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. 7 No. 2 (2022): Jurnal Statistika Industri dan Komputasi" : 8 Documents clear
PERBANDINGAN METODE DOUBLE EXPONENTIAL SMOOTHING DAN METODE DEKOMPOSISI UNTUK PERAMALAN JUMLAH TAMU DOMESTIK HOTEL BERBINTANG DI PROVINSI NUSA TENGGARA TIMUR Fridiana Rihal; Noviana Pratiwi
Jurnal Statistika Industri dan Komputasi Vol. 7 No. 2 (2022): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

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

Abstract

Nusa Tenggara Timur mempunyai potensi wisata yang besar serta sudah ditetapkan sebagai destinasi wisata nasional dalam Masterplan Kementrian Pariwisata dan Ekonomi Kreatif pada tahun 2012. Pada Januari tahun 2017 sampai November 2019 Wisatawan setiap tahunnya selalu mengalami peningatan, maka dari itu Tamu Hotel BerBerbintang dan Hotel Non Berbintang di Nusa Tenggara Timur Tahun 2017-2020 juga akan mengalami peningkatan dan pertumbuhan hotel juga terus bertambah. Hal itu menyebabkan hotel-hotel di Nusa Tenggara Timur harus dapat mengembangkan penawaran-penawaran dalam berbagai aspek agar dapat meningkatkan kunjungan hotel dan memberikan kepuasan yang optimal bagi konsumen salah satunya Pihak hotel mulai meningkatkan fasilitas yang disediakan, memberikan pelayanan terbaik dan harga Penginapan yang sesuai. Penelitian ini Menggunakan Analisis Double exponential smoothing dan metode Dekomposisi karena dapat membantu memberikan informasi awal yang dibutuhkan sebagai bahan pertimbangan dalam pengambilan keputusan dan tindakan. Penelitian ini menggunakan data Jumlah Tamu Domestik Hotel Berbintang Di Provinsi Nusa Tenggara Timur pada Tahun 2017 sampai Tahun 2020 yang memiliki unsur Trand dan Musiman. Tujuan dari penelitian ini adalah untuk memberikan gambaran kedepan kepada pemerintah Provinsi dalam memberikan suatu kebijakan yang akan datang dan untuk menentukan keefektifan metode dan menentukan peramalan terbaik berdasarkan nilai RMSE Hasil Analisis diperoleh nilai RMSE sebesar 7001.55154 dan dengan menggunakan α = 0.8, maka hasil penelitian menunjukkan bahwa metode peramalan terbaik adalah metode double exponential smoothing dengan parameter a = 0, 8.
APLIKASI METODE GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) PADA PEMODELAN LAJU PERTUMBUHAN PRODUK DOMESTIK REGIONAL BRUTO DI PROVINSI NUSA TENGGARA TIMUR Ignasia Novianti Luku; Kris Suryowati
Jurnal Statistika Industri dan Komputasi Vol. 7 No. 2 (2022): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

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

Abstract

Salah satu indikator keberhasilan pelaksanaan pembangunan yang dapat dijadikan tolak ukur secara makro adalah pertumbuhan ekonomi yang dicerminkan dari perubahan PDRB dalam suatu daerah. Dalam buku KFR Provinsi NTT tahun 2019, dikatakan bahwa secara quarter to quarter PDRB NTT triwulan I berkurang sebesar -5,62 persen. Banyaknya faktor yang mempengaruhi laju pertumbuhan PDRB memungkinkan adanya multikolinearitas lokal. Geographically Weighted Regression Principal Component Analysis (GWRPCA) merupakan salah satu metode yang digunakan jika terjadi multikolinearitas dan heterogenitas spasial. Hasil penelitian menunjukan terdapat karakteristik pola spasial pada setiap variabel dependent dan independent yang berbeda dengan variabel independent yang saling berkorelasi. Metode PCA menghasilkan tiga komponen utama yang dapat mewakili variabel peubah asli dengan proporsi varian kumulatif sebesar 99%. Pemodelan GWRPCA menggunakan pembobot fixed kernel gaussian dengan tiga komponen utama sebagai variabel independent menghasilkan pemodelan yang berbeda disetiap lokasi pengamatan dimana variabel W1 mempengaruhi laju pertumbuhan PDRB di empat kabupaten/kota, komponen utama kedua dan ketiga tidak mempengaruhi laju pertumbuhan PDRB di Provinsi Nusa Tenggara Timur. Selain itu, pemodelan GWRPCA merupakan model yang lebih baik daripada model OLS dan RPCA dalam memodelkan laju pertumbuhan PDRB di Provinsi NTT pada tahun 2019 karena memiliki nilai R2 terbesar yaitu 88% dan nilai AIC terkecil yaitu -16,59.
PENERAPAN ANALISIS KLUSTER HIERARKI MENGGUNAKAN METODE AVERAGE, SINGLE, DAN COMPLETE LINKAGE PADA DATA PASIEN COVID-19 DI INDONESIA (Studi Kasus : Data IHSG Tahun 2016 – 2021) Susiana Thaib; Rokhana Dwi Bekti
Jurnal Statistika Industri dan Komputasi Vol. 7 No. 2 (2022): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

