cover
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kab. aceh besar,
Aceh
INDONESIA
Journal of Data Analysis
ISSN : 26230658     EISSN : 26232286     DOI : -
Journal of Data Analysis (JDA) is a journal which has scope in Actuary, Algebra, Applied Mathematics, Applied Statistics, Big Data, Biostatistics, Business and Industrial Statistics, Calculus, Categorical Data Analysis, Computer Science, Data Mining, Data Science, Classification, Econometrics, Economical Mathematics, Epidemiology, Ethnomathematics, Experimental Design, Fuzzy System, Informatics, Operations Research, Official Statistics, Optimization, Linear Programming, Probability, Pure Mathematics, Machine Learning, Mathematical Modelling, Mathematical Statistics, Multivariate Data Analysis, Neural Network, Nonparametric Statistics, Numerical Analysis, Regression Modeling, Sampling, Spatial Statistics, Statistical Computation, Statistical Theory, Time Series Analysis.
Arjuna Subject : -
Articles 14 Documents
Peramalan Harga Bitcoin Menggunakan Metode ARIMA (Autoregressive Integrated Moving Average) Salwa, Nany; Tatsara, Nidya; Amalia, Ridha; Zohra, Aja Fatimah
Journal of Data Analysis Volume 1, Number 1, June 2018
Publisher : Department of Statistics, Syiah Kuala University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (386.769 KB) | DOI: 10.24815/jda.v1i1.11874

Abstract

ABSTRAK. Bitcoin merupakan mata uang virtual yang saat ini banyak diminati sebagai alternatif investasi. Metode ARIMA adalah salah satu metode yang digunakan untuk peramalan data deret waktu. Tujuan dari penelitian ini adalah untuk membuat model dan meramalkan harga bitcoin.  Data yang digunakan adalah data sekunder yaitu berupa data harga bitcoin selama 60 periode mulai dari tanggal 10 Januari 2018 sampai dengan 10 Maret 2018 untuk memprediksikan harga bitcoinselama 30 periode kedepan mulai tanggal 11 Maret 2018 sampai dengan 09 April 2018. Dari hasil penelitian menunjukkan bahwa data harga bitcoin selama 60 periode tidak memenuhi asumsi stasioneritas terhadap rata-rata untuk itu dilakukan proses differencing tingkat 2 agar data menjadi stasioner. Model ARIMA yang dihasilkan adalah ARIMA(0,2,1) yaitu  Zt = μ - 0,9647Zt-1 + at dan model tersebut cocok digunakan untuk peramalan data harga bitcoin. Hasil peramalan dengan menggunakan model ARIMA(0,2,1) menunjukkan bahwa harga bitcoin untuk 30 periode kedepannya mengalami penurunan secara perlahan dan hasil peramalan mendekati data sebenarnya. ABSTRACT. Bitcoin is a virtual currency that is currently much interested as an alternative investment. ARIMA method is one of the methods used for forecasting time series data. The purpose of this research is to create a model and predicted the price of the bitcoin.  The data used are secondary data that is in the form of price bitcoin during 60 periods starting from January 10, 2018 up to 10 March 2018 to predict price bitcoin for 30 the next periods began March 11 and ended on 9 April 2018 2018. Based on the results of the study showed that the price of bitcoin during 60 periods did not fullfiled the assumptions of stasioneritas towards the mean. Therefore using the differencing level 2 process, so the data becomes stationary. The result of ARIMA model is ARIMA(0, 2, 1) Zt = μ - 0,9647Zt-1 + at and the model fits the data used for forecasting price bitcoin. The results of the forecasting model using ARIMA (0, 2, 1) shows that the price of the bitcoin for 30 periods has decreased gradually and forecasting results close to the actual data.
Penerapan Metode Pemulusan Eksponensial Ganda dan Tripel Untuk Meramalkan Kunjungan Wisatawan Mancanegara ke Indonesia Pranata, Aditya; Akbar Hsb, Muhajir; Akhdansyah, Teuku; Anwar, Samsul
Journal of Data Analysis Volume 1, Number 1, June 2018
Publisher : Department of Statistics, Syiah Kuala University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (417.41 KB) | DOI: 10.24815/jda.v1i1.11873

