Inferensi
The aim of Inferensi is to publish original articles concerning statistical theories and novel applications in diverse research fields related to statistics and data science. The objective of papers should be to contribute to the understanding of the statistical methodology and/or to develop and improve statistical methods; any mathematical theory should be directed towards these aims; and any approach in data science. The kinds of contribution considered include descriptions of new methods of collecting or analysing data, with the underlying theory, an indication of the scope of application and preferably a real example. Also considered are comparisons, critical evaluations and new applications of existing methods, contributions to probability theory which have a clear practical bearing (including the formulation and analysis of stochastic models), statistical computation or simulation where the original methodology is involved and original contributions to the foundations of statistical science. It also sometimes publishes review and expository articles on specific topics, which are expected to bring valuable information for researchers interested in the fields selected. The journal contributes to broadening the coverage of statistics and data analysis in publishing articles based on innovative ideas. The journal is also unique in combining traditional statistical science and relatively new data science. All articles are refereed by experts.
Articles
95 Documents
<![CDATA[Penentuan Waktu Optimum Perbaikan Komponen Mesin Cing Fong H Di PT Ajinomoto Indonesia, Mojokerto Menggunakan Analisis Reliabilitas Dengan Pendekatan Fungsi Copula ]]>
<![CDATA[Linda Wulansari Taryanto]]>;
<![CDATA[Agus Suharsono]]>;
<![CDATA[Haryono Haryono]]>
<![CDATA[ Inferensi Vol 1, No 1 (2018): Inferensi ]]>
Publisher : <![CDATA[Department of Statistics ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (680.508 KB)
|
DOI: 10.12962/j27213862.v1i1.6717
<![CDATA[Mesin Cing Fong H merupakan salah satu mesin yang digunakan pada proses produksi tepung bumbu Sajiku di PT Ajinomoto Indonesia. Pada mesin Cing Fong H, terdapat dua komponen yang memiliki fungsi penting yaitu cutter dan selenoid. Apabila terjadi masalah terhadap salah satu dari komponen tersebut maka kemasan akan rusak (cacat) atau tidak dapat tercetak sehingga mesin mengalami breakdown hal tersebut terjadi karena komponen saling mempengaruhi (dependen). karena itu, perlu diadakan maintenance atau perawatan mesin sehingga tidak terjadi breakdown saat mesin sedang berproduksi. Penelitian ini bertujuan untuk menentukan waktu optimum perbaikan atau pergantian komponen mesin Cing Fong H di PT Ajinomoto Indonesia berdasarkan analisis reliabilitas dengan pendekatan Copula sehingga dapat mengurangi biaya perawatan dan memaksimumkan produksi dengan pendekatan ilmu statistik. Berdasarkan hasil analisis diperoleh kesimpulan bahwa lifetime komponen cutter dan selenoid pada mesin Cing Fong H berdistribusi weibull 2 parameter. Pada perhitungan nilai dependensi didapatkan nilai -0,00952381 dan menghasilkan Copula terbaik dengan nilai parameter Copula terkecil sebesar -0,01887 yaitu pada Copula clayton. Sehingga didapatkan model reliabilitas dan didapatkan plot yang menujukan bahwa keandalan suatu mesin akan mengalami penurunan seiring bertambahnya waktu pakai mesin. Berdasarkan model reliabilitas didapatkan waktu preventive maintenace komponen yang optimum dapat dilakukan dalam kurun waktu 795 jam sampai dengan 1000 jam.]]>
<![CDATA[Topic Discovery pada Dokumen Abstrak Jurnal Penelitian di Science Direct Menggunakan Association Rule ]]>
<![CDATA[Mochammad Farros Fatchur Roji]]>;
<![CDATA[Irhamah Irhamah]]>
<![CDATA[ Inferensi Vol 2, No 2 (2019): Inferensi ]]>
Publisher : <![CDATA[Department of Statistics ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (495.464 KB)
|
DOI: 10.12962/j27213862.v2i2.6824