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

Abstract

Corona virus disease 2019 atau covid-19 merupakan virus yang menyebabkan penyakit infeksi saluran pernapasan. Penelitian ini bertujuan untuk mengelompokkan provinsi-provinsi di Indonesia menggunakan metode average, single, dan complete linkage pada kasus covid-19 di Indonesia. Analisis Cluster merupakan analisis pengelompokan objek-objek menjadi kelompok-kelompok yang lebih kecil berdasarkan kesamaan karakteristik diantara objek-objek. Analisis ini dilakukan menggunakan software R dan diperoleh hasil analisis 3 kelompok yang terbentuk pada masing-masing metode analisis cluster yakni average linkage, single dan complete linkage. Dari ketiga metode tersebut, ternyata memiliki kesamaan setiap anggota pada setiap kelompok. Kelompok pertama beranggotakan provinsi Jakarta, Jawa Barat, Kalimantan Timur, Yogyakarta, Banten, Riau, Bali, Sulawesi Selatan, Sumatera Utara, Sumatera Barat, Kalimantan Selatan, Nusa Tenggara Timur, Kep. Riau Kep. Bangka Belitung, Sulawesi Tengah, Kalimantan Tengah, kalimantan Barat, Kalimantan Utara, Sulawesi Utara, Papua, Jambi, Nusa Tenggara Barat, Papua Barat, Bengkulu, Sulawesi Tenggara, Maluku, Sulawesi Barat, Maluku Utara, dan Gorontalo. Kelompok kedua beranggotakan provinsi Jawa Tengah, Sumatera Selatan, dan Aceh. Kelompok ketiga beranggotakan provinsi Jawa Timur dan Lampung. Nilai koefisien korelasi cophenetic diperoleh sebesar 0,8869 untuk metode average linkage, 0,8819 untuk metode complete linkage dan single linkage sebesar 0,8651. Sehingga dipilih metode Average karena nilainya lebih tinggi dari kedua metode yang lain. Nilai index Dunn pada penelitian ini lebih baik dibuat 4 kluster karena nilainya lebih tinggi sebesar 0.6107.
PERBANDINGAN METODE FUZZY TIME SERIES-CHEN dan METODE FUZZY TIME SERIES-MARKOV CHAIN UNTUK MERAMALKAN DATA INFLASI DI INDONESIA Nurfazriani; Amir Hamzah
Jurnal Statistika Industri dan Komputasi Vol. 7 No. 2 (2022): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

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

Abstract

Inflasi diartikan sebagai meningkatnya harga-harga barang secara umum dan terus menerus. Kenaikan harga dari satu atau dua barang saja tidak dapat disebut inflasi kecuali bila kenaikan itu meluas (atau mengakibatkan kenaikan harga) pada barang lainnya. Kebalikan dari inflasi disebut deflasi. Salah satu cara untuk mengendalikan inflasi dengan menggunakan peramalan. Peramalan merupakan kegiatan yang memperkirakan kejadian di masa yang akan datang. Tujuan dari penenlitian ini adalah untuk memprediksi data inflasi dengan menggunakan Fuzzy Time Series-Chen (FTS-CHEN) dan Fuzzy Time Series-Markov Chain (FTS-MC). Berkaitan dengan peramalan inflasi tersebut. Dalam penelitian ini, metode Fuzzy Time Series-Chen digunakan untuk memprediksi data inflasi dengan menggunakan Fuzzy Logical Relationship Group. Sedangkan, untuk metode Fuzzy Time Series-Markov Chain digunakan untuk memprediksi data inflasi dengan menggunakan Fuzzy Logical Relationship Group dan matriks probabilitas transisi.Hasil prediksi tersebut dibandingkan dengan menggunakan RMSE dan MAPE. Hasil prediksi dari kedua metode tersebut menunjukkan bahwa metode FTS-MC merupakan metode yang terbaik untuk meramalkan data inflasi, yaitu pada bulan April 2021 sebesar 1,525, bulan Mei 2021 sebesar 1,655, dan bulan Juni 2021 sebesar 1,767.
ANALISIS FAKTOR-FAKTOR KESENJANGAN SOSIAL DAERAH ISTIMEWA YOGYAKARTA MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) DAN CONFIRMATORY FACTOR ANALYSIS (CFA) Yohana Novitania Rusli; Yudi Setyawan
Jurnal Statistika Industri dan Komputasi Vol. 7 No. 2 (2022): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

