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 
Model Space-Time Autoregressive Integrated (STARI) pada Peramalan Indeks Harga Konsumen (IHK) di Kota Bogor, Depok, dan Bekasi Delvi Rutania Prama; Tilas Notapiri; Budi Nurani Ruchjana
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.v22i1.1086

Abstract

Penghitungan tingkat inflasi membutuhkan indikator yang salah satunya adalah Indeks Harga Konsumen (IHK). Kenaikan IHK dapat berdampak bagi meningkatnya nilai inflasi. Sehingga diperlukan informasi yang dapat menggambarkan bagaimana keadaan inflasi berdasarkan IHK. Salah satu hal yang dapat dilakukan yaitu memperkirakan angka IHK untuk beberapa periode kedepan atau peramalan. Peramalan IHK diharapkan dapat memberikan informasi yang relevan untuk mengetahui inflasi dimasa yang akan datang sehingga memberikan informasi yang berguna dalam merumuskan kebijakan ke arah yang lebih baik. IHK beberapa kota tidak hanya dipengaruhi oleh IHK kota itu sendiri pada waktu sebelumnya, tapi juga dipengaruhi IHK kota lainnya yang berdekatan Salah satu model yang dapat mengakomodir keterkaitan antara fenomena deret waktu suatu wilayah dengan fenomena deret waktu yang sama di wilayah lain adalah model Space Time Autoregressive (STAR). Model STAR terbaik dalam meramalkan IHK umum di Kota Bogor, Kota Depok, dan Kota Bekasi adalah model STARI(1,1,1) dengan menggunakan bobot korelasi silang. Hasil prediksi menggunakan model STARI (1,1,1) memiliki akurasi yang sangat baik ditunjukkan oleh nilai MAPE untuk setiap kota < 10%. Berdasarkan perbandingan plot hasil prediksi dan data aktual diketahui bahwa hasil prediksi sejalan dan mendekati data aktual hingga bulan ke-2, sehingga dapat disimpulkan bahwa prediksi dengan model STARI (1,1,1) akan baik dilakukan untuk jangka pendek yaitu 1-2 bulan ke depan.
Eksplorasi dan Peramalan Jumlah Izin Tinggal Kunjungan di D.I Yogyakarta menggunakan Metode ARIMA Fitri Amalia; Achmad Fauzan
Statistika Vol. 22 No. 2 (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.v22i2.1118

Abstract

Izin tinggal kunjungan (ITK) adalah izin yang ditujukan untuk orang asing yang berada di kawasan kedaulatan Indonesia dengan durasi yang singkat. Memasuki wilayah Indonesia, orang asing akan mendapatkan izin tinggal kunjungan dengan diberikannya visa kunjungan. Tujuan penelitian ini adalah memperoleh model peramalan yang terbaik menggunakan metode ARIMA dan memprediksi untuk 6 periode yang akan datang dengan data yang digunakan adalah jumlah izin tinggal kunjungan yang dilaporkan di Kantor Imigrasi Kelas I TPI Yogyakarta pada periode Januari 2015 – Februari 2022. Dari hasil analisis, diperoleh model terbaik adalah model ARIMA (0,2,1) dengan nilai MAPE 16.6 atau 16.6%. Hasil peramalan jumlah izin tinggal kunjungan untuk bulan Maret hingga Agustus 2022, dimana nilai prediksinya adalah 1414.190, 1310.598, 1276.498, 1260.143, 1314.935, 1418.857 orang. Dari penelitian ini bisa menjadi informasi dan gambaran terkait penerapan metode ARIMA dalam peramalan izin tinggal kunjungan serta sarana untuk evaluasi kedepannya.
Regresi Data Panel untuk Mengetahui Faktor-Faktor yang Mempengaruhi IPM di Kabupaten/Kota Provinsi DIY Epha Diana Supandi; Riska Yulianti; Akhmad Fauzy
Statistika Vol. 22 No. 2 (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.v22i2.1122

Abstract

The Human Development Index (HDI) is a regional or national welfare index based on three aspects, namely a long and healthy life, knowledge, and a decent standard of living. This study aims to determine the factors that affect the HDI of Regency/City in the Province of the Special Region of Yogyakarta (DIY) in 2016-2021. These factors include poverty rates, average length of schooling, gross regional domestic product, and health complaints. The analysis used is panel data regression. The influencing factors are the variable of poverty level, average length of schooling and gross regional domestic product.
Penerapan Regresi Complementary Log-Log Dalam Analisis Status Kejadian Tuberkulosis Paru Penduduk Usia Produktif di Provinsi Banten Tahun 2018 Dessy Kurniati; Budyanra
Statistika Vol. 22 No. 2 (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.v22i2.1127

