Garuda - Garba Rujukan Digital

Batas Atas Ukuran Risiko Agregat Pada Portofolio Saham INDF.JK dan ICBP.JK Trimono Trimono; Amri Muhaimin; Andreas Nugroho Sihananto
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.v21i2.340

Pada investasi agregat aset finansial, setiap aset tunggal dapat memunculkan potensi risiko kerugian yang harus ditanggung oleh investor. Pada kondisi ini, untuk memprediksi nilai risiko kerugian dapat digunakan konsep risiko agregat. Prediksi nilai risiko dapat diukur melalui suatu ukuran risiko, salah satunya adalah Value at Risk (VaR). Namun, VaR tidak selalu memenuhi sifat subaditif, sehingga VaR bukan merupakan ukuran risiko yang koheren. Ukuran risiko lain sebagai alternatif pengganti VaR adalah Expected Shortfall (ES). Kelebihan utama ES dibandingkan VaR adalah ES telah memenuhi sifat subaditif, sehingga ES adalah ukuran risiko yang koheren. Untuk memprediksi nilai risiko agregat menggunakan VaR maupun ES, dibutuhkan fungsi distribusi bersama dari risiko agregat tersebut. Akan tetap cukup sulit untuk menentukan fungsi distribusi bersama risiko agregat yang disusun oleh beberapa risiko tunggal yang tidak saling bebas. Alternatif yang dapat digunakan apabila fungsi distribusi bersama risiko agregat sulit diperoleh adalah dengan menghitung batas atas risiko agregat dengan memanfaatkan sifat komonotonik dan convex order. Penelitian ini bertujuan untuk mengukur nilai batas risiko agregat menggunakan ukuran risiko ES untuk investasi agregat pada saham PT. Indofood Sukses Makmur Tbk (INDF.JK) dan PT Indofood CBP Sukses Makmur Tbk (ICBP.JK). Berdasarkan hasil analisis menggunakan data return saham INDF.JK dan ICBP.JK periode 02/01/21 – 17/09/21, nilai batas atas ukuran risiko aregat VaR dan ES pada portofolio saham untuk tingkat kepercayaan 95% dan holding period 1 hari masing-masing adalah -0,05231 dan -0,07731.

Multidimensional Scaling Biplot dalam Melihat Persepsi Mahasiswa Statistika terhadap Keberhasilan Belajar Evi Ramadhani; Syafinatur Rahmi; Nurhasanah
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.v22i1.341

ABSTRAK Metode Multidimensional Scaling (MDS) merupakan bagian dari analisis multivariat yang berhubungan dengan pembentukan map untuk menggambarkan posisi antar objek berdasarkan penilai persepsi konsumen. Dengan menggunakan pendekatan multidimensional scaling biplot, dapat memetakan peubah ke dalam peta berdimensi MDS sebagai vektor biplot. Penelitian ini bertujuan untuk mengidentifikasi hubungan karakteristik keberhasilan belajar terhadap persepsi mahasiswa Statistika pada mata kuliah Program Studi Statistika. Hasil yang diperoleh dari penggambaran perceptual map telah memiliki tingkat kesesuaian yang tinggi berdasarkan nilai STRESS ≤ 2,5%. Objek yang mengelompok menjelaskan keberhasilan belajar yang relatif sama. Mahasiswa Statistika memiliki persepsi yang beragam dalam penilaian waktu pembelajaran. Serta hubungan yang saling mempengaruhi antar karakteristik keberhasilan belajar yaitu jika suatu mata kuliah memiliki metode pembelajaran yang menyenangkan maka strategi pembelajaran yang diterapkan dosen dapat memotivasi mahasiswa untuk belajar. ABSTRACT Multivariate analysis used to describe the position between objects based on the appraiser (consumer) is Multidimensional Scaling (MDS). Multidimensional scaling biplot approach, can map variables into MDS dimensional maps as biplot vectors. This study aims to identify the relationship between learning success characteristics and perceptions of Statistics students in the Statistics Study Program course. The size of the discrepancy is seen from the value of STRESS 2.5% (perfect). Grouped objects explain relatively the same learning success. Statistics students have various perceptions in the assessment of learning time. As well as the mutually influencing relationship between the characteristics of learning success, namely if a course has a fun learning method, the learningstrategies applied by the lecturer can motivate students to learn

