Statistika

Penggunaan Metode Support Vector Machine (SVM) dalam Mengidentifikasi Tingkat Keparahan Pada Kecelakaan Lalu Lintas

Fatihatur Rahmi, Ferra Yanuar, Yudiantri Asdi — Mon, 27 May 2024 00:00:00 +0800

ABSTRAK

Kendaraan sudah menjadi kebutuhan pokok yang digunakan semua orang untuk berpindah dari satu tempat ke tempat lain dengan cepat. Namun, bertambahnya jumlah kendaraan juga menimbulkan dampak negatif, salah satunya adalah kecelakaan. Berdasarkan data yang diperoleh dari website Badan Pusat Statistik (BPS) Sumatera Barat pada tahun 2018-2021, kasus kecelakaan terbanyak terjadi di Kota Padang yaitu sebesar 22,79% dari semua kasus kecelakaan yang terjadi di provinsi Sumatera Barat. Tingkat keparahan yang dialami korban pasca kecelakaan dikelompokkan kedalam 3 kategori yaitu korban yang mengalami luka ringan, luka berat dan meninggal dunia. Metode klasifikasi dapat digunakan untuk mengklasifikasi tingkat keparahan kecelakaan berdasarkan faktor-faktor yang mempengaruhi terjadinya kecelakaan. Salah satu metode yang dapat digunakan adalah metode Support Vector Machine (SVM). SVM adalah suatu learning machine yang digunakan untuk mengklasifikasi data secara statistika dalam ruang fitur berdimensi tinggi dan solusi yang dihasilkan dari klasifikasi menggunakan SVM bersifat sama untuk setiap percobaan yang dilakukan. Pada penelitian ini akan digunakan klasifikasi dengan SVM multiclass dengan metode one againts one (satu lawan satu) dengan dua fungsi kernel yang selanjutnya akan dilakukan perbandingan kualitas model berdasarkan akurasi, nilai APER dan F1-score. Data yang digunakan pada penelitian ini adalah data kecelakaan yang dialami pengendara sepeda motor di kota Padang pada bulan Januari-Maret 2022. Hasil penelitian menunjukkan bahwa penggunaan kernel RBF lebih baik dibanding kernel linear dengan tingkat akurasi sebesar 94,62% dengan nilai APER sebesar 5,38% dan diperoleh F1-score untuk kategori luka ringan sebesar 97,07%, luka berat sebesar 59,90% dan meninggal dunia sebesar 80%.

ABSTRACT

Transportation has become a basic necessity that everyone uses to move from one place to another quickly. However, the increasing number of transportation also has negative impacts, one of them was a traffic accident. According to BPS, the highest number of accidents occurred in Padang city, which was around 22.79% of the total cases that occurred in West Sumatra. The classification method can be used to classify the severity of accidents based on the factors that influence the occurrence of accidents. One method that can be used is the Support Vector Machine (SVM). SVM is a learning machine that is used to classify data statistically in a high-dimensional feature space and the solution resulting from classification using SVM is the same for every experiment carried out. In this research, multiclass SVM classification will be used with the one-against-one method with two kernel functions, then the model quality will be calculated based on accuracy, APER value and F1 score. The data used in this research is traffic accidents by motorcyclists in Padang City in January-March 2022. The results of the research show that the RBF kernel is better than the linear kernel with an accuracy level is 94.62%, an APER value is 5.38% and a F1-score for the minor injuries category is 97.07%, while serious injuries and deaths are 59.90% and 80%.

Analisis Proyeksi Kebutuhan Air Bersih di PDAM Tirta Dharma Kota Pasuruan Menggunakan Population Forecasting Method

Izzatul Aliyyah; Moh. Hafiyusholeh, Abdulloh Hamid, Dono Prasetijo — Mon, 27 May 2024 00:00:00 +0800

