Institut Teknologi Sepuluh Nopember (ITS): Publikasi Ilmiah Online Mahasiswa ITS (POMITS)
Institut Teknologi Sepuluh Nopember (ITS): Publikasi Ilmiah Online Mahasiswa ITS (POMITS)Not a member yet
4139 research outputs found
Sort by
Prediksi Return Saham Perbankan dengan Metode LSTM dan Estimasi Value at Risk dengan Copula Ali-Mikhail-Haq Menggunakan Korelasi Kendall's Tau
Full text linkPrediksi return saham dan estimasi Value at Risk (VaR) adalah hal yang penting dalam pengelolaan portofolio investasi. Metode LSTM telah menunjukkan potensi untuk prediksi harga saham yang akurat, sementara Copula Ali-Mikhail-Haq dengan korelasi Kendall's Tau digunakan untuk mengatasi distribusi non-normal dalam estimasi VaR. Penelitian ini bertujuan untuk menerapkan metode LSTM dalam prediksi return saham periode 2021-2023 dan estimasi VaR menggunakan Copula Ali-Mikhail-Haq dengan korelasi Kendall's Tau pada saham perbankan. Berdasarkan hasil penelitian, metode LSTM menunjukkan model terbaik untuk saham BMRI dengan konfigurasi 100 epoch, 64 unit, dan dropout sebesar 0,1 serta menghasilkan MAE sebesar 0,0174. Sedangkan untuk saham BBRI, model terbaik memiliki konfigurasi yang sama tetapi dengan dropout sebesar 0,2 menghasilkan MAE sebesar 0,0222. Secara keseluruhan, model LSTM menunjukkan kemampuan yang baik dalam memprediksi harga dan return saham. Dalam estimasi VaR, diperoleh koefisien Kendall's Tau sebesar 0,0676 dan estimasi parameter Copula Ali-Mikhail-Haq sebesar 0,281. Estimasi VaR portofolio saham pada tingkat kepercayaan 99%, 95%, dan 90% berturut-turut adalah -0,03001060; -0,01875786; dan -0,01350327.. Hasil analisis ini memberikan pemahaman yang lebih baik tentang prediksi return saham menggunakan LSTM dan estimasi VaR menggunakan Copula Ali-Mikhail-Haq
Average Linkage-based Agglomerative Hierarchical Clustering terhadap Indikator Pembangunan Ekonomi Jawa Timur 2022
Full text linkKeberhasilan suatu daerah atau pemerintah dalam meningkatkan kesejahteraan dan kemakmuran masyarakat sering kali diukur melalui aspek ekonomi, terutama dengan memastikan pertumbuhan Produk Domestik Bruto (PDB) yang melebihi pertumbuhan penduduk. Penelitian ini bertujuan untuk menerapkan metode Average Linkage-based Agglomerative Hierarchical Clustering dalam analisis klaster indeks pembangunan ekonomi Jawa Timur tahun 2022. Clustering merupakan teknik analisis data yang digunakan untuk mengelompokkan unit-unit data yang sejenis ke dalam kelompok atau cluster berdasarkan kesamaan karakteristik. Hasil penelitian menunjukkan bahwa metode cluster terbaik adalah metode average linkage dengan nilai cophenetic correlation sebesar 0.8953498. Tujuan utama dari penelitian ini adalah untuk mengetahui pola hubungan antar wilayah di Jawa Timur berdasarkan indeks pembangunan ekonominya. data seluruh variabel yaitu X1 (PDRB Atas Dasar Harga Konstan 2022 menurut kabupaten/kota pada tahun 2022 dalam Triliun Rupiah), X2 (Indeks Pembangunan Manusia), X3 (Tingkat Pengangguran Terbuka), X4 (Tingkat Angkatan Kerja), dan X5 (Tingkat Kemiskinan). Hasil dari penelitian ini dengan menggunakan Average Linkage menghasilkan tiga klaster yang berbeda yang menggambarkan karakteristik ekonomi yang berbeda di Jawa Timur. Hasil klaster menunjukkan 7 kabupaten/kota berada pada klaster pertama, 4 kabupaten/kota berada pada klaster kedua, dan 27 kabupaten/kota berada pada klaster ketiga
Pengendalian Kualitas Air di PDAM Surya Sembada Menggunakan Diagram Kendali MEWMV dan MSEWMA Berbasis Redisual
