Jurnal Riset Statistika
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.
Articles
20 Documents
Search results for
, issue
"Volume 2, No. 2, Desember 2022, Jurnal Riset Statistika (JRS)"
:
20 Documents
clear
<![CDATA[Aplikasi Algoritma K-Nearest Neighbor pada Analisis Sentimen Omicron Covid-19 ]]>
<![CDATA[Alfiari Firdaus]]>
<![CDATA[ Jurnal Riset Statistika Volume 2, No. 2, Desember 2022, Jurnal Riset Statistika (JRS) ]]>
Publisher : <![CDATA[UPT Publikasi Ilmiah Unisba ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/jrs.v2i2.1148
<![CDATA[Abstract. K-Nearest Neighbor (KNN) is one of the most widely used classification algorithms in Machine learning methods. KNN classification is a conventional non-parametric classification method that has been used as a primary classifier in many pattern classification problems. The KNN search technique used in this research is the cosine similarity distance formula. The advantage of this method is that it is effective against noise data and is effective when the training data is large. However, this method still has drawbacks, namely the problem of the accuracy of the method used to measure the similarity between the objects being compared. This study aimed to determine the application of the KNN method to sentiment analysis. The data used is 12,951 tweets taken from Twitter using the hashtags #OmicronVariant and #Covid19. The results showed that the best k value parameter was 15. Using the cosine similarity distance, the accuracy was quite good, and the recall was quite good and the precision was good, so the prediction results obtained that the positive category value was higher than the neutral category value and the negative category value. It can be concluded that the public's perception of Covid-19 Omicron is positive, meaning that they believe in Omicron. Abstrak. K-Nearest Neighbor (KNN) merupakan salah satu algoritma klasifikasi yang paling banyak digunakan dalam metode Machine learning. Klasifikasi KNN merupakan metode klasifikasi non-parametrik konvensional yang telah digunakan sebagai pengklasifikasi dasar dalam banyak masalah klasifikasi pola. Teknik pencarian KNN yang digunakan dalam penelitian ini dengan menggunakan rumus jarak cosine similarity. Keuntungan dari metode ini adalah efektif terhadap data noise dan efektif ketika data training berukuran besar. Namun metode ini masih memiliki kekurangan yaitu masalah tingkat akurasi metode yang digunakan untuk mengukur kemiripan antar objek yang dibandingkan. Tujuan dari penelitian ini adalah untuk mengetahui penerapan metode KNN pada analisis sentimen. Data yang digunakan adalah data tweet sebanyak 12.951 yang diambil dari twitter dengan menggunakan hastag #OmicronVariant dan #Covid19. Hasil penelitian menunjukkan bahwa parameter nilai k terbaik adalah 15. Menggunakan jarak cosine similarity akurasi cukup baik, dan recallnya pun cukup baik kemudian presisinya baik, maka hasil prediksi diperoleh nilai kategori positif lebih tinggi dibandingkan nilai kategori netral dan nilai kategori negatif. Dapat disimpulkan bahwa persepsi masyarakat terhadap Covid-19 Omicron adalah positif, artinya mereka percaya dengan adanya Omicron.]]>
<![CDATA[Pemodelan Multivariate Time Series dengan Vector Autoregressive Integrated Moving Average (VARIMA) ]]>
<![CDATA[Azalia Az-Zahra Nugroho]]>
<![CDATA[ Jurnal Riset Statistika Volume 2, No. 2, Desember 2022, Jurnal Riset Statistika (JRS) ]]>
Publisher : <![CDATA[UPT Publikasi Ilmiah Unisba ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/jrs.v2i2.1150
<![CDATA[Abstract. VARIMA (Vector Autoregressive Integrated Moving Average) is a multivariate time series model that explains the linkages between observations on a particular variable at a particular time with the observation of the variable itself at previous times and its linkages with observations on other variables at previous times. Exports are a source of foreign exchange that is needed by the state, while with imports, the country can fulfill its needs that are not owned or produced domestically, and the costs incurred for goods and services become cheaper. Non-oil and gas are the largest contributors to commodities in the value of imports and exports. In this study, multivariate