cover
Contact Name
Dr. Muhammad Ahsan
Contact Email
muh.ahsan@its.ac.id
Phone
+6281331551312
Journal Mail Official
inferensi.statistika@its.ac.id
Editorial Address
Department of Statistics Faculty of Science and Data Analytics Institut Teknologi Sepuluh Nopember (ITS) Kampus ITS Keputih Sukolilo Surabaya Indonesia 60111
Location
Kota surabaya,
Jawa timur
INDONESIA
Inferensi
ISSN : 0216308X     EISSN : 27213862     DOI : http://dx.doi.org/10.12962/j27213862
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 63 Documents
Analisis Faktor-Faktor Risiko yang Mempengaruhi Angka Kesakitan Malaria di Provinsi Jawa Timur dengan Metode Geographically Weighted Regression Theresia Widiastuti; Purhadi Purhadi
Inferensi Vol 1, No 1 (2018): Inferensi
Publisher : 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

Abstract

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).
Klasifikasi Kabupaten di Provinsi Jawa Timur Berdasarkan Indikator Daerah Tertinggal dengan metode Support Vector Machine (SVM) dan Entropy Based Fuzzy Support Vector Machine (EFSVM) Jefry Pranata Maulana; Irhamah Irhamah
Inferensi Vol 1, No 1 (2018): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (602.612 KB) | DOI: 10.12962/j27213862.v1i1.6715

Abstract

Pemerintah menetapkan 4 Kabupaten dari 29 kabupat-en di Provinsi Jawa Timur masuk dalam kategori dae-rah tertinggal pada tahun 2015. Penelitian ini akan digunakan metode Entropy Based Fuzzy Support Vector Machine (EFSVM) dan Support Vector Machine (SVM) untuk mengklasifikasikan kabupaten di Provinsi Jawa Timur dengan dan tanpa seleksi variabel. Terdapatnya imbalance pada data deerah tertinggal dimana kabu-paten tertinggal jauh lebih sedikit dibandingkan kabu-paten tidak tertinggal memerlukan metode klasifikasi untuk data imbalance, Salah satunya adalah EFSVM. Hasil menunjukan EFSVM memiliki Kinerja yang lebih baik pada AUC dibandingkan dengan SVM.. Seleksi variabel mampu meningkatkan AUC pada EFSVM na-mun tidak meningkatkan AUC pada SVM.
Pengendalian Kualitas Gula Kristal Putih (GKP) di PG Tjoekir Jombang Menggunakan Diagram Kontrol Multivariat Berbasis Time Series Muhammad Salam Taufiqi; Diaz Fitra Aksioma
Inferensi Vol 1, No 1 (2018): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (676.81 KB) | DOI: 10.12962/j27213862.v1i1.6716

Abstract

PG Tjoekir Jombang merupakan salah satu unit usaha dari PTPN X yang bergerak pada bidang pengadaan gula. Salah satu produk utama yang dihasilkan oleh PG Tjoekir Jombang adalah Gula kristal putih yang harus memenuhi kriteria Standar Nasional Indonesia (SNI). Karakteristik kualitas yang digunakan adalah warna larutan gula (ICUMSA) dan Besar Jenis Butir. Kedua karakteristik tersebut memiliki hubungan yaitu jika semakin kecil BJB maka ICUMSA akan semakin putih. hal itu menjelaskan jika semakin putih maka kualitas gula kristal putih semakin baik. Proses monitoring kualitas gula kristal putih dilakukan untuk menjaga kualitas dari gula yang dihasilkan oleh PG Tjoekir Jombang. Pengendalian kualitas menggunakan diagram kontrol multivariat berbasis time series lebih sesuai digunakan karena asumsi yang harus terpenuhi adalah tidak adanya autokorelasi antar pengamatan. Diagram kontrol dibuat berdasarkan residual dari model terbaik. Model terbaik yang diperoleh yaitu dengan menggunakan model VAR (3). Hasil diagram kontrol menunjukkan bahwa variabilitas dan rata-rata proses belum terkendali secara statistik. Salah satu penyebabnya adalah terjadinya kerusakan pada mesin dikarenakan setting mesin dan usia mesin saat sedang beroperasi, faktor tenaga kerja yang kurang teliti dan beberapa faktor yang lainnya.
Penentuan Waktu Optimum Perbaikan Komponen Mesin Cing Fong H Di PT Ajinomoto Indonesia, Mojokerto Menggunakan Analisis Reliabilitas Dengan Pendekatan Fungsi Copula Linda Wulansari Taryanto; Agus Suharsono; Haryono Haryono
Inferensi Vol 1, No 1 (2018): Inferensi
Publisher : 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

Abstract

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.
Analisis Kepuasan Pasien dan Pelaksana Terhadap Sistem Informasi Manajemen Puskesmas Elektronik (Simpustronik) di Kabupaten Blitar Menggunakan Regresi Logistik Biner Rahmad Adi Subektianto; Madu Ratna; Ismaini Zain
Inferensi Vol 1, No 1 (2018): Inferensi
Publisher : 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