Abstract

ABSTRAK. Penelitian ini bertujuan untuk memprediksi jumlah kunjungan wisatawan asing ke Indonesia pada tahun 2018 dengan menggunakan metode Double Exponential Smoothing dan Triple Exponential Smoothing. Data yang digunakan adalah jumlah kunjungan wisatawan asing ke Indonesia sejak Januari 2008 hingga Desember 2017 yang diperoleh dari Badan Pusat Statistik (BPS) Indonesia. Hasil peramalan dengan menggunakan metode Double Exponential Smoothing menunjukkan bahwa jumlah kunjungan wisatawan asing pada tahun 2018 akan meningkat sebesar 5,49%. Sedangkan berdasarkan metode Triple Exponential Smoothing, diperkirakan jumlah kunjungan wisatawan asing akan meningkat sebesar 6,89%. Dengan demikian, dapat disimpulkan bahwa akan ada peningkatan yang signifikan dalam jumlah kunjungan wisatawan asing ke Indonesia pada tahun 2018. ABSTRACT. This study aims to predict the number of foreign tourist visiting to Indonesia in 2018 using Double Exponential Smoothing and Triple Exponential Smoothing. The data used is the number of foreign tourist visiting to Indonesia since January 2008 to December 2017 that obtained from the Indonesian Central Bureau of Statistics (BPS). The forecasting result using Double Exponential Smoothing method shows that the number of foreign tourist visiting in 2018 will increase by 5.49%. While based on Triple Exponential Smoothing method, it is estimated that the number of foreign tourists visiting will increase by 6.89%. Thus, it can be concluded that there will be a significant increase in the number of foreign tourist visiting to Indonesia in 2018.
An Application of Time Series ARIMA Forecasting Model for Predicting the Ringgit Malaysia-Dollar Exchange Rate Hatta, Hanisah Hanun Muhamad; Daud, Faezzah Mohd; Mohamad, Norsyafiqah
Journal of Data Analysis Volume 1, Number 1, June 2018
Publisher : Department of Statistics, Syiah Kuala University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (233.101 KB) | DOI: 10.24815/jda.v1i1.11884

Abstract

ABSTRAK. Model ARIMA yang dilambangkan sebagai ARIMA (p, d, q), pada dasarnya dari Auto Regression Moving Average (ARMA) dengan proses differencing. Objek utama untuk melakukan proses ARIMA adalah memprediksi kinerja masa depan data tertentu, dengan melakukan differencing terhadap data yang jelas atau saat ini. Prediksi dihitung untuk memiliki data yang lebih baik untuk time series berikutnya. Agar memiliki data yang baik dan sempurna, ubah data non-stasioner menjadi data stasioner. Adalah mungkin untuk memiliki lebih dari satu kali proses pembedaan untuk menciptakan model ARIMA terbaik. Tulisan ini untuk menunjukkan salah satu aplikasi time series ARIMA melalui nilai tukar ringgit Malaysia terhadap dollar. Data sebelumnya yang diambil dari data sekunder adalah dari Januari 2015 hingga Desember 2017 dengan data yang disediakan setiap minggu, yang merupakan data yang dikumpulkan setiap hari Jumat. Jadi jumlah data atau observasi selama tiga tahun adalah 161. Oleh karena itu, kita bisa melakukan prediksi berdasarkan data tersebut. ABSTRACT. Time series Auto regression Integrated Moving Average (ARIMA) model, that denoted as ARIMA (p, d, q), is basically from Auto regression Moving Average (ARMA) with differencing process. The main object to do ARIMA process is to predict the future performance of certain data, by doing the differencing towards the obvious or current data. The prediction is calculated to have the better data for the next time series. In order to have a good and perfect data, transform the non-stationary data to stationary one. It is possible to have more than one time differencing process to create the best ARIMA model. This writing is to show one of the applications of time series ARIMA through the exchange rate of ringgit Malaysia to dollar. The previous data that was taken from the secondary data is from January 2015 to December 2017 with the data provided weekly, which is the data was collected on every Friday. So the number of data or observations for three years is 161. Hence, we can do the prediction based on the data.
Peramalan Jumlah Penumpang Pesawat Di Bandara Sultan Iskandar Muda Dengan Metode SARIMA (Seasonal Autoregressive Integrated Moving Average) Durrah, Fara Inka; Yulia, Yulia; Parhusip, Tessa Prihartina; Rusyana, Asep
Journal of Data Analysis Volume 1, Number 1, June 2018
Publisher : Department of Statistics, Syiah Kuala University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (339.053 KB) | DOI: 10.24815/jda.v1i1.11847

