cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Aceng Komarudin Mutaqin
Contact Email
uptpublikasi@unisba.ac.id
Phone
+6285294008040
Journal Mail Official
jrs@unisba.ac.id
Editorial Address
Gedung Rektorat Lantai 4, Jl. Tamansari No. 20 Bandung 40116
Location
Kota bandung,
Jawa barat
INDONESIA
Jurnal Riset Statistika
Published by Universitas Islam Bandung
ISSN : 28083148     EISSN : 27986578     DOI : https://doi.org/10.29313/jrs.v1i2
Core Subject : Science, Education,
Decision Sciences, Operations Research & Management Mathematics
Jurnal Riset Statistika (JRS) adalah jurnal peer review dan dilakukan dengan double blind review yang mempublikasikan kajian teoritik dan hasil riset terhadap isu-isu empirik dalam sub kajian statistika. JRS ini dipublikasikan pertamanya 2021 dengan eISSN 2798-6578 yang diterbitkan oleh UPT Publikasi Imiah, Universitas Islam Bandung. Semua artikel diperiksa plagiasinya dengan perangkat lunak anti plagiarisme. Jurnal ini ter-indeks di Google Schoolar, Garuda, Crossref, dan DOAJ. Terbit setiap Juli dan Desember.
Arjuna Subject : Matematika - Statistik dan Probabilitas
Articles 70 Documents
 1   2   3   4   5 
Penentuan Kriteria Pengunjung dalam Pemilihan Green Hotel di Kota Bandung Menggunakan Metode Discrete Choice Experiment dengan Desain Choice Sets Kombinatorial Sheila Ghazia Shofwani; Abdul Kudus
Jurnal Riset Statistika Volume 1, No. 1, Juli 2021, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (810.543 KB) | DOI: 10.29313/jrs.v1i1.5

Abstract

Abstract. This research discusses about planning of guest formulation in the selection of environmentally green hotels by using a 2k-p factorial fractional design and combinatorial choice sets on the Discrete Choice Experiment method. Discrete Choice Experiments is a quantitative method for survey-based respondents' preference assessment. This method asks respondents to choose the preferred choice from several alternative choices provided. With this method the authors will apply to the case of green hotel selection, because currently in the United States, investors are beginning to look at green building opportunities as a long-term investment in accordance with the operational costs of green buildings that are more efficient than conventional buildings. The concept of green building is one of the efforts to save energy that can be applied to a building. The material of this study is primary data by distributing questionnaires to respondents using voluntary sampling techniques. In this study, there are 8 independent variables consisting of 5 attribute variables and 3 respondent identity variables. This study aims to determine the criteria for visitors in choosing the most desirable green hotel. The results of this study are the results of green hotel research that is most sought after by visitors, namely hotels with quality luxury rooms, toiletries provided, visitors are required to improve the environment, there is the practice of using plastic on product packaging, and there is the use of lamps as well as energy-saving equipment. After further analysis of the demographics of respondents regarding the preference of the selected green hotel criteria for each respondent, and the results obtained at the time, gender, occupation and experience of staying in a green hotel together are not related to the involvement of the selected green hotel criteria chosen from each respondent. Abstrak. Skripsi ini membahas mengenai penentuan rancangan kriteria pengunjung dalam pemilihan hotel ramah lingkungan (green hotel) dengan menggunakan desain fractional factorial 2k-p dan choice sets kombinatorial pada metode Discrete Choice Experiment. Discrete Choice Experiment merupakan metode kuantitatif untuk menilai suatu preferensi seorang responden yang berbasis survei. Metode ini meminta responden untuk memilih pilihan yang diminati dari beberapa alternatif pilihan yang disediakan. Dengan metode ini penulis akan melakukan penerapan pada kasus pemilihan kriteria green hotel, karena saat ini di Amerika Serikat, para investor mulai melirik peluang green building sebagai investasi jangka panjang dikarenakan biaya operasional green building yang lebih hemat dibandingkan bangunan konvensional. Konsep green building merupakan salah satu upaya penghematan energi yang dapat diterapkan pada suatu gedung. Bahan dari penelitian ini merupakan data primer dengan melakukan penyebaran kuesioner kepada responden dengan menggunakan teknik sampling sukarela. Pada penelitian ini, terdapat 8 variabel independen yang terdiri dari 5 variabel atribut dan 3 variabel identitas responden. Penelitian ini bertujuan untuk mengetahui kriteria pengunjung dalam memilih green hotel yang paling diminati. Hasil dari penelitian ini adalah didapatkan kriteria green hotel yang paling diminati oleh pengunjung yaitu hotel dengan kualitas kamar mewah, perlengkapan mandi disediakan, pengunjung diwajibkan untuk menjaga lingkungan, ada praktik penggunaan plastik pada kemasan produk, dan ada penggunaan lampu juga peralatan hemat energi. Setelah itu dilakukan analisis lanjutan mengenai pengaruh dari demografi responden terhadap banyaknya keterpilihan kriteria green hotel terpilih pada setiap responden, dan diperoleh hasil bahwa usia, jenis kelamin, pekerjaan dan pengalaman menginap di green hotel secara bersama-sama tidak berpengaruh terhadap banyaknya keterpilihan kriteria green hotel terpilih dari setiap responden.
Penerapan Metode K-Nearest Neighbors (kNN) pada Bearing Anggi Priliani Yulianto; Sutawanir Darwis
Jurnal Riset Statistika Volume 1, No. 1, Juli 2021, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (982.36 KB) | DOI: 10.29313/jrs.v1i1.16

