cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Febriani Astuti
Contact Email
febriani@akprind.ac.id
Phone
+6285725192987
Journal Mail Official
statikom.jurnal@akprind.ac.id
Editorial Address
Kampus 3 Universitas AKPRIND Indonesia; Jl. Bimasakti No 3 Pengok Yogyakarta; Telp. (0274) 544504 (318); WA 0851-7106-0678
Location
Kota yogyakarta,
Daerah istimewa yogyakarta
INDONESIA
Jurnal Statistika Industri dan Komputasi
Published by Universitas AKPRIND Indonesia
ISSN : -     EISSN : 25279378     DOI : https://doi.org/10.34151
Core Subject : Economy, Science, Education, Engineering,
Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Mathematics
Jurnal Statistika Industri dan Komputasi memfasilitasi peneliti, baik dosen, mahasiswa, maupun praktisi untuk mempublikasikan hasil penelitian. Selain itu juga memberikan fasilitas bagi peneliti lain untuk mendapatkan referensi-referensi terkait bidang statistika, aplikasi statistika pada industri, serta komputasinya. Jurnal ini terbit dalam bentuk edisi cetak dan edisi online pada https://ejournal.akprind.ac.id. Edisi setiap jurnal berisikan 8 makalah yang memiliki tema pada bidang teori statistika dan aplikasinya. Kami akan menerima publikasi hasil penelitian pada bidang yang lebih spesifik, diantaranya tentang statistika matematika, ekonometrika, statistika komputasi, matematika keuangan, statistika spasial, aktuaria, demografi, fuzzy, statistika nonparametrik, multivariat, teori statistika, riset operasi, optimasi, time series, analisis survival, dan manajemen resiko.
Arjuna Subject : Matematika - Statistik dan Probabilitas
Articles 8 Documents
 1 
Search results for , issue "Vol. 3 No. 01 (2018)" : 8 Documents clear
PENERAPAN METODE QUICK, UNBIASED, EFFICIENT STATISTICAL TREES (QUEST) UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI PENYAKIT DIARE PADA BALITA DI INDONESIA Vara Diba Rizki; Yudi Setyawan
Jurnal Statistika Industri dan Komputasi Vol. 3 No. 01 (2018)
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v3i01.1074

Abstract

Abstrak. Pengklasifikasian merupakan pengelompokan secara sistematis terhadap suatu objek ke dalam golongan atau pola-pola tertentu berdasarkan kesamaan ciri. Salah satu metode statistika yang dapat digunakan untuk mengklasifikasikan objek adalah metode QUEST. Metode QUEST (Quick, Unbiased, Efficient, Statistical Trees) merupakan salah satu metode klasifikasi berstruktur pohon yang menghasilkan pohon biner dan bersifat cepat dalam komputasi, menghasilkan pemilihan peubah bebas yang takbias, serta memiliki algoritma yang efisien. Penelitian ini membahas pengklasifikasian dengan menggunakan metode QUEST dalam menentukan faktor-faktor yang mempengaruhi penyakit diare pada balita di Indonesia. Data Survei Demografi dan Kesehatan Indonesia (SDKI) 2012 menunjukkan persentase balita terkena diare di Indonesia sebesar 14% atau sebanyak 2.342 orang dari 16.380 orang sampel, sedangkan 86% atau 14.038 orang lainnya merupakan balita tidak terkena diare. Prosedur klasifikasi berstruktur pohon biner dengan metode QUEST yaitu: proses memilih penyekat dari tiap peubah bebas, menentuan titik penyekat dan penghentian pembentukan pohon. Pada prosedur tersebut menghasilkan faktor-faktor yang mempengaruhi penyakit diare pada balita diantaranya umur anak, jenis kelamin, fasilitas kakus, daerah tempat tinggal, pendidikan ibu, dan kuantil kekayaan. Peubah yang paling berpengaruh pada balita diare adalah umur anak. Ketepatan klasifikasi menggunakan metode QUEST sebesar 91,1%.
PENERAPAN METODE QUICK, UNBIASED, EFFICIENT STATISTICAL TREES (QUEST) UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI PENYAKIT DIARE PADA BALITA DI INDONESIA Evy Kristin Angkat; Noeryanti Noeryanti
Jurnal Statistika Industri dan Komputasi Vol. 3 No. 01 (2018)
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v3i01.1076