Full text linkPDAM Surya Sembada merupakan perusahaan pemerintah sebagai penyedia layanan air bersih di Kota Surabaya yang salah satu unit produksinya yaitu IPAM Ngagel I. Proses penjernihan air pada IPAM Ngagel I perlu diperhatikan karena berhubungan dengan kualitas air yang akan didistribusikan. Sehingga air yang dihasilkan harus memiliki kualitas yang baik dan sesuai dengan standar yang telah ditetapkan. Oleh karena itu, perlu dilakukan pengendalian kualitas air pada unit produksi IPAM Ngagel I. Penelitian ini menggunakan metode Multivariate Exponentially Weighted Moving Variance (MEWMV) untuk monitor pergeseran variabilitas proses dan Multivariate Sign Exponentially Weighted Moving Average (MSEWMA) untuk monitor pergeseran mean proses. Karakteristik kualitas air yang akan digunakan pada penelitian ini adalah kekeruhan, pH, sisa klor dan zat organik (KMnO_4) dimana masing – masing karakteristik kualitas saling berhubungan. Analisis menunjukkan bahwa terdapat autokorelasi pada data akibat dari proses yang dilakukan terus menerus, sehingga pengendalian kualitas menggunakan pendekatan model time series. Data penelitian dibagi menjadi dua fase pada musim hujan. Pada fase I didapatkan hasil analisis, bahwa proses produksi air belum terkendali secara statistik baik secara variabilitas maupun mean proses, sehingga diperlukan identifikasi karakteristik kualitas yang menyebabkan proses produksi belum terkendali secara statistik. Adapun karakteristik kualitas yang diduga sebagai penyebab belum terkendalinya proses produksi pada fase I adalah karakteristik kualitas pH, zat organik dan sisa klor. Analisis pada fase II didapatkan bahwa proses produksi air telah terkendali secara statistik baik secara variabilitas maupun mean proses. Berdasarkan hasil analisis kapabilitas proses, secara univariat, terdapat karakteristik kualitas yang memiliki tingkat keakurasian yang kurang dalam memenuhi batas spesifikasi perusahaan, yaitu karakteristik zat organik dan sisa klor. Sedangkan kapabilitas proses secara multivariat, proses produksi telah kapabel dan kinerja proses memiliki keakurasian yang cukup baik
Klasterisasi Provinsi di Indonesia Berdasarkan Ketimpangan Pembangunan Ekonomi dengan Pendekatan Algoritma K-Means dan DBSCAN
Full text linkKetimpangan pembangunan ekonomi antarwilayah masih menjadi isu strategis dalam pembangunan nasional Indonesia. Data menunjukkan kesenjangan signifikan dalam hal pendapatan (PDRB) dan persentase penduduk miskin antarprovinsi di Indonesia. Misalnya, PDRB per kapita DKI Jakarta 13-14 kali lipat lebih tinggi daripada Nusa Tenggara Timur pada tahun 2022. Sementara, persentase penduduk miskin di Papua dan Papua Barat mencapai 20-26% pada tahun 2022, jauh melampaui rata-rata nasional 9,36%. Ketimpangan pembangunan ini berpotensi melahirkan dampak negatif seperti konflik sosial dan melebarnya kesenjangan pembangunan ekonomi antarwilayah. Oleh karena itu, identifikasi pola ketimpangan antarwilayah sangat diperlukan agar intervensi kebijakan afirmatif dapat dirancang lebih spesifik dan tepat sasaran. Penelitian ini bertujuan melakukan klasterisasi 34 provinsi di Indonesia ke dalam beberapa kelompok berdasarkan karakteristik serupa. Klasterisasi dilakukan menggunakan 2 algoritma clustering, yaitu K-means dan Density Based Spatial Clustering of Applications with Noise (DBSCAN). K-means clustering dipilih karena kemampuannya melakukan klasterisasi data dalam jumlah besar secara efisien. Sementara DBSCAN mampu mengelompokkan data yang memiliki kepadatan tertentu dan mengidentifikasi data pencilan. Variabel yang digunakan dalam klasterisasi meliputi PDRB per kapita, persentase penduduk miskin, jumlah penduduk, IPM, dan tingkat pengangguran terbuka (TPT). Data bersumber dari publikasi resmi BPS tahun 2023. Hasil penelitian menunjukkan bahwa K-Means clustering lebih unggul dalam mengklasterisasi provinsi di Indonesia dengan kombinasi variabel PDRB per kapita, Persentase Penduduk Miskin, Jumlah Penduduk, IPM, dan Tingkat Pengangguran Terbuka (TPT) berdasarkan metrik evaluasi Daevis Bouldin Index (DBI) dan Calinski Harabasz Index (CHI). Hasil ini konsisten dengan perhitungan Indeks Williamson yang mengindikasikan adanya ketimpangan pembangunan ekonomi di Indonesia