time series data analysis was carried out to estimate the value of non-oil and gas imports and exports in West Java using the VARIMA method. Based on data on non-oil and gas imports and exports in West Java in January 2013–April 2022, the forecasting model obtained and the appropriate is VARIMA (2,1,1). From the model, it can be seen that the value of exports is influenced by the value of imports, and the highest results of import forecasting and non-oil and gas exports will occur in June 2022, and the lowest will occur in May 2022. Abstrak. VARIMA (Vector Autoregressive Integrated Moving Average) adalah salah satu model time series multivariat yang menjelaskan keterkaitan antar pengamatan pada variabel tertentu pada suatu waktu dengan pengamatan variabel itu sendiri pada waktu-waktu sebelumnya, dan keterkaitannya dengan pengamatan pada variabel lain pada waktu sebelumnya. Ekspor merupakan sumber devisa yang sangat dibutuhkan oleh negara, sedangkan dengan adanya impor maka negara dapat memenuhi kebutuhan yang tidak dimiliki atau diproduksi di dalam negeri dan biaya yang dikeluarkan untuk barang dan jasa menjadi lebih murah. Non migas merupakan penyumbang komoditi terbesar pada nilai impor dan ekspor. Dalam penelitian ini dilakukan analisis data time series multivariat untuk meramalkan nilai impor dan ekspor non migas di Jawa Barat dengan menggunakan metode VARIMA. Berdasarkan data impor dan ekspor non migas di Jawa Barat pada Januari 2013-April 2022 diperoleh model peramalan yang didapatkan dan sesuai adalah VARIMA (2,1,1). Dari model dapat diketahui bahwa nilai ekspor dipengaruhi oleh nilai impor dan dari hasil peramalan impor dan eskpor non migas tertinggi akan terjadi pada bulan Juni 2022 dan terendah akan terjadi pada bulan Mei 2022.]]>
<![CDATA[Penerapan Partial Proportional Odds Model pada Kasus Usia Kawin Pertama Wanita ]]>
<![CDATA[Nadia Khuzaimah]]>
<![CDATA[ Jurnal Riset Statistika Volume 2, No. 2, Desember 2022, Jurnal Riset Statistika (JRS) ]]>
Publisher : <![CDATA[UPT Publikasi Ilmiah Unisba ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/jrs.v2i2.1219
<![CDATA[Abstract. Ordinal logistic regression is a statistical method for analyzing response variables that have ordinal data scales and consist of three or more categories, while the predictor variables used can be categorical or quantitative data. The model commonly used in ordinal logistic regression is the Proportional Odds Model (POM). POM has strong assumptions that can lead to misinterpretation if the assumptions are violated, the general assumption of the model is known as the proportional odds assumption. So that an alternative model that needs to be considered when the assumptions are not met is the Partial Proportional Odds Model (PPOM), which is a model that weakens the proportionality assumption only for some predictor variables in the model. The purpose of this study is to apply PPOM in cases of women's first marriage age and what factors affect the age at first marriage based on the PPOM model. PPOM parameter estimation using Maximum Likelihood Estimation (MLE) method obtained results that are not close-form so that Newton-Raphson iteration is needed. Based on the test results, it is found that the predictor variables that affect the age at first marriage of women are education, place of residence and economy. Abstrak. Regresi logistik ordinal merupakan salah satu metode statistika untuk menganalisis variabel respon yang mempunyai skala data ordinal dan terdiri dari tiga kategori atau lebih, sedangkan variabel prediktor yang digunakan dapat berupa data kategori atau kuantitatif. Model yang umum digunakan dalam regresi logistik ordinal adalah Proportional Odds Model (POM). POM mempunyai asumsi kuat yang dapat menyebabkan kesalahan interpretasi jika asumsi dilanggar, asumsi umum dari model dikenal dengan asumsi proportional odds. Sehingga model alternatif yang perlu dipertimbangkan ketika asumsi tidak terpenuhi adalah Partial Proportional Odds Model (PPOM), yakni model yang melemahkan asumsi proporsionalitas hanya untuk beberapa variabel prediktor dalam model. Tujuan penelitian ini adalah mengaplikasikan PPOM pada kasus usia kawin pertama wanita dan faktor apa saja yang mempengaruhi usia kawin pertama berdasarkan model PPOM. Estimasi parameter PPOM menggunakan metode Maximum Likelihood Estimation (MLE) diperoleh hasil yang not close-form sehingga diperlukan iterasi Newton-Raphson. Berdasarkan hasil pengujian diperoleh bahwa variabel prediktor berpengaruh terhadap usia kawin pertama wanita adalah pendidikan, tempat tinggal dan ekonomi.]]>