Abstract

ABSTRAK. Penelitian ini bertujuan untuk mengetahui model peramalan dimana jumlah keberangkatan penumpang pada PT. Angkasa Pura II (Perseron). Kantor cabang bandar udara Internasional Iskandar Muda dengan menggunakan Metode Seasonal Autoregresive  Integrated Moving Average (SARIMA). Data jumlah keberangkatan di bandar udara Internasional Iskandar muda merupakan data dengan pola musiman. Data yang digunakan merupakan data sekunder yang diperoleh dari Bandara Sultan Iskandar Muda periode Bulan Januari 2010 hingga Desember 2016. Model terbaik yang diperoleh yaitu ARIMA (0,1,1)(0,0,1)12. Sedangkan berdasarkan data peramalan yang diperoleh dapat diketahui bahwa diprediksi jumlah penumpang pesawat tetinggi pada tahun 2017 akan terjadi pada Bulan Desember, dan jumlah penumpang pesawat terendah diprediksikan akan terdapat pada Bulan Maret 2017. Kesimpulan akhir yang diperoleh yaitu jumlah penumpang pada Tahun 2017 akan mengalami peningkatan dibandingkan dengan Tahun sebelumnya.ABSTRACT. This study aims to determine the model of forecasting where the number of passengers at PT. Angkasa Pura II (Perseron). International branch of Iskandar Muda International Airport using Seasonal Autoregresive Integrated Moving Average (SARIMA) method. Data on the number of departures at Iskandar International Airport are young data with seasonal patterns. The data used are secondary data obtained from Sultan Iskandar Muda Airport during January 2010 to December 2016. The best model is ARIMA (0,1,1) (0,0,1)12. While based on forecasting data obtained can be seen that predicted the number of passengers in 2017 will occur in December, and the lowest number of passengers is predicted to be in March 2017. Final conclusion obtained that the number of passengers in the Year 2017 will increase compared with the previous Year.
Meramalkan Laju Inflasi Menggunakan Metode Pemulusan Eksponensial Ganda Mahmudi, Mahmudi; Irwandi, Rafiqa; Rahmadaini, Rahmadaini; Fadhilah, Rizkika
Journal of Data Analysis Volume 1, Number 1, June 2018
Publisher : Department of Statistics, Syiah Kuala University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (346.021 KB) | DOI: 10.24815/jda.v1i1.11863

Abstract

ABSTRAK. Inflasi secara umum mengindikasikan suatu kenaikan harga yang terjadi terus-menerus dalam perekonomian. Angka inflasi diharapkan tidak mengalami peningkatan agar tidak terjadi permasalahan perekonomian. Data inflasi di Indonesia yang diambil dari Bank Indonesia (BI) menunjukkan suatu fluktuasi yang berkisar antara 2,41% hingga 18,38%. Melihat betapa pentingnya angka inflasi bagi negara, suatu metode peramalan yang tepat diperlukan dalam meramalkan angka inflasi. Nilai eror terkecil digunakan dalam pemilihan metode peramalan. Pengujian peramalan menggunakan Pemulusan Eksponensial Ganda dilakukan dengan memakai data inflasi bulanan di Indonesia periode Januari 2005 hingga April 2014 untuk 48 bulan ke depan. Hasil dari pengujian metode peramalan menunjukkan bahwa semakin besar rentang waktu yang diramalkan semakin besar eror yang dihasilkan. Berdasarkan hasil peramalan, laju inflasi pada bulan Mei 2018 sedikit menurun dari bulan April 2018 yaitu 3,37% pada Mei 2018 dan 3,41% pada April 2018.ABSTRACT. Inflation generally indicates a rising prices that occurs continously in economy. The rate of inflation hopefully not increasing so that a problem in economy will not occured. The data of inflation in Indonesia that collected from Bank Indonesia (BI) is showing a fluctuation that ranging from 2,41% to 18,38%. Seeing how necessary inflation rate for a country, an appropriate forcasting method is needed in order to forcast inflation rate. The smallest error is used in choosing the forcasting method. A testing of Double Exponential Smoothing on forcasting is done by using monthly infation data of Indonesia from January 2005 until April 2014 for the next 48 months. The result of the testing shows that the longer the time predicted the bigger the forcasting error. Based on forcasting result, the inflation rate on May 2018 is slightly decreasing from April 2018 which is 3,37% on May 2018 and 3,41% on April 2018.
Strategi Pemasaran Warung Kopi di Kota Banda Aceh dengan Game Theory Yuni, Syarifah Meurah; Rusdiana, Siti; Isnardi, Isnardi
Journal of Data Analysis Volume 1, Number 2, December 2018
Publisher : Department of Statistics, Syiah Kuala University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (410.784 KB) | DOI: 10.24815/jda.v1i2.12207

