Pembangunan merupakan indikator yang penting disuatu negara terutama negara berkembang seperti Indonesia. Pembangunan manusia merupakan salah satu upaya yang dilakukan oleh pemerintah guna mewujudkan masyarakat yang Makmur dan sejahtera. Salah satu cara untuk mengukur kesejahteraan suatu daerah yaitu dengan mengukur Indeks Pembangunan Manusia (IPM) daerah tersebut. Dimensi dari IPM sendiri yaitu umur Panjang dan hidup sehat, Pendidikan, dan kehidupan yang layak. Data yang digunakan pada penelitian ini yaitu data sekunder yang bersumber dari Badan Pusat Statistik berupa data Indeks Pembangunan Manusia di kabupaten/kota di Jawa Tengah. Melihat pentingnya IPM pada suatu daerah khusunya Jawa Tengah, maka perlu dilakukannya analisis mengenai faktor-faktor yang mempengaruhi IPM. Analisis regresi linier berganda merupakan salah satu metode penelitian yang dapat diterapkan dalam penelitian ini karena metode regresi adalah teknik analisis statistik yang digunakan untuk menentukan bagaimana dua atau lebih variabel berinteraksi. Sehingga, analisis regresi linear berganda dapat digunakan untuk melihat faktor-faktor yang mempengaruhi IPM kabupaten/kota di Jawa Tengah pada tahun 2022. Dari hasil penelitian, diketahui bahwa variabel harapan hidup, harapan lama sekolah, rata-rata lama sekolah, dan pengeluaran perkapita berpengaruh signifikan terhadap indeks pembangunan manusia pada tahun 2022. Hasil pengujian koefisien determinasi atau R-Square didapatkan nilai sebesar 99,9%.
{"title":"Analisis Faktor-Faktor Yang Mempengaruhi Indeks Pembangunan Manusia Berdasarkan Kabupaten/Kota Di Jawa Tengah","authors":"Prizka Rismawati Arum, Yulia Fitri, Prizka Rismawati Arum","doi":"10.36456/jstat.vol16.no1.a7079","DOIUrl":"https://doi.org/10.36456/jstat.vol16.no1.a7079","url":null,"abstract":"Pembangunan merupakan indikator yang penting disuatu negara terutama negara berkembang seperti Indonesia. Pembangunan manusia merupakan salah satu upaya yang dilakukan oleh pemerintah guna mewujudkan masyarakat yang Makmur dan sejahtera. Salah satu cara untuk mengukur kesejahteraan suatu daerah yaitu dengan mengukur Indeks Pembangunan Manusia (IPM) daerah tersebut. Dimensi dari IPM sendiri yaitu umur Panjang dan hidup sehat, Pendidikan, dan kehidupan yang layak. Data yang digunakan pada penelitian ini yaitu data sekunder yang bersumber dari Badan Pusat Statistik berupa data Indeks Pembangunan Manusia di kabupaten/kota di Jawa Tengah. Melihat pentingnya IPM pada suatu daerah khusunya Jawa Tengah, maka perlu dilakukannya analisis mengenai faktor-faktor yang mempengaruhi IPM. Analisis regresi linier berganda merupakan salah satu metode penelitian yang dapat diterapkan dalam penelitian ini karena metode regresi adalah teknik analisis statistik yang digunakan untuk menentukan bagaimana dua atau lebih variabel berinteraksi. Sehingga, analisis regresi linear berganda dapat digunakan untuk melihat faktor-faktor yang mempengaruhi IPM kabupaten/kota di Jawa Tengah pada tahun 2022. Dari hasil penelitian, diketahui bahwa variabel harapan hidup, harapan lama sekolah, rata-rata lama sekolah, dan pengeluaran perkapita berpengaruh signifikan terhadap indeks pembangunan manusia pada tahun 2022. Hasil pengujian koefisien determinasi atau R-Square didapatkan nilai sebesar 99,9%.","PeriodicalId":115638,"journal":{"name":"J Statistika","volume":"23 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-07-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135314874","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2023-07-31DOI: 10.36456/jstat.vol16.no1.a7193
Ismi Rizqa Lina, Dia Cahya Wati
Klasifikasi pengeluaran per kapita merupakan analisis pasar yang penting bagi banyak perusahaan untuk menentukan Kabupaten/kota mana yang paling cocok untuk menjual suatu produk di perusahaan tersebut. KNN dapat digunakan untuk berbagai jenis data, termasuk data ekonomi seperti pengeluaran per kapita. Pada penelitian ini, 56 data pengeluaran per kapita di provinsi Sulawesi Selatan, Sulawesi Utara, dan Sulawesi Tenggara pada tahun 2022 diklasifikasi dengan algoritma KNN. Proses klasifikasi menggunakan algoritma KNN diawali dengan melakukan pre-procecing data dan menghitung jarak antara data pelatihan (data training) dengan data uji (data testing). Dalam perhitungan jarak, digunakan metrik Euclidean dan metrik Manhattan. Selanjutnya, dilakukan perhitungan nilai prediksi berdasarkan data training terdekat. Hasil pengujian pada penelitian ini menunjukkan akurasi tertinggi pada untuk jarak Eucledian sebesar 76,47% yang berarti klasifikasi cukup dan untuk jarak Manhattan sebesar 94,12% yang berarti klasifikasi sangat baik. Dari hasil akurasi kedua jarak tersebut dapat disimpulkan bahwa jarak Manhattan lebih baik daripada jarak Eucledian.