ABSTRAK

Air menjadi salah satu sumber energi yang paling dibutuhkan dalam kehidupan. Ketersediaan air dengan kualitas dan kuantitas yang cukup sangat diperlukan untuk kelangsungan hidup manusia. Sumber air bersih penduduk Kota Pasuruan banyak diperoleh dari PDAM Tirta Dharma Kota Pasuruan dengan pasokan utama berasal dari mata air Umbulan yang bertempat di Kecamatan Winongan, Kabupaten Pasuruan. Jumlah penduduk Kota Pasuruan yang terus meningkat setiap tahunnya menyebabkan kebutuhan air juga meningkat. Namun, keterbatasan persediaan sumber air baku untuk air bersih membuat PDAM Tirta Dharma Kota Pasuruan harus memikirkan usaha guna memenuhi pelayanan air bersih di Kota Pasuruan di masa mendatang. Tujuan pada penelitian ini untuk mengetahui proyeksi kebutuhan air bersih di PDAM Tirta Dharma Kota Pasuruan di tahun 2025 menggunakan Least Square Method. Proyeksi dari hasil perhitungan dengan jumlah penduduk sebanyak 214.419 diperoleh bahwa kebutuhan air bersih di bagian domestik sebesar 4.472.750 liter/hari dan di bagian non domestik sebesar 3.266.960 liter/hari. Kehilangan air di Kota Pasuruan pada tahun 2025 mencapai 1.934.927 liter/hari sehingga kebutuhan air harian maksimum Kota Pasuruan pada tahun 2025 sebesar 112 liter/detik.

ABSTRACT

Water is one of the most important sources of energy in life. The availability of water of sufficient quality and quantity is very necessary for human survival. The source of clean water for the residents of Pasuruan City is mostly obtained from PDAM Tirta Dharma Pasuruan City with the main supply coming from the Umbulan spring located in Winongan District, Pasuruan Regency. The population of Pasuruan City continues to increase every year, causing the need for water to also increase. However, the limited supply of raw water sources for clean water means PDAM Tirta Dharma Pasuruan City must think about efforts to provide clean water services in Pasuruan City in the future. The aim of this research is to determine the projection of clean water needs in PDAM Tirta Dharma Pasuruan City in 2025 using the Least Square Method. Projections from the results of calculations with a population of 214.419 show that the need for clean water in the domestic section is 4.472.750 liters/day and in the non-domestic section is 3.266.960 liters/day. Water loss in Pasuruan City in 2025 will reach 1.934.927 liters/day so that the maximum daily water demand for Pasuruan City in 2025 will be 112 liters/second.

Studi Komparasi Regresi Logistik Biner dan K-Nearest Neighbor Pada Kasus Prediksi Curah Hujan

Fitri Rahmawati, Fitri Amanah, Sefri Imanuel Fallo — Wed, 29 May 2024 00:00:00 +0800

ABSTRAK

Perubahan iklim yang sedang terjadi di berbagai belahan dunia sebagai akibat dari pemanasan global telah menyebabkan ketidakpastian cuaca. Salah satu perubahan yang dirasakan adalah intensitas curah hujan. Hal ini mengakibatkan prediksi akan curah hujan menjadi penting untuk dilakukan. Ada beberapa teknik analisis data yang digunakan untuk prediksi curah hujan, diantaranya klasifikasi. Pada penelitian ini, dengan menggunakan variabel temperatur, kelembapan, lamanya penyinaran, dan kecepatan angin, akan dilakukan prediksi terhadap klasifikasi curah hujan di Kota Bogor. Model yang digunakan adalah Regresi Logistik Biner dan K-Nearest Neighbor. K yang digunakan pada model K-Nearest Neighbor yaitu 1 hingga 18. Untuk membandingkan kedua model, dibentuk confusion matrix yang selanjutnya digunakan untuk menghitung akurasi model. Akurasi model Regresi Logistik Biner sebesar 92,746%, adapun akurasi model K-Nearest Neighbor adalah sebesar 94,81865%. Dengan demikian, pada penelitian ini model K-Nearest Neighbor lebih baik dibandingkan model Regresi Logistik Biner.

ABSTRACT

Climate change due to global warming occurring in all parts of the world makes the weather unpredictable. One of the changes felt is the intensity of rainfall. This makes it important to predict rainfall. There are several data analysis techniques used to predict rainfall, including classification. In this research, using the variables temperature, humidity, duration of sunlight, and wind speed, predictions will be made on the classification of rainfall in the city of Bogor. The models used are Binary Logistic Regression and K-Nearest Neighbor. The K used in the K-Nearest Neighbor model is 1 to 18. To compare the two models, a confusion matrix is formed and then used to calculate the model accuracy. The accuracy of the Binary Logistic Regression model is 92.746%, while the accuracy of the K-Nearest Neighbor model is 94,81865%. Thus, in this research the K-Nearest Neighbor model is better than the Binary Logistic Regression model.