Abstract

Banyaknya warung kopi yang yang terdapat di berbagai tempat menjadi keunikan tersendiri bagi masyarakat Kota Banda Aceh. Hal ini juga menimbulkan daya saing yang tinggi antar pemilik warung kopi, sehingga dibutuhkan suatu strategi optimal untuk dapat bersaing dengan pemilik warung kopi lainnya. Penentuan strategi optimal menggunakan game theory (teori permainan) dengan memakai tujuh strategi seperti produk, harga, lokasi, promosi, orang, sarana fisik dan proses yang dikenal dengan istilah marketing mix. Adapun warung kopi yang digunakan adalah Solong Coffee, Dhapu Kupi, dan Zakir Warkop. Penentuan nilai suatu strategi dilakukan dengan mengsurvei pelanggan warung kopi. Pengambilan sampel penelitian menggunakan metode convening sampling yaitu salah satu teknik pengambilan sampel tidak acak. Jumlah sampel penelitian yang digunakan adalah sebanyak 96. Dari hasil pengambilan data diperolehlah bahwa 89% responden adalah laki-laki dan 11% adalah perempuan. Selanjutnya, jumlah responden terbanyak dengan kategori usia adalah responden dengan usia 20-30 tahun. Jumlah responden terbanyak dengan kategori pendidikan terakhir adalah Sarjana sebesar 54% dan jumlah responden dengan kategori pekerjaan adalah mahasiswa sebesar 36%. Hasil penelitian ini menghasilkan kesimpulan bahwa strategi optimal Solong Coffee menghadapi Dhapu Kupi dan Zakir Warkop adalah strategi produk. Strategi optimal Dhapu Kupi menghadapi Solong Coffee dan Zakir Warkop adalah strategi lokasi, sedangkan strategi optimal Zakir Warkop menghadapi Solong Coffee dan Dhapu Kupi adalah strategi sarana fisik.One of Banda Aceh uniqueness is the number of coffee shops in its various places.  This number leads to high competitiveness among coffee shop owners, thus each of them need an optimal strategy to strive in the competition.  Optimal strategies determination using game theory by seven strategies such as products, prices, locations, promotions, people, physical facilities and processes, is known as marketing mix. The samples used are Solong Coffee, Dhapu Kupi, and Zakir Warkop coffee shops. The value of a strategy is determined by surveying the customers of the coffee shops that chosen by the convening sampling method.  Out of 96 respondents, 89% were male and 11% were female,  the highest numbers of respondents are in the age category of  20-30 years, the last education category is a Bachelor of 54%, and  36% are students in University. The results of this study conclude that the optimal strategy of Solong Coffee facing Dhapu Kupi and Zakir Warkop is the product strategy, Dhapu Kupi facing Solong Coffee and Zakir Warkop is the location strategy, and Zakir Warkop dealing with Solong Coffee and Dhapu Kupi is the physical facilities.
Penentuan Batas Maksimum Premi Asuransi Pertanian Sari, Yunita Wulan
Journal of Data Analysis Volume 1, Number 2, December 2018
Publisher : Department of Statistics, Syiah Kuala University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (293.046 KB) | DOI: 10.24815/jda.v1i2.12204

