Article Per Year (5 Year)
p-Index From 2019 - 2024
0.947
P-Index
This Author published in this journals
All Journal JURNAL MATEMATIKA STATISTIKA DAN KOMPUTASI Jurnal Aplikasi Statistika & Komputasi Statistik Jurnal Berdaya Mandiri Prosiding Seminar Nasional Official Statistics
Herlin Fransiska
Unknown Affiliation
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Clustering and Forecasting of Covid-19 Data in Indonesia Diyah Astuti; Dyah Yunita hartanti; Susi Tri Nurhayanti; Herlin Fransiska
Jurnal Matematika, Statistika dan Komputasi Vol. 18 No. 3 (2022): MAY, 2022
Publisher : Department of Mathematics, Hasanuddin University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20956/j.v18i3.18882

Abstract

Indonesia reported its first case of Covid-19 in March 2020, which was suspected to have been infected by a foreigner who visited Indonesia. The distribution of cases that occurred in Indonesia has an uneven frequency considering that Indonesia is an archipelagic country, in the analysis of Covid-19 cases in Indonesia, there are many provinces and some have the same pattern of case characteristics. time series so that forecasting analysis can be used. So that clustering analysis and forecasting of Covid-19 data can be used in Indonesia. The analysis was carried out with 2 stages of analysis, namely clusters using the clustering hierarchy method and forecasting using the ARIMA method. By using 288 data from January 1, 2021 – October 15, 2021, the results show that the daily Covid-19 cases by province in Indonesia can be grouped into 2 clusters, in the forecasting analysis only one province is taken from each cluster used in determining the model, cluster 1 used data from the province of Banten and cluster 2 used data from the province of West Java. By using R software, a model for each cluster is obtained, namely ARIMA(0,1,1) for cluster 1 and ARIMA(2,1,2) for cluster 2. From the forecasting results obtained data until October 30, 2021 shows the number of cases tends to be constant.
KLASIFIKASI KEMISKINAN DI PROVINSI BENGKULU MENGGUNAKAN METODE POHON KLASIFIKASI GABUNGAN Winalia Agwil; Agustina; Herlin Fransiska
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 14 No 1 (2022): Jurnal Aplikasi Statistika dan Komputasi Statistik
Publisher : Pusat Penelitian dan Pengabdian kepada Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v14i2.348

Abstract

Kemiskinan merupakan permasalahan global yang menjadi perhatian dunia. Hal ini dapat dilihat dari deklarasi SDGs yang menjadikan permasalahan kemiskinan sebagai prioritas utama. Penanganan kemiskinan yang baik akan membantu penyelesaian permasalahan dunia yang lain seperti permasalahan kelaparan, kesehatan, kesejahteraan, pendidikan, air bersih dan sanitasi. Untuk mencapai tujuan penanganan kemiskinan dengan cepat dan maksimal, tentunya dibutuhkan analisis yang dapat mengidentifikasi rumah tangga miskin dengan tepat sehingga dapat dirancang suatu program tepat sasaran sesuai karakteristik rumah tangga tergolong miskin. Salah satu metode statistika yang dapat dilakukan untuk melihat karakteristik tersebut adalah pohon klasifikasi seperti Classification and Regression Tree (CART). Namun metode ini memiliki kelemahan jika terdapat ketikseimbangan kelas data (unbalanced dataset), sehingga ditanggulangi dengan metode SMOTE. Selain metode CART, akan dilakukan pengklasifikasian dengan Random Forest dan Xgboost. Hasil menunjukkan bahwa pada data yang telah seimbang, model random forest CART memiliki nilai AUC yang paling tinggi. Hal ini mengindikasikan metode ini lebih baik dibandingkan yang lainnya. Berdasarkan pemodelan dengan random forest diperoleh tiga variabel paling menentukan rumah tangga miskin yaitu jumlah anggota rumah tangga, ijazah terakhir kepala rumah tangga dan luas lantai rumah.
PERMODELAN CURAH HUJAN BULANAN DI KOTA BENGKULU DENGAN SEASONAL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (SARIMA) Herlin Fransiska; Pepi Novianti; Dian Agustina
Seminar Nasional Official Statistics Vol 2019 No 1 (2019): Seminar Nasional Official Statistics 2019
Publisher : Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (326.915 KB) | DOI: 10.34123/semnasoffstat.v2019i1.174