Abstract

Abstrak. Analisis survival atau analisis kelangsungan hidup merupakan cabang statistika yang mempelajari teknik analisis data survival. Tujuannya untuk menaksir probabilitas kelangsungan hidup, kekambuhan, kematian, dan peristiwa-peristiwa lainnya sampai pada periode waktu tertentu.Tuberkulosis merupakan suatu penyakit yang jika tidak mendapatkan penanganan yang tepat akan bisa menjadi sebuah kejadian luar biasa, karena dapat menyebabkan kematian. Untuk mengurangi angka kematian akibat tuberkulosis, maka penelitian ini akan memodelkan waktu survival dengan studi kasus pada pasien tuberkulosis yang dirawat di Rumah Sakit PKU Muhammadiyah Gamping tahun 2012 sampai tahun 2016. Metode yang digunakan adalah Analisis Survival dengan model regresi cox. Adapun hasil yang ingin diperoleh dari penelitian ini adalah mengetahui faktor-faktor apa saja yang berpengaruh terhadap laju kesembuhan penderita tuberkulosis. Berdasarkan analisis Cox PH diperoleh bahwa variabel yang berpengaruh terhadap lama penyembuhan penyakit tuberkulosis di RS PKU Muhammadiyah Gamping adalah variabel umur dan variabel diagnosa.
ANALISIS KOMPONEN UTAMA UNTUK MENGATASI MULTIKOLINEARITAS PADA FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT PENGANGGURAN TERBUKA DI PROVINSI NUSA TENGGARA TIMUR Elisabeth Maubanu; Kartiko Kartiko
Jurnal Statistika Industri dan Komputasi Vol. 3 No. 01 (2018)
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v3i01.1078

Abstract

Abstrak. Analisis regresi digunakan untuk menyelidiki faktor-faktor yang mempengaruhi suatu variabel tertentu. Salah satu asumsi penting yang harus dipenuhi adalah tidak adanya multikolinearitas antar variabel independen. Multikolinearitas berakibat pada tidak minimalnya variansi koefisien regresi, sehingga model regresi tidak stabil. Multikolinearitas dapat ditangani menggunakan metode analisis komponen utama.Penelitian ini menggunakan data tingkat penggangguran terbuka di provinsi Nusa Tenggara Timur serta faktor-faktor yang diduga mempengaruhi; Indeks Pembagunan Manusia, kepadatan penduduk, laju pertumbuhan penduduk, laju pertumbuhan PDRB ADHK , Upah Minimum Regional, angka melek huruf, rata-rata lama sekolah dan rasio jumlah sekolah (SMA/MA/SMK) per 10.000 jiwa penduduk.Dalam analisis menggunakan metode OLS, terjadi multikolinearitas pada faktor-faktor independen. Berdasarkan hasil analisis menggunakan analisis komponen utama, tidak lagi terjadi multikolinearitas pada penduga model regresi. Dari 8 buah variabel independen diperoleh 4 buah variabel baru yang mampu menjelaskan 88,1 % variansi dari ke-8 variabel tersebut. MSE dari penduga model regresi komponen utama lebih kecil dibandingkan menggunakan metode OLS.
APLIKASI METODE COMMON EFFECT, FIXED EFFECT, DAN RANDOM EFFECT UNTUK MENGANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT KEMISKINAN KABUPATEN/KOTA DI JAWA TENGAH DAN DAERAH ISTIMEWA YOGYAKARTA Petronella Mira Melati; Kris Suryowati
Jurnal Statistika Industri dan Komputasi Vol. 3 No. 01 (2018)
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v3i01.1079

Abstract

Abstrak. Tingkat kemiskinan di Jawa Tengah dan Daerah Istimewa Yogyakarta berada di atas angka kemiskinan nasional, maka diperlukan tindakan pengentasan kemiskinan. Pengentasan kemiskinan dilakukan dengan mempertimbangkan faktor-faktor yang berpengaruh terhadap kemiskinan. Dengan demikian, penelitian ini bertujuan untuk mengetahui faktor-faktor yang berpengaruh terhadap kemiskinan kabupaten/kota di Jawa Tengah dan Daerah Istimewa Yogyakarta pada tahun 2011-2015. Data berupa data cross section dan time series, maka metode dalam menganalisis adalah analisis regresi data panel. Pengujian yang dilakukan adalah untuk memilih model terbaik, antara model common effect, fixed effect, dan random effect. Pengujian ini dibantu dengan software RStudio. Hasil penelitian menunjukkan bahwa model terbaik untuk Jawa Tengah adalah model fixed effect dengan metode estimasi Least Square Dummy Variable (LSDV). Variabel independen yang signifikan untuk mengestimasi presentase penduduk miskin kabupaten/kota di Jawa Tengah, antara lain rata-rata lama sekolah, harapan lama sekolah, laju pertumbuhan ekonomi, dan angka harapan hidup. Sedangkan model terbaik untuk Daerah Istimewa Yogyakarta adalah model random effect dengan metode estimasi Generalized Least Square (GLS). Variabel independen yang signifikan untuk mengestimasi presentase penduduk miskin kabupaten/kota di Daerah Istimewa Yogyakarta harapan lama sekolah.
OPTIMASI BIAYA DISTRIBUSI AIR DI PDAM KABUPATEN BANTUL MENGGUNAKAN METODE SUDUT BARAT LAUT DENGAN SIMULASI SOFTWARE R SEBAGAI PENGUJI OPTIMALITAS MODIFIED DISTRIBUTION Dyah Ariani Widianingsih; Rokhana Dwi Bekti
Jurnal Statistika Industri dan Komputasi Vol. 3 No. 01 (2018)
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v3i01.1080

