Penerapan Ensemble Kalman Filter dalam Estimasi Variabel dan Parameter pada Model Dinamika Korupsi di Indonesia

Yasnida, Makhrosatul Azizah Putri (2025) Penerapan Ensemble Kalman Filter dalam Estimasi Variabel dan Parameter pada Model Dinamika Korupsi di Indonesia. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5002211070-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Korupsi merupakan masalah serius yang telah lama menjadi perhatian di Indonesia. Meskipun berbagai upaya pemberantasan korupsi telah dilakukan, praktik korupsi masih ada dan memberikan dampak negatif bagi masyarakat. Oleh karena itu, diperlukan penelitian untuk memahami dinamika korupsi di Indonesia secara lebih mendalam. Penelitian ini bertujuan untuk melakukan estimasi variabel dan parameter pada model dinamika korupsi di Indonesia menggunakan metode Ensemble Kalman Filter (EnKF). Penelitian ini juga memanfaatkan metode Kalman Filter (KF) sebagai pembanding. Dinamika korupsi dibentuk menjadi model matematika yang divalidasi agar estimasi terhadap nilai-nilai yang sulit diukur secara langsung dapat dilakukan. Model dinamika korupsi berbentuk sistem persamaan diferensial nonlinier deterministik kontinu yang kemudian didiskritisasi dan ditambahkan faktor stokastik agar sesuai dengan kondisi sebenarnya. Metode Ensemble Kalman Filter diimplementasikan pada sistem nonlinier diskrit stokastik, sedangkan metode Kalman Filter hanya dapat diimplementasikan pada model linier diskrit stokastik. Oleh karena itu, diperlukan proses linierisasi terlebih dahulu dalam estimasi menggunakan metode Kalman Filter. Estimasi parameter dilakukan menggunakan metode Ensemble Kalman Filter dengan memperlakukan parameter layaknya variabel. Hasil estimasi parameter divalidasi untuk menentukan parameter terbaik yang sesuai dengan kondisi sebenarnya. Parameter terpilih digunakan dalam estimasi variabel dengan menggunakan kedua metode dan hasilnya dibandingkan dengan data aktual untuk menilai akurasi estimasi. Tingkat akurasi diukur menggunakan Mean Absolute Percentage Error (MAPE). Berdasarkan hasil penelitian, estimasi dengan EnKF menghasilkan MAPE sebesar 0,00004795 % untuk variabel susceptible dan 0,024915 % untuk variabel corrupt. Nilai MAPE yang kecil mencerminkan bahwa hasil estimasi mendekati data aktual. Sementara itu, metode KF menghasilkan nilai MAPE sebesar 0,033372 % untuk variabel susceptible dan 0,20492 % untuk variabel corrupt. Metode Ensemble Kalman Filter menghasilkan nilai MAPE yang lebih rendah dibandingkan dengan metode Kalman Filter. Nilai MAPE yang lebih rendah tersebut menunjukkan bahwa metode ini lebih sesuai untuk digunakan dalam estimasi dinamika korupsi di Indonesia
=====================================================================================================================================
Corruption is a serious problem that has long been a concern in Indonesia. Despite various efforts to eradicate corruption, corrupt practices persist and negatively impact society. Therefore, research is needed to understand the dynamics of corruption in Indonesia more deeply. This study aims to estimate variables and parameters in a corruption dynamics model in Indonesia using the Ensemble Kalman Filter (EnKF) method. This study also utilizes the Kalman Filter (KF) method as a comparison. The dynamics of corruption are formed into a validated mathematical model to allow estimation of values that are difficult to measure directly. The corruption dynamics model takes the form of a continuous deterministic nonlinear differential equation system that is then discretized and added with stochastic factors to match actual conditions. The Ensemble Kalman Filter method is implemented on a stochastic discrete nonlinear system, while the Kalman Filter method can only be implemented on a stochastic discrete linear model. Therefore, a linearization process is required prior to estimation using the Kalman Filter method. Parameter estimation is performed using the Ensemble Kalman Filter method by treating parameters like variables. The parameter estimation results were validated to determine the best parameters that fit the actual conditions. The selected parameters were used in variable estimation using both methods and the results were compared with actual data to assess estimation accuracy. The accuracy level was measured using the Mean Absolute Percentage Error (MAPE). Based on the research results, estimation with EnKF produced a MAPE of 0.00004795% for the susceptible variable and 0.024915% for the corrupt variable. The small MAPE value reflects that the estimation results are close to the actual data. Meanwhile, the KF method produced a MAPE value of 0.033372% for the susceptible variable and 0.20492% for the corrupt variable. The Ensemble Kalman Filter method produced a lower MAPE value compared to the Kalman Filter method. The lower MAPE value indicates that this method is more suitable for use in estimating corruption dynamics in Indonesia.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Dinamika Korupsi, Ensemble Kalman Filter, Estimasi, Kalman Filter, Corruption Dynamics, Ensemble Kalman Filter, Estimation, Kalman Filter.
Subjects:	Q Science Q Science > QA Mathematics Q Science > QA Mathematics > QA402.3 Kalman filtering.
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Makhrosatul Azizah Putri Yasnida
Date Deposited:	21 Jul 2025 02:56
Last Modified:	21 Jul 2025 02:56
URI:	http://repository.its.ac.id/id/eprint/120204

Actions (login required)

View Item