Abstract

Abstract. Monitoring the condition of the engine is a top priority to avoid damage. To know the condition of the bearing, it is important to know the remaining useful life of the machine. In the IEEE PHM 2012 Prognostic Challenge platform provides real data related to accelerated bearing degradation carried out under constant operating conditions and online controlled variables of temperature and vibration (with horizontal and vertical accelerometers). In this platform, the data used is bearing2_3 data in the horizontal direction which has a duration of about 2 hours, calculated RMS every 1/10 second (2560 data). In this study machine learning based modeling will be done using the k-nearest neighbor (kNN) method to determine the prediction of RMS bearings. The kNN method is based on the classification of objects based on training data that is the closest distance to the object. kNN is a nonparametric machine learning algorithm which is a model that does not assume distribution. The advantage is that the class decision line produced by the model can be very flexible and very nonlinear. The smallest MSE value was obtained at k = 16 with MSE value = 0.157579. After getting the optimum k value, proceed with predicting a RMS of 97 lags and identifying bearing performance in several phases. Abstrak. Pemantauan kondisi mesin menjadi prioritas utama untuk menghindari adanya kerusakan. Untuk mengetahui kondisi bantalan, penting untuk mengetahui sisa masa manfaat dari mesin tersebut. Dalam platfrom IEEE PHM 2012 Prognostic Challenge ini menyediakan data nyata terkait dengan degradasi bantalan yang dipercepat yang dilakukan di bawah kondisi operasi konstan dan variabel yang dikendalikan secara online berupa suhu dan getaran (dengan akselerometer horizontal dan vertikal). Dalam platform ini, data yang digunakan adalah data bearing2_3 pada arah horizontal yang berdurasi sekitar 2 jam ini dihitung RMS setiap 1/10 detik (2560 data). Dalam penelitian ini akan dilakukan pemodelan berbasis machine learning menggunakan metode k-nearest neighbor (kNN) untuk mengetahui prediksi RMS bearing. Metode kNN didasarkan pada klasifikasi terhadap objek berdasarkan data pelatihan yang jaraknya paling dekat dengan objek tersebut. kNN merupakan salah satu algoritma pembelajaran mesin yang bersifat nonparametrik yakni model yang tidak mengasumsikan distribusi. Kelebihannya adalah garis keputusan kelas yang dihasilkan model tersebut bisa jadi sangat fleksibel dan sangat nonlinier. Nilai MSE terkecil diperoleh pada k = 16 dengan nilai MSE = 0,157579. Setelah mendapatkan nilai k optimum, dilanjutkan dengan memprediksi RMS sebanyak 97-lag serta mengidentifikasi performance kinerja bearing dalam beberapa fase.
Penerapan dan Perbandingan Tiga Metode Analisis Pohon Keputusan pada Klasifikasi Penderita Kanker Payudara Jody Alwin irawadi; Siti Sunendiari
Jurnal Riset Statistika Volume 1, No. 1, Juli 2021, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (643.027 KB) | DOI: 10.29313/jrs.v1i1.22