Abstract

Risiko kerugian yang dialami oleh seseorang dapat dipengaruhi oleh faktor-faktor non-deterministik yang bersifat tidak pasti dan random. Risiko kerugian ini dapat dideskripsikan dalam uncertain random variable. Fungsi utilitas juga dapat membantu kita memudahkan persoalan yang penuh dengan ketidakpastian. Di Indonesia, kebanyakan petani masih enggan ikut serta dalam program asuransi pertanian dengan alasan besarnya premi, jaminan atas gagal panen yang diperoleh, dan syarat klaim tidak sebanding dengan modal tanam yang mereka keluarkan. Oleh karena itu, dalam penelitian ini akan dibahas bagaimana menentukan batas maksimum premi asuransi kerugian, khususnya asuransi pertanian dilihat dari segi modal tanam dan besarnya ekspektasi kerugian yang dihadapi. Penelitian ini diharapkan menjadi salah satu acuan dalam peningkatan sistem asuransi pertanian di Indonesia yang berkelanjutan. The risk of loss experienced by a person can be influenced by non-deterministic factors that are uncertain and random. This loss risk can be described in the uncertain random variable. Utility functions can also help to facilitate problems that are filled with uncertainty. In Indonesia, most farmers are still reluctant to participate in agricultural insurance programs by reason of the amount of premiums, collateral for crop failures obtained, and claim requirements not proportional to the capital they spend. Therefore, in this study will be discussed how to determine the maximum limit of agricultural insurance premiums, using utility function of capital investment and looking the magnitude of expectations of losses faced as uncertain random variable. The results of this study can be an alternative premium calculation limit that is easy to implement.
Penerapan Metode K-Means dalam Pengelompokan Wilayah Menurut Intensitas Kejadian Bencana Alam di Indonesia Tahun 2013-2018 Yana, Mira Suci; Setiawan, Lathifah; Ulfa, Elvitra Mutia; Rusyana, Asep
Journal of Data Analysis Volume 1, Number 2, December 2018
Publisher : Department of Statistics, Syiah Kuala University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (533.59 KB) | DOI: 10.24815/jda.v1i2.12584

Abstract

Indonesia telah mengalami banyak kejadian bencana alam, Badan Nasional Penanggulangan Bencana mencatat bahwa dari tahun 2016 sampai dengan awal 2018 sudah lebih dari 2.700 bencana alam terjadi di seluruh wilayah Indonesia. Oleh karena itu penelitian ini bertujuan untuk mengelompokkan wilayah di Indonesia menurut intensitas terjadinya bencana alam, sehingga diketahui wilayah yang rawan terjadi bencana alam. Analisis yang digunakan adalah Analisis Gerombol dengan Metode K-Means. Hasil yang didapatkan adalah jumlah optimal cluster yang dapat dibentuk yaitu 2. Kesimpulan dari penelitian ini, cluster pertama merupakan wilayah yang rawan terjadinya bencana alam dengan anggotanya adalah Provinsi Jawa Timur, Jawa Barat, dan Jawa Tengah. Sedangkan 31 provinsi lainnya tergolong dalam cluster kedua, yang dalam artian bukan daerah rawan terjadinya bencana alam. Kesimpulan ini diambil berdasarkan nilai rataan dari masing-masing cluster, dimana rata-rata setiap variabel pada cluster pertama lebih besar dibandingkan nilai rataan setiap variabel pada cluster kedua.Indonesia has experienced many natural disasters, Badan Nasional Penanggulangan Bencana notes that from 2016 to early 2018 more than 2,700 natural disasters has occurred in all regions of Indonesia. Therefore this study aims to classify regions in Indonesia according to the intensity of natural disasters, so that it is known that the area is prone to natural disasters. The analysis used is Cluster Analysis with the K-Means Method. The results obtained are the optimal number of clusters that can be formed, namely 2. The conclusion of this study is that cluster one is an area prone to natural disasters with its members are Jawa Timur, Jawa Barat, and Jawa Tengah. While the other 31 provinces are classified as cluster two, which is not in the area prone to natural disasters. This conclusion is based on the average of each cluster, where the average of each variable in cluster one is greater than the average of each variable in cluster two.
Pendeteksian Penyakit Diabetes di RSUD Zainoel Abidin Banda Aceh dengan Sistem Fuzzy Mamdani Munawar, Munawar; Marzuki, Marzuki; Radhiah, Radhiah
Journal of Data Analysis Volume 1, Number 2, December 2018
Publisher : Department of Statistics, Syiah Kuala University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (239.995 KB) | DOI: 10.24815/jda.v1i2.12612