Penerapan Metode Modified K-Nearest Neighbor pada Pengklasifikasian Status Pembayaran Kredit Barang Elektronik dan Furniture Selsa Amelia; Memi Nor Hayati; Surya Prangga
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.v22i1.345

ABSTRAK Klasifikasi merupakan serangkaian proses pembentukan model dari suatu objek ke dalam kelompok untuk memprediksi kelas dari suatu objek yang belum diketahui sebelumnya. Modified K-Nearest Neighbor (MK-NN) merupakan salah satu metode klasifikasi pengembangan dari algoritma K-Nearest Neighbor (K-NN) yang menambahkan proses validitas serta weight voting (pembobotan) untuk mengatasi tingkat akurasi rendah dari algoritma K-NN. Penelitian ini bertujuan untuk mengetahui hasil pengklasifikasian status pembayaran kredit barang elektronik dan furniture serta tingkat akurasi klasifikasi pada metode MK-NN. Data yang digunakan adalah data debitur PT. KB Finansia Multi Finance Tahun 2020 dengan status pembayaran kredit lancar dan tidak lancar serta menggunakan 7 variabel bebas yaitu usia, jumlah tanggungan, lama tinggal, pendapatan, masa kerja, besar pembayaran kredit, dan lama peminjaman kredit. Berdasarkan penelitian yang telah dilakukan, diperoleh nilai akurasi sebesar 84,61% dengan K optimal yaitu K = 5 pada proporsi 90% : 10%. ABSTRACT Classification is a series of process of forming a model of an object into groups to predict the class of an object that has not been known before. Modified K-Nearest Neighbor (MK-NN) is one of the classification methods developed from the K-Nearest Neighbor (K-NN) algorithm which adds a process of validity and weight voting to overcome the low level of accuracy of the K-NN algorithm. This study aims to determine the results of classifying credit payment status for electronic goods and furniture as well as the accuracy of the classification using the MK-NN method. The data used is debtor data for the 2020 KB Finansia Multi Finance Company with current and non-current credit payment status and uses 7 independent variables, namely age, number of dependents, length of stay, income, years of service, amount of credit payments, and length of loan. Based on the research that has been done, an accuracy value of 84.61% is obtained with optimal K, namely K = 5 at a proportion of 90%: 10%.

Kode R dan Selang Kepercayaan Korelasi Berdasarkan Empirical Likelihood serta Implementasinya pada Korelasi PDRB dengan Jumlah Kasus Covid-19 di Indonesia Suliadi Suliadi
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.v22i1.357

ABSTRAK Korelasi merupakan suatu ukuran untuk melihat kekuatan hubungan linier di antara dua variabel. Ada beberapa metode yang biasa digunakan untuk mengukur korelasi, diantaranya adalah korelasi pearson, peringkat spearman dan kendall tau. Metode yang biasa digunakan untuk mengukur korelasi untuk variabel bertipe numerik adalah korelasi pearson. Metode ini mensyaratkan bahwa kedua variabel tersebut berdistribusi normal bivariat. Oleh karena itu inferensia korelasi pearson hasilnya akan valid jika asumsi tersebut terpenuhi. Dalam praktek, sering kali kenormalan data tersebut tidak dapat dipenuhi. Satu pendekatan telah diajukan dalam pembuatan selang kepercayaan berdasarkan empirical likelihood. Metode ini adalah metode bebas distribusi yang artinya tidak ada asumsi bahwa data harus berdistribusi tertentu. Dalam artikel ini kami membahas penyusunan selang kepercayaan korelasi pearson berdasarkan metode empirical likelihood dan juga menyediakan kode perintah R Language untuk pembuatan selang kepercayaan tersebut. Kami menerapkan metode tersebut pada kasus hubungan antara PDRB dan jumlah kasus Covid-19 berdasarkan data provinsi di Indonesia Tahun 2020. Kami mendapatkan adanya hubungan yang sangat kuat antara PDRB dengan jumlah kasus Covid-19 di Indonesia dengan korelasi sebesar 0.939 dan dengan metode tersebut diperoleh batas bawah selang kepercayaan 99% adalah 0.872 dan batas atasnya adalah 0.962. ABSTRACT Correlation is a measure to see the strength of the linear relationship between two variables. There are several methods commonly used to measure correlation, including Pearson's correlation, Spearman's rank and Kendall tau. The method commonly used to measure correlations for numeric type variables is Pearson correlation. This method requires that the two variables have a bivariate normal distribution. Therefore, the Pearson correlation inferential results will be valid if these assumptions are met. In practice, often the normality of the data cannot be met. One approach has been proposed in constructing confidence intervals based on empirical likelihood. This method is adistribution-free method, which means that there is no assumption that the data must have a certain distribution. In this article, we discuss the construction of the Pearson correlation confidence interval based on the empirical likelihood method and also provide the R Language command code for constructing the confidence interval. We apply this method to the case of the relationship between GRDP and the number of Covid-19 cases based on provincial data in Indonesia in 2020. We found a very strong relationship between GRDP and the number of Covid-19 cases in Indonesia with a correlation of 0.939 and with this method the lower limit of the 99% confidence interval was 0.872 and the upper limit was 0.962.