Abstract

Abstract. Today there is a considerable amount of work dealing with decision trees, especially in survival analysis (Ibrahim et al, 2008). Cases classified as survival analysis, like cancer patients. This study discusses the application of data mining which is to obtain diagnostic results. The classification technique uses information obtained from medical records of breast cancer patients in Yugoslavia. A method for answering these problems through decision tree analysis using the CHAID, Exhaustive CHAID and CART methods. Empirically aiming to compare performance of three decision tree classification methods so that the best method is obtained. It was concluded that best method used in applying to the classification of breast cancer sufferers was the CART method because it was able to get the most significant variables at most four, namely inv-node, tumor size, deg-malig and breast parts. Then it has a total accuracy rate with highest value of 84.9 percent and has a total error rate with lowest value of 15.1 percent. Abstrak. Dewasa ini ada cukup banyak pekerjaan yang berurusan dengan pohon keputusan, terutama dalam analisis survival (Ibrahim dkk, 2008). Kasus yang tergolong analisis survival seperti penderita penyakit kanker. Penelitian ini membahas mengenai penerapan data mining yang digunakan untuk mendapatkan hasil diagnostik. Pendekatan teknik klasifikasi dengan menggunakan informasi yang diperoleh pada rekam medis data penderita kanker payudara di Yugoslavia. Salah satu metode untuk menjawab permasalahan tersebut melalui analisis pohon keputusan dengan metode CHAID, Exhaustive CHAID dan CART. Secara empiris bertujuan untuk membandingkan kinerja tiga metode pengklasifikasi pohon keputusan agar didapatkan metode manakah yang terbaik. Maka disimpulkan bahwa metode terbaik yang digunakan dalam penerapan pada klasifikasi penderita kanker payudara adalah metode CART sebab mampu mendapatkan variabel signifikan yang paling banyak ada empat, yakni inv-node, ukuran tumor, deg-malig dan bagian payudara. Kemudian memiliki tingkat akurasi total dengan nilai tertinggi sebesar 84.9 persen dan memiliki total tingkat kesalahan dengan nilai yang terendah sebesar 15.1 persen.
Faktor Koreksi Diagram Kendali Shewhart pada Situasi Unconditional ARL dan Penerapannya terhadap Data Brix (Kekentalan) Saus Riani Shifa Rahmadani; Suliadi
Jurnal Riset Statistika Volume 1, No. 1, Juli 2021, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (752.936 KB) | DOI: 10.29313/jrs.v1i1.23

Abstract

Abstract. Statistical Proses Control (SPC) is application of method in statistics on measurements and analysis variation in proses. Shewhart control chart is ussually used as a device in SPC. In practice, the parameters prosses are usually unknown. The parameters prosses is estimated using data often from the previous processes, ARL of the control chart with estimated parameters as called as unconditional ARL. Goedhart et al propose a new correction factor to improve unconditional ARL such data unconditional ARL close to the expected ARL. In this articel we apply the correction factor of Goedhart to brix’s data of PT. XXX. We offten the obtained the upper control limit is 39.51, the lower control limit is 36.87 with mean 38.19 applying this control limit to brix’s data results that the proses is under control. Abstrak. Statistical Proses Control (SPC) merupakan penerapan metode statistik dalam pengukuran dan analisis variasi proses. Alat yang sering digunakan dalam metode SPC yaitu diagram kendali Shewhart. Dalam praktiknya, parameter proses biasanya tidak diketahui. Parameter proses tersebut biasanya diestimasi melalui data yang diperoleh dari proses sebelumnya, ARL untuk diagram kendali dengan parameter yang diestimasi dinamakan ARL unconditional. Goedhart dkk mengusulkan faktor koreksi baru untuk meningkatkan ARL unconditional yang memiliki ekspetasi sebesar ARL yang diharapkan. Dalam artikel ini kami menerapkan faktor koreksi Goedhart terhadap data brix PT. XXX dan diperoleh batas kendali atas 39.51, batas kendali bawah 36.87 dengan rata-rata 38.19 Dari implementasi diagram kendali terhadap data kekentalan diperoleh bahwa proses terkendali.
Metode Pemilihan Variabel pada Model Regresi Poisson Menggunakan Metode Nordberg Muhammad Bangkit Riksa Utama; Nusar Hajarisman
Jurnal Riset Statistika Volume 1, No. 1, Juli 2021, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (711.929 KB) | DOI: 10.29313/jrs.v1i1.24