<![CDATA[Perhitungan Premi Risiko Asuransi Kendaraan Bermotor Berdasarkan Data Frekuensi dan Besar Klaim ]]>
<![CDATA[Dwi Sekar Kania]]>
<![CDATA[ Jurnal Riset Statistika Volume 2, No. 2, Desember 2022, Jurnal Riset Statistika (JRS) ]]>
Publisher : <![CDATA[UPT Publikasi Ilmiah Unisba ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/jrs.v2i2.1295
<![CDATA[Abstract. Risk is an unpleasant result (harm) of an action or action. Life insurance is a risk transfer effort that bears financial losses from the risk of the death of the policyholder. General insurance is a risk transfer effort that insures property that may suffer losses. The product of general insurance is motor vehicle insurance. The number of motorized vehicles indicates how useful motorized vehicles are, which causes an increase in motorized vehicle ownership. In line with that, the incidence of road accidents is also increasing, but many of those who suffer losses from vehicle accidents do not receive the compensation that is the right of the vehicle owner. From the explanation of insurance, it is said to be able to control a risk, where in insurance we have to pay a certain amount of money to get the "protection". The amount paid is called the premium. Based on this phenomenon, the formulation of the problem in this study is How to apply the calculation of risk premiums based on claim frequency data and big data claims conducted by Ozgurel (2005) for each vehicle category and region at insurance company XYZ? Abstrak. Asuransi merupakan salah satu bentuk untuk mengendalikan suatu risiko dengan cara memindahkan risiko dari satu pihak ke pihak lain. Asuransi jiwa adalah suatu usaha pengalihan risiko yang menanggung kerugian finansial dari risiko kematian pemegang polis. Asuransi umum adalah suatu usaha pengalihan risiko yang menanggung harta benda yang mungkin mengalami kerugian. Produk dari asuransi umum adalah asuransi kendaraan bermotor. Banyaknya kendaraan bermotor tersebut menandakan betapa bergunanya kendaraan bermotor, yang menyebabkan meningkatnya kepemilikan kendaraan bermotor. Sejalan dengan itu, terjadi kecelakaan di jalan raya ikut meningkat, tetapi banyak dari mereka yang mengalami kerugian dari kecelakaan kendaraan tidak memperoleh santunan yang menjadi hak pemilik kendaraan. Dari penjelasan asuransi yang dikatakan dapat mengendalikan suatu risiko, di mana dalam asuransi kita harus membayar sejumlah uang untuk mendapatkan “perlindungan” tersebut. Sejumlah uang yang dibayarkan tersebut dinamakan dengan premi. Berdasarkan fenomena tersebut, maka rumusan masalah dalam penelitian ini yaitu Bagaimana menerapkan perhitungan premi risiko berdasarkan data frekuensi klaim dan data besar klaim yang dilakukan oleh Ozgurel (2005) untuk setiap kategori kendaraan dan wilayah pada perusahaan asuransi XYZ?]]>
<![CDATA[Analisis Korespondensi pada Jumlah Pengangguran Terbuka Menurut Kabupaten/Kota Berdasarkan Pendidikan Tertinggi ]]>
<![CDATA[Dia Camartya]]>;
<![CDATA[Anneke Iswani Achmad]]>
<![CDATA[ Jurnal Riset Statistika Volume 2, No. 2, Desember 2022, Jurnal Riset Statistika (JRS) ]]>
Publisher : <![CDATA[UPT Publikasi Ilmiah Unisba ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/jrs.v2i2.1424
<![CDATA[Abstract. The purpose of this study was to determine the pattern of closeness formed between the number of open objects by district/city based on the highest education completed in West Java in 2019. In this study, an independence test was conducted using the chi-square test to analyze whether there was a significant relationship between row variables and column variables. From the results of the chi-square analysis, it can be concluded that there is a significant difference between the district/city variable and the highest education variable completed, then by looking at the pattern of proximity using correspondence analysis, it can