PENERAPAN METODE EXTENDED KALMAN FILTER PADA KASUS PERTUMBUHAN PENDUDUK KABUPATEN JEMBER

Authors

  • Rory Ronella Agustin Universitas Jember
  • Kosala Dwidja Purnomo Universitas Jember
  • Alfian Futuhul Hadi Universitas Jember

Keywords:

Extended Kalman Filter (EKF), population growth, population function, Extended Kalman Filter (EKF), Population Growth, Population Function

Abstract

This study discusses the estimated number of people using the methods of Jember Regency Extended Kalman Filter (EKF) and determine the appropriate logistic growth model for predicting the next populations in Jember. There are two assumptions logistic growth model will be compared, first is logistic growth model assuming a linear populations function and the second is logistic growth model assuming parabolic populatins  function. To determine efficiency of Extended Kalman Filter conducted trial process, using 6, 14, 28 measurements data.  Each data taken from Central Statistic Agency of East Java Province during 1990-2017. Finally,  this study indicate that the logistic growth model assuming parabolic populations function is an appropiate better than logistic growth model assuming a linear populations for populations in Jember during 1990-2017. The Extended Kalman Filter method is able to increase the confidence level of the estimation results indicated by getting smaller of average norm covariance error. More data used, the estimation results using Extended Kalman Filter method are getting better and closer to the real data.

Downloads

Download data is not yet available.

References

[1] Rochaida, E. 2016. Dampak Pertumbuhan Penduduk Terhadap Pertumbuhan Ekonomi dan Keluarga Sejahtera di Provinsi Kalimantan Timur. Forum Ekonomi.18(1):14-24
[2] Firdhania, R dan F.Muslihatinningsih. 2017. Faktor-faktor yang Mempengaruhi Tingkat Pengangguran di Kabupaten Jember. e-Journal Ekonomi Bisnis dan Akuntansi. 4(1):117-121.
[3] Purnomo, K.D. dan E. Apriliani. 2008. Estimasi Populasi Plankton dengan Ensemble Kalman Filter. Jurnal Ilmu Dasar. 9(1):38-44.
[4] Fitriani, V.N dan K.D.Purnomo. 2013. Solution Estimation of Logistic Growth Model with Ensemble Kalman Filter Method. Jurnal Ilmu Dasar.14(2):85−90.

Downloads

Published

2019-09-29

How to Cite

Agustin, R. R., Purnomo, K. D., & Hadi, A. F. (2019). PENERAPAN METODE EXTENDED KALMAN FILTER PADA KASUS PERTUMBUHAN PENDUDUK KABUPATEN JEMBER. MathVision : Jurnal Matematika, 1(02), 55–60. Retrieved from http://journal.unirow.ac.id/index.php/mv/article/view/88

Issue

Vol. 1 No. 02 (2019): September 2019

Section

Articles

License

Penulis yang mempublikasikan jurnalnya di MathVision harus setuju dengan:

  1. Penulis memiliki hak cipta dan memberikan hak jurnal untuk publikasi pertama dengan karya yang secara simultan dilisensikan di bawah Lisensi Creative Commons yang memungkinkan orang lain untuk berbagi karya dengan pengakuan kepenulisan karya dan publikasi awal dalam jurnal ini.
  2. Penulis dapat membuat perjanjian kontrak tambahan yang terpisah untuk distribusi non-eksklusif dari versi jurnal yang diterbitkan dari karya tersebut (misalnya, mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan atas publikasi awalnya di jurnal ini.
  3. Penulis diizinkan dan didorong untuk memposting pekerjaan mereka secara online (mis., Dalam repositori institusional atau di situs web mereka) sebelum dan selama proses pengiriman, karena dapat menyebabkan pertukaran yang produktif, serta kutipan yang lebih awal dan lebih besar dari karya yang diterbitkan