cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Nusar Hajarisman
Contact Email
statistika@unisba.ac.id
Phone
+628124569091
Journal Mail Official
statistika@unisba.ac.id
Editorial Address
Program Studi Statistika Universitas Islam Bandung Jl. Ranggagading No. 8 Bandung 40116 Phone: 081572198581 Email: nusarhajarisman@unisba.ac.id
Location
Kota bandung,
Jawa barat
INDONESIA
STATISTIKA
Published by Universitas Islam Bandung
ISSN : 14115891     EISSN : 25992538     DOI : https://doi.org/10.29313/statistika.v23i1.1628
Core Subject : Science, Education,
Decision Sciences, Operations Research & Management Mathematics
STATISTIKA published by Department of Statistics, Faculty of Mathematics and Natural Sciences, Bandung Islamic University as pouring media and discussion of scientific papers in the field of statistical science and its applications, both in the form of research results, discussion of theory, methodology, computing, and review books. Published biannually in May and November each.
Arjuna Subject : -
Articles 48 Documents
 1   2   3   4   5 
Implementasi n-Gram dalam Analisis Sentimen Masyarakat DIY terhadap PSBB Jawa-Bali Jilid II Menggunakan Naive Bayes Classifier Syifa Ayu Anjani; Achmad Fauzan
Statistika Vol. 21 No. 2 (2021): Statistika
Publisher : Department of Statistics, Faculty of Mathematics and Natural Sciences, Universitas Islam Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/statistika.v21i2.294

Abstract

Coronavirus Disease (COVID-19) telah menyebar dengan sangat cepat ke seluruh dunia, termasuk Indonesia. Dalam upaya pencegahan penularan COVID-19, pemerintah menerapkan Pembatasan Sosial Berskala Besar (PSBB) di seluruh provinsi di Pulau Jawa dan Bali dari tanggal 26 Januari 2021 s.d. 8 Februari 2021. Pemberlakuan PSBB Jawa-Bali menimbulkan tanggapan positif maupun negatif dari masyarakat dalam media sosial twitter, khususnya masyarakat yang berlokasi di Daerah Istimewa Yogyakarta. Sehingga penting untuk dilakukan analisis terhadap tanggapan tersebut agar dapat mengetahui secara umum hal apa yang sering dikeluhkan masyarakat DIY terkait PSBB Jawa-Bali jilid II dan menjadi bahan evaluasi bagi pemerintah DIY dalam menjalankan kebijakan PSBB yang telah dibuat. Penelitian ini menggunakan teknik crawling untuk memperoleh data tweet (tanggapan) masyarakat dalam twitter. Kemudian, dilakukan preprocessing pada data agar siap untuk dianalisis. Tokenization dilakukan menggunakan metode n-gram, yang terdiri dari unigram, bigram, dan trigram. Selanjutnya, data diklasifikasikan berdasarkan kategori sentimen positif dan sentimen negatif menggunakan Naïve Bayes Classifier (NBC). Setelah itu akan dilakukan evaluasi pada hasil klasifikasi menggunakan confusion matrix yang akan menghasilkan nilai akurasi. Berdasarkan hasilnya, klasifikasi dengan NBC memiliki tingkat akurasi sebesar 82,14%. Klasifikasi dengan NBC dan unigram menghasilkan akurasi sebesar 83,04%, dengan bigram menghasilkan akurasi sebesar 80,36%, dan dengan trigram menghasilkan akurasi sebesar 82,14%.
Pemodelan Spasial Tingkat Pengangguran Terbuka di Jawa Timur dengan Geographically Weighted Regression Rendra Erdkhadifa
Statistika Vol. 21 No. 2 (2021): Statistika
Publisher : Department of Statistics, Faculty of Mathematics and Natural Sciences, Universitas Islam Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/statistika.v21i2.295