Penggerombolan Desa di Kabupaten Poso Berdasarkan Sarana Prasarana dan Tenaga Kesehatan Menggunakan Metode K-Prototype dengan Algoritma Genetika Septyani Kawuwung; Nur'eni; Lilies Handayani
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.v22i1.469

ABSTRAK Analisis gerombol merupakan salah satu teknik untuk mengelompokkan sekumpulan objek yang mirip dengan properti yang sama menjadi satu kelompok sehingga tidak mirip dengan objek di kelompok lainnya. Analisis gerombol umumnya diterapkan pada objek dengan tipe data numerik. Namun pada kenyataannya clustering juga menggunakan tipe data kategorikal. Penanganan clustering dengan data tipe campuran dapat dilakukan dengan menerapkan algoritma k-prototype, namun penentuan inisialisasi pusat cluster cenderung sensitif. Untuk menangani penentuan inisialisasi pusat cluster, dapat diterapkan suatu algoritma yaitu algoritma genetika. Penelitian ini membahas tentang sarana dan prasarana serta tenaga kesehatan di Kabupaten Poso dimana sarana prasarana dan tenaga hukum di kabupaten tersebut sudah memadai namun distribusinya tidak merata di beberapa daerah. Hasil penelitian ini menunjukkan bahwa pada algoritma k-prototype terdapat 8 cluster dengan pusat cluster yang dioptimasi menggunakan algoritma genetika yaitu 36, 7, 99, 49, 69, 104, 105, 110. ABSTRACT Cluster analysis is a technique for grouping a set of similar objects into one group so that they are not similar to objects in other groups. Cluster analysis is generally applied to objects with numeric data type. But in reality clustering also uses categorical data types. Clustering handling with mixed-type data can be done by applying the k-prototype algorithm, but the determination of cluster center initialization tends to be sensitive. To handle the determination of the initialization of the cluster center, can be applied an algorithm that is genetic algorithm. This study discusses the facilities and infrastructure and health workers in Poso Regency where the infrastructure and legal personnel in the district are adequate but the distribution is not evenly distributed in several areas. The results of this study indicate that in the k-prototype algorithm there are 8 clusters with cluster centers optimized using the genetic algorithm, namely 36, 7, 99, 49, 69, 104, 105, 110.

Confirmatory Factor Analysis pada Indikator Kesembuhan Pasien Isolasi Mandiri Covid-19 di Indonesia Nur Silviyah Rahmi; Luthfatul Amaliana; Laila Masruro Pimada; Reza Yesica; Devi Nur Cahaya Ningsih
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.v22i1.477

