cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
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
Published by Institut Teknologi Sepuluh Nopember Surabaya
ISSN : 0216308X     EISSN : 27213862     DOI : http://dx.doi.org/10.12962/j27213862
Core Subject : Science, Education, Social, Engineering,
Computer Science & IT Decision Sciences, Operations Research & Management Engineering Mathematics Social Sciences
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.
Arjuna Subject : Matematika - Statistik dan Probabilitas
Articles 7 Documents
 1 
Search results for , issue "Vol 4, No 1 (2021): Inferensi" : 7 Documents clear
Pemodelan Multivariate Adaptive Generalized Poisson Regression Spline pada Kasus Jumlah Kematian Ibu di Provinsi Jawa Timur Euodia Putri Prastika; Bambang Widjanarko Otok; Purhadi Purhadi
Inferensi Vol 4, No 1 (2021): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j27213862.v4i1.7747

Abstract

Kematian ibu menjadi salah satu masalah besar bagi negara Indonesia, karena ibu berperan penting dalam regenerasi manusia. Indonesia memiliki angka kematian ibu (AKI) tertinggi kedua di ASEAN. Nilai yang tinggi tersebut dipengaruhi oleh AKI provinsi-provinsi di Indonesia, termasuk Jawa Timur. Provinsi Jawa Timur termasuk tiga besar AKI tertinggi di Indonesia dengan nilai 91,45 per 100.000 kelahiran hidup pada tahun 2018. Tingginya AKI berbanding positif dengan jumlah kematian ibu, artinya semakin tinggi AKI, maka semakin banyak jumlah kematian ibu. Salah satu upaya yang dapat dilakukan untuk mengurangi AKI adalah pemodelan faktor-faktor yang mempengaruhi jumlah kematian ibu dengan metode regresi. Penelitian ini menggunakan metode Multivariate Adaptive Regression Splines (MARS) dengan estimator generalized Poisson, sehingga menjadi metode Multivariate Adaptive Generalized Poisson Regression Splines (MAGPRS). Model terbaik dari hasil analisis MAGPRS adalah model dengan BF=28, MI=2, dan MO=2. Setelah dilakukan backward stepwise,  fungsi basis dari model tersebut menjadi 24, dimana akan menyusun persamaan MAGPRS. Variabel prediktor yang paling berpengaruh terhadap model secara berurutan adalah variabel persentase ibu nifas mendapat vitamin A, persentase peserta aktif KB, dan persentase kunjungan ibu hamil K4.
Analisis Risiko Penyebaran Kasus Covid-19 di Surabaya Raya Menggunakan Model Thomas Cluster Process Tiza Ayu Virania; Achmad Choiruddin; Vita Ratnasari
Inferensi Vol 4, No 1 (2021): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j27213862.v4i1.8874

Abstract

COVID-19 menyebar cepat di Jawa Timur khususnya daerah Surabaya Raya yang memiliki jumlah pasien terkonfirmasi positif tertinggi dibandingkan kota/kabupaten lainnya di Jawa Timur.  Kota Surabaya merupakan kota dengan jumlah pasien terkonfirmasi positif terbanyak dibandingkan Kabupaten Sidoarjo dan Gresik, dimana pada tanggal 20 Maret hingga 9 Juli 2020 68% dari jumlah kasus di Surabaya Raya merupakan kasus COVID-19 di Kota Surabaya. Hasil eksplorasi data menunjukkan bahwa data COVID-19 di Surabaya Raya tidak homogeny dan cenderung membentuk kelompok. Pemodelan kasus COVID-19 dengan Inhomogeneous Thomas Cluster Process menunjukkan kepadatan pabrik dan kepadatan tempat ibadah secara signifikan mempengaruhi persebaran COVID-19 di Surabaya Raya, dimana setiap penambahan 1 pabrik dalam 1 km2 akan meningkatkan risiko COVID-19 sebanyak  2 kali lipat. Sedangkan jika dalam 1 km2 terjadi penambahan sebanyak 1 tempat ibadah maka risiko meningkatnya kasus COVID-19 di Surabaya Raya sebesar 4 kali lipat jika dibandingkan dengan tidak ada penambahan tempat ibadah, sehingga diantara kedua variabel tersebut yang memberikan pengaruh besar terhadap  risiko peningkatan kasus positif COVID-19 di Surabaya Raya adalah kepadatan tempat ibadah. Estimasi jumlah kasus positif COVID-19 di Surabaya Raya adalah sebesar 161 kasus dengan standar deviasi kasus positif COVID-19 baru tersebar disekitar lokasi early case adalah sebesar 1,21 km. Validasi model dengan plot envelope K-Function menunjukkan bahwa Inhomogeneous Thomas Cluster Process baik digunakan untuk memodelkan data COVID-19 di Surabaya Raya pada 20 Maret 2020 hingga 9 Juli 2020.
Intervention Analysis and Machine Learning to Evaluate the Impact of COVID-19 on Stock Prices Hendri Prabowo; Iman Rais Afandy
Inferensi Vol 4, No 1 (2021): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j27213862.v4i1.8626

