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

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
PERAMALAN MENGGUNAKAN METODE FUZZY TIME SERIES CHENG DAN DOUBLE EXPONENTIAL SMOOTHING: STUDY KASUS: JUMLAH WISATAWAN MANCANEGARA DI CANDI BOROBUDUR Petrus Kanisius Ola; Kartiko Kartiko
Jurnal Statistika Industri dan Komputasi Vol. 4 No. 01 (2019)
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.v4i01.1055

Abstract

Abstrak. Peramalan merupakan proses pengolahan data masa yang telah berlalu dan diproyeksikan untuk kepentingan di masa depan dengan menggunakan beberapa model matematis. Model yang digunakan dalam penelitian ini adalah metode Fuzzy Time Series Cheng dan meode Double Exponential Smoothing. Dalam penelitian ini, akan dilakukan proses peramalan jumlah wisatawan mancanegara yang berkunjung ke tempat wisata candi Borobudur menggunakan data 12 tahun terakhir, dengan metode Fuzzy Time Series Cheng kemudian akan dibandingkan dengan metode Double Exponential Smoothing. Berdasarkan hasil analisis dapat disimpulkan bahwa metode Double Exponential Smoothing merupakan metode yang memberikan hasil yang lebih baik dalam memprediksi jumlah wisatawan mancanegara yang berkunjung ke tempat wisata candi Borobudur karena memiliki nilai kesalahan peramalan lebih kecil yaitu 6.26%. Kemudian diperoleh hasil peramalan jumlah pengunjung pada tahun 2018 menggunakan metode Fuzzy Time Series Cheng dan metode Double Exponential Smoothing masing-masing sebanyak 294.920 jiwa dan 360.573 jiwa.
SPATIAL DURBIN ERROR MODEL PADA PEMODELAN PERSENTASE PENDUDUK MISKIN DI PROVINSI SULAWESI SELATAN Ahmad Akbar; Kartiko Kartiko
Jurnal Statistika Industri dan Komputasi Vol. 3 No. 02 (2018)
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.v3i02.1071

Abstract

Abstrak: Kemiskinan merupakan salah satu indikator utama dalam mendukung pencapaian keberhasilan pembangunan daerah. Strategi dan rencana program pengentasan kemiskinan sebagai aspek penting kinerja pemerintah daerah Provinsi Sulawesi Selatan diharapkan dapat menjadi jalan keluar untuk mengatasi permasalahan kemiskinan. Dari tahun 2005 sampai 2014; persentase penduduk miskin di Provinsi Sulawesi Selatan cenderung menurun dan persentase terendah terjadi pada tahun 2014 sebesar 9,54%. Hasil identifikasi awal menggunakan regresi dengan metode estimasi Ordinary Least Square (OLS) menunjukkan persentase penduduk miskin di Provinsi Sulawesi Selatan tahun 2014 dipengaruhi oleh faktor Indeks Pembangunan Manusia (IPM). Uji Moran’s I secara lokal menggunakan Local Indicators of Spatial Autocorrelation (LISA) dan uji LMError menunjukkan terdapat dependensi spasial secara lokal dan ada pengaruh efek error spasial pada pemodelan persentase penduduk miskin. Oleh karena itu, digunakan Spatial Durbin Error Model (SDEM) untuk pemodelan spasial. SDEM merupakan jenis khusus dari Spatial Error Model (SEM). Perbedaan kedua model tersebut adalah penambahan lag spasial variabel independen hanya pada SDEM. Hasil pemodelan menggunakan SDEM dan regresi dengan metode estimasi OLS menunjukkan hasil yang sama. Hal ini disebabkan karena kecilnya nilai Moran’s I, sehingga hasil estimasi parameter menggunakan SDEM menjadi tidak nyata. Variabel yang signifikan berpengaruh terhadap persentase penduduk miskin adalah IPM, sedangkan variabel lag spasial IPM tidak signifikan.
ANALISIS KOMPONEN UTAMA UNTUK MENGATASI MULTIKOLINEARITAS PADA FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT PENGANGGURAN TERBUKA DI PROVINSI NUSA TENGGARA TIMUR Elisabeth Maubanu; Kartiko Kartiko
Jurnal Statistika Industri dan Komputasi Vol. 3 No. 01 (2018)
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.v3i01.1078

Abstract

Abstrak. Analisis regresi digunakan untuk menyelidiki faktor-faktor yang mempengaruhi suatu variabel tertentu. Salah satu asumsi penting yang harus dipenuhi adalah tidak adanya multikolinearitas antar variabel independen. Multikolinearitas berakibat pada tidak minimalnya variansi koefisien regresi, sehingga model regresi tidak stabil. Multikolinearitas dapat ditangani menggunakan metode analisis komponen utama.Penelitian ini menggunakan data tingkat penggangguran terbuka di provinsi Nusa Tenggara Timur serta faktor-faktor yang diduga mempengaruhi; Indeks Pembagunan Manusia, kepadatan penduduk, laju pertumbuhan penduduk, laju pertumbuhan PDRB ADHK , Upah Minimum Regional, angka melek huruf, rata-rata lama sekolah dan rasio jumlah sekolah (SMA/MA/SMK) per 10.000 jiwa penduduk.Dalam analisis menggunakan metode OLS, terjadi multikolinearitas pada faktor-faktor independen. Berdasarkan hasil analisis menggunakan analisis komponen utama, tidak lagi terjadi multikolinearitas pada penduga model regresi. Dari 8 buah variabel independen diperoleh 4 buah variabel baru yang mampu menjelaskan 88,1 % variansi dari ke-8 variabel tersebut. MSE dari penduga model regresi komponen utama lebih kecil dibandingkan menggunakan metode OLS.
PENERAPAN METODE CART (CLASSIFICATION AND REGRESSION TREES) UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI PEMBAYARAN KREDIT OLEH NASABAH (STUDI KASUS BANK BRI UNIT AEK TARUM – SUMATERA UTARA) Rezeki Handayani Tanjung; Kartiko Kartiko
Jurnal Statistika Industri dan Komputasi Vol. 2 No. 02 (2017)
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.v2i02.1084