Abstract

Penelitian ini menerapkan metode regresi spasial dengan pembobot letak geografis yang merupakan pengembangan dari metode regresi linier berganda dan diterapkan dalam mengukur faktor-faktor yang diduga berpengaruh terhadap tingkat pengangguran terbuka di Jawa Timur. Regresi linier berganda yang digunakan untuk memodelkan hubungan antara variabel prediktor dan variabel respon dimana koefisien parameter regresi yang dihasilkan bersifat global, yang artinya bahwa semua objek penelitian akan tergeneralisasi hasil yang sama. Adanaya kondisi heterogenitas objek pengamatan yang diamati dengan mempertimbangkan letak geografis, maka pendekatan metode yang tepat adalah metode geographically weighted regression. Nilai koefisien parameter geographically weighted regression bersifat lokal dimana setiap objek penelitian akan memiliki nilai koefisien parameter regresi yang berbeda-beda. Hasil analisis geographically weighted regression menunjukkan bahwa fungsi kernel yang paling tepat untuk analisis adalah adaptive bisquare dengan nilai koefisien determinasi sebesar 98,3629%. Ukuran kebaikan model geographically weighted regression lebh baik dibandingkan ukuran kebaikan model regresi berganda yakni 66,5%. Hasil analisis juga menunjukkan bahwa dengan menggunakan metode geographically weighted regression, variabel prediktor yang berpengaruh secara signifikan hampir di semua objek penelitian adalah jumlah penduduk miskin (dalam ratus ribu jiwa). Pengelompokkan kabupaten/kota di Jawa Timur juga terbentuk 9 cluster bedasarkan variabel predikor yang berpengaruh secara signifikan guna memberikan gambaran program pemerintah yang lebih tepat sasaran dalam menekan tingkat pengangguran terbuka di Jawa Timur.
Classification of Public Opinion on Social Media Twitter concerning the Education in Indonesia Using the K-Nearest Neighbors (K-NN) Algorithm and K-Fold Cross Validation Intan Monica Hanmastiana; Budi Warsito; Rita Rahmawati; Hasbi Yasin; Puspita Kartikasari
Statistika Vol. 21 No. 2 (2021): Statistika
Publisher : Department of Statistics, Faculty of Mathematics and Natural Sciences, Universitas Islam Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/statistika.v21i2.297

Abstract

Developing country is a country that has perspective and idea which reflect its awareness of the importance of advancing the education sector. Assessment of the quality of education in Indonesia from the perspective of the community gets different responses. Therefore, it makes people respond differently. The community response is often found on social media, one of which is Twitter. Twitter is one of the application service that is popular due to its uses to interact and communicate with people in daily life. The sentiment analysis on Twitter can be a choice to see the community’s responses to the condition of education in Indonesia. The responses are classified into positive sentiments and negative sentiments using the K-Nearest Neighbors (K-NN) algorithm with a 10-fold cross validation model evaluation. K-NN has several advantages, they are fast training, simple, easy to learn, resistance toward training data which has noise, and effective if the training data is large. In this study, the sentiment classification uses Cosine Similarity distance measurement and four k value parameters which are 3, 5, 7, and 9. Data labelling is done manually and done by scoring sentiment. Visualization of positive and negative sentiments use Word Cloud. The test results show that public sentiment about education tends to be positive on Twitter and the parameter k = 7 obtained the highest accuracy value in data labelling that was done manually and done by scoring sentiment. In labelling data manually, it obtained an accuracy of 76.93% whereas, in labelling the data with scoring sentiment, it obtained an accuracy of 77.87%. Sentiment analysis is made using the RStudio programming language as the support software.
Pemodelan Spatio Temporal Pada Kasus Demam Berdarah di Provinsi Jawa Barat Muhammad Irfan Rizki; ANGGI NUR FAUZIAH; HASHINA QAWLAN SADIDA
Statistika Vol. 21 No. 2 (2021): Statistika
Publisher : Department of Statistics, Faculty of Mathematics and Natural Sciences, Universitas Islam Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/statistika.v21i2.299