{"title":"Klasifikasi Pengeluaran per Kapita di Tiga Provinsi Sulawesi menggunakan K-Nearest Neighbor","authors":"Ismi Rizqa Lina, Dia Cahya Wati","doi":"10.36456/jstat.vol16.no1.a7193","DOIUrl":"https://doi.org/10.36456/jstat.vol16.no1.a7193","url":null,"abstract":"Klasifikasi pengeluaran per kapita merupakan analisis pasar yang penting bagi banyak perusahaan untuk menentukan Kabupaten/kota mana yang paling cocok untuk menjual suatu produk di perusahaan tersebut. KNN dapat digunakan untuk berbagai jenis data, termasuk data ekonomi seperti pengeluaran per kapita. Pada penelitian ini, 56 data pengeluaran per kapita di provinsi Sulawesi Selatan, Sulawesi Utara, dan Sulawesi Tenggara pada tahun 2022 diklasifikasi dengan algoritma KNN. Proses klasifikasi menggunakan algoritma KNN diawali dengan melakukan pre-procecing data dan menghitung jarak antara data pelatihan (data training) dengan data uji (data testing). Dalam perhitungan jarak, digunakan metrik Euclidean dan metrik Manhattan. Selanjutnya, dilakukan perhitungan nilai prediksi berdasarkan data training terdekat. Hasil pengujian pada penelitian ini menunjukkan akurasi tertinggi pada untuk jarak Eucledian sebesar 76,47% yang berarti klasifikasi cukup dan untuk jarak Manhattan sebesar 94,12% yang berarti klasifikasi sangat baik. Dari hasil akurasi kedua jarak tersebut dapat disimpulkan bahwa jarak Manhattan lebih baik daripada jarak Eucledian.","PeriodicalId":115638,"journal":{"name":"J Statistika","volume":"143 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-07-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135314882","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2023-07-31DOI: 10.36456/jstat.vol16.no1.a7862
None Abduh riski, Ahmad Kamsyakawuni, Cahya Ramadhani Azhar
Curah hujan memiliki peran penting di beberapa bidang seperti pertanian dan pengairan. Oleh sebab itu diperlukan model peramalan untuk mengetahui curah hujan di masa yang akan datang. Model peramalan dapat dibentuk menggunakan jaringan saraf tiruan (JST) backpropagation. Hasil akurasi peramalan JST diukur dengan MAE, korelasi dan RMSE. Data lokal sebagai data target model merupakan data rataan curah hujan harian dari 73 stasiun di wilayah kabupaten Jember mulai dari Oktober 2019 hingga Desember 2020. Data global sebagai data input model menggunakan data Global Circulation Model (GCM) model CSIRO-MK3-6-0 dengan eksperimen RCP 2.6. Data GCM direduksi menggunakan principal component analysis (PCA) guna menghindari multikolinieritas pada data. Penelitian ini mengkombinasikan jumlah neuron sebesar 10 hingga 100 neuron dan dua fungsi aktivasi pada model JST. Berdasarkan hasil penelitian, model terbaik yang digunakan untuk peramalan adalah model JST dengan 100 neuron dan fungsi aktivasi biner dengan MAE sebesar 6,1205, korelasi sebesar -0,0125, dan RMSE sebesar 9,0251. hasil peramalan curah hujan harian kabupaten Jember untuk bulan Januari 2021 adalah terjadi curah hujan tertinggi pada hari ke-19 sebesar 10,0471 mm/hari dan curah hujan terendah terdapat pada hari ke-2 sebesar 1,3106 mm/hari.