ABSTRAK Jumlah kasus terkonfirmasi positif Covid-19 di Indonesia pada September 2021 telah mencapai angka 4.204.116 Jiwa dengan pasien meninggal sebanyak 141 ribu orang atau tingkat kematian sebesar 3,4 persen. Kementerian Kesehatan Republik Indonesia melalui Satgas Penanganan Covid-19 telah menerbitkan pedoman pencegahan dan pengendalian Covid-19 untuk menekan angka kematian dan meningkatkan angka kesembuhan. Menurut pedoman tersebut, seseorang yang menjalani isolasi mandiri perlu diberikan perawatan kesehatan, dukungan sosial dan psikososial, serta kebutuhan dasar termasuk makanan, air dan kebutuhan pokok lainnya. Penelitian ini berusaha mengidentifikasi pengaruh faktor eksternal yang meliputi dukungan, serta faktor internal yang meliputi motivasi dan pengetahuan pasien terhadap tingkat kesembuhan penyintas Covid-19 isolasi mandiri. CFA digunakan apabila pengetahuan mengenai struktur suatu faktor laten diketahui. Struktur tersebut diperoleh berdasarkan kajian teoritis, hasil penelitian mengenai hubungan antara variabel yang diobservasi dengan variabel laten. Pendekatan CFA diterapkan untuk mengetahui indikator yang paling besar berpengaruh terhadap variabel laten dukungan sosial, pengetahuan dan motivasi kesembuhan. Pengambilan data primer dilakukan secara online dengan jumlah sampel sebanyak 148 responden penyintas Covid-19 di seluruh Indonesia pada bulan Agustus 2021. Hasil analisis CFA menunjukkan bahwa indikator DS1 (mendapatkan ungkapan empati, kepedulian, dan perhatian yang diberikan petugas terhadap penderita Covid-19) memiliki nilai loading factor terbesar yaitu 0,741. Pada variabel laten pengetahuan, indikator P7 (Tujuan pengobatan Covid-19 adalah menyembuhkan penderita, mencegah penularan dan kematian serta menurunkan tingkat penularan) memiliki nilai loading factor terbesar yaitu 0,767. Sedangkan pada variabel laten tindakan sembuh Indikator TS1 (Bersedia menjalani masa pengobatan dengan pemberian dalam waku pengobatan kurang lebih 14 hari) memiliki nilai loading factor terbesar yaitu 0,924. ABSTRACT The number of positive confirmed cases of Covid-19 in Indonesia in September 2021 has touched 4,204,116 people with the number of patients dying as many as 141,000 people or a death rate of 3.4 percent. The Ministry of Health of the Republic of Indonesia through the Covid-19 Handling Task Force has issued guidelines for the prevention and control of Covid-19 to reduce mortality and increase recovery rates. Based on these guidelines, people who are in self-isolation need to be provided with health care, social and psychosocial support, as well as basic needs including food, water and other basic needs. This study seeks to identify the influence of external factors which include support, as well as internal factors which include the motivation and knowledge of patients on the recovery rate of Covid-19 survivors in self-isolation. CFA can be used when knowledge of the composition or structure of a latent factor is known. The structure is obtained from theoretical studies, the results of research on the relationship between the variables studied and the latent variables. By using the CFA approach, it can be seen that the indicators that have the greatest influence on the latent variables of social support, knowledge and motivation for healing are known as loading factors. Primary data was collected online with 148 COVID-19 survivors across Indonesia in August 2021 as the sample. From the CFA analysis, it was found that the Social Support 1 (DS1) indicator, which is getting expressions of empathy, concern, and attention given by officers to Covid19 sufferers is the largest loading factor value, which is 0.745. This means that the influence of the DS1 indicator on the latent variable of Social Support is 0.745 or 74.5% is influenced by the DS1 indicator compared to the other 4 indicators, namely DS2, DS3, DS4, DS5. In the knowledge latent variable, the Knowledge 7 (P7) indicator, namely the purpose of Covid-19 treatment is to cure the patient, prevent transmission and death and reduce the transmission rate, which is the largest loading factor value, which is 0.767. Then on the latent variable of healing action, Healing Action Indicator 1 (TS1), namely being willing to undergo a treatment period with administration within a treatment time of approximately 14 days) is the largest loading factor value, which is 0.924.