Abstract

Penyakit menular yang menjadi permasalahan global yang mengencam kesehatan manusia yaitu demam dengue. Penyakit ini menular diakibatkan oleh virus dengue dan ditularkan oleh nyamuk Aedes aegypti. Kasus penyakit demam berdarah di Jawa Barat merupakan salah satu yang memiliki angka kasus yang termasuk tinggi disetiap tahunnya. Untuk meminimalisir penyebaran dan peningkatan kasus demam berdarah dapat dilakukan dengan mengendalikan faktor-faktor yang mempengaruhi dan melakukan pemetaan agar dapat terlihat daerah mana yang berisiko tinggi terjangkit demam berdarah. Penelitian ini menggunakan objek spasial yaitu kabupaten/kota di Jawa Barat selama empat tahun dan memiliki pola naik turun, sehingga dalam melakukan pemodelan dan pemetaan kasus demam berdarah di Jawa Barat digunakan analisis Spatio Temporal yang dapat mengakomodasikan aspek wilayah dan waktu. Untuk mengetahui sebaran penyakit biasanya dilakukan pemetaan menggunakan risiko relatif dengan Standardized Morbidity Ratio, akan tetapi Standardized Morbidity Ratio masih dipengaruhi oleh jumlah penduduk sehingga menghasilkan taksiran yang kurang tepat dan menyebabkan kesimpulan yang salah. Metode alternatif yang dapat digunakan yaitu metode Bayesian dengan pendekatan Integrated Nasted Laplace Approximation. Hasil analisis menunjukkan bahwa tidak terdapat ketergantungan spasial dan temporal namun terdapat heterogenitas spasial serta interaksi antara kabupaten/kota dan waktu terhadap penyebaran kasus demam berdarah di Provinsi Jawa Barat tahun 2016 sampai dengan tahun 2019. Kata Kunci:Demam Berdarah, Analisis Spatio-Temporal, Integrated Nasted Laplace Approximation, Risiko Relatif, Bayesian
Penerapan Metode Firth’s Penalized Maximum Likelihood Estimation Pada Analisis Determinan Penyalahgunaan Narkoba Remaja di Indonesia Tahun 2017 Sahara Sabilah Putri; Budyanra
Statistika Vol. 21 No. 2 (2021): Statistika
Publisher : Department of Statistics, Faculty of Mathematics and Natural Sciences, Universitas Islam Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/statistika.v21i2.308

Abstract

Analisis regresi logistik biner dengan metode estimasi Firth dapat dijadikan pendekatan untuk melakukan analisis pada data kasus jarang (rare case), yang dapat mengurangi bias pada estimasi koefisien dengan metode maximum likelihood estimation (MLE). Data rare event merupakan data dengan kondisi dimana variabel respons berkode ‘1’ memiliki proporsi yang jauh lebih kecil (5% atau kurang) dibandingkan dengan yang berkode ‘0’. Apabila data rare event dianalisis dengan metode regresi logistik biner dengan metode estimasi MLE maka hasil prediksi yang dihasilkan akan underestimate pada variabel respons kode ‘1’ dan overestimate pada variabel respons kode ‘0’. Estimasi dengan metode Firth akan memberikan hasil prediksi yang lebih tepat pada analisis data rare event. Contoh data rare event yakni status penyalahgunaan narkoba pada remaja di Indonesia dimana menurut hasil SDKI 2017 kurang dari 1 persen remaja wanita dan 5 persen remaja laki-laki di Indonesia pernah menyalahgunakan narkoba. Penelitian ini bertujuan untuk mengaplikasikan regresi logistik biner dengan metode estimasi Firth’s Penaliazed MLE dalam menganalisis determinan status penyalahgunaan narkoba pada remaja 15-24 tahun di Indonesia tahun 2017 dengan menggunakan data mentah hasil SDKI tahun 2017. Hasil penelitian menunjukkan sebanyak 2.81 persen remaja di Indonesia pernah menyalahgunakan narkoba dan variabel penjelas yang memengaruhi yaitu jenis kelamin, umur, tingkat pendidikan, tempat tinggal, status merokok, dan status mengonsumsi alkohol. Kata Kunci: regresi logistik biner, Firth, narkoba
Perankingan Proporsi Kematian Pasien Covid-19 di Indonesia Menggunakan Metode Bayes Muhammad Qolbi Shobri; Ferra Yanuar; Dodi Devianto
Statistika Vol. 21 No. 2 (2021): Statistika
Publisher : Department of Statistics, Faculty of Mathematics and Natural Sciences, Universitas Islam Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/statistika.v21i2.328