Abstract

Regresi complementary log-log merupakan salah satu model GLM dengan fungsi hubung yang digunakan adalah complementary log-log. Metode ini merupakan salah satu metode yang dinilai tepat untuk digunakan ketika data pada variabel respon termasuk kedalam kategori jarang (rare events). Transformasi complementary log-log dinilai lebih tepat untuk digunakan karena kebanyakan observasi pada variabel respon akan berada pada kelompok kategori tertentu atau dapat dikatakan bahwa pada variabel respon tidak berdistribusi simetris. Salah satu data yang berisfat rare events adalah status kejadian tuberkulosis paru penduduk usia produktif di Provinsi Banten. Dimana berdasarkan data Riskesdas tahun 2018, persnetase penduduk usia produktif di Provinsi Banten yang mengalami TB paru hanya sebesar 1,21 persen. Sehingga, penelitian ini bertujuan untuk menerapkan regresi complementary log-log dalam menganalisis determinan status kejadian tuberkulosis paru penduduk usia produktif di Provinsi Banten tahun 2018. Hasil penelitian ini menunjukan bahwa dengan regresi complementary log-log didapatkan hasil bahwa variabel yang signifikan memengaruhi status kejadian tuberkulosis paru yaitu tingkat pendidikan, status bekerja, status gizi, status gangguan mental emosional, status konsumsi buah dan sayur, serta status kelayakan air minum.
Exploring Pattern Recognition for Bearing Fault Diagnosis Sutawanir Darwis; Nusar Hajarisman; Suliadi; Achmad Widodo; Rejeki Wulan Islamiyati
Statistika Vol. 22 No. 2 (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.v22i2.1128

Abstract

Traditional bearing sensory diagnostic include touching and hearing rely on personal experience, and for more complex system are unable to meet the needs of equipment fault diagnosis. The research on bearing fault diagnosis is developing significantly. Bearings are used in rotating machinery and most machinery failures are caused by bearing failures. The fault diagnosis of bearings is an important research area. The core of bearing fault diagnosis is the pattern recognition of fault features. The key of pattern recognition is to develop a reasonable classifier. Intelligent pattern recognition has been developed such as principal components, support vector machine, neural network. In this study, a bearing fault diagnosis based on exploring pattern recognition is proposed. The key to pattern recognition is to design a significant classifier. A number of features from bearing vibration of normal and fault bearing are extracted and processed using principal components of correlation matrix. Plot of principal components shows the visualization of normal and fault bearing and the classifier is chosen subjectively. The principal components exploration will be confirmed using least squares support vector machine. The parameter of support vector machine estimated using heuristic optimization particle swarm optimization. The proposed method can be applied in the detection of faults of bearing
Penerapan K-Means Cluster dan Evaluasi Clustering pada Pesebaran Kasus Covid-19 Euis Sartika; Sri Murniati; Agus Binarto; Endang Habinuddin
Statistika Vol. 22 No. 2 (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.v22i2.1229

