cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Kismiantini
Contact Email
kismi@uny.ac.id
Phone
-
Journal Mail Official
jssd@uny.ac.id
Editorial Address
Faculty of Mathematics and Natural Sciences, Universitas Negeri Yogyakarta Jl. Colombo No.1, Karang Malang, Caturtunggal, Depok, Sleman, Daerah Istimewa Yogyakarta 55281
Location
Kab. sleman,
Daerah istimewa yogyakarta
INDONESIA
Jurnal Statistika dan Sains Data
Published by Universitas Negeri Yogyakarta
ISSN : -     EISSN : 30259649     DOI : -
Core Subject : Science, Education, Engineering,
Computer Science & IT Decision Sciences, Operations Research & Management Engineering Mathematics
Jurnal Statistika dan Sains Data is a journal managed and published by the Faculty of Mathematics and Natural Sciences, Universitas Negeri Yogyakarta. This journal publishes original papers, research articles, case studies, and literature reviews in the fields of statistics and data science. The publishing procedures in this journal are peer-reviewed and apply scientific publishing ethics as determined by the Committee on Publication Ethics (COPE). The journal welcomes and also invites contributors particularly from the field of statistics, data science and their applications.
Arjuna Subject : Matematika - Statistik dan Probabilitas
Articles 6 Documents
 1 
Pemodelan Penyebaran Penyakit Tuberkulosis di Provinsi Jawa Barat Menggunakan Geographically Weighted Regression Qatrunnada Azkia Nada; Sri Andayani
Jurnal Statistika dan Sains Data Vol 1, No 1: October 2023
Publisher : Universitas Negeri Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Indonesia berada di peringkat ketiga dengan penderita TBC tertinggi di dunia pada tahun 2020. Sebesar 46% kasus TBC di Indonesia terjadi di tiga provinsi dengan penduduk terbanyak salah satunya yaitu Provinsi Jawa Barat. Penelitian ini bertujuan untuk mengetahui faktor-faktor persebaran penyakit TBC di Provinsi Jawa Barat dengan menggunakan pendekatan GWR dengan fungsi pembobot Kernel Adaptive Gaussian dan fungsi pembobot Kernel Adaptive Bisquare. Dengan unit observasi 27 Kabupaten/Kota yang ada di Provinsi Jawa Barat dan 7 faktor yang memengaruhi persebaran penyakit TBC yang diambil dari buku Profil Kesehatan Jawa Barat tahun 2020 dan buku Jawa Barat dalam Angka tahun 2021. Kemudian dilakukan analisis menggunakan pendekatan GWR dengan fungsi pembobot Kernel Adaptive Gaussian dan fungsi pembobot Kernel Adaptive Bisquare. Fungsi pembobot Kernel Adaptive digunakan dalam penelitian ini karena pembobot dalam model GWR dapat disesuaikan dengan kondisi titik pengamatan dan menghasilkan nilai bandwidth yang berbeda pada setiap lokasi pengamatan. Pemilihan model terbaik berdasarkan nilai dan AIC. Hasil penelitian ini menunjukan bahwa, model GWR Adaptif Bisquare lebih baik digunakan daripada model GWR Adaptif Gaussian, karena model GWR Adaptif Bisquare memiliki nilai  terbesar dan AIC terkecil. Dengan menggunakan model GWR Adaptif Bisquare diperoleh tujuh kelompok wilayah di Provinsi Jawa Barat berdasarkan variabel yang signifikan terhadap persebaran penyakit TBC. Variabel signifikan tersebut yaitu kepadatan penduduk per- , puskesmas, balita imunisasi BCG, dan penduduk miskin
Penerapan Analisis Jalur pada Faktor-Faktor yang Memengaruhi Indeks Pembangunan Manusia di Indonesia Afriadi Gunandi; Kismiantini Kismiantini
Jurnal Statistika dan Sains Data Vol 1, No 1: October 2023
