFIMA memiliki parameter d berupa bilangan pecahan. Pada penelitian digunakan differencing sebesar 0,697 dengan model ARFIMA (1, d, 0) untuk melakukan peramalan 6 periode kedepan. Diperoleh nilai MAPE untuk peramalan tersebut sebesar 9,28%.
Modelling Primary Energy by Long Memory Time Series Gumgum Darmawan; Budhi Handoko
Indonesian Journal of Contemporary Multidisciplinary Research Vol. 2 No. 6 (2023): November 2023
Publisher : PT FORMOSA CENDEKIA GLOBAL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55927/modern.v2i6.6970

Abstract

This research employs long memory modeling techniques to analyze and forecast global energy data spanning from 1965 to 2022. Focusing on the ARFIMA (Autoregressive Fractionally Integrated Moving Average) model, the study demonstrates its efficacy in predicting energy consumption trends. The evaluation of forecasting results for the subsequent four years reveals a remarkable Mean Absolute Percentage Error (MAPE) below 5%. This outcome underscores the effectiveness of incorporating long memory components in energy modeling, offering a robust approach for accurate and reliable predictions. The findings contribute to the advancement of energy forecasting methodologies, providing valuable insights for policymakers, energy analysts, and researchers in the pursuit of sustainable and informed energy planning
PENERAPAN METODE FACEBOOK PROPHET UNTUK MERAMALKAN JUMLAH PENUMPANG TRANS METRO BANDUNG KORIDOR 1 Farhan Bagus Prakoso; Gumgum Darmawan; Achmad Bachrudin
ARMADA : Jurnal Penelitian Multidisiplin Vol. 1 No. 3 (2023): ARMADA : Jurnal Penelitian Multidisiplin, Maret 2023
Publisher : LPPM Sekolah Tinggi Ilmu Ekonomi 45 Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55681/armada.v1i3.416

Abstract

Trans Metro Bandung (TMB) menjadi salah satu pilihan transportasi umum yang cukup populer di Bandung raya, hal ini dikarenakan harganya yang relatif murah dan cakupan rute yang luas. Pada bulan April 2020 jumlah penumpang TMB koridor 1 mengalami penurunan yang signifikan akibat pandemi COVID-19. Selain itu, faktor pemberhentian operasional Damri dan faktor hari libur menjadi faktor penyebab fluktuasi jumlah penumpang TMB. Oleh karena itu diperlukan sebuah model yang dapat mengakomodir pengaruh faktor tersebut untuk meramalkan jumlah penumpang TMB. Model Facebook Prophet menjadi salah satu model peramalan populer yang memilki tingkat akurasi dan fleksibilitas yang tinggi. Oleh karena itu, peramalan jumlah penumpang bulanan Trans Metro Bandung koridor 1 pada penelitian ini menggunakan model Facebook Prophet. Dalam penelitian ini, model Facebook Prophet menghasilkan akurasi  peramalan yang sangat baik dengan MAPE testing sebesar 4,62% dengan coverage sebesar 0,89. Hasil peramalan jumlah penumpang TMB untuk enam bulan ke depan memiliki hasil yang berfluktuasi. Nilai terendah terjadi pada bulan Januari 2023 dan tertinggi pada bulan Agustus 2022.
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