Analisis Faktor-Faktor yang Mempengaruhi Keputusan Pembelian Ulang dan Kepuasan Konsumen pada Produk Garam di PT. UCI Gresik Jawa Timur Indonesia Edy Sulistiyawan; Nery Rizky Arisiya; Alfisyahrina Hapsery
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.v22i1.503

ABSTRAK Persepsi konsumen terhadap tuntutan kebutuhan garam sangat beragam. Terdapat beberapa ariab yang menjadi pertimbangkan konsumen sebelum menggunakan produk garam, factor-faktor tersebut diantaranya adalah harga, kualitas, distribusi, dan promosi. Pada sisi tertentu, konsumen akan merasa puas jika layanan PT. UNIChem Candi Indonesia unit Gresik Jawa Timur (PT UCI Gresik Jatim) melebihi harapan konsumen. Faktor-faktor yang mempengaruhi keputusan pembelian ulang dan kepuasan konsumen terhadap produk garam PT UCI Gresik Jawa Timur diungkapkan secara komprehensif dengan persamaan ariablel berbasis komponen varian, Structural Equation Modeling-Partial Least Square (SEM-PLS). Dengan sampel sebanyak 65 responden, hasil analisis menunjukkan bahwa terdapat beberapa indikator yang tidak valid yaitu pada indikator Hr2, Kp2 dan B2, kemudian setelah indikator tersebut tidak digunakan didapatkan nilai R2 yang moderat yaitu 80,4% untuk variabel kepuasan konsumen dan nilai R2 yang lemah 11,5% pada variabel keputusan pembelian ulang, serta nilai Q2 sebesar 0,827 yang menjelaskan bahwa pemodelan kepuasan konsumen memiliki prediksi yang relevan. Kemudian pada pengujian hipotesis didapatkan hasil bahwa semua variabel laten dipengaruhi secara positif oleh masing-masing indikatornya, pada pengujian struktural didapatkan variabel distribusi memiliki pengaruh yang tidak signifikan terhadap model kepuasan konsumen dengan nilai 0,153 sedangkan untuk variabel lainya memiliki pengaruh yang signifikan terhadap kepuasan konsumen, selain itu kepuasan konsumen juga memiliki pengaruh yang positif dan signifikan terhadap keputusan pembelian ulang sebesar 0,339. ABSTRACT Consumer perceptions of the need for salt are very diverse. There are several variables that consumers consider before using salt products, these factors include price, quality, distribution, and promotion. On a certain side, consumers will feel satisfied if UNIChem Candi Indonesia company unit Gresik East Java (UCI Gresik East Java company) exceeded consumer expectations. Factors that influence repurchase decisions and consumer satisfaction with UCI Gresik East Java's salt products are comprehensively disclosed by the component variant-based variable equation, Structural Equation Modeling-Partial Least Square (SEM-PLS). With a sample of 65 respondents, the results of the analysis show that there are several invalid indicators, namely the Hr2, Kp2 and B2 indicators, then after theseindicators are not used, a moderate R2 value is obtained, namely 80.4% for the variable consumer satisfaction and a weak R2 value 11.5% on the repurchase decision variable, and a Q2 value of 0.827 which explains that the customer satisfaction model has relevant predictions. Then in testing the hypothesis it was found that all latent variables were positively influenced by each indicator, in structural testing it was found that the distribution variable had an insignificant effect on the consumer satisfaction model with a value of 0.153 while for other variables it had a significant influence on customer satisfaction, apart from In addition, consumer satisfaction also has a positive and significant influence on repurchasing decisions of 0.339.

Regresi Nonparametrik Multivariabel dengan Pendekatan Spline Truncated pada Kasus Tuberculosis Muhammad Hunaipi Pratama; Sifriyani; Darnah Andi Nohe
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.v22i1.506