Analisis Faktor-Faktor Yang Diduga Berhubungan dengan Pilihan Sektor Pekerjaan Utama Di Provinsi Jawa Timur Menggunakan Regresi Logistik Biner
Full text linkKetenagakerjaan merupakan salah satu faktor yang penting dalam pembangunan nasional. Indonesia merupakan negara agraris di mana sebagian besar penduduknya bekerja pada sektor pertanian. Pertanian di Indonesia turut membe-rikan peran terhadap perekonomian nasional melalui PDB sektor pertanian. Meskipun sektor pertanian selalu menyerap tenaga kerja paling tinggi, perkembangan tenaga kerja pada sektor tersebut tidak signifikan jika dibandingkan dengan sektor non pertanian. Jawa Timur sebagai salah satu provinsi dengan kontribusi pertanian paling tinggi di Indonesia memiliki persentase tenaga kerja sektor pertanian yang terus menurun sejak tahun 2020 hingga tahun 2022. Penurunan tersebut jika dibiarkan berlangsung akan memberikan dampak negatif pada PDB sektor pertanian hingga penurunan produktivitas sektor pertanian. Banyak faktor yang diduga berhubungan dengan pilihan sektor pekerjaan. Untuk mengetahui apakah terdapat hubungan antara usia, jenis kelamin, status perkawinan, jumlah tanggungan, tingkat pendidikan, pelatihan, pendapatan, dan kabupaten/kota dengan pilihan sektor pekerjaan utama maka dilakukan penelitian dengan menggunakan regresi logistik bi-ner. Hasil yang diperoleh adalah sebanyak 27,5% persen pendu-duk di Jawa Timur bekerja pada sektor pertanian dan sisanya sebanyak 72,5% bekerja pada sektor non pertanian. Faktor yang memiliki pengaruh signifikan adalah variabel Usia, Jenis Kelamin, Status Perkawinan, Jumlah Tanggungan, Tingkat Pendidikan, Pelatihan, Pendapatan dan Kabupaten/Kota
Pengelompokan Provinsi di Indonesia Berdasarkan Indikator Penyusun Indeks Ketimpangan Gender
Full text linkKesetaraan gender merupakan kondisi di mana laki-laki dan perempuan memperoleh kesempatan dan hak yang sama sebagai manusia dalam berperan dan berpartisipasi dalam segala bidang. Diskriminasi berdasarkan gender masih terjadi pada seluruh aspek. Hal ini dapat dilihat dari salah satu ukuran ketimpangan gender yakni IKG yang mengukur dalam aspek kesehatan reproduksi, pemberdayaan, dan pasar tenaga kerja. Terdapat 20 provinsi yang memiliki nilai IKG lebih tinggi dari IKG Indonesia pada tahun 2022. Di mana kondisi dari provinsi tersebut kurang optimal pada aspek yang berbeda-beda. Jika permasalahan terkait ketimpangan gender tidak di-lakukan penelitian untuk dicari penyebabnya, maka dapat me-nyebabkan kerugian dalam pertumbuhan ekonomi negara. Pe-nelitian ini bertujuan untuk mengelompokkan provinsi di Indo-nesia berdasarkan indikator penyusun IKG, mengetahui perbe-daan karakteristik pada klaster yang terbentuk, serta menge-tahui ketepatan klasifikasi dari model diskriminan. Tahap awal data sekunder dilakukan analisis statistika deskriptif. Tahap berikutnya adalah melakukan analisis klaster untuk menjawab tujuan pertama, melakukan uji one-way MANOVA dan ANOVA untuk menjawab tujuan kedua, dan melakukan ana-lisis diskriminan untuk menjawab tujuan ketiga. Terakhir dida-patkan kesimpulan yakni hasil pengelompokan provinsi berda-sarkan indikator penyusun IKG adalah terdapat 2 klaster yang terbentuk. Klaster 1 merupakan klaster kategori tinggi yang terdiri dari 24 provinsi dan klaster 2 merupakan klaster kate-gori rendah yang terdiri dari 10 provinsi. Tingkat akurasi model diskriminan yang didapatkan sebesar 70,59%
Analisis Pengendalian Kualitas Proses Produksi Air PDAM Surya Sembada Kota Surabaya Menggunakan Peta Kendali MEWMA dan MEWMV