Analisis Variabel-Variabel yang Menjelaskan Tingkat Prokrastinasi Akademik pada Mahasiswa FMIPA Universitas XYZ

Yekti Widyaningsih, Aprilia Rahmawati, Saskya Mary Soemartojo — Wed, 29 May 2024 00:00:00 +0800

ABSTRAK

Mahasiswa diharapkan untuk menempuh pendidikan sarjananya dengan baik dan selesai dalam tepat waktu. Sebagai mahasiswa mempunyai aktivitas cukup banyak di luar rutinitas kuliah sudah menjadi hal yang lazim. Dengan banyaknya rutinitas, mahasiswa seringkali menunda belajar atau menyelesaikan tugas yang diberikan oleh dosennya inilah yang disebut dengan prokrastinasi akademik. Prokrastinasi akademik pada mahasiswa dapat berdampak pada penurunan prestasi akademiknya. Tujuan penelitian ini adalah mengetahui variabel-variabel yang menjelaskan tingkat prokrastinasi akademik pada mahasiswa, mengetahui profil mahasiswa yang mempunyai tingkat prokrastinasi akademik yang tinggi, dan mengetahui perbedaan antara kedua metode yang digunakan berdasarkan urutan variabel-variabel yang signifikan menjelaskan tingkat prokrastinasi akademik pada mahasiswa. Variabel yang diduga menjelaskan tingkat prokrastinasi akademik adalah jenis kelamin, tempat tinggal, kondisi fisik, kondisi psikologis, kondisi lingkungan, motivasi belajar, persepsi mahasiswa, dukungan sosial orang tua, dan dukungan sosial teman sebaya. Penelitian ini menggunakan metode Analisis Regresi Linier Berganda dan Classification and Regression Tree (CRT). Penelitian ini memanfaatkan data primer yaitu 660 mahasiswa FMIPA Universitas XYZ yang dipilih melalui metode purposive sampling. Hasil penelitian menyimpulkan bahwa variabel-variabel yang secara signifikan menjelaskan tingkat prokrastinasi akademik mahasiswa FMIPA Universitas XYZ adalah jenis kelamin, kondisi fisik, kondisi psikologis, motivasi belajar, persepsi mahasiswa, dukungan sosial orang tua, dan dukungan sosial teman sebaya. Profil mahasiswa yang memiliki tingkat prokrastinasi akademik yang tinggi yaitu mahasiswa dengan kondisi fisik dan kondisi psikologis yang buruk, serta dukungan sosial orang tua yang rendah. Dan juga adanya perbedaan urutan variabel-variabel yang signifikan antara metode Regresi Linier Berganda dan CRT, tetapi variabel kondisi fisik berada pada urutan pertama kedua metode tersebut.

ABSTRACT

Students are expected to be able to undertake their undergraduate studies satisfactorily and graduate as scheduled. As a student, it is normal having with numerous activities outside academic routine. Consequently, students often delay studying and completing the tasks given by their lecturers. This is called academic procrastination. Academic procrastination may lead to a declining academic achievement. This study aimed to determine variables that affect academic procrastination levels, to find out the profile of students with high levels of academic procrastination, and to the difference between the two methods on the sequence of significant variables explains the level of academic procrastination of students. The variables considered to affect the level of academic procrastination include gender, living place, physical conditions, psychological conditions, environmental conditions, learning motivation, student perception, parental social support, and peer social support. The methods used are Multiple Linear Regression and Classification and Regression Tree (CRT). This study used primary data, namely 660 FMIPA students of University of XYZ obtained through purposive sampling. The results showed that the variables that significantly affect the level of academic procrastination of FMIPA students of University of XYZ include gender, physical conditions, psychological conditions, learning motivation, student perception, parental support, and peer support. Students who demonstrate a high level of academic procrastination are characterized by poor physical and psychological conditions, as well as low parental support. In addition, there is a significant difference in the sequence of variables between the Multiple Linear Regression method and CRT, but both have one thing in common, that is, the highest variable is physical condition.

Monte Carlo Based Sampling Distribution of Annual Rate of Exceedance for Earthquake Insurance

Wed, 29 May 2024 00:00:00 +0800

ABSTRACT

Seismic hazard expressed in terms of annual rate of exceedance and is used to calculate the earthquake insurance premium. Annual rate of exceedance is a complicated function of magnitudes, distances from site to earthquake sources and attenuation. Due to its complexity, determination of exact sampling distribution of earthquake insurance premium is not an easy task. This research proposes Monte Carlo simulation approach to determine the sampling distribution of earthquake insurance premium. Annual rate of exceedance was simulated first and then the insurance premium calculated based on simulation of annual rate of exceedance. The simulation involves quantifying synthetic catalogue similar to historical catalogue. Its simulation is conducted in order to construct annual rate of exceedance as an indicator of earthquake risk used in earthquake insurance. The simulation of 25 iteration and sample size of 100 shows that the sampling distribution of insurance premium is skewed to the right. The idea of using Monte Carlo simulation to study the sampling distribution of annual rate of exceedance is the originality of the study and the study contributes to the methodology of earthquake insurance.