Abstract

Abstract. In various experiments, data interactions take the form of discrete numbers or counts. The model that can be used for these data is the Poisson regression model. Poisson regression is included in the Generalized Linear Model (GLM). Poisson regression in general is very important in various fields and agreed to receive special attention. Often this model needs many independent variables. Then there needs to be a selection of poisson regression model variables. Due to the number of independent variables that exist, the selection of variables is carried out. Variable selection techniques that are commonly known are the forward, backward method, akaike information criteria and several other methods. In this paper, we will discuss one method of selecting variables in the Poisson regression model that has been made in the algorithm created by Famoye and Rothe. The algorithm created will be compared with the algorithm made by Nordberg. In this study data were used on Infant Mortality Rate (IMR) in West Java Province. Abstrak. Dalam berbagai eksperimen, seringkali data berupa bilangan diskrit atau cacah. Model yang dapat digunakan untuk data tersebut diantaranya adalah model regresi poisson. Regresi poisson termasuk kedalam Generalized Linear Model (GLM). Regresi poisson secara umum sangat penting dalam berbagai bidang dan karenanya patut mendapat perhatian khusus. Seringkali model ini melibatkan banyak variabel independen. Maka perlu adanya cara untuk mempertimbangkan pemilihan variabel model regresi poisson. Dikarenakan banyaknya variabel independen yang ada maka dilakukan penyeleksian variabel. Teknik pemilihan variabel yang sudah biasa dikenal yaitu metode forward, backward, akaike information criterion dan beberapa metode lainnya. Pada makalah ini akan dibahas mengenai salah satu metode pemilihan variabel dalam model regresi poisson yang telah dibentuk dalam algoritma yang dibuat oleh Famoye dan Rothe. Algortitma yang dibuat ini akan dibandingkan dengan algoritma yang telah dibuat oleh Nordberg. Pada penelitian ini digunakan data mengenai Angka Kematian Bayi (AKB) di Provinsi Jawa Barat.
Regresi Terboboti Geografis Semiparametrik (RTG-S) untuk Pemodelan Indeks Pembangunan Kesehatan Masyarakat Kabupaten/Kota di Sumatera Utara Risti Yulianti Khoeriyah
Jurnal Riset Statistika Volume 1, No. 1, Juli 2021, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1099.373 KB) | DOI: 10.29313/jrs.v1i1.145