Abstract

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%.
Quantile Regression Neural Network Model For Forecasting Consumer Price Index In Indonesia Dwi Rantini; Made Ayu Dwi Octavanny; Rumaisa Kruba; Heri Kuswanto; Kartika Fithriasari
Inferensi Vol 1, No 1 (2018): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (696.316 KB) | DOI: 10.12962/j27213862.v1i1.6719

Abstract

The main purpose of time series analysis is to obtain the forecasting result from an observation for future values. Quantile Regression Neural Network is a statistical method that can model data with non-homogeneous variance with artificial neural network approach that can capture nonlinear patterns in the data. Real data that allegedly have such characteristics is Consumer Price Index (CPI).  CPI forecasting is important to assess price changes associated with cost of living as well as identifying periods of inflation or deflation. The purpose of this research is to compare several method of forecasting CPI in Indonesia. The data used in this study during January 2007 until April 2018 period. QRNN method will be compared with Neural Network with RMSE evaluation criteria. The result is QRNN is the best method for forecasting CPI with RMSE 0.95.
Generalized Additive Logistic Pada Pemodelan Faktor-Faktor Yang Mempengaruhi Keuntungan PT. PDC Kartika Fithriasari; Soehardjoepri Soehardjoepri; Nur Iriawan
Inferensi Vol 1, No 1 (2018): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (293.023 KB) | DOI: 10.12962/j27213862.v1i1.6720

Abstract

Generalized Additive Models (GAM) merupakan kombinasi dari model additive dan generalized linear models (GLMs). GAM dengan variabel respon bertipe biner disebut model generalized additive logistic. Perbedaan hasil  model regresi logistik pada GLMs dan GAM didapatkan pada pemodelan faktor-faktor yang mempengaruhi keuntungan PT.PDC. Dari studi kasus PT.PDC. terlihat bahwa GLMs hanya menangkap hubungan linier antara log-odds dan variabel prediktor, sedangkan GAM dapat menangkap hubungan kuadratik yang digambarkan dalam grafik prediksi parsial.  Sehingga dapat disimpulkan bahwa GAM mampu memodelkan hubungan yang lebih kompleks dibanding GLMs.
Pengelompokan Kabupaten/Kota Berdasarkan Indikator Pembangunan Ekonomi dan Potensi Daerah Provinsi Jawa Timur Menggunakan Similarity Weight and Filter Method (SWFM) Renaldy Aprevia Lutfi; Ismaini Zain
Inferensi Vol 1, No 2 (2018): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (712.889 KB) | DOI: 10.12962/j27213862.v1i2.6724

Abstract

Pembangunan ekonomi banyak dilakukan di daerah yang memiliki potensi sumber daya yang lebih baik. Indikator pembangunan ekonomi terbagi menjadi indikator moneter, indikator non-moneter, dan indikator campuran. Terdapat 20 kabupaten/kota di Provinsi Jawa Timur yang berada di dataran rendah dan memiliki potensi pengelolaan di wilayah pesisir. Daerah lainnya di dataran sedang dan tinggi memiliki potensi pertanian yang besar karena merupakan daerah yang relatif subur. Perekonomian Jawa Timur tahun 2017 tumbuh sebesar 5,45 persen, namun kondisi tersebut belum dikatakan baik karena terdapat masalah ketimpangan ekonomi. Untuk mengatasinya, perlu memberikan kebijakan khusus kepada daerah dengan tingkat perekonomian dan potensi daerah yang berbeda. Analisis yang digunakan untuk mengetahui daerah dengan tingkat perekonomian dan potensi daerah yang berbeda adalah dengan analisis klaster. Metode analisis klaster dalam penelitian ini adalah dengan SWFM. SWFM dapat digunakan untuk menggabungkan kelompok data yang berasal dari data numerik dan data kategori. Hasil pengelompokan data numerik dengan metode ward, diperoleh jumlah kelompok optimum sebanyak tiga kelompok. Pada pengelompokan data kategori menggunakan metode k-modes, diperoleh karakteristik yang dapat membedakan antara tiga kelompok yang digunakan. Pengelompokan data numerik dan kategori menggunakan SWFM didapatkan jumlah kelompok optimum sebanyak lima kelompok.
Penentuan Waktu Optimum Preventive Maintenance pada Mesin Pellet Mill di PT Japfa Comfeed Indonesia, Tbk. Unit Margomulyo menggunakan Metode Geometric Process Zahrina Luthfi Raudina; Agus Suharsono; Haryono Haryono
Inferensi Vol 1, No 2 (2018): Inferensi
Publisher : 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

Abstract

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
Analysis of Factors Affecting the Number of Infant and Maternal Mortality in East Java Using Geographically Weighted Bivariate Generalized Poisson Regression Luh Eka Suryani; Purhadi Purhadi
Inferensi Vol 1, No 2 (2018): Inferensi
Publisher : 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

Abstract

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.