{"title":"Peramalan Curah Hujan Harian Kabupaten Jember Dengan Jaringan Saraf Tiruan Dan General Circulation Model","authors":"None Abduh riski, Ahmad Kamsyakawuni, Cahya Ramadhani Azhar","doi":"10.36456/jstat.vol16.no1.a7862","DOIUrl":"https://doi.org/10.36456/jstat.vol16.no1.a7862","url":null,"abstract":"Curah hujan memiliki peran penting di beberapa bidang seperti pertanian dan pengairan. Oleh sebab itu diperlukan model peramalan untuk mengetahui curah hujan di masa yang akan datang. Model peramalan dapat dibentuk menggunakan jaringan saraf tiruan (JST) backpropagation. Hasil akurasi peramalan JST diukur dengan MAE, korelasi dan RMSE. Data lokal sebagai data target model merupakan data rataan curah hujan harian dari 73 stasiun di wilayah kabupaten Jember mulai dari Oktober 2019 hingga Desember 2020. Data global sebagai data input model menggunakan data Global Circulation Model (GCM) model CSIRO-MK3-6-0 dengan eksperimen RCP 2.6. Data GCM direduksi menggunakan principal component analysis (PCA) guna menghindari multikolinieritas pada data. Penelitian ini mengkombinasikan jumlah neuron sebesar 10 hingga 100 neuron dan dua fungsi aktivasi pada model JST. Berdasarkan hasil penelitian, model terbaik yang digunakan untuk peramalan adalah model JST dengan 100 neuron dan fungsi aktivasi biner dengan MAE sebesar 6,1205, korelasi sebesar -0,0125, dan RMSE sebesar 9,0251. hasil peramalan curah hujan harian kabupaten Jember untuk bulan Januari 2021 adalah terjadi curah hujan tertinggi pada hari ke-19 sebesar 10,0471 mm/hari dan curah hujan terendah terdapat pada hari ke-2 sebesar 1,3106 mm/hari.","PeriodicalId":115638,"journal":{"name":"J Statistika","volume":"9 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-07-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135314872","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Gizi buruk balita masih menjadi masalah yang dihadapi oleh negara Indonesia khususnya pada provinsi Nusa Tenggara Timur (NTT). Kasus gizi buruk balita dapat disebabkan oleh berbagai faktor, seperti persentase penduduk miskin, persentase berat badan balita lahir rendah, dan jumlah fasilitas kesehatan. Kasus gizi buruk antar lokasi saling berhubungan menunjukkan adanya efek spasial. Oleh karena itu penelitian ini menggunakan metode model spasial untuk menguji pengaruh tersebut. Model spasial dianataranya Spatial Autoregressive Model (SAR), Spatial Error Model (SEM), dan Spatial Durbin Model (SDM). Matriks pembobot merupakan komponen penting dalam pembentukan model karena menunjukkan hubungan keterkaitan antar lokasi. Penelitian ini menggunakan pembobot queen contiguity dan euclidean distance kemudian membandingkannya. Sumber data adalah data sekunder tahun 2021, dimana amatan adalah 22 Kabupatenm/Kota di Provinsi NTT. Hasil penelitian menunjukkan bahwa estimasi parameter dan uji hipotesis memberikan hasil yang berbeda di masing-masing pembobot. Hasil uji efek spasial Moran’s I dengan pembobot queen contiguity menunjukkan adanya autokorelasi spasial pada jumlah fasilitas kesehatan, sementara itu dengan pembobot euclidean distance adalah persentase berat badan balita lahir rendah. Berdasarkan perbandingan nilai AIC dan MSE, model terbaik yang analisis gizi buruk balita di NTT adalah SDM dengan pembobot queen contiguity.
