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 137 Documents
 9   10   11   12   13 
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.
KAJIAN PENGARUH MATRIKS PEMBOBOT SPASIAL DALAM MODEL SPASIAL DATA PANEL UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT KEMISKINAN DI PROVINSI NUSA TENGGARA TIMUR Frederikus Benmar Lega; Rokhana Dwi Bekti
Jurnal Statistika Industri dan Komputasi Vol. 8 No. 1 (2023): 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 | DOI: 10.34151/statistika.v8i1.4402

Abstract

Kemiskinan merupakan salah satu masalah sosial yang terus menggerogoti masyarakat di Indonesia terkhususnya di Provinsi Nusa Tenggara Timur sejak lama. Berdasarkan hasil laporan BPS pada Maret 2018, Provinsi Nusa Tenggara Timur merupakan Provinsi ketiga di Indonesia yang masih ada dalam ketegori Provinsi paling miskin. Analisis ini bertujuan untuk mengetahui faktor-faktor yang mempengaruhi tingkat kemiskinan di Provinsi Nusa Tenggara Timur menggunakan metode regresi spasial data panel dengan pendekatan matriks pembobot spasial queen contiguity dan euclidean distance. Regresi spasial data panel merupakan metode regresi yang menganalisis data obeservasi yang menggabungkan antara data time series dan cross section, yaitu berupa data yang diamati pada tiap-tiap lokasi pengamatan secara berkala dari waktu ke waktu dengan memperhatikan letak keterkaitan antar wlayah secara geografis. Pada penelitian ini variabel dependen yang digunanakan yaitu tingkat kemiskinan dan variabel independennya adalah laju pertumbuhan PDRB, persentase penduduk yang lulus SMP, fasilitas kesehatan (Puskesmas), angka harapan hidup, dan tingkat partisipasi angkatan kerja. Berdasarkan hasil analisis menunjukan model regresi data panel yang terpilih adalah model random effect. Model random effect yang diperoleh memiliki tingkat akurasi yang sangat kecil yaitu hanya sebesar sebesar 21,21 %. Dengan melihat hasil tersebut diduga bahwa terdapat pengaruh spasial antar lokasi secara geografi. Pengaruh antar lokasi diukur dengan membuat matriks pembobot spasial queen contiguity dan euclidaen distance. Pada pengujian efek spasial diperoleh adanya autokorelasi spasial pada variabel tingkat kemiskinan dan terdapat ketergantungan spasial error. Oleh sebab itu perlu dilakukan analisis model SEM-Random Effect dengan kedua matriks pembobot tersebut. Diperoleh nilai AIC untuk model SEM-Random Effect dengan pembobot spasial queen contiguity sebesar 4.3968 lebih kecil dibandingkan dengan nilai AIC model SEM-Random Effect dengan pembobot spasial euclidaen distance sebesar 4.4919. Hal ini menunjukkan SEM-Random Effect dengan matriks pembobot spasial queen contiguity memberikan model yang lebih baik untuk menjelaskan faktor-faktor yang mempengaruhi tingkat kemiskinan. Variabel independen yang signifikan berpengaruh terhadap tingkat kemiskinan Kabupaten/Kota di Nusa Tenggara Timur adalah angka harapan hidup.
PREDIKSI CURAH HUJAN PERBULAN DI KOTA YOGYAKARTA PERIODE 2015-2019 MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DAN KALMAN FILTER (Studi Kasus : Data Curah Hujan Tahun 2015-2019) Irene Kristija Selamat; Yudi Setyawan
Jurnal Statistika Industri dan Komputasi Vol. 8 No. 1 (2023): 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 | DOI: 10.34151/statistika.v8i1.4415