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

Abstract

Kesenjangan sosial suatu wilayah penting diperhatikan agar dapat dijadikan acuan untuk melihat dan mengetahui kesejahteraan masyarakat pada wilayah tersebut, sehingga penting untuk mengetahui variabel utama atau faktor-faktor yang paling mempengaruhi terjadinya kesenjangan sosial, serta identifikasi adanya hubungan antara variabel utama dan faktor dengan cara membentuk atau merumuskan model kemudian uji kesesuaian model tersebut. Analisis faktor terdiri dari Principal Component Analysis (PCA) dan Confirmatory Factor Analysis (CFA). Principal Component Analysis (PCA) digunakan untuk membangun suatu teori dengan cara mereduksi variabel-variabel penelitian dan akan membentuk faktor umum yang tidak ada landasan teorinya. Sedangkan Confirmatory Factor Analysis digunakan sebagai pembuktian kebenaran dari suatu teori yang sudah ada dengan cara menentukan model yaitu variabel-variabel yang membentuk faktor, melakukan uji validitas dan reabilitas sehingga menghasilkan model yang baik. Penelitian ini bertujuan untuk mengetahui faktor atau komponen utama penyebab kesenjangan sosial di Daerah Istimewa Yogyakarta serta mengonfirmasi ketepatan model yang telah terbentuk pada analisis komponen utama menggunakan metode Principal Component Analysis (PCA) dan Confirmatory Factor Analysis (CFA). Hasil analisis menggunakan metode Principal Component Analysis (PCA) dan Confirmatory Factor Analysis (CFA) diperoleh dua faktor atau komponen utama yang diberi nama Kemampuan Masyarakat (KEMAS) dan Perkembangan Masyarakat (PERMAS). Kedua komponen utama ini dapat menjelaskan total varians sebesar 80,40%. Dilanjutkan dengan hasil dari metode CFA diperoleh 2 variabel tidak valid yang kemudian dieliminasi dan tidak digunakan dalam membentuk variabel laten PERMAS agar memperoleh model yang baik.
APLIKASI REGRESI NONPARAMETRIK SPLINE TRUNCATED UNTUK MENGESTIMASI TINGKAT PENGANGGURAN TERBUKA DI PROVINSI SUMATERA UTARA Valentino Pratama Sitorus; Maria Titah Jatipaningrum
Jurnal Statistika Industri dan Komputasi Vol. 7 No. 2 (2022): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

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

Abstract

Regresi nonparametrik spline truncated digunakan untuk mencari titik knot yang paling optimal pada penelitian dengan melihat nilai GCV paling minimum, yang bertujuan untuk membentuk pola regresi pada data nonparametrik. Penelitian ini bertujuan untuk melihat variabel apa yang berpengaruh terhadap tingkat pengangguran terbuka. Hasil penelitian menunjukkan bahwa rata rata tingkat pengangguran terbuka yaitu 4,420, dan model regresi spline truncated terbaik menggunakan 3 titik knot dengan nilai GCV yaitu 2,669. Pemodelan regresi yang dihasilkan cukup baik dan hasil R2 sebesar 75,74544.
ANALISIS JALUR UNTUK MENGETAHUI PENGARUH KUALITAS PRODUK, HARGA DAN LAYANAN PURNA JUAL TERHADAP KEPERCAYAAN KONSUMEN DENGAN KEPUASAN SEBAGAI VARIABEL INTERVENING (Studi Kasus Konsumen Motor Yamaha di PT. Hasjrat Abadi) Putu Ardiatma Sultawidya; Yudi Setyawan
Jurnal Statistika Industri dan Komputasi Vol. 7 No. 2 (2022): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

