Ekspor non migas merupakan ekspor barang yang bukan berupa minyak dan gas. Tidak semua daerah di Indonesia memiliki potensi yang sama untuk melakukan kegiatan ekspor sehingga setiap daerah memiliki nilai ekspor yang berbeda-beda. Oleh karena itu dilakukan analisis pengelompokkan provinsi di Indonesia berdasarkan nilai ekspor non migas tahun 2016 – 2020 menggunakan cluster time series dengan metode hierarki clustering agglomerative diantaranya complete lingke yaitu pengelompokkan berdasarkan jarak terbesar antar objek dan centroid linkage merupakan nilai tengah observasi pada variabel dalam satu cluster, serta menggunakan pengukuran jarak Euclidean dan Dynamic Time Warping (DTW) dengan tujuan yaitu untuk memperoleh pengukuran jarak terbaik dengan metode yang optimal guna mendapatkan cluster yang representatif. Berdasarkan hasil analisis pengelompokkan Provinsi di Indonesia terhadap nilai ekspor non migas tahun 2016 - 2020 didapatkan pengukuran jarak kemiripin yang paling baik yaitu jarak DTW dan metode yang optimal yaitu centroid linkage berdasarkan pada nilai koefisien cophenetic sebesar 0.92 dengan kategori good cluster berdasarkan nilai koefisien silhouette yaitu 0.60. Sehingga didapatkan tiga cluster yaitu nilai ekspor tinggi, sedang dan rendah, diantaranya 24 Provinsi dengan nilai ekspor rendah, 9 Provinsi dengan nilai ekspor sedang, dan 1 Provinsi dengan nilai ekspor tinggi.
{"title":"Penerapan Clustering Time Series pada Pengelompokan Provinsi di Indonesia (Studi Kasus : Nilai Ekspor Non Migas di Indonesia Tahun 2016-2020)","authors":"Harista Almiatus Soleha, Wiwit Pura Nurmayanti, Umam Hidayaturrohman, Ristu Haiban Hirzi, Ayu Septiani","doi":"10.36456/jstat.vol15.no2.a5550","DOIUrl":"https://doi.org/10.36456/jstat.vol15.no2.a5550","url":null,"abstract":"Ekspor non migas merupakan ekspor barang yang bukan berupa minyak dan gas. Tidak semua daerah di Indonesia memiliki potensi yang sama untuk melakukan kegiatan ekspor sehingga setiap daerah memiliki nilai ekspor yang berbeda-beda. Oleh karena itu dilakukan analisis pengelompokkan provinsi di Indonesia berdasarkan nilai ekspor non migas tahun 2016 – 2020 menggunakan cluster time series dengan metode hierarki clustering agglomerative diantaranya complete lingke yaitu pengelompokkan berdasarkan jarak terbesar antar objek dan centroid linkage merupakan nilai tengah observasi pada variabel dalam satu cluster, serta menggunakan pengukuran jarak Euclidean dan Dynamic Time Warping (DTW) dengan tujuan yaitu untuk memperoleh pengukuran jarak terbaik dengan metode yang optimal guna mendapatkan cluster yang representatif. Berdasarkan hasil analisis pengelompokkan Provinsi di Indonesia terhadap nilai ekspor non migas tahun 2016 - 2020 didapatkan pengukuran jarak kemiripin yang paling baik yaitu jarak DTW dan metode yang optimal yaitu centroid linkage berdasarkan pada nilai koefisien cophenetic sebesar 0.92 dengan kategori good cluster berdasarkan nilai koefisien silhouette yaitu 0.60. Sehingga didapatkan tiga cluster yaitu nilai ekspor tinggi, sedang dan rendah, diantaranya 24 Provinsi dengan nilai ekspor rendah, 9 Provinsi dengan nilai ekspor sedang, dan 1 Provinsi dengan nilai ekspor tinggi.","PeriodicalId":118320,"journal":{"name":"J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika","volume":"2 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-12-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"126133209","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 : 2022-07-30DOI: 10.36456/jstat.vol15.no1.a5983
Dini Krisnawati Alfiki Astutik, Artanti Indrasetianingsih, Fenny Fitriani