ABSTRAK Regresi nonparametrik merupakan suatu metode statistika yang digunakan untuk mengetahui pola hubungan antara variabel prediktor dengan respon ketika tidak diketahui bentuk fungsi regresinya dimana kurva regresi hanya diasumsikan smooth. Spline truncated adalah suatu pendekatan ke arah pencocokan data dengan tetap memperhitungkan kemulusan kurva yang memiliki sifat tersegmen kontinu sehingga memberikan fleksibilitas dan efektif menyesuaikan diri dalam menjelaskan karakteristik lokal dari fungsi data. Tujuan penelitian ini adalah untuk mendapat model regresi nonparameterik multivariabel dengan pendekatan spline truncated dan mengetahui faktor-faktor yang berpengaruh terhadap jumlah kasus tuberculosis di Kalimantan Timur, Kalimantan Selatan dan Kalimantan Barat tahun 2019. Hasil menunjukkan bahwa model regresi nonparametrik spline truncated terbaik dalam memodelkan jumlah kasus tuberculosis adalah dengan tiga titik knot. Model ini memiliki nilai generalized cross validation (GCV) yang paling minimum sebesar 40.813,24, dengan nilai R2 sebesar 95,84%. Berdasarkan hasil pengujian signifikansi parameter model, disimpulkan bahwa faktor-faktor yang memengaruhi jumlah kasus tuberculosis di Kalimantan Timur, Kalimantan Selatan dan Kalimantan Barat tahun 2019 adalah persentase penduduk miskin, persentase tenaga kesehatan terlatih, persentase keluarga memperoleh sanitasi, dan persentase gizi buruk masyarakat. ABSTRACT Nonparametric regression is a statistical method used to determine the pattern of the relationship between the predictor variable and the response when the form of the regression function is unknown where the regression curve is only assumed to be smooth. The truncated spline is an approach towards data matching while taking into account the smoothness of the curve which has continuous segmented properties so as to provide flexibility and effectively adapt to explain the local characteristics of the data function. The purpose of this study was to obtain a multivariable nonparametric regression model with a spline truncated approach and find out the factors that influence the number of tuberculosis cases in East Kalimantan, South Kalimantan and West Kalimantan in 2019 using the data from Indonesian Central Bureau of Statistics. The results show that the spline truncated nonparametric regression model is the best in modeling the number of cases. tuberculosis is with three point knots. This model has the minimum generalized cross validation (GCV) value of 40,813.24, with an R2 value of 95.84%. Based on the results of testing the significance of the model parameters, it was concluded that the factors that influenced the number of tuberculosis cases in East Kalimantan, South Kalimantan and West Kalimantan in 2019 were the percentage of poor people, the percentage of trained health workers, the percentage of families receiving sanitation, and the percentage of poor nutrition in the community.

Model Matriks Fuzzy untuk Masalah Kesehatan Mata Anak Sekolah Dasar Akibat Pembelajaran Daring di Masa Pandemi Covid-19 Icih Sukarsih; Nur Azizah Komara Rifai; Eva Rianti Indrasari
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.v22i1.591

ABSTRAK Pembelajaran daring dimasa pandemi Covid-19 mengakibatkan meningkatnya intensitas penggunaan komputer atau gadget oleh siswa. Penggunaan komputer dalam waktu yang lama dapat menyebabkan kelelahan mata digital yang disebut dengan Computer Vision Syndrome (CVS). Penelitian ini bertujuan untuk menganalisis batas usia maksimum anak Sekolah Dasar mengalami gangguan kesehatan mata akibat pembelajaran daring dimasa pandemi covid-19. Kondisi kesehatan mata yang diamati dalam penelitian ini adalah gejala CVS yang dialami oleh siswa sebelum dan sesudah pandemi. Populasi dalam penelitian ini adalah siswa SD Islam Ibnu Sina Bandung tahun 2021 dengan jumlah sampel 180 orang. Metoda yang digunakan dalam penelitian ini adalah model matriks fuzzy. Model matriks fuzzy merupakan model sederhana yang mentransformasikan data mentah dari suatu permasalahan nyata ke dalam bentuk matriks fuzzy dengan menggunakan teknik rata-rata dan standar deviasi. Berdasarkan hasil analisis, diperoleh bahwa usia maksimum siswa memiliki gejala CVS berada pada kelompok usia 10 - 11 tahun. Kelompok lain yang juga memiliki gejala CVS yang harus mendapat perhatian adalah kelompok usia 12 – 13 tahun. Hal ini disebabkan karena durasi penggunaan gadget untuk pembelajaran daring pada anak usia 10 - 13 tahun lebih lama dibandingkan kelompok usia di bawahnya, yaitu antara 6 – 7 jam per hari. Disamping itu lebih dari 50% anak pada kelompok usia ini menggunakan smartphone untuk kegiatan daring. ABSTRACT Online learning during the pandemic of Covid-19 has resulted in increased use of computer or gadget by students. The frequent use of gadgets causes a digital eye strain called the Computer Vision Syndrome (CVS). This study is purposed to analyze the maximum age limit of Elementary School students who suffered eye health problems due to online learning during the Covid-19 pandemic. The population of this study is the students of Ibnu Sina Islamic Elementary School Bandung 2021, with 180 students in total. Method used in this study is a fuzzy matrix model. Fuzzy matrix model is a simple model used to transform raw data from real world problem into a fuzzy matrix by using average and standard deviation technique. The steps taken are: (1) to form a time dependent matrix from the raw data; (2) convert the time dependent matrix into ATD (Average Time Dependent) matrix; (3) calculate the mean and standard deviation; (4) forming a Fuzzy Matrix or RTD (Refined Time Dependent) matrix; (5) form the CETD (Combined Effective Time Dependent) matrix. The result of the analysis shows that the maximum age group of Elementary School students with CVS symptoms is 10-11 years old. Another group with CVC symptoms and needed attention is the age group of 12-13 years old. This is because the students in the age group of 10-13 years use gadgets more frequently than any other age groups below them, which is up to 6-7 hours per day. Furthermore, more than 50% of students in this age group use smartphones for online learning.

