Noeryanti Noeryanti
2Jurusan Statistika, Fakultas Sains Terapan, Institut Sains & Teknologi AKPRIND Yogyakarta

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Statistika Industri dan Komputasi

PERAMALAN DATA PRODUK DOMESTIK REGIONAL BRUTO DAERAH ISTIMEWA YOGYAKARTA MENGGUNAKAN KOMBINASI FUZZY TIME SERIES CHEN DENGAN PARTICLE SWARM OPTIMIZATION Netaria Usmia; Noeryanti Noeryanti
Jurnal Statistika Industri dan Komputasi Vol. 6 No. 2 (2021): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak. Salah satu indikator keberhasilan pelaksanaan pembangunan ekonomi dicerminkan dari Produk Domestik Regional Bruto (PDRB). Upaya yang dapat dilakukan untuk meningkatkan pembangunan ekonomi daerah adalah membuat perencanaan pembangunan yang baik dan tepat sehingga diperlukan peramalan untuk melihat proyeksi PDRB masa mendatang. Prediksi PDRB Daerah Istimewa Yogyakarta sangatlah penting di tengah ketidakpastian perekonomian di masa pandemi Covid-19. Data PDRB merupakan data runtun waktu yang memiliki pola trend sehingga diharapkan metode yang cocok digunakan untuk meramalkan Produk Domestik Regional Bruto Daerah Istimewa Yogyakarta adalah metode Fuzzy Time Series Chen dengan algoritma Particle Swarm Optimization. Particle Swarm Optimization digunakan untuk mengoptimalkan interval Fuzzy Time Series. Fuzzy time series adalah metode prediksi data yang menggunakan konsep fuzzy set sebagai dasar perhitungannya yang dapat menangkap pola dari data masa lalu untuk memproyeksikan data yang akan datang. Peramalan PDRB berdasarkan data Triwulan I 2010 sampai dengan Triwulan IV 2020. Hasil analisis menunjukkan bahwa metode FTS dengan algoritma PSO lebih baik dibandingkan FTS Chen tanpa PSO. Hasil peramalan Fuzzy time series PDRB DIY Triwulan I dan II 2021 menggunakan Particle Swarm Optimization didapat 6 lebar interval yang berbeda dari [15557230.52, 27896416.37] sehingga diperoleh hasil prediksi sebesar 26167334.76 juta rupiah dengan tingkat akurasi yaitu MAPE sebesar 3.40% dan nilai RMSE sebesar 875049.7.
PREDIKSI DATA SPASIAL YANG TIDAK TERSAMPEL DAN MENGANDUNG PENCILAN MENGGUNAKAN METODE ROBUST KRIGING Anisa Rahmasari; Noeryanti Noeryanti
Jurnal Statistika Industri dan Komputasi Vol. 6 No. 2 (2021): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak. Pencemaran udara merupakan masuknya atau dimasukannya zat, energi, atau komponen lain ke dalam udara ambien oleh kegiatan manusia, sehingga mutu udara ambien turun sampai ke tingkat tertentu yang menyebabkan udara ambien tidak dapat memenuhi fungsinya. Metode robust kriging merupakan pengembangan dari metode ordinary kriging yang mentransformasikan bobot semivariogram klasik menjadi semivariogram yang robust terhadap pencilan dalam data. Dalam penelitian ini akan dilakukan prediksi kandungan gas Nitrogen Dioksida (NO2) di Kota Yogyakarta menggunakan metode robust kriging. Tujuan penelitian ini adalah menduga kualitas udara NO2 dengan metode geostatistik yang merupakan analisis statistik spasial untuk menduga data dengan estimasi melalui semivariogram dan robust kriging pada kualitas udara NO2. Selanjutnya membandingkan nilai semivariogram eksperimental dan semivariogram robust dengan beberapa model semivariogram teoritis (spherical, gaussian, exponential) untuk mendapatkan model terbaik. Dalam penelitian ini dilakukan pendugaan kualitas udara NO2 di pemukiman Kota Yogyakarta terdiri dari 16 pos. Didapat hasil perbandingan dari nilai MSE untuk model terbaik yaitu nilai MSE dari model spherical ordinary sebesar 144,231 lebih kecil dari spherical robust sebesar 145,659, kemudian MSE dari model gaussian robust sebesar 137,837 lebih kecil dari gaussian ordinary sebesar 292,041 dan exponential robust sebesar 145,574 lebih kecil dari exponential ordinary sebesar 150,736.