Abstract

Abstrak. Peningkatan jumlah penduduk yang pesat mempengaruhi jumlah kebutuhan air bersih pada setiap rumah. Perkembangan ekonomi melalui pembangunan juga menjadi sorotan karena semakin banyaknya perumahan yang didirikan oleh pengusaha akan menimbulkan kekurangan air tanah karena akan membuat resapan air yang tidak maksimal. Selain itu pembuangan sampah disungai dan penggunaan air tanah yang berlebihan oleh industri yang ada di Bantul dapat mengakibatkan krisis air bersih. Krisi air tersebut menyebabkan kebutuhan air bersih semakin meningkat, namun ketersediaan air bersih di alam semakin berkurang. Dalam memenuhi kebutuhan air bersih baik untuk umum maupun industri dibutuhkan suatu badan usaha yang mengelola guna memenuhi kebutuhan air bersih di wilayah Kabupaten Bantul. Pada penelitian ini akan dilakukan peminimalan biaya distribusi air bersih PDAM Kabupaten Bantul dengan metode transportasi yaitu sudut barat laut. Berdasarkan hasil perhitungan kebutuhan air yang tidak terpenuhi yaitu sebesar 315,72 m3 / hari. Pada pengujian optimalitas biaya distribusi dengan solusi awal metode sudut barat laut diketahui bahwa hasil total biaya distribusi dengan menerapkan metode modi belum mencapai nilai total biaya yang optimal. Pada pengujian optimalitas nilai indeks perbaikan pada sel non basis masih terdapat nilai negatif, sehingga dilanjutkan dengan merevisi tabel. Berdasarkan perhitungan, revisi mencapai solusi optimal pada revisi tabel ke 5 dengan nilai minimum biaya yang diperoleh sebesar Rp. 7.881.224,00.
PREDIKSI BENCANA ALAM DI WILAYAH KABUPATEN WONOGIRI DENGAN KONSEP MARKOV CHAINS Petronella Mira Melati; Maria Titah Jatipaningrum
Jurnal Statistika Industri dan Komputasi Vol. 3 No. 01 (2018)
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v3i01.1081

Abstract

Abstrak: Rantai Markov sebenarnya merupakan bentuk khusus dari model probabilitas yang melibatkan waktu dan keadaan lebih dikenal sebagai proses Stokastik. Peneliti menggunakan konsep Markov Chains mengolah data-data yang sudah ada untuk menghasilkan sebuah prediksi bencana alam. Bencana alam yang di prediksi yaitu Kabupaten Wonogiri. Data yang akan diolah dengan konsep Markov Chains diambil dari database bencana tahun-tahun sebelumnya. Bencana alam yang akan diprediksi meliputi banjir, kebakaran hutan dan lahan, kekeringan, putting beliung dan tanah longsor. Diperoleh kesimpulan bahwa bencana banjir akan mengalami penurunan sebesar 11% dari tahun 2016 sampai dengan 2019. Banjir dan tanah longsor, kebakaran hutan dan lahan, kekeringan akan meningkat menjadi masing-masing 2% pada tahun 2019. Untuk bencana angin putting beliung, mengalami sedikit penurunan sebesar 1% dari tahun 2016 sampai dengan 2019, sedangkan untuk bencana tanah longsor mengalami peningkatan sebesar 1% menjadi 57% pada tahun 2019.
PEMODELAN INFANT MORTALITY RATE (IMR) DENGAN PENDEKATAN ZERO INFLATED POISSON REGRESSION BERBASIS ALGORITMA EM Indah Manfaati Nur
Jurnal Statistika Industri dan Komputasi Vol. 3 No. 01 (2018)
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v3i01.1082