Abstract

Jumlah kematian akibat terinfeksi Coronavirus Deases 2019 (Covid-19) kian hari kian bertambah. Hal ini dikarenakan belum ada obat yang tepat dan penanganan yang baik dalam mengatasi Covid-19 ini. Hampir setiap provinsi di Indonesia angka kematian akibat terinfeksi penyakit ini terbilang cukup memprihatinkan. Hal ini perlu dilakukan perankingan wilayah untuk melihat pemusatan daerah yang memiliki tingkat proposi kematian yang tinggi. Perankingan adalah upaya untuk mengurutkan sesuatu dari yang terbaik sampai yang terburuk dan sebaliknya. Nilai yang diurutkan berdasarkan hasil pendugaan parameter populasi seperti mean, standar deviasi, proporsi dan lain sebagainya. Penelitian ini bertujuan untuk melakukan perankingan proporsi kematian pasien Covid-19 di Indonesia dengan menggunakan metode Bayes. Metode bayes merupakan salah satu teknik pendugaan parameter yang menggunakan fungsi likelihood dengan fungsi distribusi prior untuk memperoleh distribusi posterior. Nilai mean dari distribusi posterior akan dijadikan parameter dugaan dari metode Bayes. Data penelitian ini diasumsikan berdistribusi Binomial dengan parameter p sebagai proporsi tingkat kematian. Dari penelitian ini diperoleh bahwa provinsi Jawa Timur, Lampung dan Sumatera Selatan merupakan daerah dengan proporsi kematian pasien Covid-19 tertinggi. Sementara itu, provinsi Jawa Barat, Kalimantan Barat dan Papua memiliki proporsi kematian pasien Covid-19 yang lebih rendah dibandingkan dengan provinsi lainnya.
Kajian Capaian Indikator Makro Pembangunan Kota Subulussalam Tahun 2015-2020 Muhammad Iqbal; Marzuki Marzuki; Muhammad Halim Pohan; Syuhadi Syuhadi; Ramadhan Ramadhan
Statistika Vol. 21 No. 2 (2021): Statistika
Publisher : Department of Statistics, Faculty of Mathematics and Natural Sciences, Universitas Islam Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/statistika.v21i2.329

Abstract

Kinerja pemerintahan daerah memiliki target yang diukur dengan sebuah alat ukur. Target kinerja dituangkan dalam sebuah dokumen perencanaan. Indikator utama dalam pengukuran capaian kinerja tahunan ada dua, yaitu Indikator Kinerja Utama (IKU) dan Indikator Kinerja Kunci. Aspek inti dari penelitian ini adalah aspek kepentingan bersama. Aspek ini diukur dengan indikator makro, meliputi kebutuhan dasar masyarakat Subulussalam dalam hal pembangunan manusia, ketertiban dan ketenteraman, pemerataan pendapatan dan kesempatan kerja. Penelitian ini bertujuan untuk melihat ada atau tidaknya perbedaan antara target dan realisasi kinerja dengan menggunakan pengujian statistika yaitu uji Mann-Whitney. Data yang digunakan merupakan data indikator makro pembangunan daerah, yaitu Laju Pertumbuhan Ekonomi (%), Angka Kemiskinan (%), Rata-rata Lama Sekolah atau RLS (tahun), Indeks GINI, Tingkat Pengangguran Terbuka atau TPT (%), Angka Harapan Hidup atau AHH (tahun), dan Angka Melek Huruf. Data terdiri atas 2 variabel, yaitu target kinerja yang ditetapkan dalam Rencana Pembangunan Jangka Menengah Daerah (RPJMD) Kota Subulussalam dan implementasi indikator kinerja dari tahun 2015-2020. Hasil yang diperoleh adalah terdapat 3 indikator yang realisasi kinerja hampir mendekati target kinerja pada selang kepercayaan 99%, yaitu angka kemiskinan, Tingkat Pengangguran Terbuka, dan Angka Melek Huruf. Terdapat 4 indikator pada selang kepercayaan 95% dan 90%, dimana realisasi kinerja hampir mendekati target kinerja, yaitu Angka Kemiskinan, Indeks GINI, Tingkat Pengangguran Terbuka, dan Angka Melek Huruf. Sedangkan untuk indikator lainnya terdapat perbedaan yang signifikan antara target kinerja dan realisasi kinerja.
Penghitungan Indeks Pembangunan Manusia (IPM) dengan Formulasi Baru Muhammad Fajar
Statistika Vol. 21 No. 2 (2021): Statistika
Publisher : Department of Statistics, Faculty of Mathematics and Natural Sciences, Universitas Islam Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/statistika.v21i2.331