Full text linkPerusahaan Daerah Air Minum (PDAM) Surya Sem-bada Kota Surabaya, salah satu Badan Usaha Milik Daerah (BUMD) mengalami kerusakan pada awal tahun 2023 di salah satu aselator IPAM Ngagel II yang mengganggu sirkulasi air dan menyebabkan penumpukan endapan di bagian bawah. Gangguan ini menurunkan efektivitas proses penjernihan air, sehingga diperlukan langkah-langkah pengendalian kualitas air produksi. Pada penelitian ini dilakukan pengendalian kualitas pada tiga parameter karakteristik kualitas air hasil produksi yang sampai pada tahap penampungan di reservoir, yaitu sisa chlor, zat organik (KMnO4), dan kekeruhan (turbidity) menggu-nakan metode peta kendali nonparametrik integrasi peta ken-dali MEWMA dengan transformasi multivariat spatial signed rank yang disebut peta kendali SSRM untuk monitoring mean proses dan peta kendali MEWMV untuk monitoring variabi-litas proses dengan unit pengamatan individu. Pada peta ken-dali fase I, ditemukan bahwa proses belum terkendali secara statistik karena terjadi pergeseran pada variabilitas dan mean. Variabel yang diduga menyebabkan pengamatan out of control adalah kekeruhan dan sisa chlor. Pada peta kendali fase II, pengamatan yang berada di luar batas kendali disebabkan oleh sisa chlor dan zat organik. Analisis kapabilitas proses menun-jukkan bahwa secara univariat, kekeruhan dan zat organik memiliki tingkat kepresisian yang baik, namun hanya kekeruh-an yang menunjukkan kinerja keakurasian yang baik. Secara multivariat, hasil produksi air belum memenuhi spesifikasi per-usahaan secara keseluruhan sehingga proses dianggap belum kapabel
Prakiraan Cuaca Jangka Pendek Terkalibrasi Menggunakan Metode Geostatistical Output Pertubation
Full text linkCuaca merupakan suatu kondisi udara di suatu tempat pada waktu yang relatif singkat yang meliputi kelembaban, kondisi suhu, serta tekanan udara sebagai komponen utama. Hal tersebut menyebabkan cuaca dapat berubah setiap saat. Seiring bekembangnya zaman kebutuhan informasi cuaca saat ini dapat dirasakan semakin penting dibutuhkan. Adapun upaya yang dilakukan oleh lembaga BMKG dalam meningkatkan hasil prakiraan cuaca yaitu mengembangkan Numerical Weather Prediction (NWP). Geostatistical Output Pertubation (GOP) merupakan suatu metode prakiraan cuaca yang diperoleh hanya dari satu luaran deterministik saja, seperti halnya NWP. Akan tetapi, GOP dapat memodifikasi suatu luaran tersebut, sehingga mampu mengkoreksi bias berdasarkan hubungan spasial yang diidentifikasi dari error model. GOP memiliki parameter spasial yang berfungsi untuk memodifikasi hasil prakiraan cuaca sehingga mampu memanfaatkan informasi spasial. Temperatur udara menjadi fokus penelitian, karena memiliki hubungan yang cukup erat dengan elemen cuaca lainnya. Analisis dilakukan dengan mengkalibrasi prakiraan suhu udara di tujuh stasiun meteorologi wilayah Surabaya dan sekitarnya. Tahap awal yang dilakukan yaitu melakukan processing data, kemudian data training digunakan untuk mendapatkan penaksir koefisien regresi selanjutnya menghitung semivarogram empiris dan mengestimasi parameter spasial. Untuk periode training selama 30 hari, prakiraan temperatur udara GOP di 7 stasiun meteorologi menghasilkan RMSE yang sebelumnya bernilai 4,35 menjadi 2,03 pada temperatur maksimum. Dapat disimpulkan bahwa metode GOP mampu mengkoreksi bias dari NWP
Peramalan Jumlah Kasus Kredit Bermasalah di Koperasi XYZ Kota Tebing Tinggi dengan Menggunakan Poisson Generalized Autoregressive Moving Average (GARMA)