Prediksi Ketersediaan Tenaga Listrik di Jawa Tengah dengan Forecast Linear dan Error Trend Seasonality menggunakan Excel

Ulfah Mediaty Arief, Sri Sukamta, Dewi Anggriani, Moh. Umar Dani Atik — Sat, 25 May 2024 00:00:00 +0800

ABSTRAK

Dalam era pertumbuhan ekonomi dan kemajuan teknologi yang pesat, kebutuhan akan pasokan listrik yang konsisten semakin mendesak. Penelitian ini membandingkan metode prediksi error trend seasonality (ETS) dan prediksi linear untuk mengantisipasi ketersediaan listrik di Jawa Tengah, menggunakan data dari 2011 hingga 2021. Evaluasi menunjukkan bahwa metode prediksi linear lebih akurat dengan persentase kesalahan lebih rendah dibandingkan error trend seasonality (ETS). Prediksi menunjukkan tren positif peningkatan ketersediaan listrik, membuka peluang pengembangan industri dan pertumbuhan ekonomi regional. Keandalan prediksi linear memberikan dasar yang solid untuk pengambilan keputusan di sektor energi. Rekomendasi untuk meningkatkan keandalan prediksi di masa depan mencakup pemantauan dan pembaruan data, serta melibatkan pemangku kepentingan dan ahli energi dalam pengambilan keputusan. Penelitian ini diharapkan memberikan panduan bagi pembuat kebijakan dan pihak terkait dalam mengelola ketersediaan energi listrik secara efisien di Jawa Tengah.

ABSTRACT

In an era of rapid economic growth and technological progress, the need for a consistent electricity supply is increasingly urgent. This research compares the error trend seasonality prediction (ETS) method and linear prediction to anticipate electricity availability in Central Java, using data from 2011 to 2021. The evaluation shows that the linear prediction method is more accurate with a lower error percentage than error trend seasonality (ETS). Predictions show a positive trend of increasing electricity availability, opening up opportunities for industrial development and regional economic growth. The reliability of linear predictions provides a solid basis for decision making in the energy sector. Recommendations to improve the reliability of future predictions include monitoring and updating data, as well as involving stakeholders and energy experts in decision making. This research is expected to provide guidance for policy holders and related parties in managing the availability of electrical energy efficiently in Central Java.

Analisis Faktor-Faktor yang Memengaruhi Status Diabetes Mellitus pada Pra Lansia dan Lansia di Indonesia Menggunakan Model Regresi Logistik Biner

Eva Fridiyani Putri, Kismiantini — Fri, 24 May 2024 00:00:00 +0800

ABSTRAK

Indonesia merupakan negara yang menempati urutan ke-5 dengan penderita diabetes mellitus sekitar 19,5 juta pada tahun 2021 berdasarkan laporan International Diabetes Federation 2021. Menurut publikasi BPS tahun 2022, sejak tahun 2021 Indonesia telah memasuki struktur penduduk tua, sekitar 1 dari 10 penduduk adalah lanjut usia (lansia). Penduduk Indonesia yang berusia antara 45-59 tahun termasuk kategori pra lansia dan di atas 60 tahun termasuk kategori lansia. Pada umumnya, penyakit yang dialami lansia merupakan penyakit tidak menular, seperti diabetes mellitus, jantung, dan hipertensi. Tujuan dari penelitian ini untuk mengetahui faktor risiko yang memengaruhi status diabetes mellitus (ya/tidak) pada pra lansia dan lansia menggunakan model regresi logistik biner. Analisis data menggunakan model regresi logistik biner karena variabel responsnya berupa biner. Hasil penelitian menunjukkan bahwa faktor risiko yang berpengaruh signifikan terhadap logit peluang menderita diabetes mellitus adalah variabel IMT (normal, gemuk, obesitas), tingkat pendidikan terakhir (tinggi), status sosial ekonomi subjektif (menengah), usia lansia, aktivitas fisik, hipertensi, mengonsumsi makanan manis, pemeriksaan kesehatan umum dan daerah tempat tinggal. Responden yang termasuk pada kategori lansia memiliki peluang lebih tinggi 1,383 kali untuk menderita diabetes mellitus dibandingkan dengan yang pra lansia.