<![CDATA[pemahaman mengenai ilmu berdasarkan review dari ilmuwan. Karakteristik jurnal seperti update berkaitan dengan teori dibandingkan buku, pembahasan yang lebih ringkas, sebagai referensi alternative, aplikasi dan implementasi dunia nyata. Jurnal yang telah dibuat dalam bentuk digitalisasi memiliki istilah lain yaitu file atau soft copy dengan memanfaatkan teknologi informasi dan komunikasi, yang saat ini menjadi salah satu koleksi perpustakaan digital. Data yang di gunakan berasal dari ScienceDirect. ScienceDirect adalah database yang berisi kumpulan dokumen full-text yang berkualitas yang telah diperiksa oleh peer-review Elsevier. Dokumen abstrak dari sciencedirect tersebut nantinya akan dilakukan pre processing terlebih dahulu. Kemudian di lanjutkan dengan association rule dan pearson correlation setelahnya. Pada association rule term kata jika menggunakan min support 2 % maka di dapatkan frequent itemset sebanyak 72, closed frequent itemset sebanyak 55, dan remove subset sebanyak 41 itemset. Kemudian saat di lakukan analisis korelasi pada itemset remove subset. Di dapatkan bayesian,model yaitu itemset yang paling banyak memiliki hubungan. Kemudian pada topic community dengan cfinder terbagi menjadi dua komunitas dan terdapat irisan sebanyak 6 itemset.]]>
<![CDATA[Klasifikasi Pasien Penderita Penyakit Liver dengan Pendekatan Machine Learning ]]>
<![CDATA[Elly Pusporani]]>;
<![CDATA[Siti Qomariyah]]>;
<![CDATA[Irhamah Irhamah]]>
<![CDATA[ Inferensi Vol 2, No 1 (2019): Inferensi ]]>
Publisher : <![CDATA[Department of Statistics ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (798.153 KB)
|
DOI: 10.12962/j27213862.v2i1.6810
<![CDATA[Liver atau hati adalah organ yang perannya sangat vital dalam tubuh manusia. Penyakit liver sering dianggap sebagai silent killer (pembunuh diam-diam) karena adanya kemungkinan tidak timbul gejala. Permasalahan yang terjadi adalah sulitnya mengenali penyakit liver sejak dini., bahkan saat penyakit ini sudah menyebar pun masih sulit untuk dideteksi. Padahal penderita perlu mengetahui adanya gejala penyakit liver sejak dini agar dapat segera melakukan pengobatan. Adanya diagnosa penyakit liver sejak dini mampu meningkatkan kelangsungan hidup pasien. Pada penelitian ini diterapkan metode untuk klasifikasi penyakit liver menggunakan machine learning dan dibandingkan hasilnya dengan metode klasik. Data yang digunakan adalah Indian liver patients dataset (ILPD)yang diambil dari UCI machine learning. Terdapat beberapa tahapan preprocessing yang dilakukan, antara lain pengecekan missing value, imputasi, feature selection, dan resampling untuk mengatasi data imbalance. Setelah dilakukan preprocessing, selanjutnya dilakukan analisis menggunakan metode regresi logistik, decision tree, naïvebayes, k-nearest neighbor, dan support vector machine. Berdasarkan nilai akurasi dan presisi, maka metode SVM memberikan hasil yang terbaik, tapi berdasarkan recall maka metode K-Nearest Neighbor memberikan hasil terbaik. Walaupun SVM memberikan hasil nilai akurasi dan presisi tertinggi tetapi terdapat ketimpangan yang besar antara nilai presisi dan recall yang dihasilkan, jika dibandingkan selisih nilai akurasi dan recall dari metode K-Nearest Neighbor.]]>
<![CDATA[Penentuan Waktu Optimum Preventive Maintenance pada Mesin Pellet Mill di PT Japfa Comfeed Indonesia, Tbk. Unit Margomulyo menggunakan Metode Geometric Process ]]>
<![CDATA[Zahrina Luthfi Raudina]]>;
<![CDATA[Agus Suharsono]]>;
<![CDATA[Haryono Haryono]]>
<![CDATA[ Inferensi Vol 1, No 2 (2018): Inferensi ]]>
Publisher : <![CDATA[Department of Statistics ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (996.27 KB)
|
DOI: 10.12962/j27213862.v1i2.6725