Abstract

ABSTRAK Penelitian ini bertujuan untuk mengklasifikasi pembayaran kredit nasabah Bank BRI Unit Aek Tarum – Sumatera Utara. Hasil pengklasifikasian tersebut, berupa faktor-faktor penciri yang mempengaruhi pembayaran kredit oleh nasabah. Untuk mengetahui hasil pengklasifikasian pembayaran kredit, digunakan analisis CART dengan pendekatan analisis pohon klasifikasi. Hasil analisis pohon klasifikasi CART menunjukkan bahwa status pembayaran kredit dipengaruhi oleh jumlah penghasilan, usia dan plafond dengan ketepatan hasil klasifikasi yang terbentuk sebesar 84,2%. Karakteristik nasabah yang memiliki status pembayaran kredit cenderung tidak lancar adalah nasabah yang mempunyai jumlah penghasilan maksimum Rp 4.550.000, dengan plafond maksimum Rp 17.500.000 usia maksimum 39,5 tahun dengan persentase 20,5%, nasabah dengan jumlah penghasilan lebih dari Rp 4.550.000 dengan persentase 18,1%, serta nasabah dengan jumlah penghasilan maksimum Rp 4.550.000 dengan plafond lebih dari Rp 17.500.000 persentase 1,4%.
FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS BEKERJA PENDUDUK KABUPATEN KULON PROGO TAHUN 2013 DENGAN MENGGUNAKAN PENDEKATAN REGRESI LOGISTIK Yanita Putri Puspita Sari; Kartiko Kartiko
Jurnal Statistika Industri dan Komputasi Vol. 2 No. 01 (2017)
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.v2i01.1098

Abstract

Abstrak. Permasalahan ketenagakerjaan merupakan kendala yang dihadapi pemerintah. Salah satu usaha dalam mengatasi permasalahan tersebut adalah program kesejahteraan Pro Rakyat. Tujuannya meningkatkan kesejahteraan masyarakat yang akan berpengaruh terhadap penurunan pengangguran. Skripsi ini bertujuan untuk mengetahui pengaruh faktor jenis kelamin, raskin, televisi, pendapatan keluarga, jaminan pembiayaan atau asuransi, telepon seluler atau HP dan komputer terhadap status bekerja penduduk di Kabupaten Kulon Progo tahun 2013. Metode analisis yang digunakan analisis deskriptif, uji Chi-square dan analisis regresi logistik. Data yang digunakan adalah data sekunder yang penulis dapat dari BPS Kabupaten Kulon Progo tahun 2013, berupa data Susenas dari hasil Survei Sosial Ekonomi Nasional tingkat kabupaten 2886 data. Hasil dari pembahasan menunjukkan jenis kelamin ( ), raskin ( ), jaminan pembiayaan atau asuransi ( ) dan komputer ( ) berpengaruh terhadap status bekerja. Persamaan regresi logistik yang terbentuk . Peluang mendapatkan kesempatan kerja : penduduk laki-laki lebih besar daripada perempuan (1/0,168), penduduk yang tidak menerima raskin lebih kecil daripada yang menerima raskin (1/0,220), penduduk yang tidak memiliki jaminan pembiayaan atau asuransi lebih kecil daripada yang memiliki (1/0,756), penduduk yang tidak memiliki komputer lebih besar daripada yang memiliki (1/2,691). Proporsi varians dari variabel independen terhadap variabel dependen bisa dijelaskan oleh model sebesar 29,2 %.
ANALISIS GEOGRAPHICALLY WEIGHTED REGRESSION MENGGUNAKAN PEMBOBOT ADAPTIVE BISQUARE DAN NEAR NEIGHBOURHOOD KERNEL (Studi Kasus: Kemiskinan di Provinsi Sulawesi Tenggara tahun 2017) Abdul Fattah Jaya Putra Dao; Kartiko Kartiko
Jurnal Statistika Industri dan Komputasi Vol. 4 No. 2 (2019): 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.v4i2.1950

Abstract

Penelitian ini bertujuan untuk membandingkan pembobot GWR yaitu adaptive kernel bisquare dan near neighbourhood kernel pada kasus kemiskinan di Provnsi Sulawesi Tenggara. Hasil analisis diperoleh nilai GWR menggunakan pembobot adaptive kernel bi-square dengan 3 variabel independen memiliki standart error sebesar 49,53732 dan Kab./Kota yang signifikan dengan α=5% sebanyak 15 lokasi pada variabel X2. Sedangkan untuk nilai GWR menggunakan pembobot adaptive kernel bi-square dengan 1 variabel independen memiliki standart error sebesar 55,66681 dan Kab./Kota yang signifikan dengan α=5% sebanyak 17 lokasi. Dan untuk GWR menggunakan pembobot near neighbourhood kernel memiliki standart error sebesar 44,30874 dan tidak ada Kab./Kota yang signifikan dengan α=5%. Berdasarkan hasil analisis yang diperoleh untuk pembobot terbaik dalam model GWR adalah pembobot adaptive kernel bi-square dengan 1 variabel. Hal ini dapat diketahui dari banyaknya Kabupaten/Kota yang signifikan yaitu sebanyak 17 Kabupaten/Kota.
Co-Authors Abdul Fattah Jaya Putra Dao Ahmad Akbar Elisabeth Maubanu Petrus Kanisius Ola Rezeki Handayani Tanjung Yanita Putri Puspita Sari