Abstract

Curah hujan sangat menarik untuk dikaji sebab curah hujan merupakan salah satu faktor terbesar yang mempengaruhi iklim suatu wilayah dan mempengaruhi berbagai sektor kehidupan manusia. Penelitian ini bertujuan untuk mengetahui hasil prediksi curah hujan perbulan di Kota Yogyakarta periode 2015-2019 yang dianalisis menggunakan metode Autoregressive Integrated Moving Average (ARIMA) untuk mendapatkan hasil peramalan yang diharapkan dapat memberikan tingkat akurasi yang tinggi dan metode Kalman Filter yang merupakan sebuah model bagian dari state space (ruang keadaan) yang dapat diterapkan dalam model peramalan. Model ini menggunakan teknik rekursif untuk mengintegrasikan data pengamatan terbaru ke model untuk mengoreksi prediksi sebelumnya dan melakukan prediksi selanjutnya dan salah satu model runtun waktu yang digunakan dalam menentukan prediksi selanjutnya. Model ini bekerja secara rekursif untuk meminimalkan ketidaktepatan dalam peramalan. Kedua metode tersebut digunakan untuk memprediksi curah hujan (mm) perbulan di Kota Yogyakarta periode 2015-2019. Hasil penelitian menunjukkan bahwa model yang terbentuk adalah model ARIMA (1, 0, 1) dan model ARIMA (1,0,2). Setelah dilakukan perhitungan menggunakan metode ARIMA dan Kalman Filter, menggunakan nilai MSE, model yang terbaik adalah model ARIMA (1,0,1) menggunakan metode Kalman Filter karna memiliki nilai MSE terkecil yaitu sebesar 6,722873 dibanding metode ARIMA. Hal ini membuktikan bahwa prediksi menggunakan metode Kalman Filter baik dibandingkan metode ARIMA.
PERBANDINGAN METODE K-MEANS DAN FUZZY C-MEANS TERHADAP INDIKATOR KEMISKINAN NTT 2021 (Studi Kasus : Indikator Tingkat Kemiskinan di NTT tahun 2021) Alfriyani R D Klau; Kris Suryowati
Jurnal Statistika Industri dan Komputasi Vol. 8 No. 1 (2023): 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 | DOI: 10.34151/statistika.v8i1.4416

Abstract

Kemiskinan merupakan keadaan yang terjadi ketidak mampuan untuk memenuhi kebutuhan dasar seperti makanan, pakaian, tempat berlindung, pendidikan, dan kesehatan. Tujuan dalam analisis ini adalah untuk mengetahui karakteristik tingkat kemiskinan di Provinsi Nusa Tenggara Timur, untuk mengetahui faktor-faktor dari tingkat kemiskinan di Provinsi Nusa Tenggara Timur dan menentukan analisis model terbaik,mengetahui hasil pengelompokan tingkat kemiskinan berdasarkan factor-faktor yang mempengaruhi dengan menggunakan metode K-Means, mengetahui hasil pengelompokan tingkat kemiskinan berdasarkan factor-faktor yang mempengaruhi dengan menggunakan metode K-Means, mengetahui metode manakah yang terbaik antara metode K-Means dan Fuzzy C-Means.Beberapa metode yang ada dalam clustering antara lain metode K-Means dan Fuzzy C-means. Hasil analisis dapat disumpulkan bahwa metode terbaik dalam studi kasus Kemiskinan di Nusa Tenggara Timur tahun 2021 adalah metode K-Means dengan nilai nilai Davies Bouldin Index dan R-Squared. sebesar 1.615 dengan jumlah cluster sebanyak 2 cluster. Dari dua cluster tersebut dikelompokkan menjadi wilayah yang tinggi dan rendah mempengaruhi tingkat kemiskinan di Provinsi Nusa Tenggara Timur Tahun 2021. Daerah yang tinggi mempengaruhi tingkat kemiskinan di Provinsi Nusa Tenggara Timur Tahun 2021 terdapat pada cluster 2.
PERBANDINGAN METODE SPATIAL LAG X, SPATIAL AUTOREGRESSIVE MODEL DAN SPATIAL ERROR MODEL UNTUK FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT PENGANGGURAN TERBUKA DI PROVINSI NTT Elsa Kristiana Soinbala; Rokhana Dwi Bekti
Jurnal Statistika Industri dan Komputasi Vol. 8 No. 1 (2023): 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 | DOI: 10.34151/statistika.v8i1.4417