Peramalan Curah Hujan di Kota Makassar dengan Menggunakan Metode SARIMAX Nur Hazimah Latief; Nur’eni Nur’eni; Iman 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.v22i1.990

ABSTRAK Peramalan adalah memprediksi kejadian yang akan datang dengan melihat data dari masa lalu. Salah satu metode peramalan yaitu ARIMA yang dibedakan menjadi 2 yaitu ARIMA non-musiman dan ARIMA musiman. Penelitian ini menggunakan metode ARIMA musiman yang dikembangkan untuk mengatasi keterbatasan pada metode tersebut yang dikenal dengan SARIMAX (Seasonal Autoregressive Integrated Moving Average with Exogeneous Input) dengan menganalisis curah hujan di Kota Makassar dengan variabel eksogen yaitu suhu udara. Hasil yang dipakai dari penelitian ini adalah mendapatkan model SARIMAX yaitu SARIMAX (2,0,2)(1,0,0)12 dengan persamaan Zt = 0,5552Zt-12 - 0,2097Zt-1 + (0,2097)(0,5552)Zt-13 + 0,6135Zt-2 - (0,6135)(0,5552)Zt-14 + et - 0,614et-2 – 0,3859et-2 – 194,883X1t dengan hasil peramalan curah hujan di Kota Makassar Januari sampai Desember 2021 yaitu 868 mm3, 985 mm3, 848 mm3, 848 mm3, 731 mm3, 829 mm3, 868 mm3, 829 mm3, 712 mm3, 614 mm3, 790 mm3 dan 926 mm3 dimana terjadi kenaikan curah hujan tahun sebelumnya dengan curah hujan terendah terjadi pada bulan Oktober 2021 sebesar 614 mm3 dan terbanyak terjadi pada bulan Februari 2021 sebesar 985 mm3 dengan nilai MAPE sebesar 17,75%. ABSTRACT Forecasting is predicting data events from the future by looking at data from the past. One of the forecasting methods is ARIMA which is divided into 2, namely non-seasonal ARIMA and seasonal ARIMA. This study uses the seasonal ARIMA method which was developed to overcome the limitations of the method known as SARIMAX (Seasonal Autoregressive Integrated Moving Average with Exogeneous Input) by analyzing rainfall in Makassar City with an exogenous variable, namely air temperature. The purpose of this study is to obtain the results of forecasting rainfall in 2021. The results obtained are the SARIMAX model (2.0,2)(1,0,0)12 with the lowest rainfall forecasting results in Makassar City occurring in October 2021 at 614 mm3 and the most occurred in February 2021 at985 mm3 with a MAPE value of 17.75%.

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

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

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

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

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