Abstract

The purpose of this study is to evaluate the impact of the COVID-19 outbreak on composite and individual stock prices in China, the USA, South Korea, and Indonesia by using an intervention model and comparing the results of its predictions with a machine learning model, i.e. neural network (NN) and deep learning neural network (DLNN). This intervention model can be used not only to find out the magnitude of the effect of COVID-19 on the stock price, but also the period of the effect. The composite stock price data used are KS11, 000001.SS, DJI, and JKSE, while the individual stock price data used are TLKM and EXCL. The data used is the daily stock data. The analysis shows that COVID-19 hurts stock prices both in countries that have passed the peak period and are still in the peak period of COVID-19. The impact is not directly after the first case of COVID-19 in each country. The lowest stock price occurred at the end of March 2020 in each country. Different conditions were shown by individual stock prices in the telecommunications sector that showed a positive trend after the end of April 2020. Generally, for all stock prices, intervention models are better for forecasting in-sample data and explanation impact COVID-19 on stock price, whereas machine learning models are better for forecasting out-of-sample data.
Analisis Faktor Resiko Penyebab Diabetes Mellitus dengan Regresi Logistik Biner I Gusti Bagus Ngurah Diksa; Kartika Fithriasari
Inferensi Vol 4, No 1 (2021): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j27213862.v4i1.8480

Abstract

Diabetes Mellitus menjadi salah satu masalah perawatan kesehatan utama di seluruh dunia. Penyakit gula ini merupakan penyakit berbahaya yang mana mengakibatkan kematian akibat komplikasi yang ditimbulkanya. Banyak faktor yang memengaruhi orang menderita diabetes , beberapa diantaranya yaitu usia, merokok,  serum sodium dan platelet dalam badan. Regresi logistik merupakan salah satu alat statistik yang dapat digunakan dalam permodelan klasifikasi tentang ada tidaknya yang mengalami diabetes. Tujuan penelitian ini adalah melihat pengaruh variabel independent usia, merokok, serum sodium dan platelet dalam mengklasifikasikan observasi  antara kategori yang tidak mengalami diabetes dan penderita diabetes.  Hasil yang didapatkan adalah semua variabel independent signfikan berpengaruh di dalam model dimana semakin meningkatnya umur kecenderungan orang menjadi diabetes semakin tinggi. Selain itu,  kegiatan merokok mampu memberikan kecenderungan orang menderita diabetes daripada orang yang tidak merokok. Kemudian semakin bertambahnya serum sodium dalam tubuh maka kecenderungan orang akan tidak menderita diabetes serta untuk bertambahnya platelet memberi kecenderungan sangat kecil orang menderita diabetes. Dalam klasifikasi ini, persentase akurasi klasifikasi sebesar 61,9 persen.  Walupun lebih dari 50 persen namun terjadi misklasifikasi orang yang menderita diabetes sebagai orang tidak mengalami diabetes sebesar 60 persen. Hal itu menyebabkan klasifikasi ini agak beresiko dalam mengelompokkan orang yang diabetes sebagai tujuan penanganan yang lebih cepat.
Pemodelan Faktor-faktor yang Mempengaruhi Angka Kematian Ibu di Jawa Timur Menggunakan Geographically Weighted Regression Ilalang Akar Pertiwi; Nurul Kholisatin; Naziehah Taibatunniswah; Achmad Choiruddin; Sutikno Sutikno
Inferensi Vol 4, No 1 (2021): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j27213862.v4i1.8930

Abstract

Angka Kematian Ibu merupakan jumlah kematian ibu di setiap 100 kelahiran bayi hidup. Kematian ibu menjadi salah satu indikator dalam menggambarkan kesejahteraan masyarakat di suatu negara. Kematian ibu juga menjadi salah satu parameter terkait derajat  kesehatan perempuan. Jumlah kematian ibu dihitung dari kematian selama masa kehamilan, persalinan, dan nifas atau pengelolaannya, bukan dihitung dari sebab-sebab lainnya seperti kecelakaan atau jatuh. Banyak faktor yang dapat menyebabkan kematian ibu diantaranya, kunjungan ibu hamil antenatal, riwayat komplikasi, kekurangan darah, persalinan di fasilitas pelayanan kesehatan, tenaga kesehatann terlatih, dan lain-lain. Dalam analisis ini akan dilakukan pemodelan statistika untuk mengetahui faktor-faktor penyebab tingginya persentase kematian ibu di Jawa Timur dengan menggunakan regresi linier dan juga pemodelan spasial. Terdapat delapan variabel prediktor yang masing-masing karakteristiknya berbeda satu-denga yang lain. Berdasarkan kebaikan modelnya, metode OLS adalah metode paling baik yang dapat menggambarkan kasus tingginya angka kematian ibu di Jawa Timur dengan baik.
Algoritma ClusterMix K-Prototypes Untuk Menangkap Karakteristik Pasien Berdasarkan Variabel Penciri Mortalitas Pasien Dengan Gagal Jantung Raditya Novidianto; Kartika Fithriasari
Inferensi Vol 4, No 1 (2021): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j27213862.v4i1.8479