Full text linkKredit bermasalah merupakan suatu kondisi dimana terjadinya cidera janji dalam repayment kredit yang mengakibatkan adanya tunggakan atau potensi kerugian sehingga memungkinkan timbulnya risiko pada usaha kreditur di kemudian hari. Berdasarkan publikasi yang dilakukan oleh Otoritas Jasa Keuangan (OJK), jumlah kredit bermasalah di Indonesia mengalami peningkatan yang signifikan dan mengalami fluktuasi dalam beberapa tahun terakhir. Hal ini sejalan dengan peningkatan jumlah kasus kredit bermasalah koperasi di Kota Tebing Tinggi. Berdasarkan hal ini perlu dilakukan peramalan pada data jumlah kasus kredit bermasalah koperasi di Kota Tebing Tinggi. Data jumlah kasus kredit bermasalah merupakan data count. Salah satu model peramalan yang umum digunakan yaitu Autoregressive Integrated Moving Average (ARIMA), namun metode ini tidak selalu tepat digunakan untuk data count. Generalized Linear Model (GLM) merupakan solusi yang digunakan untuk menganalisis data count. Penelitian terus dilakukan dan menghasilkan pengembangan model peramalan yaitu Generalized Autoregressive Moving Average (GARMA) untuk data yang mengikuti distribusi non–Gaussian seperti distribusi Poisson. Dalam mengestimasi parameter model Poisson GARMA digunakan metode Maximum Likelihood Estimation (MLE) dengan pendekatan optimasi Iteratively Reweighted Least Square (IRLS). Hasil yang didapat pada penelitian ini adalah model Poisson GARMA (1,2) merupakan model terbaik untuk data tersebut dengan pemilihan model terbaik berdasarkan nilai RMSE dan MAPE terkecil. Nilai RMSE Poisson GARMA (1,2) sebesar 26,17369640 dan MAPE sebesar 16%. Poisson GARMA (1,2) diimplementasikan pada data jumlah kasus kredit bermasalah koperasi di Kota Tebing Tinggi dan didapatkan hasil peramalan pada tahun 2023 cenderung mengalami penurunan jumlah kasus dari bulan Januari – April 2023 dan peningkatan jumlah kasus dari bulan April – Desember 2023
Perbandingan Metode Klaster K-medoids dan K-means terhadap Hasil Peramalan Kemiskinan di Indonesia Menggunakan Backpropagation Neural Network
Full text linkKemiskinan di Indonesia merupakan isu kompleks dan multidimensi, dengan persentase penduduk miskin yang mengalami penurunan dari tahun ke tahun, namun masih mencapai sekitar 9,36% dari total populasi atau sekitar 25,90 juta orang pada Maret 2023. Untuk mengatasi tantangan ini, diperlukan strategi penanganan yang efektif dan tepat sasaran. Salah satu pendekatan yang dapat ditempuh untuk merumuskan strategi yang lebih efektif adalah dengan melakukan peramalan tingkat kemiskinan di Indonesia. Sebelumnya, studi telah menyoroti bahwa metode peramalan menggunakan teknik pembelajaran mesin Backpropagation Neural Network (BPNN) dapat memberikan hasil yang dapat diandalkan, mengingat kemampuannya dalam memodelkan pola kompleks dalam data dan memahami hubungan nonlinear. Setelah melakukan peramalan, langkah selanjutnya adalah melakukan klasterisasi untuk memahami pola spasial atau geografis dari hasil peramalan tersebut. Meskipun klasterisasi k-Means merupakan metode klaster yang umum digunakan, beberapa kelemahan seperti sensitivitas terhadap outlier, penurunan performa ketika ukuran klaster tidak seimbang, dan dependensi performa klaster pada pemilihan jumlah klaster dan titik pusat secara acak. Oleh karena itu, muncul ide untuk mencari alternatif metode klaster yang lebih baik dan akurat dalam mengelompokkan hasil peramalan tingkat kemiskinan di Indonesia. Penelitian ini bertujuan untuk membandingkan antara dua metode klasterisasi, yaitu k-Means dan k-Medoids, terhadap hasil peramalan tingkat kemiskinan di Indonesia. Metode peramalan yang akan digunakan adalah Backpropagation Neural Network (BPNN). Hasil analisis peramalan menunjukkan tren penurunan tingkat kemiskinan secara menyeluruh di Indonesia. Evaluasi DBI terhadap klaster menunjukkan bahwa klaster terbaik diraih menggunakan K-means dengan nilai sebesar 0,828406641 dan membentuk lima klaster dengan rincian klaster 1 sebanyak 4 provinsi, klaster 2 sebanyak 13 provinsi, klaster 3 sebanyak 9 provinsi, dan klaster 4 sebanyak 8 provinsi