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

Abstract

Analisis jalur merupakan suatu teknik analisis statistika yang dikembangkan dari analisis regresi linear berganda yang digunakan untuk mengukur hubungan kausalitas (sebab-akibat) antar variabel yang telah ditetapkan, serta untuk mengetahui pengaruh langsung maupun tidak langsung dari variabel bebas (eksogen) terhadap variabel terikat (endogen). Penelitian ini bertujuan untuk mengetahui pengaruh langsung dan pengaruh tidak langsung dari Kualitas Produk, Harga dan Layanan Purna Jual terhadap Kepercayaan Konsumen Motor Yamaha di PT. Hasjrat Abadi Cabang Kendari dengan menggunakan Kepuasan Konsumen sebagai variabel Intervening. Adapun populasi dalam penelitian ini yaitu Konsumen Motor Yamaha di PT. Hasjrat Abadi Cabang Kendari yang melakukan pembelian produk pada periode Januari - Desember 2020. Berdasarkan rumus Slovin jumlah sampel yang diambil dalam penelitian ini sebanyak 100 responden. Dari hasil penelitian dapat disimpulkan bahwa Kualitas Produk, Harga dan Layanan Purna Jual secara simultan berpengaruh signifikan terhadap Kepuasaan Konsumen. Harga dan Layanan Purna Jual memberikan pengaruh langsung yang signifikan terhadap Kepercayaan Konsumen, sedangkan Kualitas Produk, Harga dan Layanan Purna Jual tidak signifikan berpengaruh tidak langsung terhadap terhadap Kepercayaan Konsumen melalui Kepuasan Konsumen sebagai variabel intervening.
KLASIFIKASI TINGKAT PENGANGGURAN TERBUKA DI INDONESIA DENGAN ALGORITMA CLASSIFICATION AND REGRESSION TREE (CART) DAN C4.5 Inggit Fatika; Kris Suryowati; Noviana Pratiwi; Muhammad Sholeh
Jurnal Statistika Industri dan Komputasi Vol. 7 No. 2 (2022): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

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

Abstract

Tingkat pengangguran terbuka di Indonesia bulan Februari 2021 sebesar 6,26%, jumlah ini mengalami kenaikan sebesar 1,32% jika dibandingkan dengan keadaan bulan Februari 2020 yaitu sebesar 4,94%. Tingkat pengangguran terbuka yang tinggi pada suatu negara dapat menyebabkan rendahnya partisipasi masyarakat dalam pertumbuhan perekonomian yang akan berakibat pada penurunan tingkat pembangunan nasional. Selain itu, tingginya tingkat pengangguran terbuka juga dapat menyebabkan tingginya biaya sosial sehingga terjadi berbagai tindak kriminalitas dalam masyarakat. Agar permasalahan ini dapat diatasi perlunya mengetahui berbagai faktor yang dapat mempengaruhi peningkatan tingkat pengangguran terbuka pada berbagai Provinsi di Indonesia salah satunya dengan melakukan klasifikasi. Pada penelitian ini klasifikasi yang digunakan adalah CART (Classification and Regression Tree) dan C4.5. CART dan C4.5 merupakan salah satu algoritma decision tree yang dapat digunakan untuk melakukan klasifikasi menggunakan struktur hirarki. Algoritma CART dapat digunakan untuk klasifikasi dengan jumlah data yang cukup besar dengan banyak faktor serta dapat melakukan analisis klasifikasi pada peubah respon baik nominal, ordinal, maupun kontinu. Algoritma C4.5 memiliki kelebihan dalam menangani missing value, mengatasi pohon keputusan yang overfitting, serta dapat digunakan untuk jenis data kontinu yang mana sesuai dengan bentuk data penelitian yang akan digunakan. Hasil dari penelitian ini menunjukkan bahwa model pohon keputusan yang terbentuk dari kedua algoritma adalah sama, yaitu dengan kedalaman satu dan variabel tingkat kesempatan kerja merupakan variabel yang paling berpengaruh. Tingkat akurasi, sensitivity, dan Specificity dari kedua model yang terbentuk berdasarkan algoritma tersebut adalah sama, yaitu sebesar 100%, sehingga kedua model sama baiknya untuk digunakan dalam melakukan klasifikasi tingkat pengangguran terbuka di Indonesia.

Page 1 of 1 | Total Record : 8

 1 

Filter by Year

2022 2022


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