<![CDATA[PT Japfa Comfeed Indonesia, Tbk. Unit Margomulyo merupakan perusahaan yang berfokus pada kebutuhan pakan ternak khususnya ternak ayam broiler. Proses produksi pakan ternak dibantu oleh beberapa mesin salah satunya adalah mesin Pellet Mill. Mesin Pellet Mill merupakan mesin yang berfungsi untuk pembentukan pellet pada pakan ternak. Beberapakali mesin Pellet Mill mengalami kerusakan ditengah proses produksi, sehingga mengganggu proses produksi. Perbaikan pada mesin tidak selamanya efisien karena semakin sering mesin mengalami perbaikan maka keandalan mesin akan semakin menurun dan laju kerusakan semakin meningkat seiring bertambahnya waktu. Geometric Process merupakan metode yang sesuai untuk memodelkan permasalahan tersebut karena mesin setelah mengalami perbaikan maka dianggap memiliki kinerja dan keandalan yang menurun secara linier. Pada penelitian ini bertujuan untuk menentukan waktu optimum perusahaan melakukan tindakan pemeliharaan pada mesin Pellet Mill 5.12 dan 8.12 berupa perbaikan, pengecekan seluruh komponen, dan melakukan penggantian komponen. Hasil penelitian menunjukkan waktu optimum untuk pemeliharaan mesin Pellet Mill 5.12 adalah pada kerusakan ke-8 dengan estimasi rata-rata biaya jangka panjang sebesar Rp 3.812.096 perjam dan pada mesin Pellet Mill 8.12 pada kerusakan ke-7 dengan estimasi rata-rata biaya jangka panjang Rp 7.344.398 perjam]]>
<![CDATA[Analisis Faktor-Faktor Risiko yang Mempengaruhi Angka Kesakitan Malaria di Provinsi Jawa Timur dengan Metode Geographically Weighted Regression ]]>
<![CDATA[Theresia Widiastuti]]>;
<![CDATA[Purhadi Purhadi]]>
<![CDATA[ Inferensi Vol 1, No 1 (2018): Inferensi ]]>
Publisher : <![CDATA[Department of Statistics ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (885.327 KB)
|
DOI: 10.12962/j27213862.v1i1.6713
<![CDATA[Sebagai kelanjutan dari program nasional untuk Indonesia Bebas Malaria di tahun 2030, Dinas Kesehatan Republik Indonesia memiliki target bahwa Pulau Jawa dan Bali sebagai daerah yang bukan endemik malaria akan bebas dari penyakit malaria terlebih dahulu pada tahun 2015. Jawa Timur sebagai salah satu provinsi di Pulau Jawa dengan jumlah penduduk tertinggi kedua di Indonesia setelah Jawa Barat (BPS, 2010), walaupun dengan jumlah kasus malaria yang tergolong rendah namun masih tetap memiliki beberapa kasus malaria bahkan masih ditemukan terdapat korban jiwa. Berdasarkan data dari Dinas Kesehatan Provinsi Jawa Timur, pada tahun 2009 ditemukan sebanyak 1489 kasus, 2010 ditemukan 947 kasus, pada tahun 2011 meningkat menjadi 1222 kasus, dan 2012 terjadi peningkatan, sehingga mencapai 1320 kasus. Disebutkan juga bahwa pada tahun 2013 penyakit malaria telah menimbulkan 7 kematian (Dinas Kesehatan Provinsi Jawa Timur 2013). Faktor signifikan yang mempengaruhi Angka Kesakitan Malaria adalah rasio konfirmasi laboratorium (mikroskop), rasio penderita diobati dengan ACT + Primaquine, rasio hasil pengobatan penderita (follow up tidak lengkap), rasio jenis parasit Pf, dan rasio malaria tanpa komplikasi (rawat jalan).]]>
<![CDATA[Evaluasi Performa dari Diagram Kontrol Multivariat berbasis Independen Principal Component Analysis (PCA) ]]>
<![CDATA[Muhammad Ahsan]]>;
<![CDATA[Hidayatul Khusna]]>
<![CDATA[ Inferensi Vol 1, No 2 (2018): Inferensi ]]>
Publisher : <![CDATA[Department of Statistics ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (228.62 KB)
|
DOI: 10.12962/j27213862.v1i2.6733
<![CDATA[Diagram kontrol multivarian akan efektif ketika jumlah karakteristik kualitas yang terlibat tidak terlalu besar. Sejumlah besar karakteristik kualitas dapat mengurangi kemampuan untuk mendeteksi setiap perubahan dalam suatu proses dan juga menyebabkan masalah multikolinieritas. Untuk mengatasi masalah ini, integrasi Principal component analysis (PCA) dan diagram kontrol digunakan. PCA adalah metode yang dapat mengubah sejumlah besar variabel berkorelasi menjadi beberapa komponen utama yang tidak berkorelasi tanpa kehilangan informasi. Paper ini akan fokus untuk mengevaluasi kinerja diagram kontrol multivariat berdasarkan Independen PCA menggunakan Average Run Length (ARL) melalui studi simulasi. Dari proses simulasi dapat dilihat bahwa Independen PCA memiliki probabilitas kinerja yang mirip untuk mendeteksi false alarm untuk semua jenis korelasi dan jumlah karakteristik. Namun, kemampuan untuk mendeteksi pergeseran menurun ketika terjadi peningkatan korelasi dan jumlah karakteristik kualitas.]]>