{"title":"Penerapan Model Spasial Menggunakan Matriks Pembobot Queen Contiguity dan Euclidean Distance Terhadap Kasus Gizi Buruk Balita di Provinsi Nusa Tenggara Timur","authors":"Kris Suryowati Suryowati, Meitriana Nahak, Rokhana Dwi Bekti","doi":"10.36456/jstat.vol16.no1.a7871","DOIUrl":"https://doi.org/10.36456/jstat.vol16.no1.a7871","url":null,"abstract":"Gizi buruk balita masih menjadi masalah yang dihadapi oleh negara Indonesia khususnya pada provinsi Nusa Tenggara Timur (NTT). Kasus gizi buruk balita dapat disebabkan oleh berbagai faktor, seperti persentase penduduk miskin, persentase berat badan balita lahir rendah, dan jumlah fasilitas kesehatan. Kasus gizi buruk antar lokasi saling berhubungan menunjukkan adanya efek spasial. Oleh karena itu penelitian ini menggunakan metode model spasial untuk menguji pengaruh tersebut. Model spasial dianataranya Spatial Autoregressive Model (SAR), Spatial Error Model (SEM), dan Spatial Durbin Model (SDM). Matriks pembobot merupakan komponen penting dalam pembentukan model karena menunjukkan hubungan keterkaitan antar lokasi. Penelitian ini menggunakan pembobot queen contiguity dan euclidean distance kemudian membandingkannya. Sumber data adalah data sekunder tahun 2021, dimana amatan adalah 22 Kabupatenm/Kota di Provinsi NTT. Hasil penelitian menunjukkan bahwa estimasi parameter dan uji hipotesis memberikan hasil yang berbeda di masing-masing pembobot. Hasil uji efek spasial Moran’s I dengan pembobot queen contiguity menunjukkan adanya autokorelasi spasial pada jumlah fasilitas kesehatan, sementara itu dengan pembobot euclidean distance adalah persentase berat badan balita lahir rendah. Berdasarkan perbandingan nilai AIC dan MSE, model terbaik yang analisis gizi buruk balita di NTT adalah SDM dengan pembobot queen contiguity.","PeriodicalId":115638,"journal":{"name":"J Statistika","volume":"3 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-07-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135314871","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2023-07-31DOI: 10.36456/jstat.vol16.no1.a7294
Atika Nurani, Naulia Fadilah, Safa'at Yulianto
Anemia selama kehamilan berdampak buruk bagi kesehatan ibu dan bayinya dan merupakan penyebab penting yang melatarbelakangi kejadian morbiditas dan mortalitas. Cikedal merupakan salah satu kecamatan yang ada di Kabupaten Pandeglang Provinsi Banten dimana angka KEK atau Kekurangan Energi Kronik pada ibu hamil terus meningkat dari tahun ke tahun. Metode yang digunakan untuk meneliti ini adalah metode CART. Dengan perolehan sampel menggunakan metode Cluster Random Sampling dan penentuan jumlah sampel dengan metode slovin, hingga diperoleh 106 responden yang mewaikili setiap desa yang ada di Kecamatan Cikedal. Berdasarkan analisis dan pembahasan, didapatkan kesimpulan bahwa variabel-variabel yang mempengaruhi anemia pada ibu hamil meliputi variabel (X1) usia ibu ketika mengandung atau hamil, (X2) usia kehamilan, (X3) paritas, (X4) jarak kehamilan antar anak, (X6) status KEK, (X7) pendidikan ibu hamil, (X8) pemahaman ibu hamil, dan variabel (X9) kondisi ibu sebelum mengandung atau pra kehamilan dengan ketepatan prediksi hasil klasifikasi sebesar 90,57%.
{"title":"Analisis Faktor-Faktor Yang Mempengaruhi Anemia Pada Ibu Hamil Menggunakan CART","authors":"Atika Nurani, Naulia Fadilah, Safa'at Yulianto","doi":"10.36456/jstat.vol16.no1.a7294","DOIUrl":"https://doi.org/10.36456/jstat.vol16.no1.a7294","url":null,"abstract":"Anemia selama kehamilan berdampak buruk bagi kesehatan ibu dan bayinya dan merupakan penyebab penting yang melatarbelakangi kejadian morbiditas dan mortalitas. Cikedal merupakan salah satu kecamatan yang ada di Kabupaten Pandeglang Provinsi Banten dimana angka KEK atau Kekurangan Energi Kronik pada ibu hamil terus meningkat dari tahun ke tahun. Metode yang digunakan untuk meneliti ini adalah metode CART. Dengan perolehan sampel menggunakan metode Cluster Random Sampling dan penentuan jumlah sampel dengan metode slovin, hingga diperoleh 106 responden yang mewaikili setiap desa yang ada di Kecamatan Cikedal. Berdasarkan analisis dan pembahasan, didapatkan kesimpulan bahwa variabel-variabel yang mempengaruhi anemia pada ibu hamil meliputi variabel (X1) usia ibu ketika mengandung atau hamil, (X2) usia kehamilan, (X3) paritas, (X4) jarak kehamilan antar anak, (X6) status KEK, (X7) pendidikan ibu hamil, (X8) pemahaman ibu hamil, dan variabel (X9) kondisi ibu sebelum mengandung atau pra kehamilan dengan ketepatan prediksi hasil klasifikasi sebesar 90,57%.","PeriodicalId":115638,"journal":{"name":"J Statistika","volume":"2 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-07-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135314878","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Bawang merah adalah komoditas pertanian signifikan di Indonesia dengan potensi ekonomi yang menjanjikan. Kabupaten Bima mendominasi produksi bawang merah di Indonesia. Secara geografis, Kabupaten Bima berada pada kisaran ketinggian 0 hingga 477.5 mdpl dengan mayoritas wilayahnya memiliki iklim panas dan kering, menciptakan kondisi yang ideal untuk budidaya bawang merah. Penelitian ini bertujuan menggambarkan serta menganalisis Cluster hasil produksi bawang merah di Kabupaten Bima tahun 2021 menggunakan metode Clustering K-Means. K-Means Clustering merupakan analisis klaster non-hierarkis yang membagi data ke dalam kelompok berdasarkan karakteristik tertentu. Hasil analisis menunjukkan bahwa Kecamatan Lambu mencatat produksi dan luas panen bawang merah tertinggi di Kabupaten Bima, sementara Kecamatan Langgudu dan Donggo tidak menghasilkan bawang merah. Analisis klaster menghasilkan tiga kelompok dengan karakteristik yang berbeda, di mana Cluster 1 memiliki kategori produksi rendah, Cluster 2 memiliki kategori produksi tinggi, dan Cluster 3 memiliki kategori produksi sedang.