Abstract

Pengangguran merupakan keadaan seseorang yang tergolong dalam angkatan kerja dan tidak memiliki pekerjaan dan secara aktif sedang mencari pekerjaan. Pengangguran di suatu wilayah dapat dipengaruhi oleh faktor geografis, yang merupakan besarnya angka pengangguran di suatu wilayah yang dapat mempengaruhi angka pengangguran pada wilayah yang berdekatan sehingga faktor geografis diduga dapat mempengaruhi dan memberikan efek dependensi spasial pada nilai pengangguran di Provinsi Nusa Tenggara Timur. Penelitian ini bertujuan untuk mengetahui perbandingan metode Spatial Lag X, Spatial Autoregressive Model, dan Spatial Error Model, untuk Faktor-Faktor Yang Mempengaruhi Tingkat Pengangguran Terbuka Di Provinsi NTT. Unit pengamatan pada penelitian ini adalah 22 Kabupaten/ Kota di Provinsi NTT. Data yang digunakan merupakan data sekunder dari Badan Pusat Statistik Nusa Tenggara Timur tahun 2021. Metode analisis yang digunakan adalah Spatial Lag X (SLX), Spatial Autoregressive Model (SAR), dan Spatial Error Model (SEM). Hasil penelitian menunjukkan bahwa berdasarkan nilai uji Morans’I variabel presentase penduduk yang tidak mempunyai ijazah (X1), distibusi presentase PDRB atas harga berlaku (X3) terdapat autokorelasi atau keterkaitan antar wilayah Kabupaten di Provinsi NTT. Pada nilai uji Lagrange Multiplier, uji Robust Lagrange Multiplier error () memiliki dependensi spasial error. Variabel predictor yang secara signifikan berpengaruh terhadap tingkat pengangguran pada model SLX dan SAR adalah distibusi presentase PDRB atas harga berlaku (X3), sedangkan pada model SEM adalah variabel Indeks pembangunan manusia (X4). Berdasarkan hasil penelitian didapatkan model SEM memiliki nilai AIC terkecil sehingga model SEM lebih baik digunakan untuk menganalisis nilai tingkat pengangguran di Provinsi Nusa Tenggara Timur dibandingkan model Regresi OLS, SLX, dan SAR.
PERBANDINGAN METODE ALGORITMA K-MEANS DAN K-MEDOIDS PADA PENGELOMPOKAN KABUPATEN/KOTA DI PROVINSI NUSA TENGGARA TIMUR BERDASARKAN DIMENSI INDEKS PEMBANGUNAN MANUSIA TAHUN 2020 Maria Khoncita Dasriana Bau; Yudi Setyawan; Maria Titah Jatipaningrum
Jurnal Statistika Industri dan Komputasi Vol. 8 No. 1 (2023): 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 | DOI: 10.34151/statistika.v8i1.4418

Abstract

Manusia merupakan kekayaan bangsa yang sesungguhnya. Sudah sepantasnya apabila manusia menjadi tujuan utama dalam pembangunan. Untuk mengetahui keberhasilan pembangunan tersebut adalah dengan melihat indeks pembangunan manusia yang dapat menggambarkan perkembangan pembangunan manusia secara terukur dan representatif. Pertumbuhan indeks pembangunan di NTT pada tahun 2020 mengalami penurunan sebesar 0,04 poin dari tahun sebelumnya yaitu tahun 2019. Untuk mengetahui penurunan pertumbuhan Indeks Pembangunan Manusia (IPM) diperlukan penelitian mengenai kesamaan karakteristik pada kabupaten/kota di NTT untuk mempermudah melihat wilayah yang mempengaruhi penurunan pertumbuhan Indeks Pembangunan Manusia (IPM) tersebut. Proses pengelompokan dapat dilakukan dengan mengimplementasikan metode clustering, yang dimana metode clustering merupakan pengelompokan objek kedalam suatu kelompok yang memiliki kesamaan tinggi dibandingkan dengan objek yang berada dalam satu kelompok lain. Beberapa metode yang ada dalam clustering antara lain metode K-Means dan K-Medoids. Hasil analisis dapat disimpulkan bahwa metode terbaik dalam studi kasus indikator Indeks Pembangunan Manusia di NTT tahun 2020 adalah metode K-Means clustering dengan k = 2 dengan nilai Silhouette Index sebesar 0,18, nilai Davies-Bouldin Index sebesar 1,15 dan nilai Dunn index sebesar 0,24 dimana cluster 1 memiliki 14 anggota kabupaten/kota dan cluster 2 memiliki 8 anggota kabupaten.

Page 11 of 14 | Total Record : 137

 9   10   11   12   13 

Filter by Year

2016 2024


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