Abstract

ABSTRAK Indonesia menduduki negara dengan kasus positif Covid-19 tinggi. Jumlah penduduk yang besar berpotensi dalam penularan virus. Diperlukan upaya untuk mengurangi penularan virus ini, salah satunya adalah mengetahui karakteristik data pasien Covid-19 untuk tiap provinsi dan mengelompokkannya berdasarkan kesamaan karakteristik dari pasien, sehingga dapat diketahui karakteristik dari masing-masing kelompok pasien. Analisis yang paling tepat dalam mengatasi permasalahan ini adalah K-Means Cluster, yang bertujuan mengelompokkan n objek berdasarkan p variabel yang memiliki kesamaan karakteristik diantara objek-objek yang diklasifikasikan ke dalam satu atau lebih cluster, sehingga objek yang berada dalam satu cluster akan mempunyai kesamaan sifat. Data penelitian adalah kasus Covid-19 untuk 34 Provinsi di Indonesia tahun 2021. Penelitian ini bertujuan menerapkan metode K-Means Cluster sehingga diketahui karakteristik cluster tiap provinsi yang terbentuk berdasarkan tingkat sebaran kasus Covid-19, dan mengetahui variable yang paling berpengaruh pada cluster yang terbentuk.Variabel dalam penelitian ini adalah pasien terkonfirmasi, pasien sembuh, pasien meninggal, jumlah penduduk, kepadatan penduduk, usia lansia, dan sarana kesehatan.. Informasi dari hasil penelitian ini diharapkan dapat memberi alternatif untuk pencegahan Covid-19 pada kelompok provinsi berdasarkan kesamaan sifat pasien yang terjangkit Covid-19 dan ciri khas dari tiap kelompok. Sehingga diharapkan dapat memutus rantai penyebaran Covid-19 di Indonesia. Hasil penelitian menunjukkan, pesebaran kasus Covid-19 di 34 provinsi Indonesia dapat dikelompokkan ke dalam tiga klaster. Provinsi dengan jumlah penduduk terbanyak, kepadatan penduduk tertinggi, jumlah penduduk lansia terbesar, dan sarana kesehatan terbanyak terdapat pada klaster 1 juga menunjukkan jumlah pasien terkonfirmasi, jumlah pasien sembuh, dan jumlah pasien meninggal tertinggi. Variable-variabel yang paling mendominasi dalam K-Means cluster ini adalah jumlah penduduk, kepadatan penduduk , jumlah penduduk lansia, dan sarana Kesehatan. Kata Kunci: Covid-19, analsis cluster, K-Means cluster ABSTRACT Indonesia is the country with the highest number of positive Covid-19 cases. A large population has the potential to transmit the virus. Efforts are needed to reduce the transmission of this virus, one of which is knowing the characteristics of the Covid-19 patient data for each province and grouping them based on the similarity of the characteristics of the patients, so that the characteristics of each group of patients can be known. The most appropriate analysis in overcoming this problem is the K-Means Cluster, which aims to group n objects based on p variables that have similar characteristics among objects classified into one or more clusters, so that objects in one cluster will have similar properties. . The research data are Covid-19 cases for 34 provinces in Indonesia in 2021. This study aims to apply the K-Means Cluster method so that the characteristics of the clusters of each province formed based on the level of distribution of Covid-19 cases are known, and determine the variables that have the most influence on the clusters formed. The variables in this study are confirmed patients, recovered patients, deceased patients, population, population density, elderly age, and health facilities. Information from the results of this study is expected to provide an alternative for Covid-19 prevention in provincial groups based on the similarity of patient characteristics. infected with Covid-19 and the characteristics of each group. So that it is expected to break the chain of the spread of Covid-19 in Indonesia. The results show that the distribution of Covid-19 cases in 34 provinces of Indonesia can be grouped into three clusters. Provinces with the highest population, highest population density, largest number of elderly population, and highest number of health facilities are in cluster 1 also showing the highest number of confirmed patients, number of recovered patients, and highest number of patients dying. The most dominating variables in this K-Means cluster are population, population density, number of elderly people, and health facilities. Keywords: Covid-19, cluster analysis, K-Means cluster
Pemodelan Regresi Semiparametrik dengan Pendekatan Spline Truncated pada Indeks Pembangunan Manusia (IPM) di Jawa Timur Siti Aisyah Mudawamah; Galuh Tyasing Swastika; Risang Narendra; MNH Qomarudin
Statistika Vol. 22 No. 2 (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.v22i2.1433

Abstract

Indeks Pembangunan Manusia (IPM) merupakan indikator yang digunakan untuk mengukur kualitas manusia. Dimana angka Indeks Pembangunan Manusia menunjukkan maju atau tidaknya suatu wilayah. Jawa Timur merupakan salah satu provinsi di Pulau Jawa yang memiliki jumlah penduduk terbanyak pada tahun 2021, namun hal ini tidak sebanding dengan angka Indeks Pembangunan Manusia yang rendah sehingga menyebabkan ketimpangan pembangunan. Oleh karena itu, diperlukan penelitian untuk tujuan menganalisis faktor apa saja yang mempengaruhi angka Indeks Pembangunan Manusia menggunakan regresi semiparametrik dengan pendekatan spline truncated. Pemilihan titik knot optimum dengan menggunakan kriteria Generalized Cross Validation (GCV) minimum. Adapun hasil penelitian ini adalah model regresi semiparametrik terbaik terdapat pada 3 titik knot dengan nilai GCV minimum yaitu serta koefsien determinasi sebesar . Selain itu, ditunjukkan bahwa variabel angka harapan hidup, rata-rata lama sekolah, harapan lama sekolah, tingkat partisipasi angkatan kerja, dan tingkat pengangguran terbuka merupakan faktor-faktor yang memiliki pengaruh signifikan terhadap Indeks Pembangunan Manusia di Jawa Timur tahun 2021.
Klasifikasi Varietas Unggul Padi Menggunakan Metode Bagging, Boosting, dan Extremely Randomized Trees Lukmanul Hakim; Asep Saefuddin; Sausan Nisrina
Statistika Vol. 22 No. 2 (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.v22i2.1455