{"title":"Pengelompokkan Kecamatan di Kabupaten Bima Berdasarkan Jumlah Produksi dan Luas Panen Bawang Merah Tahun 2021 Menggunakan K-Means Clustering","authors":"Ashabul Akbar Maulana, Athallah Widyatama Rafii, Yulia Anggi Anjelina, Edy Widodo","doi":"10.36456/jstat.vol16.no1.a7032","DOIUrl":"https://doi.org/10.36456/jstat.vol16.no1.a7032","url":null,"abstract":"Bawang merah adalah komoditas pertanian signifikan di Indonesia dengan potensi ekonomi yang menjanjikan. Kabupaten Bima mendominasi produksi bawang merah di Indonesia. Secara geografis, Kabupaten Bima berada pada kisaran ketinggian 0 hingga 477.5 mdpl dengan mayoritas wilayahnya memiliki iklim panas dan kering, menciptakan kondisi yang ideal untuk budidaya bawang merah. Penelitian ini bertujuan menggambarkan serta menganalisis Cluster hasil produksi bawang merah di Kabupaten Bima tahun 2021 menggunakan metode Clustering K-Means. K-Means Clustering merupakan analisis klaster non-hierarkis yang membagi data ke dalam kelompok berdasarkan karakteristik tertentu. Hasil analisis menunjukkan bahwa Kecamatan Lambu mencatat produksi dan luas panen bawang merah tertinggi di Kabupaten Bima, sementara Kecamatan Langgudu dan Donggo tidak menghasilkan bawang merah. Analisis klaster menghasilkan tiga kelompok dengan karakteristik yang berbeda, di mana Cluster 1 memiliki kategori produksi rendah, Cluster 2 memiliki kategori produksi tinggi, dan Cluster 3 memiliki kategori produksi sedang.","PeriodicalId":115638,"journal":{"name":"J Statistika","volume":"18 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-07-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135314883","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Analisis data uji hidup atau analisis survival adalah kumpulan metode statistik yang digunakan untuk menjawab pertanyaan yang berkaitan dengan apakah dan kapan suatu peristiwa terjadi. Data daya tahan hidup yang diperoleh berupa data tersensor tipe I yang dianalisis menggunakan Metode Kaplan-Meier atau Metode Produk Limit. Sampel tersensor tipe I adalah cara pengambilan sampel secara statistik didasarkan pada lama pengamatan yang telah ditentukan sebelumnya. Metode Kaplan-Meier merupakan salah satu metode yang digunakan untuk mengestimasi fungsi survival dalam analisis data uji hidup. Penelitian ini bertujuan untuk mengestimasi daya tahan hidup seorang penderita kanker kepala dan leher. Kanker kepala dan leher adalah jenis kanker yang paling umum di dunia dan terdiri dari berbagai kelompok tumor yang mempengaruhi saluran aerodigestive bagian atas. Penelitian dimulai dengan menentukan data tersensor dan tipe sensor, kemudian menghitung estimasi fungsi survivor. Fungsi survivor merupakan probabilitas individu atau suatu objek tertentu untuk tetap bertahan setelah melewati suatu satuan waktu. Data pada penelitian ini adalah Data Kanker Kepala dan Leher Northern California Oncology Group. Kelompok pasien kanker kepala leher diobati dengan terapi radiasi plus kemoterapi (RCT) dengan 45 pasien. Hasil penelitian menunjukkan bahwa pasien kanker kepala dan leher yang menjalani pengobatan RCT memiliki peluang bertahan hidup semakin kecil seiring berjalannya waktu.