Abstract

Cardiovascular Disease  (CVD) atau penyakit kardiovaskular adalah salah satu penyebab utama kematian cukup besar di seluruh dunia yang berujung pada kejadian gagal jantung. Organiasasi kesehatan WHO menyebutkan jumlah orang yang  meninggal karena penyakit kardiovaskuler akibat gagal jantung setiap tahun memiliki rata-rata 17,9 juta kematian setiap tahunnya, yaitu sekitar 31 persen dari total kematian secara global. Pendeteksian faktor mortalitas pasien gagal jantung perlu dibentuk segmentasi yang berguna untuk memperkecil peluang terjadinya kematian akibat  gagal jantung. Salah satunya dengan menggunakan variabel penciri mortalitas akibat gagal jantung dengan cara menerapkan algoritma k-prototypes. Hasil penggerombolan terbentuk 2 kluster yang dianggap optimal berdasarkan nilai koefisien silhouette tertinggi yaitu sebesar 0.5777. Hasil penelitian dilakukan segementasi pasien dengan variabel penciri mortalitas pasien gagal jantung yang menunjukan bahwa kluster 1 merupakan gerombol pasien yang memiliki resiko rendah terhadap peluang mortalitas akibat gagal jantung dan kluster 2 merupakan gerombol pasien dengan karaktistik pasien dengan resiko yang tinggi terhadap peluang mortalitas akibat gagal jantung. Segementasi tersebut didasari dari nilai rata-rata setiap variabel penciri  dari faktor mortalitas gagal jantung pada setiap kluster yang dibandingkan dengan kondisi normal pada variabel serum creatine, ejection fraction, usia, serum sodium, tekanan darah, anemia, creatinine phosphokinase, plateles, merokok, jenis kelamin dan diabetes.
Pemodelan Regresi Nonparametrik Spline Truncated pada Data Longitudinal Andrea Tri Rian Dani; Ludia Ni’matuzzahroh; Vita Ratnasari; I Nyoman Budiantara
Inferensi Vol 4, No 1 (2021): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j27213862.v4i1.8737

Abstract

Saat ini pendekatan regresi nonparametrik banyak mendapat perhatian dari para peneliti, dikarenakan memiliki fleksibilitas yang tinggi dan tidak tergantung pada asumsi bentuk kurva regresi. Spline truncated adalah salah satu model dalam regresi nonparametrik yang sering digunakan, karena mampu menangani data yang perilakunya berubah-ubah pada sub-sub interval tertentu. Pada analisis regresi, data yang seringkali digunakan adalah data cross-section, namun yang sebenarnya adalah analisis regresi juga dapat diterapkan pada data longitudinal, khususnya dengan menggunakan pendekatan regresi nonparametrik. Data longitudinal merupakan gabungan antara data cross-section dan time series. Penelitian ini bertujuan untuk memodelkan data persentase penduduk miskin di Provinsi Papua Tahun 2016 hingga Tahun 2019 menggunakan model regresi nonparametrik spline truncated. Metode estimasi parameter yang digunakan adalah Weighted Least Squares (WLS). Banyaknya titik knot yang dicobakan adalah 1 hingga 3 titik knot. Berdasarkan hasil analisis, model regresi nonparametrik spline truncated terbaik adalah model yang menggunakan 1 titik knot, dengan nilai GCV yang paling minimum yaitu sebesar 8,05 dan Koefisien Determinasi (R2) sebesar 99,98%.

Page 1 of 1 | Total Record : 7

 1 

Filter by Year

2021 2021


Reset
Filter By Issues
All Issue Vol 6, No 2 (2023) Vol 6, No 1 (2023) Vol 5, No 2 (2022) Vol 5, No 1 (2022): Inferensi Special Issue: Seminar Nasional Statistika XI 2022 Vol 4, No 2 (2021): Inferensi Vol 4, No 1 (2021): Inferensi Vol 3, No 2 (2020): Inferensi Vol 3, No 1 (2020): Inferensi Vol 2, No 2 (2019): Inferensi Vol 2, No 1 (2019): Inferensi Vol 1, No 2 (2018): Inferensi Vol 1, No 1 (2018): Inferensi More Issue