ABSTRACT

Indonesia is a country that ranks 5th with around 19.5 million people with diabetes mellitus in 2021 based on the International Diabetes Federation 2021 report. According to the BPS publication in 2022, since 2021 Indonesia has entered an old population structure, about 1 in 10 residents are elderly (elderly). The Indonesian population aged between 45-59 years is categorized as pre-elderly and above 60 years is categorized as elderly. In general, diseases experienced by the elderly are non-communicable diseases, such as diabetes mellitus, heart disease, and hypertension. The purpose of this study is to determine the risk factors that affect diabetes mellitus status (yes / no) in pre elderly and elderly using a binary logistic regression model. The data was analysed using binary logistic regression model because the response variable is binary. The results showed that the risk factors that had a significant effect on the logit of the chances of suffering from diabetes mellitus were the IMT variable (normal, obese, obese), the last level of education (high), subjective socioeconomic status (medium), elderly age, physical activity, hypertension, consuming sweet foods, general health checks and the area of residence. Respondents who are in the elderly category have a higher chance of 1.383 times to suffer from diabetes mellitus compared to those who are pre-elderly.

Perbandingan Penggunaan Model Regresi Linear dan Nonlinear dalam Mendeterminasi Daya Simpan Panas (DSP) Gerabah Pengembangan

Salnuddin, Adi Noman Susanto, Jefry Bemba — Wed, 29 May 2024 00:00:00 +0800

ABSTRAK

Daya simpan panas (DSP) gerabah vorno merupakan suatu kebutuhan untuk meningkatkan produksi sagu lempeng. Metode eksprimen penambahan aluvial pada pembuatan gerabah dengan komposisi tanah liat 40 %, aluvial 25% dan pasir pantai 35% sebagai gerabah pengembangan diharapkan dapat meningkatkan DSP gerabah. Keterbatasan instrumen pengujian DSP secara teknik, membutuhkan solusi secara statistik dalam mendeterminasi DSP. Perbandingan hasil analisis dari pendekatan metode linear dan non linear pada data perubahan suhu lempengan membentuk karakteristik tertentu, olehnya itu dibutuhkan identifikasi analisis statistik yang tepat dalam mendeterminasi DSP dengan akurasi tinggi. Hasil penelitian menunjukkan bahwa penggunaan material aluvial pada pembuatan gerabah meningkatkan berat jenis lempengan gerabah. Koefisien determinasi (R²) dari keseluruhan persamaan metode linear dan non linear memberikan linearity yang tinggi (R² > 75%), akurasi tertinggi dengan nilai mean absolute percent error (MAPE) < 10% dijumpai pada tren persamaan kubik dan logaritmik. Pendekatan tren kubik menunjukkan DSP gerabah pengembangan lebih lambat 7% dibandingkan dengan gerabah rujukan, sedangkan penggunaan tren logaritik lebih lambat 33%. Perlu dilakukan analisis data dengan perhitungan transfer panas untuk membuktikan DSP dengan pendekatan statistik.

ABSTRACT

The heat storage capacity (HSC) of vorno pottery is a necessity to increase the production of sago plates. The experimental method of adding alluvial to pottery making with a composition of 40% clay, 25% alluvial and 35% beach sand as development pottery is expected to increase the DSP of pottery. The limitations of technical DSP testing instruments require a statistical solution in determining DSP. Comparison of analysis results from linear and non-linear method approaches on slab temperature change data forms a specific characteristic, therefore it is necessary to identify the right statistical analysis in determining DSP with high accuracy. . The results show that the use of alluvial materials in pottery making increases the specific gravity of pottery slabs. The coefficient of determination (R2) of all equations of linear and non-linear methods gave high linearity (R2 > 75%), the highest accuracy with mean absolute percent error (MAPE) value < 10% was found in the cubic and logarithmic trend equations. The cubic trend approach showed that the heat retention of the development pottery was 7% slower than the reference pottery, while the use of the logarithmic trend was 33% slower. It is necessary to analyse the data with heat transfer calculations to prove the HSC with a statistical approach.