{"title":"Estimation of Survival Function in Head and Neck Cancer Patients Using the Kaplan-Meier Method","authors":"Ardi Kurniawan, Adelia Frielady Yosifa, Vrisca Natalia Putri Wardhani, Azizatul Kholidiyah","doi":"10.36456/jstat.vol16.no1.a7289","DOIUrl":"https://doi.org/10.36456/jstat.vol16.no1.a7289","url":null,"abstract":"Analisis data uji hidup atau analisis survival adalah kumpulan metode statistik yang digunakan untuk menjawab pertanyaan yang berkaitan dengan apakah dan kapan suatu peristiwa terjadi. Data daya tahan hidup yang diperoleh berupa data tersensor tipe I yang dianalisis menggunakan Metode Kaplan-Meier atau Metode Produk Limit. Sampel tersensor tipe I adalah cara pengambilan sampel secara statistik didasarkan pada lama pengamatan yang telah ditentukan sebelumnya. Metode Kaplan-Meier merupakan salah satu metode yang digunakan untuk mengestimasi fungsi survival dalam analisis data uji hidup. Penelitian ini bertujuan untuk mengestimasi daya tahan hidup seorang penderita kanker kepala dan leher. Kanker kepala dan leher adalah jenis kanker yang paling umum di dunia dan terdiri dari berbagai kelompok tumor yang mempengaruhi saluran aerodigestive bagian atas. Penelitian dimulai dengan menentukan data tersensor dan tipe sensor, kemudian menghitung estimasi fungsi survivor. Fungsi survivor merupakan probabilitas individu atau suatu objek tertentu untuk tetap bertahan setelah melewati suatu satuan waktu. Data pada penelitian ini adalah Data Kanker Kepala dan Leher Northern California Oncology Group. Kelompok pasien kanker kepala leher diobati dengan terapi radiasi plus kemoterapi (RCT) dengan 45 pasien. Hasil penelitian menunjukkan bahwa pasien kanker kepala dan leher yang menjalani pengobatan RCT memiliki peluang bertahan hidup semakin kecil seiring berjalannya waktu.","PeriodicalId":115638,"journal":{"name":"J Statistika","volume":"79 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-07-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135314873","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2022-01-22DOI: 10.36456/jstat.vol14.no2.a3858
F. Hayati, Dian Nurlaily, Elly Pusporani
Ekspor merupakan salah satu variabel yang sangat penting untuk menentukan jenis perekonomian suatu negara bisa dikatakan perekonomian terbuka atau perekonomian tertutup. Mengingat peranan ekspor sangat penting dalam pertumbuhan ekonomi suatu negara maupun daerah, maka diperlukan kebijaksanaan dalam meningkatkan ekspor barang khususnya komoditi non migas. Komoditi non migas dipilih pada penelitian ini karena adanya kemerosotan harga minyak bumi di pasaran dunia. Sehingga untuk mengatasi ketergantungan penerimaan negara yang berasal dari minyak dan gas bumi maka pemerintah berusaha meningkatkan ekspor komoditi dan jasa-jasa non migas. Kondisi ekspor luar negeri Kalimantan Timur didominasi oleh ekspor non migas. Oleh karena itu, prediksi atau peramalan nilai dari komoditas ekspor non migas di Kalimantan Timur dapat digunakan untuk mengetahui devisa yang akan diperoleh, agar dapat digunakan sebagai bahan pertimbangan oleh pemerintah untuk menentukan kebijakan. Hasil penelitian peramalan data ekspor menggunakan ARIMA menunjukkan bahwa model ARIMA yang paling baik untuk meramalkan data Ekspor non migas di Kalimantan Timur berdasarkan nilai RMSE, dan sMAPE adalah ARIMA (0,1,[1,12]). Kata kunci : Ekspor, Ekspor non migas, ARIMA, RMSE, sMAPE
{"title":"Peramalan Data Ekspor Non Migas Provinsi Kalimantan Timur Menggunakan Univariate Time Series","authors":"F. Hayati, Dian Nurlaily, Elly Pusporani","doi":"10.36456/jstat.vol14.no2.a3858","DOIUrl":"https://doi.org/10.36456/jstat.vol14.no2.a3858","url":null,"abstract":"Ekspor merupakan salah satu variabel yang sangat penting untuk menentukan jenis perekonomian suatu negara bisa dikatakan perekonomian terbuka atau perekonomian tertutup. Mengingat peranan ekspor sangat penting dalam pertumbuhan ekonomi suatu negara maupun daerah, maka diperlukan kebijaksanaan dalam meningkatkan ekspor barang khususnya komoditi non migas. Komoditi non migas dipilih pada penelitian ini karena adanya