be concluded that the highest number of open with the highest education completed not/not yet graduated from elementary school is in City of Banjar and for the minimum number graduated with the highest education graduated from elementary school graduates are in Cianjur Regency, then for the minimum number graduated with the highest education completed in Sukabumi Regency, while for the minimum number those who graduated with the highest education graduated high school graduates in the City Tasikmalaya, the latter is in the number with the highest number of educations completed then Diploma I/II/III/Academic/University graduates in Bekasi City. Abstrak. Tujuan dari penelitian ini adalah untuk mengetahui pola kedekatan yang terbentuk antara jumlah pengangguran terbuka menurut kabupaten/kota berdasarkan pendidikan tertinggi yang ditamatkan di Jawa Barat pada tahun 2019. Dalam penelitian ini dilakukan uji independensi dengan menggunakan uji chi-square untuk menganalisis apakah terdapat hubungan signifikan antara variabel baris dan variabel kolom. Dari hasil analisis chi-square didapat kesimpulan bahwa terdapat hubungan signifikan antara variabel kabupaten/kota dan variabel pendidikan tertinggi yang ditamatkan, kemudian dengan melihat pola kedekatan menggunakan analisis korespondensi didapat kesimpulan bahwa jumlah pengangguran terbuka terbanyak dengan pendidikan tertinggi yang ditamatkan tidak/belum tamat SD berada di Kota Banjar dan untuk jumlah pengangguran terbuka terbanyak dengan pendidikan tertinggi yang ditamatkan lulusan SD berada di Kabupaten Cianjur, kemudian untuk jumlah pengangguran terbuka terbanyak dengan pendidikan tertinggi yang ditamatkan lulusan SLTP berada di Kabupaten Sukabumi, sedangkan untuk jumlah pengangguran terbuka terbanyak dengan pendidikan tertinggi yang ditamatkan lulusan SLTA berada di Kota Tasikmalaya, selanjutnya yang terakhir untuk jumlah pengangguran terbanyak dengan pendidikan tertinggi yang ditamatkan lulusan Diploma I/II/III/Akademik/Universitas berada di Kota Bekasi.]]>
<![CDATA[Analisis Regresi Logistik Biner dengan Metode Penalized Maximum Likelihood pada Penyakit Covid-19 di RSUD Pringsewu ]]>
<![CDATA[Lutfi Anisa]]>;
<![CDATA[Nur Azizah Komara Rifai]]>
<![CDATA[ Jurnal Riset Statistika Volume 2, No. 2, Desember 2022, Jurnal Riset Statistika (JRS) ]]>
Publisher : <![CDATA[UPT Publikasi Ilmiah Unisba ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/jrs.v2i2.1425
<![CDATA[Abstract. Parameter estimation from binary logistic regression models is usually solved using the maximum likelihood estimation (MLE) method which is then completed by the Newton-Raphson iteration method. However, in certain circumstances the MLE method cannot be used if there is one or a combination of several explanatory variables and the response is a separation case problem that causes the estimators to not converge. To overcome this problem, the penalized maximum likelihood estimation (PMLE). The results of the analysis of this study indicate that the Covid-19 patient data at the Pringsewu Hospital contains a quasi-complete separation, so the PMLE method approach is used. The estimation of the best model parameters for this data contains factors of gender, age, congenital disease (comorbid), and symptoms of shortness of breath that significantly affect the mortality rate due to Covid-19. From the results of the analysis of this study when compared with previous studies Sholihin, et al. In the journal entitled " Implementasi Metode Penalized Maximum Likelihood Estimation Pada Model Regresi Logistik Biner " it is proven that binary logistic regression analysis if the data has case separation problems using the PMLE method can give better results. Abstrak. Estimasi parameter dari model regresi logistik biner biasanya diselesaikan dengan menggunakan metode maximum likelihood estimation (MLE) yang selajutnya diselesaikan metode iterasi Newton-Raphson. Namun, dalam keadaan tertentu metode MLE tidak bisa digunakan jika terdapat satu atau kombinasi beberapa variabel penjelas dan respon terdapat masalah pemisahan pada data (separation case) yang mengakibatkan penduga menjadi tidak konvergen. Untuk mengatasi masalah tersebut, digunakan pendekatan metode penalized