Kebutuhan akan air bersih dan layak, baik untuk dikonsumsi maupun untuk keperluan lain seperti mandi, masak, dan lain-lain di Indonesia terus meningkat seiring dengan meningkatnya jumlah penduduk. Sedangkan ketersediaan air bersih cenderung berkurang karena adanya kerusakan alam dan pencemaran lingkungan. Peraturan Menteri Kesehatan (Permenkes) No. 492/Menkes/Per/IV/2010 menerangkan bahwa parameter fisik air bersih yang aman bagi kesehatan meliputi bau, warna, total zat padat terlarut (TDS), kekeruhan, rasa dan suhu. Kesadaran masyarakat akan pentingnya menjaga lingkungan dan perilaku masyarakat dalam meningkatkan kualitas lingkungannya agar menjadi lebih baik, khususnya dalam ketersediaan air bersih, masih perlu ditingkatkan.. Tujuan dari penelitian ini adalah mengelompokkan provinsi di Indonesia berdasarkan persentase rumah tangga menurut kualitas fisik air minum dengan menggunakan analisis cluster non hirarki, yaitu K-Means Cluster. Data yang digunakan dalam penelitian ini bersumber dari Riset Kesehatan Dasar tahun 2013, yaitu data persentase rumah tangga berdasarkan kualitas fisik air minum menurut provinsi di Indonesia. Kualitas fisik air minum yang dimaksud adalah tidak keruh, tidak berwarna, tidak berasa, tidak berbusa, tidak berbau dan baik. Langkah-langkah analisis yang dilakukan adalah analisis deskriptif dan analisis K-Means Cluster. Hasil analisis K-Means Cluster diperoleh 2 cluster, yaitu cluster 1 (Persentase rumah tangga yang kualitas fisik air minumnya kurang dari rata-rata persentase kualitas fisik air minum secara nasional) terdiri dari 3 provinsi (Aceh, Nusa Tenggara Timur dan Papua) dan cluster 2 (Persentase rumah tangga yang lebih dari rata-rata persentase kualitas fisik air minum secara nasional) terdiri dari 33 provinsi di luar cluster 1.

Salah satu indikator keberhasilan pembangunan adalah struktur ekonomi dan angkatabungan dalam hal perkembangan sector manufaktur atau industry. Kemajuan sektorusaha sendiri memerlukan dana investasi yang cukup besar untuk melakukanpengembangan-pengembangan usaha tersebut. Oleh sebab itu, peramalan (forecasting)terhadap harga return saham sangat berperan penting untuk memprediksi perkembanganharga dan return harga saham di masa yang akan dating. Berdasarkan latar belakangtersebut, penelitian ini dilakukan untuk meramalkan IHSG (Indeks Harga SahamGabungan) dengan menggunakan metode ARIMA Box-Jenkins. Data yang digunakanadalah data harian IHSG periode Januari 2013 sampai Desember 2013. Berdasarkan hasilanalisis dapat diketahui bahwa model ARIMA yang terbaik adalah ARIMA (0,1,[1][12])karena mempunyai nilai MAPE (1,30%), MSE (3788,57) dan AIC (2484,6) yang terkecil.

Analisis klaster adalah suatu metode multivariate yang bertujan untukmengelompokkan obyek berdasarkan kemiripan atau ketidakmiripan karakteristiknya,sehingga objek yang terletak pada satu klaster memiliki kemiripan yang lebih besardibandingkan dengan objek pengamatan yang terletak pada klaster lain. K-Meansmerupakan salah satu metode pengklasteran tidak hirarki. Pada penelitian ini digunakandata produksi telur menurut jenis unggas pada 17 kecamatan di kabupaten TulungagungTahun 2011. Tujuan dari penelitian ini adalah untuk mendapatkan pengelompokkankecamatan di Tulungagung berdasarkan produksi telur menurut jenis unggas denganmenggunakan analais K-Means klaster. Analisis klaster K-Means setelah ditentukankelompoknya sebanyak 3 diperoleh hasil kelompok kecamatan yang rendah produksitelurnya (ada 11 kecamatan : Basuki, Bandung, Pakel, Campurdarat, Pucanglaban,Boyolangu, Tulungagung, Karangrejo, Kauman, Gondang, dan Sendang), kelompokkecamatan dengan produksi telur sedang (ada 5 kecamatan : Kalidawir, Ngunut,Sumbergempol, Kedungwaru dan Ngantru), sedangkan kelompok kecamatan denganproduksi telur tinggi adalah kecamatan Rejotangan.