Forecasting Spare Part pada Commercial Vehicle PT XYZ dengan Klasifikasi ADI-CV

Muhammad Irfan Rizki, Yenny Maya Dora, Wahidiyat Suyudi, Yanthy Mardiana — Wed, 29 May 2024 00:00:00 +0800

ABSTRAK

After Sales memiliki kontribusi positif pada pertumbuhan profit permintaan spare part suatu perusahaan. PT. XYZ merupakan agen tunggal pemegang merek mobil kendaraan niaga di Indonesia dengan visi menjadi market share terbesar secara global dipasar internasional. Peranan penting yang dilakukan PT. XYZ dalam upaya memenuhi seluruh kebutuhan permintaan domestik atau ekspor dengan langkah menerapkan rencana inventaris yang mencakup peramalan kebutuhan suku cadang setiap bulan. Pada kondisi saat ini metode yang digunakan oleh perusahaan hanya menggunakan metode peramalan dengan rata-rata 6 bulan terakhir atau Moving Average yang digunakan untuk menyiapkan seluruh suku cadang PT. XYZ. Metode ini dinilai kurang efektif karena ketika terjadinya bentuk permintaan spare part yang memiliki tingkat variasi tinggi maka penyimpangan pada hasil peramalan menyebabkan back order terhadap pelanggan dan loss sales yang dapat mempengaruhi nilai suatu perusahaan yaitu fast and easy process. Berdasarkan permasalahan tersebut, maka PT. XYZ membutuhkan perbaikan terhadap mekanisme peramalan spare part-nya. Tujuan dari dilakukan penelitian yaitu menghasilkan metode klasifikasi spare part berdasarkan bentuk permintaannya dan memutuskan metode peramalan yang paling tepat untuk masing-masing kelompok spare part dengan langkah membandingkan enam metode peramalan yaitu metode Croston Optimized, TSB, SESOpt, ADIDA, IMAPA, Moving Average. Semua metode peramalan akan dibandingkan atas dasar parameter nilai forecasting error. Pada hasil yang didapat menunjukkan metode Croston Optimized memiliki hasil yang lebih baik dari metode moving average dengan memperbaiki kesalahan sebesar 7%.

ABSTRACT

After Sales has a positive contribution to the profit growth of a company's spare part demand. PT XYZ is the sole agent of commercial vehicle car brand holders in Indonesia with a vision to become the largest market share globally in the international market. An important role played by PT XYZ in an effort to meet all domestic or export demand needs by implementing an inventory plan that includes forecasting the need for spare parts on a monthly basis. In the current condition, the method used by the company only uses a forecasting method with the average of the last 6 months or Moving Average which is used to prepare all spare parts of PT. XYZ. This method is considered less effective because when there is a form of spare part demand that has a high level of variation, deviations in forecasting results cause back orders to customers and loss of sales which can affect the value of a company, namely fast and easy process. Based on these problems, PT XYZ needs improvements to its spare part forecasting mechanism. The purpose of the research is to produce a spare part classification method based on the form of demand and decide the most appropriate forecasting method for each spare part group by comparing six forecasting methods, namely the Croston Optimized method, TSB, SESOpt, ADIDA, IMAPA, Moving Average. All forecasting methods will be compared on the basis of the forecasting error value parameter. The results obtained show that the Croston Optimized method has better results than the moving average method by correcting an error of 7%.

ARIMA (p, d, q) Modeling for Predicting Exports of Fresh and Chilled Fish Based on Market Conditions and Main Destination Countries : The Case of Indonesia 2012-2022

Wed, 29 May 2024 00:00:00 +0800

ABSTRACT

Fresh and chilled fish are the largest contributor to Indonesia's fishery product exports, accounting for a share of 45% or around USD 2.2 billion in 2021. The main destination countries for Indonesia's fresh and chilled fish exports include China, the United States, Japan, and other European countries. This research aims to analyze the factors influencing the export value of Indonesia's fresh and chilled fish, as well as to identify and evaluate the ARIMA (p, d, q) model based on historical data from 2012-2022. The result is an ARIMA (4,2,2) model with a MAPE value of 2.208 and a predicted value for the 2023 period of 4351 tons. This is in line with the large exports of fresh fish from Indonesia to various destination countries.