Abstract

Abstract. Geographically Weighted Regression (GWR) is a weighted regression analysis to estimate local parameters or have the spatial diversity that is where regression models at each observation point varies. Sometimes on applications there are global independent variables or global parameters, the others are the local parameters. Geographically weighted regression GWR that has local and global parameters is called Semiparametric Geographically Weighted Regression (GWR-S). The public health development index or called IPKM is a composite indicator to illustrate the progress of health development in an area. Based on that, it is good to know factors that affect the health index and in application use semiparametric geographically weighted regression models. The observation unit used is the district/city in North Sumatra Province. As a result of GWR-S models it can be concluded that percentage of households with access to freshwater sources and percentage of prevalence of of central obesity significantly affects the IPKM in every district/city in North Sumatra. Whereas the percentage of households with edequate sanitation access and population densities significantly affect IPKM at 25 locations in Nort Sumatra. GWR-S model shows the best model seen by the smallest Akaike Information Criterion Corrected (AICc) and the biggest R2. Abstrak. Regresi Terboboti Geografis (RTG) adalah suatu analisis regresi yang terboboti untuk menduga parameter yang bersifat lokal atau mempunyai keragaman spasial yang dimana model regresi di setiap lokasi pengamatan berbeda-beda. Terkadang pada pengaplikasiannya ditemukan beberapa variabel bebas atau parameter yang bersifat global, sedangkan lainnya bersifat lokal. Regresi terboboti geografis yang memiliki parameter yang bersifat global dan lokal adalah Regresi Terboboti Geografis Semiparametrik (RTG-S). Indeks Pembangunan Kesehatan Masyarakat atau yang disebut dengan IPKM adalah sebuah indikator komposit untuk menggambarkan kemajuan pembangunan kesehatan di suatu daerah. Berdasarkan hal tersebut, perlu diketahui faktor-faktor yang mempengaruhi indeks kesehatan dan dalam pengaplikasiannya menggunakan model regresi terboboti geografis semiparametrik. Unit pengamatan yang digunakan adalah kabupaten/kota di provinsi Sumatera Utara. Berdasarkan pengujian yang dilakukan dalam penerapan model RTG-S, diperoleh bahwa faktor persentase rumah tangga yang memiliki akses sumber air bersih dan faktor persentase prevalensi obesitas sentral berpengaruh secara signifikan terhadap IPKM pada setiap kabupaten/kota di Sumatera Utara. Sedangkan faktor persentase rumah tangga yang memiliki akses sanitasi layak dan faktor tingkat kepadatan penduduk berpengaruh secara signifikan terhadap IPKM pada 25 lokasi di Sumatera Utara. Model RTG-S menunjukkan model terbaik dilihat dari nilai Akaike Information Criterion Corrected (AICc) terkecil dan nilai R2 terbesar.
Selang Kepercayaan Koefisien Korelasi Berdasarkan Empirical Likelihood dan Penerapannya pada Data Rata-Rata Lama Sekolah dan Penduduk Miskin Kota/Kabupaten di Indonesia Anisa Nur Fitriani
Jurnal Riset Statistika Volume 1, No. 1, Juli 2021, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (498.454 KB) | DOI: 10.29313/jrs.v1i1.146

Abstract

Abstract. The correlation coefficient is an analysis that studies the relationship between two variables. Hu, et al (2018) introduce the Empirical Likelihood method as an alternative that can be used to build a confidence interval for the correlation coefficient if the distribution nonnormal or unkown. In this paper, we apply the empirical probability method from Hu, et al (2018) in constructing a confidence interval for the Pearson correlation coefficient of Average Length of Schooling and Poor Population in Cities/Regencies in Indonesia in 2020. The results of the confidence interval for the average data years of schooling and poor population of Cities/Regencies in Indonesia in 2020 is [-0.6231173;-0.4599864]. That means there is a significant linear relationship between the Average Length of Schooling and the City/Regency Poor Population Rate in Indonesia in 2020. Abstrak. Koefisien korelasi adalah suatu analisis yang mempelajari tentang hubungan antara dua variabel. Untuk membangun selang kepercayaan pada koefisien korelasi, yang biasa digunakan adalah Metode Z-Tranformation dimana data harus berdistribusi normal, Hu, dkk (2018) memperkenalkan metode Empirical Likelihood sebagai salah satu alternatif yang dapat digunakan untuk membangun selang kepercayaan pada koefisien korelasi jika data tidak berdistirbusi normal. Dalam makalah ini akan menerapkan metode empirical likelihood dari Hu, dkk (2018) dalam membangun selang kepercayaan untuk koefisien korelasi Pearson pada data Rata-rata Lama Sekolah dan Penduduk Miskin di Kota/Kabupaten di Indonesia tahun 2020. Hasil selang kepercayaan untuk data rata-rata lama sekolah dan penduduk miskin Kota/Kabupaeten di Indonesia tahun 2020 adalah [-0.6231173 ; -0.4599864]. Dalam pengujian hipotesisnya disimpulkan bahwa ada hubungan linier yang signifikan antara Rata-rata Lama Sekolah dengan Tingkat Penduduk Miskin Kota/Kabupaten di Indonesia tahun 2020.
Estimasi Pseudo Poisson Maximum Likelihood untuk Mengatasi Masalah dalam Model Log-Linear pada Kasus Kusta di Jawa Barat Tahun 2018 Ghina Fauziah
Jurnal Riset Statistika Volume 1, No. 1, Juli 2021, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (362.785 KB) | DOI: 10.29313/jrs.v1i1.147