Publisher : Universitas Negeri Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Indeks pembangunan manusia (IPM) merupakan indikator penting untuk mengukur keberhasilan dalam upaya membangun kualitas hidup manusia. Penelitian ini bertujuan untuk mengetahui pengaruh langsung dan tak langsung angka harapan hidup (AHH), harapan lama sekolah (HLS), rata-rata lama sekolah (RLS) terhadap IPM melalui jumlah penduduk dan pengeluaran perkapita penduduk di Indonesia pada tahun 2020 dengan menggunakan analisis jalur. Data yang digunakan adalah data IPM dan jumlah penduduk dari 34 provinsi Indonesia dari buku publikasi Indeks Pembangunan Manusia 2020 BPS Indonesia. Pada penelitian ini digunakan analisis jalur karena ingin memperkirakan besarnya dan signifikansi hubungan kausal yang dihipotesiskan antara sekumpulan variabel. Hasil analisis jalur menunjukkan bahwa pengaruh langsung AHH, HLS, RLS dan pengeluaran perkapita penduduk terhadap IPM memberikan hasil yang signifikan secara statistik yang artinya faktor-faktor tersebut memberikan peningkatan terhadap IPM di Indonesia pada tahun 2020 dengan masing-masing setiap nilai penduga koefisien jalur baku bernilai positif yaitu berturut-turut sebesar 0,33, 0,22, 0,26 dan 0,49. Pada hasil pengaruh tak langsung AHH, HLS, RLS melalui jumlah penduduk dan pengeluaran perkapita penduduk terhadap IPM memberikan hasil yang tidak signifikan secara statistik.
Pemetaan Kabupaten/Kota di Provinsi Papua Berdasarkan Indikator Daerah Tertinggal dengan Metode Ensemble Clustering Evi Fauziyari; Dhoriva Urwatul Wustqa
Jurnal Statistika dan Sains Data Vol 1, No 1: October 2023
Publisher : Universitas Negeri Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Provinsi Papua menjadi provinsi yang memiliki daerah tertinggal terbanyak di Indonesia. Untuk pemerataan pembangunan, perlu diketahui kabupaten/kota di Provinsi Papua yang termasuk dalam daerah sangat tertinggal dengan memetakan daerah tertinggal berdasarkan indikator daerah tertinggal menggunakan metode ensemble clustering. Terdapat 29 kabupaten dan 13 variabel yang digunakan dengan 10 variabel data bertipe numerik dan 3 variabel bertipe kategorik. Pembentukan cluster diawali dengan menentukan banyak cluster. Kemudian dilakukan pembentukan cluster dengan metode K-means untuk variabel numerik dan K-modes untuk variabel kategorik. Validasi dilakukan untuk mendapatkan cluster terbaik menggunakan Davies Index Bouldin dan Silhouette. Hasil dari kedua metode yang berupa data kategorik dianalisis dengan metode K-modes. Hasil penelitian menghasilkan 5 cluster terbaik dan dipetakan menjadi 5 tingkat daerah tertinggal. Setiap tingkat memiliki banyak kabupaten dan karakteristik yang berbeda. 
Pemodelan Faktor-Faktor yang Mempengaruhi Kemiskinan di Provinsi Nusa Tenggara Barat dengan Menggunakan Regresi Spasial Maya Novia Puspita; Dhoriva Urwatul Wutsqa
Jurnal Statistika dan Sains Data Vol 1, No 1: October 2023
Publisher : Universitas Negeri Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kemiskinan adalah masalah global yang paling besar dihadapi di Indonesia, khususnya daerah timur yaitu Nusa Tenggara Barat. Penelitian ini bertujuan untuk mengetahui faktor-faktor yang mempengaruhi kemiskinan di Provinsi Nusa Tenggara Barat. Data yang digunakan berupa data spasial karena data pada penelitian ini adalah data berdasarkan Kabupaten/Kota di Provinsi Nusa Tenggara Barat tahun 2020. Teknik analisis data yang digunakan adalah analisis regresi spasial. Hasil dari penelitian ini menunjukkan bahwa Spatial Autoregressive Model (SAR) adalah model terbaik dan layak digunakan. Faktor-faktor yang secara signifikan mempengaruhi kemiskinan di provinsi Nusa Tenggara Barat adalah indeks pembangunan manusia, tingkat pengangguran terbuka, persentase buta huruf, laju pertumbuhan penduduk, kepadatan penduduk, persentase penduduk tidak bersekolah lagi, dan garis kemiskinan. Nilai koefisien determinasi yang dihasilkan adalah 99.97%, sehingga dapat disimpulkan bahwa faktor-faktor tersebut berpengaruh terhadap kemiskinan sebesar 99.97% dan sisanya dipengaruhi oleh faktor lainnya