<![CDATA[Analisis Kepuasan Pasien dan Pelaksana Terhadap Sistem Informasi Manajemen Puskesmas Elektronik (Simpustronik) di Kabupaten Blitar Menggunakan Regresi Logistik Biner ]]>
<![CDATA[Rahmad Adi Subektianto]]>;
<![CDATA[Madu Ratna]]>;
<![CDATA[Ismaini Zain]]>
<![CDATA[ Inferensi Vol 1, No 1 (2018): Inferensi ]]>
Publisher : <![CDATA[Department of Statistics ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (819.022 KB)
|
DOI: 10.12962/j27213862.v1i1.6718
<![CDATA[Dinas Kesehatan Kabupaten Blitar berusaha meningkatkan kualitas kesehatan. Salah satunya dengan adanya Sistem Informasi Manajemen Puskesmas Elektronik (Simpustronik). Simpustronik mempermudah perekapan data pasien dan integrasi rekam medik pasien dengan pelayanan kesehatan lainnya. Sistem berjalan dengan baik ketika pengguna merasa puas terhadap sistem tersebut, oleh karena itu pada penelitian ini dilakukan analisis kepuasan pasien dan pelaksana terhadap Simpustronik. Mulai dari kesenjangan antara harapan dan kenyataan yang terjadi, posisi kuadran dari setiap dimensi yang perlu diperbaiki, indeks kepuasan, dan model regresi logistik biner untuk mengetahui faktor yang mempengaruhi kepuasan pasien dan pelaksana terhadap Simpustronik. Data analisis diperoleh dengan survey dengan jumlah sampel 120 pelaksana dan 140 pasien menggunakan simple random sampling. Hasil akhir diperoleh 15 indikator dengan 5 dimensi pembentuk kepuasan pasien dan 13 indikator dengan 6 dimensi pembentuk kepuasan pelaksana dapat disimpulkan valid dan reliabel. Pasien dan Pelaksana ternyata masih merasakan Gap atau kesenjangan antara harapan dan kenyataan terhadap Simpustronik. Namun jika secara indeks kepuasan persentase kepuasan pasien sebesar 0,7336 dan kepuasan pelaksana 0,659. Jika dilihat dari Importance Performance Analysis (IPA) bagi pasien, pengelola sistem perlu melakukan perbaikan faktor responsif dari Simpustronik, sedangkan untuk pelaksana tidak perlu dilakukan perbaikan. Hasil regresi logistik biner untuk pasien dari 11 variabel karakteristik diperoleh 5 variabel karakteristik ber-pengaruh signifikan dengan ketepatan klasifikasi model sebesar 67,1% dan untuk pelaksana dari 12 variabel karakteristik diperoleh 6 variabel karakteristik ber-pengaruh signifikan dengan sebesar 61,7%.]]>
<![CDATA[Pemodelan Tahanan Kapal Displacement Menggunakan Metode Artificial Neural Network ]]>
<![CDATA[Muthia Pandan Sari]]>;
<![CDATA[Raden Mohamad Atok]]>;
<![CDATA[Mahendra Indiaryanto]]>
<![CDATA[ Inferensi Vol 2, No 2 (2019): Inferensi ]]>
Publisher : <![CDATA[Department of Statistics ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (385.076 KB)
|
DOI: 10.12962/j27213862.v2i2.6823
<![CDATA[Pengujian tahanan kapal memiliki tujuan untuk mengetahui daya yang dibutuhkan sebuah kapal agar dapat bergerak. Salah satu cara untuk mendapat-kan nilai tahanan kapal tanpa melakukan suatu pengujian adalah dengan pemodelan. Untuk mendapat-kan model nilai tahanan kapal dan variabel yang berpengaruh terhadap tahanan kapal, penelitian ini menggunakan metode Artificial Neural Network. Pada metode ANN tidak bergantung pada bentuk asumsi yang mendasari data. Penelitian ini menunjukan bahwa jumlah neuron yang optimum yaitu berjumlah enam neuron dan enam variabel input. Variabel input yang digunakan yaitu panjang kapal tercelup, lebar kapal tercelup, syarat tercelup air, total keseluruhan berat kapal, koefisien primastik, dan kecepatan kapal dengan nilai RMSE sebesar 133.2891.]]>
<![CDATA[Pemodelan Jumlah Persediaan Suku Cadang Mesin ATM di Provinsi Jawa Timur dengan Regresi Spasial ]]>
<![CDATA[Mohammad Naufal Abdullah]]>;
<![CDATA[Rifda Zukhrufi Almas]]>;
<![CDATA[Amelia Kurnia Salwa]]>;
<![CDATA[Sutikno Sutikno]]>
<![CDATA[ Inferensi Vol 2, No 1 (2019): Inferensi ]]>