Abstract

Hujan adalahn unsur iklim yang sangat penting karena curah hujan berpengaruh terhadap perubahan iklim dan iklim berpengaruh terhadap banyak sektor seperti pertanian dan perikanan. Hal ini menjadikan permodelan curah hujan sangat penting untuk dikaji. Kota Bengkulu terdiri dari dua musim (Hujan dan Kemarau) dan juga memiliki cuaca yang sangat cepat berubah karena letak geografis Bengkulu yang berbatasan dengan Samudra Hindia yang berakibat jika terjadi tekanan rendah di Samudra Hindia maka Bengkulu akan mengalami hujan yang tinggi. Curah hujan yang terdiri dari dua musin dan terjadi secara berulang, sehingga curah hujan termasuk kedalam pola monsunal yang dicirikan oleh tipe curah hujan yang bersifat unimodial (satu puncak musim hujan). Jika menggunakan data curah hujan masa lalu maka metode yang tepat untuk memodelkan curah hujan adalah metode Seasonal Autoregressive Integrated Moving Average (SARIMA). Tujuan yang ingin dicapai dalam penelitian ini adalah mengetahui model SARIMA yang terbentuk pada data curah hujan mingguan Kota Bengkulu. Hasil yang diperoleh model SARIMA (0,1,1)(0,1,1)12 merupakan model curah hujan bulanan di Kota Bengkulu yang terbaik dengan AIC 207,40 dan SBC 215,06. Model ini selanjutnya dapat digunakan untuk peramalan.
PENERAPAN REGRESI KUANTIL PADA DATA KEMISKINAN BENGKULU Herlin Fransiska; Dyah Setyo Rini; Dian Agustina
Seminar Nasional Official Statistics Vol 2020 No 1 (2020): Seminar Nasional Official Statistics 2020
Publisher : Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (304.913 KB) | DOI: 10.34123/semnasoffstat.v2020i1.650

Abstract

Kemiskinan merupakan permasalahan yang kompleks. Sehingga masalah kemiskinan yang sangat multidimensi ini sulit dipecahkan. Hal ini menjadikan kajian tentang kemiskinan sangat diperlukan. Indonesia sebagai negara berkembang memiliki persentase penduduk miskin yang cukup tinggi, dan provinsi Bengkulu sebagai salah satu penyumbang kemiskinan terbesar kedua di Pulau Sumatra sehingga dibutuhkan kajian lebih lanjut tentang data kemiskinan Bengkulu. Penduduk miskin adalah penduduk yang memiliki rata-rata pengeluaran per kapita per bulan dibawah garis kemiskinan. Dilihat dari rata-rata pengeluaran perkapita dilakukan penerapan regresi kuantil. Regresi kuantil digunakan karena penerapan regresi linier tidak cocok yang dapat dilihat dari tidak terpenuhinya asumsi kenormalan dan homoskedastisitas. Hal ini terjadi karena adanya pencilan dan keberagaman data. Penerapan regresi kuantil dengan variable bebasnya Jumlah keluarga tanpa listrik, Jumlah sarana Pendidikan, Jumlah Sarana Kesehatan, Jumlah Penerima Jamkesmas, dan Jumlah SKTM diperoleh bahwa variable yang berpengaruh ialah Jumlah keluarga tanpa listrik dan Jumlah Sarana Kesehatan dengan kuantil 0.5 dimana model tersebut telah stabil.
PELATIHAN SPSS UNTUK ANALISIS DATA PENELITIAN TINDAKAN KELAS Nur Afandi; Herlin Fransiska; Siska Yosmar; Dyah Setyo Rini; Winalia Agwil; Baki Swita
Jurnal Berdaya Mandiri Vol. 4 No. 3 (2022): Jurnal Berdaya Mandiri (JBM)
Publisher : Universitas PGRI Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31316/jbm.v4i3.2805

Abstract

The implementation of Classroom Action Research (CAR) in SMA 8 Bengkulu City is not optimal. The problem is the teacher's skills in data analysis, such as: methodology, depth of analysis, and statistical analysis tools is low. Statistical analysis commonly used is descriptive statistics rather than inferential statistics. The solution is to carry out data analysis training for classroom action research using SPSS software. The activity has 3 (three) stages: 1. Preparation stage: collect the information, tracking, and survey of teacher needs, which includes problems faced by teachers in analyzing classroom action research data. 2. Implementation stage: training on SPSS software for data analysis. 3. Evaluation stage: practical tests for training participants. Based on evaluation, it concluded that the teacher's skill in data analysis had increased. keyword: Training, CAR, SPSS
Co-Authors Agustina Baki Swita Dian Agustina Diyah Astuti Dyah Setyo Rini Dyah Yunita hartanti Nur Afandi Pepi Novianti Siska Yosmar Susi Tri Nurhayanti Winalia Agwil Winalia Agwil