maximum likelihood estimation (PMLE). Hasil analisis terhadap penelitian ini menunjukan bahwa data pasien Covid-19 RSUD Pringsewu mengandung pemisahan kurang sempurna (quasi-complete separation), sehingga digunakan pendekatan metode PMLE. Penaksiran parameter model terbaik bagi data ini mengandung faktor jenis kelamin, umur, penyakit bawaan (komorbid), dan gejala sesak nafas yang berpengaruh secara signifikan terhadap tingkat kematian akibat Covid-19. Dari hasil analisis penelitian ini jika dibandingkan dengan penelitian terdahulu Sholihin, et al. Dalam jurnal yang berjudul “Implementasi Metode Penalized Maximum Likelihood Estimation Pada Model Regresi Logistik Biner” terbukti bahwa analisis regresi logistik biner jika datanya terdapat masalah separation case dengan menggunakan metode PMLE dapat memberikan hasil yang lebih baik.]]>
<![CDATA[Algoritma Artificial Neural Network dalam Klasifikasi Chest X-Rays Pasien COVID-19 ]]>
<![CDATA[Muhamad Nurhikmat Zain]]>
<![CDATA[ Jurnal Riset Statistika Volume 2, No. 2, Desember 2022, Jurnal Riset Statistika (JRS) ]]>
Publisher : <![CDATA[UPT Publikasi Ilmiah Unisba ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/jrs.v2i2.1426
<![CDATA[Abstract. Artificial neural network is a network formed based on a human neural network consisting of a summation function, activation function and goal function. Artificial neural networks can be used to recognize objects from an image. The output of the artificial neural network in this study is the result of classification. This study will classify chest x-rays of COVID-19 patients. The process of classification using sigmoid activation function for the case of binary classification. Currently, to diagnose COVID-19 using Reverse Transcription Polymerase Chain Reaction (RT-PCR). However, there are several problems with the test mechanism (RT-PCR), has to do it special tools, materials, and it takes quite a long time. Another solution that can help is, use digital images form of chest x-rays to retrieve information and recognize objects automatically using artificial neural network method. The results of chest x-rays classification using a artificial neural network method with sigmoid activation function, get an accuracy of 88%, precision of 76%, and recall of 76%. Abstrak. Artificial neural network adalah jaringan yang dibentuk berdasarkan jaringan saraf manusia yang terdiri dari fungsi penjumlahan, fungsi aktivasi dan fungsi tujuan. Artificial neural network dapat digunakan untuk mengenali objek dari suatu citra. Output dari artificial neural network pada penelitian ini merupakan hasil klasifikasi. Penelitian ini akan melakukan klasifikasi chest x-rays pasien COVID-19. Proses klasifikasi dilakukan dengan menggunakan bantuan fungsi aktivasi sigmoid untuk kasus klasifikasi binary. Selama ini untuk mendiagnosa COVID-19 dilakukan dengan tes Reverse Transcription Polymerase Chain Reaction (RT-PCR). Namun ada beberapa masalah pada mekanisme pengujian tes (RT-PCR) diantaranya perlunya alat dan bahan khusus dan memakan waktu yang cukup lama. Solusi yang lebih cepat berbasis data sangat diperlukan dibandingkan melakukan tes (RT-PCR). Salah satu cara yang dapat membantu adalah dengan memanfaatkan citra digital berupa chest x-rays untuk mengambil informasi dan mengenali objek secara otomatis dengan menggunakan metode artificial neural network. Hasil klasifikasi chest x-rays dengan arsitektur artificial neural network yang telah dibangun mendapatkan nilai akurasi sebesar 88%, presisi sebesar 76% dan recall sebesar 76%.]]>
<![CDATA[Identifikasi Faktor yang Mempengaruhi Data Driven Decision pada Pemerintah Desa Menggunakan SEM GSCA ]]>
<![CDATA[Nisa Athira]]>;
<![CDATA[Marizsa Herlina]]>
<![CDATA[ Jurnal Riset Statistika Volume 2, No. 2, Desember 2022, Jurnal Riset Statistika (JRS) ]]>
Publisher : <![CDATA[UPT Publikasi Ilmiah Unisba ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/jrs.v2i2.1458