Abstract

Abstrak Salah satu tolok ukur yang sensitif dari semua upaya intervensi yang dilakukan pemerintah khususnya di bidang kesehatan adalah Infant Mortality Rate (IMR). Apabila IMR di suatu wilayah tinggi, berarti status kesehatan di wilayah tersebut rendah Berbagai upaya terus dilakukan untuk menurunkan Infant Mortality Rate (IMR) di Indonesia. Salah satu cara yang dapat dilakukan untuk menurunkan Infant Mortality Rate (IMR) adalah dengan mengkaji faktor-faktor penyebabnya. Banyaknya kejadian kematian merupakan variabel respon yang berupa data diskrit maka salah satu model regresi yang dapat digunakan adalah model regresi Poisson. Suatu ciri dari distribusi Poisson adalah adanya equidispersi, yakni kondisi dimana nilai mean dan varians dari variabel respon bernilai sama. Namun pada praktiknya, sering ditemukan suatu keadaan overdispersi pada regresi Poisson. Model regresi Zero-Inflated Poisson merupakan suatu metode yang mampu untuk menangani overdispersi yang terjadi. Tujuan dari penelitian ini adalah untuk mendapatkan model terbaik tentang Infant Mortality Rate (IMR) dengan menggunakan Zero-Inflated Poisson berbasis Algoritma EM. Hasil penelitian menunjukkan bahwa faktor-faktor yang berpengaruh secara signifikan terhadap IMR adalah jumlah sarana kesehatan pada tiap kabupaten/kota, rasio ketersediaan bidan desa pada tiap kabupaten/kota, dan presentase persalinan ditolong tenaga kesehatan.
ANALISIS JALUR TERHADAP FAKTOR FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI KUMULATIF (IPK) MAHASISWA Dody Rifai Deny Boy Sihite; Noviana Pratiwi
Jurnal Statistika Industri dan Komputasi Vol. 3 No. 01 (2018)
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v3i01.1083

Abstract

Abstrak. Indeks Prestasi Kumulatif (IPK) adalah ukuran kemampuan mahasiswa sampai pada periode tertentu yang dihitung berdasarkan jumlah SKS yang telah ditempuh. IPK dipengaruhi oleh beberapa faktor yang dapat digambarkan dengan model analisis jalur. Faktor-faktor yang mungkin mempengaruhi IPK antara lain uang saku, usia, banyak organisasi, lama internet, lama belajar. Analisis jalur merupakan pengembangan dari regresi berganda yang variabel bebasnya tidak hanya mempengaruhi variabel tergantung secara langsung tetapi juga dapat mempengaruhi secara tidak langsung. Penelitian ini menggunakan data primer dan data sekunder. Tujuan penelitian ini untuk melihat faktor faktor yang mempengaruhi IPK secara signifikan baik secara langsung maupun tidak langsung. Objek penelitian ini adalah mahasiswa jenjang S1 angkatan 2014 Institut Sains dan Teknologi AKPRIND. Berdasarkan hasil pembahasan faktor-faktor yang mempengaruhi IPK diperoleh adalah lama belajar dan lama penggunaan internet. Faktor yang memiliki pengaruh negatif terhadap IPK adalah variabel lama penggunaan internet dengan pengaruh langsung sebesar –0,213 dan pengaruh tak langsung mendekati 0,000. Total pengaruh penggunaan internet terhadap IPK adalah -0,213. Faktor yang memiliki pengaruh positif terhadap IPK adalah faktor lama belajar dengan pengaruh langsung sebesar 0,147 dan pengaruh tidak langsung mendekati 0,000. sehingga total pengaruh lama belajar terhadap IPK adalah 0,147.

Page 1 of 1 | Total Record : 8

 1 

Filter by Year

2018 2018


Reset
Filter By Issues
All Issue Vol. 9 No. 2 (2024): Jurnal Statistika Industri dan Komputasi Vol. 9 No. 1 (2024): Jurnal Statistika Industri dan Komputasi Vol. 8 No. 2 (2023): Jurnal Statistika Industri dan Komputasi Vol. 8 No. 1 (2023): Jurnal Statistika Industri dan Komputasi Vol. 7 No. 01 (2022): Jurnal Statistika Industri dan Komputasi Vol. 7 No. 2 (2022): Jurnal Statistika Industri dan Komputasi Vol. 6 No. 01 (2021): Jurnal Statistika Industri dan Komputasi Vol. 6 No. 2 (2021): Jurnal Statistika Industri dan Komputasi Vol. 5 No. 02 (2020): Jurnal Statistika Industri dan Komputasi Vol. 5 No. 01 (2020): Jurnal Statistika Industri dan Komputasi Vol. 4 No. 01 (2019) Vol. 4 No. 2 (2019): Jurnal Statistika Industri dan Komputasi Vol. 3 No. 02 (2018) Vol. 3 No. 01 (2018) Vol. 2 No. 02 (2017) Vol. 2 No. 01 (2017) Vol. 1 No. 01 (2016) More Issue