Article Per Year (5 Year)
p-Index From 2019 - 2024
0.408
P-Index
This Author published in this journals
All Journal Media Statistika Jurnal Statistika Industri dan Komputasi
Noviana Pratiwi
Jurusan Statistika, Fakultas Sains Terapan, Institut Sains & Teknologi AKPRIND Yogyakarta
Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Mathematics

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
ANALISIS PENGARUH LOKASI DAN KARAKTERISTIK KONSUMEN DALAM MEMILIH MINIMARKET DENGAN METODE REGRESI LOGISTIK DAN CART Rokhana Dwi Bekti; Noviana Pratiwi; Maria Titah Jatipaningrum; Dina Auliana
MEDIA STATISTIKA Vol 10, No 2 (2017): Media Statistika
Publisher : Department of Statistics, Faculty of Science and Mathematics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (236.317 KB) | DOI: 10.14710/medstat.10.2.119-130

Abstract

Konsumen saat ini memiliki banyak pilihan untuk berbelanja memenuhi kebutuhan sehari-hari, baik di pasar modern maupun tradisional, serta ritel khususnya dalam bentuk minimarket. Dengan demikian persaingan antar minimarket juga sangat tinggi. Setiap minimarket memiliki strategi pemasaran yang berbeda-beda, karena karakteristik konsumen dalam berbelanja juga berbeda-beda. Dalam strategi pemasaran, informasi dari berbagai aspek, yaitu dapat dari segi konsumen, pasar, pesaing, maupun produk sangat diperlukan. Pada penelitian ini melakukan analisis factor yang berpengaruh pada minat konsumen yang berbelanja di minimarket. Factor yang dikaji adalah dari segi konsumen, baik karakteristik maupun lokasi tempat tinggal. Data yang digunakan adalah data primer dengan melakukan survey wawancara pada konsumen di Kecamatan Ngaglik, Kab. Sleman, DIY. Sedangkan sampel minimarket adalah Indomaret. Metode analisis yang digunakan adalah regresi logistik dan Classification and Regression Trees (CART). Hasil analisis menunjukkan bahwa faktor-faktor yang signifikan berpengaruh terhadap minat belanja di Indomaret dengan metode regresi logistik adalah variabel jenis kelamin, pengeluaran rata-rata perbulan, dan lokasi tempat tinggal konsumen. Sedangkan factor berperan penting dalam pembentukan pohon klasifikasi CART adalah juga lokasi. Apabila dibandingkan berdasarkan nilai ketepatan klasifikasi, metode CART, sebagai metode nonparametrik yang tidak memiliki asumsi distribusi tertentu, menghasilkan ketepatan klasifikasi yang lebih tinggi dibandingkan regresi logistik.
PEMODELAN GEOGRAPHICALLY WEIGHTED PANEL REGRESSION MENGGUNAKAN PEMBOBOT KERNEL GAUSSIAN DAN KERNEL BI-SQUARE PADA KEMISKINAN DI PAPUA Felicitas Avelline Yansi; Noeryanti; Noviana Pratiwi
Jurnal Statistika Industri dan Komputasi Vol. 9 No. 1 (2024): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v9i1.4829

Abstract

Papua merupakan provinsi dengan tingkat kemisikinan tertinggi di Indonesia. Jumlah penduduk miskin di Papua selama tahun 2019-2021 cukup fluktuatif. Kemiskinan disebabkan oleh banyak faktor, antara lain kesulitan dalam memenuhi kebutuhan dasar, kesulitan dalam memperoleh pendidikan dan pekerjaan. Penelitian ini bertujuan untuk melakukan pemodelan Geographically Weighted Panel Regression menggunakan fungsi pembobot adaptive kernel gaussian dan adaptive kernel bi-square pada jumlah penduduk miskin di Papua. Dalam suatu penelitian tidak cukup melakukan pengamatan dalam satu waktu tertentu, tetapi juga perlu dilakukan dalam berbagai periode waktu. Model regresi linier secara umum bersifat global, dimana estimasi parameternya bernilai sama untuk semua lokasi. Pada kenyataannya, antara lokasi satu dengan lainnya memiliki kondisi yang berbeda. Hal ini memungkinkan adanya keragaman spasial antar lokasi. GWPR merupakan metode statistika yang digunakan dalam menganalisis keragaman spasial. Hasil penelitian ini menyatakan bahwa nilai koefisien determinasi pada pembobot adaptive bi-square kernel lebih besar yaitu 79,84% dan nilai AIC pada pembobot adaptive bi-square kernel lebih kecil yaitu 666,8033 daripada model GWPR dengan fungsi pembobot adaptive kernel gaussian, sehingga model GWPR dengan fungsi pembobot adaptive kernel bi-square lebih baik digunakan untuk pemodelan Geographically Weighted Panel Regression pada jumlah penduduk miskin di kabupaten/kota provinsi Papua tahun 2019-2021 terhadap faktor-faktor yang mempengaruhinya.
PERBANDINGAN FUNGSI AKTIVASI LINEAR, ReLU, SIGMOID, DAN TANSIG PADA ELM UNTUK PERAMALAN HARGA SAHAM Sri Mulyani; Rokhana Dwi Bekti; Noviana Pratiwi
Jurnal Statistika Industri dan Komputasi Vol. 9 No. 1 (2024): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v9i1.4844

Abstract

PT. Bank Central Asia Tbk (BBCA.JK) sebagai emiten sektor perbankan masih menempati posisi pertama sebagai emiten dengan kapitalisasi terbesar, dan saham teraktif di BEI. Berinvestasi di pasar saham mengikuti prinsip “high risk, high return, low risk, low return”. Itu sebabnya investor harus mencermati harga saham di masa depan. Salah satu cara memprediksi harga saham adalah dengan menggunakan metode Extreme Learning Machine (ELM). Hal ini melibatkan pemilihan dan pengaturan fungsi aktivasi yang memperkenalkan non-linearitas, memungkinkan jaringan saraf memodelkan hubungan kompleks antara input dan output. Hasil pengujian menunjukkan ELM optimal untuk memprediksi harga saham BBCA menggunakan fungsi aktivasi Sigmoid, inisialisasi bobot Uniform Positive, arsitektur jaringan yang terdiri dari 5 neuron input layer, 14 neuron hidden layer, dan 1 output layer. MAPE yang diperoleh sebesar 3.374546 < 10%, menunjukkan bahwa model dapat digeneralisasikan dengan baik, dengan rata-rata kecepatan pembelajaran sebesar 0.000343442 detik.
Co-Authors Dina Auliana Felicitas Avelline Yansi Maria Titah Jatipaningrum Noeryanti Rokhana Dwi Bekti Sri Mulyani