<![CDATA[Abstract. SEM GSCA (Structural Equation Modelling Generalized Structured Component Analysis) is a method that complements the lack of SEM PLS because it does not provide mechanism to assess overall goodness of fit, it is difficult to determine how well the model fits to data and compare it with model alternative. Meanwhile, SEM GSCA offers global least square optimization criteria to minimize estimation of model parameters and model relationships by minimizing residuals using ALS (Alternating Least Square), it can detect how well the size of model is involved in research. In this study, SEM GSCA was used to identify the factors that influence data driven decision in Village Government. Data driven decision is a decision making based on actual data or observations. Variables of data quality, tool sophistication, analytical skills and bigness of data are the suspected factor that have influence on decision making quality. Samples were taken using purposive sampling with questionnaires to 52 Apparatus who met the criteria for Independent Villages in Ciamis. Based on results, there are positive and significant influence between data quality, tool sophistication and analytical skills on decision making quality. Meanwhile, bigness of data variable has a negative and insignificant effect on decision making quality. Abstrak. SEM GSCA menawarkan kriteria global least square optimization untuk meminimumkan estimasi parameter model dan mengevaluasi model hubungan dengan meminimumkan residual atau galatnya menggunakan ALS (Alternating Least Square), sehingga GSCA dapat mengidentifikasi seberapa baik model pengukuran terlibat dalam penelitian. Dalam penelitian ini, SEM GSCA digunakan untuk mengidentifikasi faktor-faktor yang mempengaruhi data driven decision pada Pemerintah Desa. Data driven decision merupakan pengambilan keputusan yang didasarkan pada data aktual atau hasil pengamatan. Dalam penelitian diduga variabel kualitas data, kecanggihan alat, kemampuan analisis dan data yang besar berpengaruh terhadap kualitas pengambilan keputusan. Sampel diambil dengan teknik purposive sampling dengan membagikan kuisioner pada 52 aparatur Desa yang memenuhi kriteria Desa Mandiri di Kabupaten Ciamis. Berdasarkan hasil analisis diperoleh bahwa terdapat pengaruh yang positif dan signifikan antara variabel kualitas data, kecanggihan alat dan kemampuan analisis terhadap kualitas pengambilan keputusan. Sedangkan pada variabel data yang besar terdapat pengaruh yang negatif dan tidak signifikan terhadap kualitas pengambilan keputusan.]]>
<![CDATA[Penerapan Multidimensional Scaling terhadap Pengelompokkan Provinsi Berdasarkan Indikator Tujuan ke-6 SDGs ]]>
<![CDATA[Puthri Rahma Zain]]>;
<![CDATA[Teti Sofia Yanti]]>
<![CDATA[ Jurnal Riset Statistika Volume 2, No. 2, Desember 2022, Jurnal Riset Statistika (JRS) ]]>
Publisher : <![CDATA[UPT Publikasi Ilmiah Unisba ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/jrs.v2i2.1465
<![CDATA[Abstract. Multidimensional Scaling Metric is an analysis that shows the value of the similarity of distances between objects on a dimension in the form of a graph in the form of a spatial map that is easy to understand and more informative than other methods because the final result of MDS is visual. The data used are all provinces in Indonesia which consist of 34 provinces and the variables of the indicator of the proportion of the population that has access to adequate and sustainable drinking water sources and the proportion of the population that has access to proper and sustainable sanitation services. Water and sanitation are a fundamental part for every human being to survive and maintain his health, and therefore must also be seen as the main element in fulfilling the right to a decent standard of living so that it becomes the 6th Goal of the Sustainable Development Goals (SDGs). From the results of the discussion, 3 provincial groups have similarities between their members and differ from other groups, namely group 1, namely the group that becomes the priority to be improved to achieve the 6th goal of the SDGs (clean water and sanitation). Group 2 is the group that becomes the second priority for improvement. Group 3 is the group that is the last priority to be improved to achieve the 6th goal of the SDGs (clean water and sanitation). Abstrak. Multidimensional Scaling Metric merupakan analisis yang menunjukkan nilai kemiripan jarak antar objek pada suatu dimensi dalam bentuk grafik berupa peta spasial yang mudah dipahami dan lebih informatif