kemerosotan harga minyak bumi di pasaran dunia. Sehingga untuk mengatasi ketergantungan penerimaan negara yang berasal dari minyak dan gas bumi maka pemerintah berusaha meningkatkan ekspor komoditi dan jasa-jasa non migas. Kondisi ekspor luar negeri Kalimantan Timur didominasi oleh ekspor non migas. Oleh karena itu, prediksi atau peramalan nilai dari komoditas ekspor non migas di Kalimantan Timur dapat digunakan untuk mengetahui devisa yang akan diperoleh, agar dapat digunakan sebagai bahan pertimbangan oleh pemerintah untuk menentukan kebijakan. Hasil penelitian peramalan data ekspor menggunakan ARIMA menunjukkan bahwa model ARIMA yang paling baik untuk meramalkan data Ekspor non migas di Kalimantan Timur berdasarkan nilai RMSE, dan sMAPE adalah ARIMA (0,1,[1,12]). \u0000Kata kunci : Ekspor, Ekspor non migas, ARIMA, RMSE, sMAPE \u0000 ","PeriodicalId":115638,"journal":{"name":"J Statistika","volume":"53 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-01-22","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"115587652","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2022-01-22DOI: 10.36456/jstat.vol14.no2.a4956
Evita Purnaningrum, Hanief Khoyyir Nafah
Pada tahun 2019 kunjungan wisatawan mancanegara (wisman) ke Indonesia mengalami peningkatan yang cukup signifikan. Sehingga, pariwisata diprediksi menjadi salah satu penopang terbesar dari penerimaan negara. Namun, saat wabah Coronavirus terjadi di akhir tahun 2019, sektor ini menjadi sektor industri yang paling terdampak dengan penurunan yang sangat tajam dan perkirakan akan membaik sekitar tahun 2035 hingga 2045. Kejadian tersebut mendorong penelitian untuk merumuskan model proyeksi terbaik bagi wisatawan asing pasca pandemi dengan menggunakan metode Kalman filter. Kalman filter merupakan model state space yang dapat diulang untuk menghasilkan nilai akurasi estimasi yang tinggi. Model ini didukung oleh analisis google trends yang mampu menangkap minat negara lain terhadap pariwisata Indonesia, terutama di masa pandemi. Hasil penelitian menunjukkan bahwa meskipun pandemi, beberapa negara masih memiliki minat terhadap objek wisata di Indonesia. Selain itu, Kalmanfilter memiliki akurasi yang tinggi dalam peramalan wisatawan asing
{"title":"Analisis Kalman filter berbasis Google Trends untuk Prediksi Kedatangan Wisatawan Mancanegara di Indonesia Pasca Pandemi","authors":"Evita Purnaningrum, Hanief Khoyyir Nafah","doi":"10.36456/jstat.vol14.no2.a4956","DOIUrl":"https://doi.org/10.36456/jstat.vol14.no2.a4956","url":null,"abstract":"Pada tahun 2019 kunjungan wisatawan mancanegara (wisman) ke Indonesia mengalami peningkatan yang cukup signifikan. Sehingga, pariwisata diprediksi menjadi salah satu penopang terbesar dari penerimaan negara. Namun, saat wabah Coronavirus terjadi di akhir tahun 2019, sektor ini menjadi sektor industri yang paling terdampak dengan penurunan yang sangat tajam dan perkirakan akan membaik sekitar tahun 2035 hingga 2045. Kejadian tersebut mendorong penelitian untuk merumuskan model proyeksi terbaik bagi wisatawan asing pasca pandemi dengan menggunakan metode Kalman filter. Kalman filter merupakan model state space yang dapat diulang untuk menghasilkan nilai akurasi estimasi yang tinggi. Model ini didukung oleh analisis google trends yang mampu menangkap minat negara lain terhadap pariwisata Indonesia, terutama di masa pandemi. Hasil penelitian menunjukkan bahwa meskipun pandemi, beberapa negara masih memiliki minat terhadap objek wisata di Indonesia. Selain itu, Kalmanfilter memiliki akurasi yang tinggi dalam peramalan wisatawan asing","PeriodicalId":115638,"journal":{"name":"J Statistika","volume":"51 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-01-22","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"122588377","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pandemi Covid-19 memberi dampak yang signifikan terhadap berbagai sektor industri di Indonesia salah satunya saham sektor pertambangan Minyak Mentah dan Gas Bumi (MIGAS). Hal ini ditunjukkan pada penurunan harga minyak yang turun di bawah $40 USD dan