Abstract

Tujuan paper ini adalah untuk merekonstruksi formulasi indeks pembangunan manusia (IPM) versi baru. Data yang digunakan dalam penelitian adalah sebagai berikut: Pengeluaran riil per kapita yang disesuaikan, harapan lama sekolah, umur harapan hidup saat lahir, gini ratio, indeks kebahagiaan, dan indeks demokrasi indonesia tahun 2017 yang bersumber dari Badan Pusat Statistik, indeks kualitas lingkungan hidup tahun 2017 yang bersumber dari Kementerian Lingkungan Hidup dan Kehutanan, dan indeks kemiskinan multidimensi tahun 2017 yang bersumber Prakarsa. Adapun hasil penelitian menemukan bahwa formulasi IPM versi baru mudah diaplikasikan dan telah membawa dampak signifikan bagi kategori pembangunan manusia di Indonesia, akibat penggunaan variabel-variabel dan metode normalisasi yang berbeda dari formulasi IPM versi lama. Yang menjadi penekanan pada formulasi IPM versi baru ini, yaitu (a) penambahan variabel-variabel baru yang belum digunakan pada IPM versi lama, menambah kandungan informasi yang tertanam IPM versi baru memiliki spektrum lebih luas dan lebih representatif dalam penggambaran pembangunan manusia, (b) metode normalisasi yang berbeda yang digunakan dalam IPM versi baru bertujuan untuk memastikan kemudahan interpretasi nilai-nilai yang dinormalisasi dan membuat peringkat yang dihasilkan dari provinsi, relatif independen terhadap parameter normalisasi yang biasa digunakan dalam metode normalisasi pada formulasi IPM versi lama, (c) Berkenaan dengan rumus agregasi, penulis menemukan bahwa rata-rata geometrik (geometric mean) adalah pilihan yang tepat, setelah dijustifikasi atas dasar teori, dan (4) IPM versi baru ini tetap menjaga prinsip-prinsip dasar pada IPM versi lama, dan membuatnya lebih memiliki spektrum informasi yang lebih luas.
Pemodelan Kurva Engel Non Makanan dengan Bayesian Quantile Regression di Provinsi Papua Muhammad Fajar; Setiawan
Statistika Vol. 22 No. 1 (2022): Statistika
Publisher : Department of Statistics, Faculty of Mathematics and Natural Sciences, Universitas Islam Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/statistika.v22i1.335