dibandingkan metode lain karena hasil akhir dari MDS adalah visual. Data yang digunakan adalah seluruh provinsi di Indonesia yang terdiri dari 34 provinsi dan variabel indikator proporsi penduduk yang memiliki akses terhadap sumber air minum yang layak dan berkelanjutan dan proporsi penduduk yang memiliki akses terhadap pelayanan sanitasi yang layak dan berkelanjutan. . Air dan sanitasi merupakan bagian mendasar bagi setiap manusia untuk bertahan hidup dan menjaga kesehatannya, oleh karena itu juga harus dilihat sebagai unsur utama dalam pemenuhan hak atas taraf hidup yang layak sehingga menjadi Tujuan ke-6 Tujuan Pembangunan Berkelanjutan. (SDG). Dari hasil diskusi, 3 kelompok provinsi memiliki kesamaan antar anggotanya dan berbeda dengan kelompok lainnya yaitu kelompok 1 yaitu kelompok yang menjadi prioritas untuk ditingkatkan untuk mencapai tujuan ke-6 SDGs (air bersih dan sanitasi). Kelompok 2 merupakan kelompok yang menjadi prioritas kedua untuk perbaikan. Kelompok 3 merupakan kelompok yang menjadi prioritas terakhir untuk ditingkatkan untuk mencapai tujuan ke-6 SDGs (air bersih dan sanitasi).]]>
<![CDATA[Faktor-faktor yang Mempengaruhi Perilaku Masyarakat terhadap Penggunaan Internet pada Desa Digital Sukaraja ]]>
<![CDATA[Waraswati Novian]]>
<![CDATA[ Jurnal Riset Statistika Volume 2, No. 2, Desember 2022, Jurnal Riset Statistika (JRS) ]]>
Publisher : <![CDATA[UPT Publikasi Ilmiah Unisba ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/jrs.v2i2.1466
<![CDATA[Abstract. Villages must be able to adapt to technological advances. One way to realize the village in the acceptance of technological progress is through the concept of the Digital Village. Technology Acceptance Model (TAM) is suitable for predicting individual interest in accepting a technology. One of the statistical methods used in analysis using the TAM model is the Structural Equation Modeling (SEM) method. SEM is a statistical modeling technique that is highly cross-sectional, linear, and general. SEM is a combination of factor analysis, path analysis, and regression. Generalized Structured Component Analysis (GSCA) is a variant-based SEM approach. GSCA is a powerful analytical method for confirmation purposes. In SEM-GSCA the sample size can be very small, the data do not have to be normally distributed, and the indicators can be both reflective and formative. This study aims to determine what factors can influence internet use behavior in the people of Sukaraja Village. conditions and perceived ease of use of the internet affect perceptions of internet usefulness. Perceived ease of use and perceived usefulness of the internet affect attitudes on internet use. Attitudes towards the use of the internet affect the actual use of the internet in the people of Sukaraja Village. Abstrak. Desa harus mampu beradaptasi mengikuti kemajuan teknologi. Salah satu cara untuk mewujudkan desa dalam penerimaan kemajuan teknologi yaitu melalui konsep Desa Digital. Technology Acceptance Model (TAM) merupakan model yang cocok digunakan untuk memprediksi minat individu dalam menerima suatu teknologi. Metode statistik yang sering digunakan pada analisis yang menggunakan model TAM salah satunya adalah metode Structural Equation Modeling (SEM). SEM merupakan teknik modeling statistik yang bersifat sangat cross-sectional, linier, dan umum. SEM merupakan gabungan dari analisis faktor, analisis jalur, dan regresi. Generalized Structured Component Analysis (GSCA) merupakan salah satu pendekatan SEM berbasis varian. GSCA merupakan metode analisis yang powerfull guna tujuan konfirmasi. Pada SEM-GSCA ukuran sampel dapat sangat kecil, data tidak harus berdistribusi normal, dan indikator dapat berupa reflektif dan formatif. Penelitian ini bertujuan untuk mengetahui faktor apa saja yang dapat mempengaruhi perilaku penggunaan internet pada masyarakat Desa Sukaraja. Hasil penelitian menunjukkan bahwa kondisi yang memfasilitasi berpengaruh terhadap persepsi kemudahan penggunaan internet. Persepsi kemudahan penggunaan dan persepsi kegunaan internet berpengaruh terhadap sikap pada penggunaan internet. Sikap terhadap penggunaan internet berpengaruh terhadap penggunaan internet yang sesungguhnya pada masyarakat Desa Sukaraja.]]>