Abstract

Abstract. Poisson regression is a statistical method used to analyze the relationship between the response variable and the predictor variable where the data from the response variable is in the form of count data and follows the Poisson distribution. Poisson regression is used to model rare or rare events, so that the response variable is very likely to have a value of zero. Poisson regression is a regression model whose response variable is non-negative. Usually, this model fits the linear regression applied to the log-transformed response variable. However, when the response variable data has a value of zero and is modeled using a log-linear model it will create a biased estimator as well as log-linear regression where heteroscedasticity occurs in the response variable will produce a biased parameter estimator. However, the pseudo poisson maximum likelihood (PPML) provides a natural way to deal with the problem. The purpose of this study is to determine the factors that influence leprosy cases in West Java in 2018 using PPML estimates. The results show that health facilities, healthy homes, and health insurance are factors that influence the number of leprosy cases in West Java in 2018. Using the AIC value, it shows that the use of PPML estimates produces better results than the log-linear model. Abstrak. Regresi poisson merupakan suatu metode statistika yang digunakan untuk menganalisa hubungan antara variabel respon dengan variabel prediktor dimana data dari variabel respon berbentuk data cacahan atau count data dan mengikuti distribusi poisson. Regresi poisson digunakan untuk memodelkan kejadian langka atau jarang terjadi, sehingga variabel respon sangat memungkinkan memiliki nilai nol. Regresi poisson merupakan model regresi yang variabel responnya bernilai non-negatif. Biasanya, model ini cocok dengan regresi linier yang diterapkan pada variabel respon yang ditransformasikan log. Namun, ketika data variabel respon memiliki nilai nol dan dimodelkan menggunakan model log-linear akan menciptakan suatu penaksir yang bias begitu juga regresi log-linear yang terjadi heteroskedastisitas pada variabel responnya akan menghasilkan suatu penaksir parameter yang bias. Namun, pseudo poisson maximum likelihood (PPML) menyediakan cara alami untuk menangani masalah tersebut. Tujuan penelitian ini yaitu untuk mengetahui faktor yang berpengaruh terhadap kasus kusta di Jawa Barat tahun 2018 menggunakan estimasi PPML. Hasil penelitian menunjukkan bahwa fasilitas kesehatan, rumah sehat, dan jaminan kesehatan menjadi faktor yang berpengaruh terhadap jumlah kasus kusta di Jawa Barat tahun 2018. Dengan menggunakan nilai AIC, menunjukkan bahwa penggunaan estimasi PPML menghasilkan hasil yang lebih baik dari pada model log-linear.
Penggunaan Estimator Robust Reweighted Minimum Covariance Determinant pada Diagram Kontrol T2 Hotelling untuk Monitoring Penyebaran Covid-19 di Korea Selatan Andi Nur Fadhilah Utami; Suwanda
Jurnal Riset Statistika Volume 1, No. 1, Juli 2021, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (951.385 KB) | DOI: 10.29313/jrs.v1i1.304