Abstract

ABSTRAK Tujuan paper ini adalah untuk melakukan pemodelan kurva Engel non makanan, dimana pada sebaran data mengindikasikan terjadinya heterokedastisitas. Metode yang digunakan dalam penelitian ini adalah regresi kuantil dengan pendekatan Bayesian. Sumber data yang digunakan adalah data pengeluaran konsumsi rumah tangga dan pengeluaran konsumsi rumah tangga untuk non makanan di Provinsi Papua, yang berasal dari SUSENAS Maret 2018. SUSENAS adalah salah satu survei yang dilaksanakan Badan Pusat Statistik. Rumah tangga sampel SUSENAS Maret 2018 sebanyak 10629 rumah tangga. Hasil dari penelitian ini adalah regresi kuantil Bayesian jauh lebih representatif karena mencakup sebaran data, baik pada sentral data maupun daerah disekitar sentral data, dibandingkan regresi linear biasa, dimana regresi linear biasa hanya mencakup berkisar pada sentral data. Ini berimplikasi bahwa pemodelan kurva Engel dengan regresi kuantil adalah sangat cocok dengan sebaran data. Pengeluaran konsumsi rumah tangga berpengaruh positif dan signifikan pada pengeluran konsumsi rumah tangga untuk non makanan. Proporsi pengeluaran konsumsi rumah tangga untuk non makanan berbeda-beda untuk setiap tingkat pengeluarannya. Semakin tinggi pengeluaran rumah tangga, maka proporsi konsumsi untuk non makanan, semakin besar proporsinya. Dan sebaliknya, rumah tangga dengan level pengeluaran rendah, Proporsi konsumsi untuk makan dan minum lebih besar daripada konsumsi untuk non makanan. ABSTRACT This paper aims to model a non-food Engel curve, where the distribution of data shows heteroscedasticity. The method used in this research is quantile regression with the Bayesian approach. The data sources used are household consumption expenditure data and household nonfood consumption expenditures in Papua Province which are derived from SUSENAS March 2018. SUSENAS is one of the surveys conducted by the Badan Pusat Statistik-Statistics Indonesia. SUSENAS March 2018 sample households were 10629 households. The result of this study is that Bayesian quantile regression is much more representative covering the distribution of data, both in the data center and around it, compared to ordinary linear regression, where ordinary linear regression only has a wide range because of the central data. This implies that the modeling of the Engel curve with quantile regression is very suitable for the distribution of the data. Household consumption expenditure has a positive and significant effect on non-food household consumption expenditure. The proportion of household consumption expenditure on food varies for each level of competition. The higher the household expenditure, the higher the proportion of non-food consumption. And conversely, in households with low levels of expenditure, the proportion of consumption for food is greater than consumption for non-food.
Peramalan Menggunakan Fuzzy Time Series Berbasis Algoritma Novel Annisa Hayatunnufus; Ika Purnamasari; Surya Prangga
Statistika Vol. 21 No. 2 (2021): Statistika
Publisher : Department of Statistics, Faculty of Mathematics and Natural Sciences, Universitas Islam Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/statistika.v21i2.336

Abstract

Fuzzy Time Series (FTS) adalah metode peramalan yang digunakan untuk mengolah data aktual yang dibentuk ke dalam nilai-nilai linguistik. Salah satu metode dalam FTS yaitu FTS berbasis Algoritma Novel. FTS berbasis Algoritma Novel merupakan perkembangan dari metode FTS sebelumnya dimana pada langkah peramalannya menggunakan kecenderungan peramalan untuk menentukan nilai peramalannya. Metode ini akan diaplikasikan pada data Indeks Harga Konsumen (IHK) Kota Samarinda periode Januari 2018 - Desember 2019 dengan penentuan panjang intervalnya menggunakan metode average based length. IHK adalah indikator ekonomi yang sangat penting dan memiliki pengaruh terhadap laju inflasi ekonomi. Penelitian ini bertujuan untuk memperoleh tingkat akurasi peramalan dengan menggunakan Mean Absolute Percentage Error (MAPE) serta memperoleh nilai peramalan IHK di Kota Samarinda pada bulan Januari 2020. Berdasarkan hasil penelitian, diperoleh tingkat akurasi peramalan dengan menggunakan MAPE untuk data IHK Kota Samarinda bulan Januari 2018 – Desember 2019 adalah sebesar 0,038%. Hasil peramalan untuk bulan Januari 2020 sebesar 140,00. Kata Kunci: algoritma novel, FTS, IHK, MAPE

Page 1 of 5 | Total Record : 48

 1   2   3   4   5 

Filter by Year

2021 2023


Reset
Filter By Issues
All Issue Vol. 23 No. 2 (2023): Statistika Vol. 23 No. 1 (2023): Statistika Vol. 22 No. 2 (2022): Statistika Vol. 22 No. 1 (2022): Statistika Vol. 21 No. 2 (2021): Statistika