Abstract

Diabetes adalah salah satu penyakit kronis yang dapat menyebabkan komplikasi kesehatan yang serius. Kekerapan dan komplikasi di antara ras, negara dan kebudayaan ditemukan perbedaannya. Metode logika fuzzy mempunyai tiga tahapan proses yaitu fuzzifikasi, inferensi dan defuzzifikasi. Logika fuzzy merupakan sebuah nilai yang memiliki kesamaran antara benar dan salah. Dalam teori logika fuzzy sebuah nilai bisa bernilai benar dan salah secara bersamaan tapi berapa besar kebenaran dan kesalahan suatu nilai tergantung dari berapa besar bobot keanggotaan yang dimilikinya. Dalam teori logika fuzzy dikenal himpunan fuzzy (fuzzy set) yang merupakan pengelompokan sesuatu berdasarkan variabel bahasa (linguistic variable) yang dinyatakan dalam fungsi keanggotaan yang bernilai nol sampai dengan satu. Metode logika fuzzy Mamdani dapat digunakan untuk menentukan tingkat keakurasian untuk mendeteksi penyakit diabetes. Hasil pengujian menunjukkan bahwa semakin tua usia dan semakin sangat tinggi kolesterol seseorang maka akan semakin besar resiko terkena penyakit diabetes. Pada sistem inferensi fuzzy, metode mamdani adalah salah satu metode yang memiliki keakuratan yang tinggi.Diabetes is a chronic disease that can cause serious health complications. The frequency and complication between race, country and culture are found to be different. Fuzzy logic method has three stages, namely fuzzification, inference and defuzzification. Fuzzy logic is a value that has the ambiguity between right and wrong. In fuzzy logic theory, a value can be true and false value simultaneously but how much truth and error of a value depends on how much weight the membership has. In the theory of fuzzy logic known as fuzzy sets which is a grouping of things based on language variables (linguistic variables) which are expressed in membership functions with value zero to one. Mamdani fuzzy logic method can be used to determine the level of accuracy to detect diabetes. The test results show that the older the age and the very high cholesterol a person has, the greater the risk of developing diabetes. In the fuzzy inference system, the mamdani method is one method that has high accuracy.
Pemodelan Linear dan Pendugaan Pengaruh Kompetisi Antartanaman dalam Percobaan Lapangan Kusnandar, Dadan; Debataraja, Naomi Nessyana; Imro'ah, Nurfitri
Journal of Data Analysis Volume 1, Number 2, December 2018
Publisher : Department of Statistics, Syiah Kuala University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (298.581 KB) | DOI: 10.24815/jda.v1i2.12485

Abstract

Model spasial dua dimensi digunakan untuk menduga pengaruh kompetisi antartanaman yang saling berdekatan. Data yang digunakan adalah data hasil percobaan pengaruh pemupukan terhadap produksi berat buah tandan segar kelapa sawit per pohon selama enam bulan. Model yang melibatkan pengaruh kompetisi antartanaman kemudian dibandingkan dengan model tanpa pengaruh kompetisi. Nilai MSE digunakan sebagai dasar perbandingan kedua model. Hasil penelitian menunjukkan tidak terdapat pengaruh perlakuan yang signifikan di dalam kedua model. Oleh karena itu tidak dilakukan perhitungan lebih lanjut untuk membandingkan pengaruh perlakuan. Hasil penelitian juga menunjukkan bahwa model biasa (model Anova) menghasilkan nilai MSE yang lebih kecil dari model dengan pengaruh kompetisi.Jarak tanam yang lebar (9m) pada perkebunan kelapa sawit telah secara efektif mengurangi pengaruh kompetisi antartanaman. Two-dimensional spatial models are used to predict the influence of inter-plant competition. The data are obtained from experimental trial to investigate the effect of fertilization on the production of oil palm fresh fruit bunches per tree for the period of six months. Model involving the influence of inter-plant competition are then compared with models without the influence of competition. The comparison was based on the MSE of the models. Both model showed no significance of the treatment effects, hence no further calculation was carried out to compare the treatment effects. The study also showed that the ordinary model (Anova model) resulted in a smaller MSE than the competition model. The 9m  spacing between trees seems to have effectively reduced the competition effect between the neighboring trees.

Page 1 of 2 | Total Record : 14