Abstract

Abstract. Control charts are one of the widest used techniques in statistical process control. Hotelling’s control chart are commonly used in process quality control to control the vector mean shift and the covariance matrix in individual observations. In phase I, it is possible that Hotelling’s can’t detect observation that are out of control due to masking effect if there are outliers. In this paper we propose a robust alternative to Hotelling’s control chart with estimator robust Reweighted Minimum Covariance Determinant (RMCD) for individual observation. Robust Hotelling’s multivariate control chart will be applied to monitoring growth index of new cases and growth index of daily death due to Coronavirus Disease-19 (Covid-19) in South Korean. This control chart is applied to the data using and it obtained the result UCL = 9,47998 and LCL = 0. There are 5 observations that are out of control which is observation in 11, 39, 90, 158, and 167. Using estimators robust Reweighted Minimum Covariance Determinant is more effective in detecting outliers which is there are found 2 new observation that out of control. From these result it can be concluded that using control chart with RMCD estimator for Covid-19 in South Korean not controlled because there are data out of control. Abstrak. Diagram kontrol merupakan salah satu metode yang paling banyak di gunakan dalam pengendalian kualitas proses. Diagram kontrol T2 Hotelling merupakan salah satu alat yang biasa digunakan dalam pengendalian kualitas proses untuk mengongtrol pergeseran vektor rata-rata dan matriks kovarians dalam hal pengamatan individu. Pada saat pengontrolan proses pada fase 1, diagram kontrol T2 Hotelling dimungkinkan tidak dapat mendeteksi pengamatan yang out of control akibat efek masking apabila terdapat outlier. Pada penelitian ini akan dibahas alternatif diagram kontrol T2 Hotelling dengan menggunakan estimator robust Reweighted Minimum Covariance Determinant (RMCD) untuk pengamatan individual. Diagram kontrol T2 Hotelling RMCD akan diaplikasikan pada pengontrolan Index Pertumbuhan Kasus Baru dan Index Pertumbuhan Kematian Harian karena Coronavirus Disease-19 (Covid-19) di Korea Selatan. Diagram kontrol ini diaplikasikan pada data menggunakan dan sehingga didapat nilai BKA = 9,47998 dan BKB = 0. Terdapat out of control sebanyak 5 pengamatan yaitu pengamatan ke 11, 39, 90, 158, 167. Menggunakan estimator robust Reweighted Minimum Covariance Determinant lebih efektif mendeteksi data yang mengandung outlier dimana terdapat 2 pengamatan baru yang terdeteksi sebagai data out of control. Dari hasil tersebut dapat disimpulkan bahwa dengan menggunakan diagram kontrol T2 RMCD kasus Covid-19 di Korea Selatan belum terkendali karena masih terdapat data out of control.
Aplikasi Model Indeks Tunggal dalam Pembentukan Portofolio Optimal pada Data Harga Saham Indeks IDX30 di Bursa Efek Indonesia Rahmi Oktavia Maudinatul
Jurnal Riset Statistika Volume 1, No. 1, Juli 2021, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (764.161 KB) | DOI: 10.29313/jrs.v1i1.305

Abstract

Abstract. The purpose of this study is to identify and analyze stocks that are included in the optimal portfolio on the IDX30 Index on the Indonesia Stock Exchange (IDX), the proportion of funds and the level of profit for each stock that can form a single index model for the optimal portfolio. The research method used is descriptive with a quantitative approach. The object of this research is secondary data, namely stock prices listed on the IDX30 Index in the period September 2014 – January 2021. The results of this study using a single index model show that from 30 companies there are 11 preferred stocks and the proportion of funds for each share is the value of the proportion the highest fund is BBCA of Rp. 30,025,989 and the lowest proportion of funds is BBTN of Rp. 845,917. Analysis of the level of expected return portfolio that will be obtained by investors is 2.52% and the risk level of the stock portfolio is 1.86%. Abstrak. Tujuan penelitian ini untuk mengetahui dan menganalisa saham-saham yang termasuk portofolio optimal pada Indeks IDX30 di Bursa Efek Indonesia (BEI), proporsi dana serta tingkat keuntungan pada masing-masing saham yang dapat membentuk model indeks tunggal portofolio optimal. Metode penelitian yang digunakan adalah deskriptif dengan pendekatan kuantitatif. Objek penelitian ini berupa data sekunder yaitu harga saham yang terdaftar pada Indeks IDX30 pada periode September 2014 – Januari 2021. Hasil penelitian ini dengan menggunakan model indeks tunggal menunjukkan bahwa dari 30 perusahaan terdapat 11 saham pilihan dan didapatkan proporsi dana masing-masing saham yaitu nilai proporsi dana tertinggi adalah BBCA sebesar Rp. 30.025.989 dan nilai proporsi dana terendah adalah BBTN sebesar Rp. 845.917. analisis tingkat expected return portofolio yang akan diperoleh oleh investor yaitu sebesar 2,52% dan tingkat risiko portofolio saham yaitu sebesar 1,86%.

Page 1 of 7 | Total Record : 70

 1   2   3   4   5 

Filter by Year

2021 2023


Reset
Filter By Issues
All Issue Volume 3, No. 2, Desember 2023, Jurnal Riset Statistika (JRS) Volume 3, No. 1, Juli 2023, Jurnal Riset Statistika (JRS) Volume 2, No. 2, Desember 2022, Jurnal Riset Statistika (JRS) Volume 2, No. 1, Juli 2022, Jurnal Riset Statistika (JRS) Volume 1, No. 2, Desember 2021, Jurnal Riset Statistika (JRS) Volume 1, No. 1, Juli 2021, Jurnal Riset Statistika (JRS)