cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Aceng Komarudin Mutaqin
Contact Email
aceng.k.mutaqin@gmail.com
Phone
+628179289987
Journal Mail Official
jstat.unisba@gmail.com
Editorial Address
Jl. Ranggagading No. 8 Bandung 40116
Location
Kota bandung,
Jawa barat
INDONESIA
Statistika
Published by Universitas Islam Bandung
ISSN : 14115891     EISSN : 25992538     DOI : https://doi.org/10.29313/jstat.v19i2.4898
Core Subject : Economy, Science, Education, Engineering,
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Industrial & Manufacturing Engineering Mathematics
STATISTIKA published by Bandung Islamic University as pouring media and discussion of scientific papers in the field of statistical science and its applications, both in the form of research results, discussion of theory, methodology, computing, and review books.
Arjuna Subject : Matematika - Statistik dan Probabilitas
Articles 5 Documents
 1 
Search results for , issue "Vol 17, No 1 (2017)" : 5 Documents clear
Pemodelan Data Besar Klaim Asuransi Kendaraan Bermotor Menggunakan Distribusi Mixture Erlang Indah Permatasari; Aceng Komarudin Mutaqin; Lisnur Wachidah
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 17, No 1 (2017)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v17i1.2714

Abstract

Distribusi mixture Erlang dengan parameter skala yang sama merupakan salah satu distribusi yangdapat digunakan untuk memodelkan data yang mempunyai karakteristik bermodus banyak (lebihdari satu). Penaksiran parameter distribusi mixture Erlang dengan parameter skala yang samamenggunakan algoritme Expectation-Maximization (EM), sedangkan uji kecocokan modeldistribusinya akan digunakan uji kecocokan Anderson-Darling. Sebagai bahan aplikasi akandigunakan data besar klaim asuransi kendaraan bermotor di Indonesia yang bersumber dari instansipemerintah XYZ. Hasil pemodelannya menunjukkan bahwa data besar klaim asuransi kendaraanbermotor Kategori 1 dan 2 Wilayah 1 di Indonesia berdistribusi mixture Erlang dengan parameterskala yang sama dan distribusi Erlang yang dilibatkan sebanyak 2. Dari distribusi mixture Erlangdengan parameter skala yang sama diperoleh nilai taksiran parameter bentuk 45 ; ; taksiranparameter bobot ̂ ; ̂ ; dan taksiran parameter skala ̂
PEMODELAN PANEL SPASIAL PADA DATA KEMISKINAN DI PROVINSI PAPUA Yulial Hikmah
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 17, No 1 (2017)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v17i1.2318

Abstract

Model panel spasial merupakan hasil pengembangan dari model data panel. Pengembangan ini berSdasarkan pada adanya pengaruh spasial atau lokasi pada data panel. Informasi spasial sangat penting karena dapat mengetahui hubungan suatu daerah dengan daerah lainnya yang saling berdekatan. Data yang mengandung unsur spasial tidak akan akurat jika hanya menggunakan analisis regresi sederhana karena akan terjadi kesalahan asumsi. Sementara jika hanya menggunakan regresi panel saja tanpa memasukkan spasial akan menghasilkan galat yang heterogen yang diakibatkan keterkaitan antar wilayah. Tujuan penelitian ini adalah untuk mengetahui faktor-faktor yang mempengaruhi persentase penduduk miskin di Provinsi Papua berdasarkan model panel spasial terbaik diantara model panel SAR, SEM, dan GSM.
IDENTIFIKASI PENGANGGURAN SUKARELA (VOLUNTARY UNEMPLOYMENT) PEREMPUAN DI KABUPATEN KEPAHIANG TAHUN 2015 yosep oktavianus sitohang
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 17, No 1 (2017)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v17i1.2341

Abstract

Penurunan angka pengangguran merupakan salah satu target pembangunan. Untuk merealisasikannya Pemerintah Daerah Kabupaten Kepahiang berusaha untuk menambahkan lapangan pekerjaan yang dapat menyerap tenaga kerja lokal yang ada. Namun pengangguran dapat dibagi kedalam dua kelompok, yaitu pengangguran terpaksa (involuntary unnemployment) dan pengangguran sukarela (voluntary unemployment). Kebijakan untuk menyamaratakan fenomena tersebut dirasa kurang tepat. Oleh karenanya perlu dilakukan pembuktian untuk membuktikan indikasi bahwa pengangguran perempuan di Kabupaten Kepahiang merupakan pengangguran sukarela.Dari hasil pengujian menggunakan Analisis tabel kontingensi 3 arah, Metode Cochran-Mantel-Haenzel dan pengujian kehomogenan Odds Ratio didapat bahwa benar pengangguran perempuan di Kabupaten Kepahiang merupakan pengangguran sukarela (voluntary unemployment).
Kombinasi Regresi Tak Bias Ridge dengan Regresi Komponen Utama untuk Mengatasi Masalah Multikolinieritas Fitriana Novitasari; Suliadi Suliadi; Anneke Iswani A.
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 17, No 1 (2017)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v17i1.2713