Penerapan Model Regresi Spasial dalam Menentukan Faktor-Faktor yang Memengaruhi Indeks Pembangunan Manusia di Kabupaten/Kota Pulau Kalimantan Andriati Langiran; Kismiantini Kismiantini; Ezra Putranda Setiawan
Jurnal Statistika dan Sains Data Vol 1, No 1: October 2023
Publisher : Universitas Negeri Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Indeks Pembangunan Manusia (IPM) merupakan salah satu ukuran keberhasilan pembangunan. Di Indonesia, IPM digunakan untuk mengukur keberhasilan pemerintah dalam hal pembangunan kesejahteraan manusia. Pada tahun 2021, IPM di Kabupaten/Kota Pulau Kalimantan masih banyak yang lebih rendah dibandingkan dengan rata-rata IPM di Indonesia yaitu 72,29. Oleh karena itu, perlu diketahui faktor-faktor yang memengaruhi IPM di setiap Kabupaten/Kota. Penelitian ini bertujuan untuk mengetahui faktor-faktor yang berpengaruh signifikan dan untuk mengetahui model Geographically Weighted Regression (GWR) dengan menggunakan fungsi pembobot terbaik berdasarkan data Kabupaten/Kota di Pulau Kalimantan. Model GWR bekerja dengan mengestimasi parameter dengan mempertimbangkan lokasi. Hasil penelitian berdasarkan model GWR terbaik yaitu model GWR dengan fungsi pembobot adaptive bi-square kernel diperoleh tujuh kelompok Kabupaten/Kota berdasarkan faktor yang berpengaruh. Kelompok dengan Kabupaten/Kota yang paling banyak dipengaruhi oleh faktor persentase penduduk miskin. Model GWR terbaik memperoleh nilai koefisien determinan (R2) sebesar 62,7%.
Analisis Pertumbuhan Ekonomi di Jawa Tengah dengan Geographically Weighted Regression Model dengan Pembobot Kernel Gaussian Reynaldi Komtua Naibaho; Rosita Kusumawati
Jurnal Statistika dan Sains Data Vol 1, No 1: October 2023
Publisher : Universitas Negeri Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pertumbuhan ekonomi suatu daerah dapat dipengaruhi oleh berbagai faktor-faktor seperti tingkat pendidikan, infrastruktrur pendukung, tingkat kesehatan. Faktor-faktor yang mempengaruhi pertumbuhan ekonomi suatu daerah dapat berbeda dengan daerah lain. Penelitian ini bertujuan untuk mengetahui faktor-faktor yang mempengaruhi pertumbuhan ekonomi suatu daerah dan apakah faktor geografis juga mempengaruhi pertumbuhan ekonomi suatu daerah dengan menggunakan model Geographically Weighted Regression (GWR). Model GWR merupakan pengembangan dari model regresi berganda yang ketika asumsi heterogenitas tidak terpenuhi pada model regresi berganda maka dilakukan pembobotan dengan metode Weighted Least Regression (WLS). Pada penelitian ini pembobot yang digunakan adalah lokasi geografis dengan fungsi pembobot fixed kernel gaussian dan adaptive kernel gaussian. Diperoleh model GWR terbaik adalah model GWR dengan fungsi pembobot adaptive kernel gaussian yang ditunjukkan dengan nilai JKG =1,014040e+16,AIC =1270,36, ????2=0,56 dan nilai p sebesar 0,443. Model GWR ini menghasilkan 35 model lokal. Model lokal yang diperoleh dapat dikelompokkan menjadi 5 kelompok berdasarkan variabel-variabel independen yang berpengaruh secara signifikan terhadap variabel dependen

Page 1 of 1 | Total Record : 6

 1 

Filter by Year

2023 2023


Reset
Filter By Issues
All Issue Vol 1, No 1: October 2023