Publisher : <![CDATA[Department of Statistics ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (921.853 KB)
|
DOI: 10.12962/j27213862.v2i1.6811
<![CDATA[Pelayanan ATM (Automated Teller Machine) adalah layanan perbankan yang dilakukan melalui mesin ATM yang dapat melayani selama 24 jam. Selain dapat membantu nasabah terkadang mesin ATM seringkali mengalami masalah kerusakan mesin. Pengalokasian persediaan suku cadang dari supplier ke gudang penyimpanan suku cadang (warehouse) yang berada di berbagai wilayah harus dilakukan dengan optimum dan efisien. Kasus ini mengandung informasi spasial, maka analisis data tidak akurat jika hanya menggunakan analisis regresi sederhana Penelitian ini akan membahas pemodelan jumlah persediaan suku cadang mesin ATM di Provinsi Jawa Timur. Sumber data pada penelitian ini adalah dari tugas akhir “Pemodelan Alokasi Persediaan Suku Cadang dengan Mempertimbangkan Pengaruh Spasial” oleh Siti Nur Afifah (1213100083). Metode yang akan digunakan adalah regresi spasial, karena diduga terdapat dependensi spasial pada variabelnya, sehingga dapat diketahui variabel prediktor yang berpengaruh signifikan terhadap jumlah persediaan suku cadang mesin ATM di Provinsi Jawa Timur. Berdasarkan analisis yang telah dilakukan, dapat diketahui bahwa jumlah persediaan suku cadang setiap kabupaten/kota di Jawa Timur berdistribusi normal dan terdapat dependensi spasial. Setelah dilakukan uji Lagrange Multiplier, dilanjutkan pemodelan menggunakan Spatial Lag Model (SLM) dan Spatial Error Model (SEM). Jumlah kerusakan suku cadang dan lifetime suku cadang berpengaruh signifikan terhadap jumlah persediaan suku cadang Provinsi Jawa Timur pada taraf signifikan 10%. Harga suku cadang tidak memberikan pengaruh yang signifikan terhadap jumlah persediaan suku cadang. Spatial Error Model adalah model terbaik dalam pemodelan jumlah persediaan suku cadang mesin ATM di Provinsi Jawa Timur.]]>
<![CDATA[Analysis of Factors Affecting the Number of Infant and Maternal Mortality in East Java Using Geographically Weighted Bivariate Generalized Poisson Regression ]]>
<![CDATA[Luh Eka Suryani]]>;
<![CDATA[Purhadi Purhadi]]>
<![CDATA[ Inferensi Vol 1, No 2 (2018): Inferensi ]]>
Publisher : <![CDATA[Department of Statistics ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (907.034 KB)
|
DOI: 10.12962/j27213862.v1i2.6726
<![CDATA[Poisson regression is a non-linear regression model with response variable in the form of count data that follows Poisson distribution. Modeling for a pair of count data that show high correlation can be analyzed by Poisson Bivariate Regression. Data the number of infant mortality and maternal mortality are count data that can be analyzed by Poisson Bivariate Regression. The Poisson regression assumption is an equidispersion where the mean and variance values are equal. However, the actual count data has a variance value which can be greater or less than the mean value (overdispersion and underdispersion). Violations of this assumption can be overcome by applying Generalized Poisson Regression. haracteristics of each regency can affect the number of cases occurred. This issue can be overcome by spatial analysis called Geographically Weighted Regression. This study analyzes the number of infant mortality and maternal mortality based on conditions in East Java in 2016 using Geographically Weighted Bivariate Generalized Poisson Regression (GWBGPR) method. Modeling is done with Adaptive Bisquare Kernel weighting which produces 3 regency groups based on infant ortality rate and 5 regency groups based on maternal mortality rate. Variables that significantly influence the number of infant and maternal mortality are the percentages of pregnant women visit health workers at least 4 times during pregnancy, pregnant women get Fe3 tablets, bstetric complication handled, clean household and healthy behavior, and married women with the first marriage age under 18 years.]]>