Abstract

Metode kuadrat terkecil (MKT) merupakan salah satu metode penaksir parameter regresi. Dalam metode MKT terdapat salah satu asumsi yang harus dipenuhi yaitu tidak adanya multikolinieritas. Multikolinieritas merupakan hubungan linier antara sesama variabel bebas () yang akan berakibat pada ragam penduga koefisisen regresi menjadi besar sehingga menyebabkan selang kepercayaan untuk parameter regresi cenderung akan lebih lebar. Salah satu metode yang dapat digunakan untuk mengatasi multikolinieritas adalah regresi MCRR, dimana metode MCRR ini merupakan kombinasi antara regresi tak bias ridge (URR) dan regresi komponen utama. Makalah ini akan membahas penanganan multikolinieritas dengan menggunakan MCRR, sebagai bahan aplikasi akan digunakan data tingkat produksi Crude Palm Oil (CPO).
Valuasi Harga Saham PT Aneka Tambang Tbk sebagai Peraih IDX Best Blue 2016 Trimono Trimono; Di Asih I Maruddani
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 17, No 1 (2017)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v17i1.2579

Abstract

Menginvestasikan dan untuk membeli saham sebuah perusahaan merupakan salah satu bentuk investasi sektor finansial yang banyak diminati oleh para investor. Keuntungan investasi saham yang diperoleh, dapat dilihat dari nilai return saham. Harga saham adalah faktor utama yang berpengaruh terhadap nilai return saham. Namun, harga saham pada masa yang akan datang sering kali sulit untuk diprediksi. Geometric Brownian Motion (GBM) merupakan metode yang dapat digunakan untuk memprediksi harga saham jika diasumsikan return saham masa lalu berdistribusi normal. Jika dalam return saham masa lalu yang berdistribusi normal terdapat lompatan (jump), maka digunakan metode Jump Diffusion. Setelah diperoleh harga saham prediksi, dapat diukur nilai risiko investasinya. Hasil prediksi harga saham PT Aneka Tambang Tbk  periode 01/12/2016 sampai dengan 31/1/2017 dengan metode GBM, diperoleh nilai MAPE sebesar 11,01%. Berdasarkan nilai skewness dan kurtosis, dalam data return saham ANTM terdapat lompatan, sehingga harga saham ANTM lebih tepat dimodelkan dengan metode Jump Diffusion. Hasil prediksinya diperoleh nilai MAPE sebesar 1,95%. Metode Jump diffusion lebih tepat digunakan untuk prediksi, karena menghasilkan nilai MAPE yang lebih kecil. Untuk mengukur risiko investasi harga saham prediksi yang diperoleh dari model Jump Diffusion, digunakan metode VaR simulasi Monte Carlo dengan tingkat kepercayaan 95%. Dalam jangka waktu 1 hari setelah tanggal 25 Januari 2017 kerugian yang diterima tidak melebihi 5,617%. Berdasarkan uji backtesting, nilai VaR harga saham prediksi dengan metode Jump Diffusion pada taraf signifikansi 5% menghasilkan perhitungan yang akurat, karena tidak ditemukan adanya pelanggaran.Kata Kunci: Geometric Brownian Motion, Jump Diffusion Model, Value at Risk, Backtesting 

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2017 2017


Reset
Filter By Issues
All Issue Vol 21, No 1 (2021) Vol 20, No 2 (2020) Vol 20, No 1 (2020) Vol 19, No 2 (2019) Vol 19, No 1 (2019) Vol 18, No 2 (2018) Vol 18, No 1 (2018) Vol 17, No 2 (2017) Vol 17, No 1 (2017) Vol 16, No 2 (2016) Vol 16, No 1 (2016) Vol 15, No 2 (2015) Vol 15, No 1 (2015) Vol 14, No 2 (2014) Vol 14, No 1 (2014) Vol 13, No 2 (2013) Vol 13, No 1 (2013) Vol 12, No 2 (2012) Vol 12, No 1 (2012) Vol 11, No 2 (2011) Vol 11, No 1 (2011) Vol 10, No 2 (2010) Vol 10, No 1 (2010) Vol 9, No 2 (2009) Vol 9, No 1 (2009) Vol 8, No 2 (2008) Vol 8, No 1 (2008) Vol 7, No 2 (2007) Vol 7, No 1 (2007) Vol 6, No 2 (2006) Vol 6, No 1 (2006) Vol 5, No 2 (2005) Vol 5, No 1 (2005) Vol 4, No 2 (2004) Vol 4, No 1 (2004) Vol 3, No 2 (2003) Vol 3, No 1 (2003) Vol 2, No 2 (2002) Vol 2, No 1 (2002) Vol 1, No 1 (2001) More Issue