aktivitas eksplorasi di Indonesia menurun lebih dari 40% dibanding sebelum pandemi Covid-19. Selama pandemi, harga saham sektor pertambangan MIGAS mengalami volatilitas yang cukup tinggi sehingga cukup meresahkan sektor investasi di Indonesia. Oleh karena itu, diperlukan suatu prediksi volatilitas harga saham sektor pertambangan MIGAS agar mampu memberikan informasi terhadap investor untuk melakukan manajemen portofolio. Pada penelitian ini, dianalisis volatilitas harga saham empat perusahaan pertambangan MIGAS, yaitu PT. Apexindo Pratma Duta (APEX), PT. Elnusa (ELSA), PT. Medco Energi Internasional (MEDC), dan PT. Radiant Utama Interinsco (RUIS) pada tanggal 01 Maret 2020 - 28 Februari 2021 dengan metode ARIMA-GARCH. Pada proses analisis, digunakan RStudio dengan pembentukan model ARIMA dilakukan terlebih dahulu kemudian dilanjutkan pembentukan model ARIMA-GARCH jika model ARIMA terdapat gejala heteroskedastisitas. Hasil dari penelitian ini, pada saham APEX, ELSA, dan RUIS terdapat gejala heteroskedastisitas pada model ARIMA dan didapatkan model ARIMA GARCH untuk perusahaan APEX, ELSA dan RUIS serta model ARIMA untuk perusahaan MEDC. Berdasarkan hasil analisis, diperoleh bahwa terdapat asumsi autokorelasi, normalitas, dan heteroskedastisitas yang belum terpenuhi pada uji diagnostik. Niilai MAPE untuk APEX, ELSA, MEDC, dan RUIS, yaitu , , , dan . Dari hasil akurasi peramalan yang didapatkan, terdapat nilai MAPE di atas 10%, yaitu pada model APEX dan ELSA sehingga model tersebut belum dapat dikatakan baik untuk peramalan. Kata kunci : ARIMA, GARCH, Volatilitas Harga Saham
{"title":"Analisis Volatilitas Harga Saham Sekor Minyak dan Gas di Indonesia pada Masa Pandemi Covid-19 dengan Metode ARIMA-GARCH","authors":"Nanda Septiana, Primadina Hasanah, Annisa Rahmita Soemarsono","doi":"10.36456/jstat.vol14.no2.a4497","DOIUrl":"https://doi.org/10.36456/jstat.vol14.no2.a4497","url":null,"abstract":"Pandemi Covid-19 memberi dampak yang signifikan terhadap berbagai sektor industri di Indonesia salah satunya saham sektor pertambangan Minyak Mentah dan Gas Bumi (MIGAS). Hal ini ditunjukkan pada penurunan harga minyak yang turun di bawah $40 USD dan aktivitas eksplorasi di Indonesia menurun lebih dari 40% dibanding sebelum pandemi Covid-19. Selama pandemi, harga saham sektor pertambangan MIGAS mengalami volatilitas yang cukup tinggi sehingga cukup meresahkan sektor investasi di Indonesia. Oleh karena itu, diperlukan suatu prediksi volatilitas harga saham sektor pertambangan MIGAS agar mampu memberikan informasi terhadap investor untuk melakukan manajemen portofolio. Pada penelitian ini, dianalisis volatilitas harga saham empat perusahaan pertambangan MIGAS, yaitu PT. Apexindo Pratma Duta (APEX), PT. Elnusa (ELSA), PT. Medco Energi Internasional (MEDC), dan PT. Radiant Utama Interinsco (RUIS) pada tanggal 01 Maret 2020 - 28 Februari 2021 dengan metode ARIMA-GARCH. Pada proses analisis, digunakan RStudio dengan pembentukan model ARIMA dilakukan terlebih dahulu kemudian dilanjutkan pembentukan model ARIMA-GARCH jika model ARIMA terdapat gejala heteroskedastisitas. Hasil dari penelitian ini, pada saham APEX, ELSA, dan RUIS terdapat gejala heteroskedastisitas pada model ARIMA dan didapatkan model ARIMA GARCH untuk perusahaan APEX, ELSA dan RUIS serta model ARIMA untuk perusahaan MEDC. Berdasarkan hasil analisis, diperoleh bahwa terdapat asumsi autokorelasi, normalitas, dan heteroskedastisitas yang belum terpenuhi pada uji diagnostik. Niilai MAPE untuk APEX, ELSA, MEDC, dan RUIS, yaitu , , , dan . Dari hasil akurasi peramalan yang didapatkan, terdapat nilai MAPE di atas 10%, yaitu pada model APEX dan ELSA sehingga model tersebut belum dapat dikatakan baik untuk peramalan. \u0000Kata kunci : ARIMA, GARCH, Volatilitas Harga Saham","PeriodicalId":115638,"journal":{"name":"J Statistika","volume":"43 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-01-22","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"121957352","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
京公网安备 11010802042870号
京ICP备2023020795号-1
扫码关注我们
求助内容：
应助结果提醒方式：