Analisis Faktor-Faktor yang Berhubungan dengan Kejadian Stres Pada Mahasiswa Tingkat Akhir S1 Matematika di Universitas Negeri Medan

Eliya Sitepu, Juliana Tampubolon, Sudianto Manulang, Sisti Nadia Amalia — Wed, 29 May 2024 00:00:00 +0800

ABSTRAK

Stres adalah respons adaptif individual terhadap stimulus yang dianggap mengancam, dapat dialami oleh siapa saja, termasuk mahasiswa tingkat akhir. Penelitian ini fokus pada faktor-faktor yang memengaruhi tingkat stres mahasiswa tingkat akhir S1 Matematika di Universitas Negeri Medan, dengan penekanan pada penyusunan tugas akhir (skripsi). Beberapa faktor, seperti tuntutan akademik, masalah pribadi (manajemen waktu, motivasi, dukungan keluarga), dan aturan batas masa studi, diidentifikasi sebagai penyebab stres.Metode penelitian menggunakan pendekatan kuantitatif non-eksperimental dengan uji korelasi Rank Spearman. Hasil penelitian menunjukkan korelasi cukup kuat (0.380) antara faktor kejadian stres dan tingkat stres mahasiswa. Meskipun tidak mencapai tingkat signifikansi yang umum, temuan ini mengindikasikan bahwa mahasiswa yang mengalami berbagai faktor kejadian stres cenderung memiliki tingkat stres yang lebih tinggi. Penelitian ini memberikan wawasan mendalam tentang kompleksitas faktor-faktor yang berkontribusi terhadap stres mahasiswa tingkat akhir, menunjukkan perlunya pendekatan holistik dan intervensi terintegrasi dari perguruan tinggi untuk membantu mahasiswa mengelola stres dengan lebih efektif. Temuan ini juga memberikan dasar bagi pengembangan program dukungan dan pembinaan untuk membantu mahasiswa mengatasi tantangan akademik dan pribadi.

ABSTRACT

Stress is an individual adaptive response to a stimulus that is perceived as threatening, can be experienced by anyone, including final year students. This research focuses on the factors that influence the stress level of final year undergraduate mathematics students at Medan State University, with an emphasis on the preparation of the final project (thesis). Several factors, such as academic demands, personal problems (time management, motivation, family support), and study period limit rules, were identified as causes of stress.The research method used a non-experimental quantitative approach with the Spearman Rank correlation test. The results showed a moderately strong correlation (0.380) between stress event factors and students' stress levels. Although not reaching the usual level of significance, this finding indicates that college students who experience multiple stressful event factors tend to have higher stress levels. This study provides an in-depth insight into the complexity of factors contributing to final year university students' stress, suggesting the need for a holistic approach and integrated interventions from universities to help students manage stress more effectively. The findings also provide a basis for the development of support and coaching programs to help college students overcome academic and personal challenges.

Analisis Ketertinggalan Desa di Provinsi Papua dan Papua Barat Menggunakan Association Rule Mining

Etsa Primanda, Siskarossa Ika Oktora — Wed, 29 May 2024 00:00:00 +0800

ABSTRAK

Pada hakikatnya, pembangunan dimaksudkan untuk mengupayakan kondisi kehidupan yang lebih layak. Namun, data Indeks Pembangunan Desa 2018 menunjukkan persentase desa tertinggal di Pulau Papua paling banyak dibandingkan pulau lainnya. Terlebih lagi, penelitian mengenai karakteristik utama ketertinggalan desa di wilayah tersebut belum dilakukan secara komprehensif. Oleh sebab itu, penelitian ini bertujuan untuk mengetahui gambaran umum desa tertinggal, serta menganalisis karakteristik utama ketertinggalan desa di Provinsi Papua dan Papua Barat. Sumber data yang digunakan adalah data indikator Indeks Pembangunan Desa 2018 yang diperoleh dari Subdirektorat Statistik Ketahanan Wilayah Badan Pusat Statistik (BPS) berdasarkan Pendataan Potensi Desa 2018. Metode analisis yang digunakan adalah analisis deskriptif menggunakan diagram batang dan peta tematik, serta teknik data mining menggunakan association rule mining. Hasil analisis menunjukkan Kabupaten Tolikara, Provinsi Papua dan Kabupaten Pegunungan Arfak, Provinsi Papua Barat memiliki persentase desa tertinggal yang tertinggi. Sebagian besar desa tertinggal di Provinsi Papua dan Papua Barat berada di wilayah dengan topografi dataran tinggi dan pegunungan. Hasil association rule mining menunjukkan karakteristik utama ketertinggalan desa sebagian besar kabupaten di Provinsi Papua adalah pelayanan kesehatan, sarana transportasi, dan infrastruktur ekonomi. Sementara itu, karakteristik utama ketertinggalan desa sebagian besar kabupaten di Provinsi Papua Barat adalah pelayanan kesehatan.