Abstract

Rice is one of the agricultural products which is the main commodity in Indonesia. Supporting factors that play a very important role in efforts to increase rice production are superior varieties. Superior rice varieties have characteristics that are similar to one another. Thus, farmers must choose the varieties used through a classification process to determine the appropriate type of rice. At this stage, three methods are used: bagging, boosting, and extremely randomized trees. From the analysis results, the overall method of extremely randomized trees has more optimal capabilities compared to the bagging and boosting methods. This is indicated by the three parameters, sensitivity, specificity, and accuracy, which have the highest values.
Penentuan Jumlah Klaster Optimal Menggunakan Cluster Validity Index Pada Metode Fuzzy C-Means Clustering Yumna Salsabila Firdaus; Risang Narendra; Ardhi Sanwidi; Rachmadania Akbarita
Statistika Vol. 22 No. 2 (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.v22i2.1581

Abstract

Kesejahteraan merupakan salah satu tujuan utama pemerintah di Indonesia yang telah tertulis secara jelas dalam pembukaan UUD 1945 alinea ke-4. Namun, pandemi COVID-19 di Indonesia sejak awal tahun 2020 berdampak pada peningkatan kemiskinan, termasuk di Jawa Timur. Akibat meningkatnya kemiskinan, berbagai bidang di dalam indikator kesejahteraan di Jawa Timur mengalami penurunan pada tahun 2020. Untuk meningkatkan kesejahteraan, dibutuhkan data yang akurat dan tepat sasaran, yaitu dengan melakukan penelitian analisis klaster, tepatnya metode Fuzzy C-Means Clustering. Dengan metode Fuzzy C-Means Clustering, akan dicari jumlah klaster untuk data indikator kesejahteraan rakyat di Jawa Timur.Namun, dalam menjalankan metode Fuzzy C-Means, peneliti harus menetukan jumlah klaster terlebih dahulu, sehingga jika peneliti asal dalam menentukannya maka akan berdampak pada hasil klaster yang tidak optimal, serta mengakibatkan pengambilan keputusan dan kesimpulan yang salah oleh peneliti, akibatnya hal tersebut menjadi kelemahan dari metode Fuzzy C-Means Clustering. Jumlah klaster yang optimal ditentukan dengan Cluster Validity Index. Untuk mendapatkan jumlah klaster yang optimal, algoritma pada metode Fuzzy C-Means harus dijalankan berkali-kali untuk setiap jumlah klaster yang telah ditentukan oleh peneliti, kemudian hasil atau outputnya diterapkan ke Cluster Validity Index. Cluster Validity Index yang digunakan dalam penelitian ini adalah Pantition Entropy Index, Partition Coefficient Index, Xie Beni Index, Modifed Partition Coefficient Index dan Fukuyama-Sugeno Index. Berdasarkan hasil analisis data, seluruh Cluster Validity Index menunjukkan jumlah klaster sebanyak 2 klaster sebagai jumlah klaster yang paling optimal untuk data indikator kesejahteraan rakyat di Jawa Timur pada tahun 2020.
Pemodelan ARIMA Intervensi Untuk Meramalkan Harga Minyak Mentah Dunia Indah Lestari; Bagus Sumargo; Faroh Ladayya
Statistika Vol. 22 No. 2 (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.v22i2.1593

Abstract

Harga minyak mentah dunia mengalami penurunan yang sangat signifikan karena adanya suatu intervensi, yaitu pandemi COVID-19. Peramalan harga minyak mentah dunia penting dilakukan untuk memberikan informasi terkait fluktuasi harga minyak mentah karena adanya ketidakpastian harga akibat adanya intervensi. Metode untuk memodelkan dan meramalkan data deret waktu yang dipengaruhi oleh intervensi adalah metode analisis intervensi. Penelitian ini bertujuan untuk mendapatkan model intervensi terbaik dan hasil peramalan harga minyak mentah dunia menggunakan model intervensi terbaik. Tahapan analisis intervensi yaitu membagi data menjadi data sebelum intervensi dan data saat intervensi sampai data terakhir. Data sebelum intervensi digunakan untuk pemodelan ARIMA. Sisaan pada model ARIMA berdasarkan data sebelum intervensi tersebut digunakan untuk identifikasi orde intervensi. Selanjutnya adalah melakukan pendugaan parameter, uji diagnostik, dan melakukan peramalan. Hasil penelitian menunjukkan bahwa model intervensi terbaik adalah model intervensi ARIMA(0,2,2), yang artinya pembedaan data harga minyak mentah dunia dilakukan sebanyak 2 kali, data suatu periode dipengaruhi oleh nilai sisaan 2 periode sebelumnya, serta dipengaruhi oleh orde intervensi b=0, s=0, r=1. Hasil peramalan harga minyak mentah dunia menggunakan model intervensi terbaik menghasilkan harga minyak mentah dunia yang cenderung konstan dengan harga berkisar antara 78 sampai 86 dollar AS per barel dengan MAPE yaitu 9,29%, artinya kemampuan model dalam melakukan peramalan sangat baik. Kata Kunci: Model intervensi, ARIMA, harga minyak mentah dunia, COVID-19

Page 3 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