Article Per Year (5 Year)
p-Index From 2019 - 2024
0.562
P-Index
This Author published in this journals
All Journal Jurnal Statistika Industri dan Komputasi
Rokhana Dwi Bekti
Jurusan Statistika, Fakultas Sains Terapan, Institut Sains & Teknologi AKPRIND
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 
SPATIAL DURBIN ERROR MODEL PADA PEMODELAN TINGKAT PENGANGGURAN TERBUKA DI PROVINSI NUSA TENGGARA TIMUR Heribertin Pau Teku; Noeryanti; Rokhana Dwi Bekti
Jurnal Statistika Industri dan Komputasi Vol. 8 No. 2 (2023): 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.v8i2.4452

Abstract

Pertumbuhan angkatan kerja yang tergolong cepat dan ketersediaan lapangan kerja yang tidak seimbang mengakibatkan timbulnya masalah pengangguran di suatu wilayah atau daerah. Besarnya persentase tingkat pengangguran dapat mengakibatkan pembangunan ekonomi menjadi semakin terpuruk. Hal ini dikarenakan pengangguran menjadi salah satu indikator untuk menunjukkan tingkat kesejahteraan akibat dari pembangunan ekonomi. Tujuan dari penelitian ini untuk mengetahui faktor- faktor yang mempengaruhi tingkat pengangguran terbuka dengan membandingkan model Ordinary Least Square (OLS), Spatial Error Model (SEM) dan Spatial Durbin Error Model (SDEM). Terdapat 4 variabel independen yang diduga memiliki pengaruh signifikan terhadap tingkat pengangguran terbuka yaitu persentase penduduk miskin (X1), tingkat partisipasi angkatan kerja (X2), indeks pembangunan manusia (X3) dan angka partisipasi murni tingkat sekolah menegah atas (X4). Hasil uji asumsi klasik OLS menunjukan terjadi heteroskedastisitas sehingga diduga terdapat efek spasial dan dilanjutkan pada pemodelan spasial. Pada uji autokorelasi spasial menunjukkan bahwa terdapat efek spasial pada variabel independen (X) dan nilai Error (e), sehingga pengujian dengan model SEM dan SDEM dapat dilakukan. Berdasarkan perbandingan nilai AIC dari pemodelan OLS, SEM dan SDEM, diketahui bahwa pemodelan SDEM memiliki nilai AIC terkecil yakni sebesar 73.2 sehingga baik untuk memodelkan tingkat pengangguran terbuka di provinsi NTT. Pemodelan SDEM dengan variabel yang signifikan menunjukan bahwa indeks pembangunan manusia (X3) signifikan terhadap tingkat pengangguran terbuka.
PERBANDINGAN MODEL ORDINARY KRIGING DAN ROBUST KRIGING TERHADAP CURAH HUJAN DI KABUPATEN TANJUNG JABUNG BARAT Fida Fariha Amatullah; Rokhana Dwi Bekti; Noeryanti
Jurnal Statistika Industri dan Komputasi Vol. 8 No. 2 (2023): 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.v8i2.4453

Abstract

Kabupaten Tanjung Jabung Barat memiliki areal kebun cukup luas. Salah satu faktor yang dapat mempengaruhi hasil perkebunan yaitu curah hujan. Keterbatasan alat penakar hujan menyebabkan beberapa areal tidak tersampel, sehingga dibutuhkan prediksi curah hujan. Salah satu metode yang dapat memprediksi curah hujan di areal tidak tersampel yaitu metode kriging. Metode kriging dapat memprediksi berdasarkan bobot yang berasal dari semivariogram dan susunan dari lokasi di lingkungan sekitarnya. Tidak jarang data yang dijadikan sampel terdapat data pencilan spasial. Untuk mengatasi hal tersebut dapat digunakan metode ordinary kriging dan robust kriging yang dapat mengakomodir adanya pencilan. Sebelum melakukan prediksi, diperhitungkan terlebih dahulu nilai semivariogram. Semivariogram yang digunakan yaitu semivariogram eksperimental, semivariogram robust dan semivariogram teoritis. Perhitungan semivariogram eksperimental dan robust digunakan untuk dapat menentukan model terbaik pada semivariogram teoritis yang digunakan untuk pendugaan. Hasil semivariogram teoritis terbaik yang dihasilkan dari metode ordinary kriging berdasarkan interval kelas yaitu gaussian dan model terbaik berdasarkan package gstat untuk ordinary dan robust kriging adalah model exponential. Perbandingan pendugaan antara ordinary kriging dan robust kriging menghasilkan bahwa pendugaan dengan metode ordinary kriging menggunakan model exponential lebih baik dibanding robust kriging ditunjukkan dengan nilai MAPE metode robust kriging sebesar 43,53% dan ordinary kriging sebesar 39,65% lebih kecil dibanding MAPE pada metode robust kriging.
PENERAPAN MODEL GEOGRAPGICALLY WEIGHTED REGRESSION (GWR) MENGGUNAKAN FUNGSI PEMBOBOT ADAPTIVE KERNEL GAUSSIAN DAN ADAPTIVE KERNEL BISQUARE PADATINGKAT PENGANGGURAN TERBUKA DI PULAU PAPUA Yohanes Taek; Rokhana Dwi Bekti; Kris Suryowati
Jurnal Statistika Industri dan Komputasi Vol. 8 No. 2 (2023): 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.v8i2.4459

Abstract

Tingkat Pengangguran Terbuka merupakan indikator yang digunakan dalam mengukur tenaga kerja yang tidak diserap oleh pasar kerja dan menggambarkan kurang termanfaatkannya pasokan tenaga kerja. Penyebab munculnya tingkat pengangguran terbuka karena ketidakcocokan ketrampilan, minimnya pengelaman, rendahnya permintaan, dan kondisi ekonomi. Persentase tingkat pengangguran terbuka antarasatu lokasi dengan lokasi lainnya berbeda-beda, hal ini memungkinkan adanya keragaman spasial antara lokasi. Dalam upaya mengatasi masalah Tingkat Pengangguran Terbuka diperlukan suatu analisis spasial sehingga dapat menentukan faktor apa saja yang berpengaruh terhadap Tingkat Pengangguran Terbuka yang terdapat di Pulau Papua tahun 2020 yaitu menggunakan metode Geographically Weighted Regression(GWR) dengan fungsi pembobot adaptive kernel Gaussian dan fungsi pembobot adaptive kernel Bisquare.Berdasarkan hasil analisis diperoleh model GWR menggunakan fungsi pembobot adaptive kernel Gaussian dengan taraf signifikansi 10%, variabel Indeks Pembangunan Manusia (X1) signifikan di 37 kabupaten/kotadan variabel PDRB Perkapita (X2) signifikan di 36 kabupaten/kota di Pulau Papua tahun 2020. Model GWR dengan fungsi pembobot adaptive kernel Bisquare pada taraf signifikansi 10%, variabel Indeks Pembangunan Manusia (X1) signifikan di 23 kabupaten/kota dan variabel PDRB Perkapita (X2) signifikandi 23 kabupaten/kota di Pulau Papua tahun 2020. Berdasarkan hasil perbandingan dari kedua fungsi pembobot disimpulkan bahwa model terbaik untuk mengestimasi Tingkat Pengangguran Terbuka di PulauPapua tahun 2020 adalah dengan fungsi pembobot adaptive kernel Bisquare karena mempunyai nilai R2 terbesar yaitu 0,8427351 dan AIC terkecil yaitu 155,8274.
Co-Authors Fida Fariha Amatullah Heribertin Pau Teku Kris Suryowati Noeryanti Yohanes Taek