ABSTRACT

The goal of development is to seek more decent living conditions. However, the Village Development Index 2018 data shows that the percentage of rural underdevelopment on Papua Island is the highest compared to other islands. Moreover, researchers have yet to conduct comprehensive research in the region on the main characteristics of rural underdevelopment. Therefore, this study aims to observe the general description of rural underdevelopment and analyze the main characteristics of rural underdevelopment in Papua and West Papua Provinces. The data source used is the Village Development Index 2018 indicator data from the Regional Resilience Statistics Sub-Directorate of Badan Pusat Statistik (BPS) based on the Village Potential Data 2018. The analytical methods used are descriptive analysis using bar charts, thematic maps, and data mining techniques, namely association rule mining. The results show that the percentages of rural underdevelopment in Tolikara Regency, Papua Province, and Arfak Mountains Regency, West Papua Province, are higher among other regions. Areas characterized by highlands and mountainous terrain in Papua and West Papua Provinces concentrate most of the rural underdevelopment. Then, the results of association rule mining show that the main characteristics of rural underdevelopment in most districts in Papua Province are health services, transportation facilities, and economic infrastructure. Meanwhile, the main characteristic of rural underdevelopment in most districts in West Papua Province is health services.

Penerapan Algoritma K-Nearest Neighbors dalam Sistem Rekomendasi Makanan Berdasarkan Kebutuhan Nutrisi dengan Content-Based Filtering

Luqyana Zakiya Almas, Yuliana Susanti, Sri Sulistijowati Handajani — Fri, 31 May 2024 00:00:00 +0800

ABSTRAK

Pemenuhan nutrisi merupakan sebuah keharusan untuk menjaga kesehatan tubuh. Memahami manfaat nutrisi dan cairan dalam tubuh dapat mendukung pertumbuhan dan perkembangan serta mencegah berbagai penyakit yang disebabkan oleh kekurangan nutrisi atau bisa disebut malnutrisi. Malnutrisi merujuk pada kelebihan atau kurangnya nutrisi, tidak seimbangnya nutrisi, atau masalah pemanfaatan nutrisi. Seiring berjalannya waktu, hal ini dapat meningkatkan risiko terjadinya beberapa penyakit dan gangguan kesehatan lainnya, seperti kelebihan berat badan atau obesitas, diabetes, atau beberapa penyakit tidak menular. Tujuan dari penelitian ini untuk membuat rekomendasi makanan berdasarkan kebutuhan nutrisi menggunakan algoritma K-Nearest Neighbor dengan content-based filtering. Pada penelitian ini K-Nearest Neighbor digunakan untuk menghasilkan rekomendasi makanan terdekat sesuai dengan keinginan dan kebutuhan pengguna dengan menghitung Euclidean distance. Dengan memanfaatkan algoritma K-Nearest Neighbor dalam content-based filtering, penelitian ini berhasil menciptakan suatu sistem rekomendasi makanan yang dapat disesuaikan dengan kebutuhan nutrisi individu, termasuk pengguna yang sehat, memiliki alergi, dan riwayat diabetes. Hasil evaluasi model menunjukkan bahwa metode ini mampu memberikan rekomendasi makanan dengan tingkat kesalahan yang rendah, dengan melihat nilai Root Mean Square Error 18.75. Dengan demikian, penelitian ini memberikan kontribusi dalam mendukung pemenuhan nutrisi yang tepat, serta memberikan arahan praktis bagi individu untuk menjaga kesehatan tubuh melalui pola makan yang sesuai dengan kebutuhan pengguna.

ABSTRACT

Fulfilling nutrition is a must to maintain a healthy body. Understanding the benefits of nutrition and fluids in the body can support growth and development and prevent various diseases caused by nutritional deficiencies or what can be called malnutrition. Malnutrition refers to excess or lack of nutrition, imbalance in nutrition, or problems with nutrient utilization. Over time, this can increase the risk of several diseases and other health problems, such as being overweight or obese, diabetes, or several non-infectious diseases. This research aims to make food recommendations based on nutritional needs using the K Nearest Neighbor algorithm with content-based filtering. In this research, K-Nearest Neighbor produces recommendations for the closest food according to the user's desires and needs by calculating Euclidean distance. By utilizing the deep K-Nearest Neighbor algorithm and content-based filtering, this research succeeded in creating a food recommendation system that can be customed by individual nutritional needs, including users who are healthy, have allergies, and have a history of diabetes. The model evaluation results show that this method can provide food recommendations with a low error rate by looking at the values Root Mean Square Error of 18.75. Thus, this research contributes to supporting the fulfillment of proper nutrition and providing practical direction for individuals to maintain body health through a diet that suits the user's needs.