         Kereta api merupakan sub sektor perhubungan darat yang dianggap penting didalam usaha melayani jasa perhubungan masyarakat. Tujuan dari penelitian ini untuk mendapatkan  model ARIMA terbaik dan prediksi jumlah penumpang kereta api untuk satu tahun kedepan. Analisis yang digunakan adalah analisis runtun waktu yaitu model ARIMA. Berdasarkan hasil analisis adalah model ARIMA(1,1,0)(0,1,1)12, dengan nilai MSE =551425, nilai RMSE= 872,9009 dan MAPE 9,8%.  Model ARIMA (1,1,0)(0,1,1)12  adalah Didapat hasil  peramalan jumlah penumpang kereta api dari bulan Maret tahun 2015 hingga bulan Februari tahun 2016. Dari hasil peramalan jumlah penumpang yang tertinggi adalah pada bulan Desember tahun 2015 yaitu 27.134 penumpang

Salah satu bidang yang banyak diperebutkan di era Masyarakat Ekonomi Asia (MEA) adalah bidang pariwisata. Indonesia sebagai bagian dari Negara-negara ASEAN (Association of South East Asian Nations), merupakan negara yang kaya akan budaya dan memiliki banyak destinasi wisata yang patut diperhitungkan baik di tingkat regional maupun internasional.  Jumlah kunjungan wisatawan mancanegara (wisman) ke Indonesia mengalami peningkatan dari tahun ke tahun. Peningkatan jumlah kunjungan wisatawan mancanegara tersebut ternyata masih menempatkan Indonesia di posisi ke empat di negara-negara ASEAN pada tahun 2012 dan 2014. Pada tahun 2019, Kementrian Pariwisata (Kemenpar) menargetkan jumlah wisman yang berkunjung ke Indonesia sebesar  20 juta. Perlu adanya sinergi dari pemerintah dan masyarakat, baik dari pemerintah pusat maupun daerah. Selain itu juga diperlukan adanya perencanaan dan strategi promosi yang tepat. Salah satu cara untuk memperoleh gambaran tentang  jumlah  kunjungan wisatawan  mancanegara ke Indonesia adalah melakukan peramalan dengan menggunakan analisis deret runtun waktu. Tujuan dari penelitian ini adalah untuk memperoleh prediksi jumlah wisatawan mancanegara yang berkunjung ke Indonesia tahun 2017 s.d tahun 2019 dengan menggunakan metode ARIMA Box-Jenkins dan Jaringan Syaraf Tiruan, serta membandingkan hasil prediksi jumlah kunjungan wisatawan mancanegara ke Indonesia hasil menggunakan ARIMA Box-Jenkins dengan Jaringan Syaraf Tiruan. Data yang digunakan adalah data bulanan jumlah kunjungan wisman ke Indonesia mulai bulan Januari 2010 sampai bulan Juni 2017. Hasil yang diperoleh dari analisis ARIMA Box Jenkins adalah model ARIMA (0,1,1)(0,0,2)12 , sedangkan hasil analisis menggunakan Jaringan Syaraf Tiruan algoritma backpropagation yang digunakan adalah dengan hidden layer 3. Hasil perhitungan nilai kesalahan peramalan dengan MAPE, MAD dan MSE didapatkan bahwa metode ARIMA mempunyai nilai MAD = 8.069,81 dan MSE = 9.134.981.806,98 yang lebih rendah dibanding metode Jaringan Syaraf Tiruan, maka metode yang lebih baik digunakan untuk meramalkan jumlah kunjungan wisman ke Indonesia adalah ARIMA (0,1,1)(0,0,2)12.