Transportasi online saat ini menjadi populer dan diminati masyarakat di Indonesia dengan transportasi online yang banyak digunakan adalah Grab dan Gojek. Meskipun layanan transportasi online mendapat respon positif namun terdapat masalah yang dihadapi yaitu banyaknya konsumen yang kecewa dan merasa tidak puas dengan pelayanan yang diberikan. Penelitian ini bertujuan untuk mengetahui pengelompokkan tanggapan masyarakat terhadap kedua transportasi online tersebut. Tanggapan masyarakat mengenai layanan transportasi online didapat dari salah satu media sosial yang banyak digunakan oleh masyarakat Indonesia yaitu twitter. Data pada twitter berupa kumpulan text sehingga diperlukan text mining untuk menganalisisnya. Salah satu analisis dalam text mining adalah text clustering sehingga pada penelitian ini menggunakan text clustering untuk mengelompokkan pendapat menjadi beberapa kategori. Metode yang digunakan pada text clustering adalah metode Density-Based Spatial Clustering of Applications with Noise (DBSCAN) dan K-Means. DBSCAN adalah sebuah metode yang membentuk cluster dari data-data yang saling berdekatan, sedangkan data yang saling berjauhan tidak akan menjadi anggota cluster dan biasa disebut sebagai noise. K-Means adalah teknik clustering yang sederhana dan cepat dalam proses clustering obyek serta mampu mengelompokkan data dalam jumlah cukup besar. Hasil penelitian menunjukkan bahwa metode DBSCAN dan K-Means kurang tepat digunakan pada penelitian ini dalam mengelompokkan tweet yang ditujukan kepada layanan transportasi online Gojek dan Grab karena memiliki nilai silhoutte coefficient kurang dari 0.5 artinya struktur lemah atau tweet tanggapan masyarakat kepada layanan transportasi belum berada pada kelompok yang tepat.
{"title":"Penerapan Text Mining pada Analisis Sentimen Pengguna Twitter Layanan Transportasi Online Menggunakan Metode Density Based Spatial Clustering of Applications With Noise (DBSCAN) dan K-Means","authors":"Dini Krisnawati Alfiki Astutik, Artanti Indrasetianingsih, Fenny Fitriani","doi":"10.36456/jstat.vol15.no1.a5983","DOIUrl":"https://doi.org/10.36456/jstat.vol15.no1.a5983","url":null,"abstract":"Transportasi online saat ini menjadi populer dan diminati masyarakat di Indonesia dengan transportasi online yang banyak digunakan adalah Grab dan Gojek. Meskipun layanan transportasi online mendapat respon positif namun terdapat masalah yang dihadapi yaitu banyaknya konsumen yang kecewa dan merasa tidak puas dengan pelayanan yang diberikan. Penelitian ini bertujuan untuk mengetahui pengelompokkan tanggapan masyarakat terhadap kedua transportasi online tersebut. Tanggapan masyarakat mengenai layanan transportasi online didapat dari salah satu media sosial yang banyak digunakan oleh masyarakat Indonesia yaitu twitter. Data pada twitter berupa kumpulan text sehingga diperlukan text mining untuk menganalisisnya. Salah satu analisis dalam text mining adalah text clustering sehingga pada penelitian ini menggunakan text clustering untuk mengelompokkan pendapat menjadi beberapa kategori. Metode yang digunakan pada text clustering adalah metode Density-Based Spatial Clustering of Applications with Noise (DBSCAN) dan K-Means. DBSCAN adalah sebuah metode yang membentuk cluster dari data-data yang saling berdekatan, sedangkan data yang saling berjauhan tidak akan menjadi anggota cluster dan biasa disebut sebagai noise. K-Means adalah teknik clustering yang sederhana dan cepat dalam proses clustering obyek serta mampu mengelompokkan data dalam jumlah cukup besar. Hasil penelitian menunjukkan bahwa metode DBSCAN dan K-Means kurang tepat digunakan pada penelitian ini dalam mengelompokkan tweet yang ditujukan kepada layanan transportasi online Gojek dan Grab karena memiliki nilai silhoutte coefficient kurang dari 0.5 artinya struktur lemah atau tweet tanggapan masyarakat kepada layanan transportasi belum berada pada kelompok yang tepat.","PeriodicalId":118320,"journal":{"name":"J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika","volume":"74 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-07-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"114842348","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 : 2022-07-30DOI: 10.36456/jstat.vol15.no1.a5838
Wara Pramesti, Fenny Fitriani, Kiki Laila Nirmala
Persentase penduduk miskin yang tinggi menunjukkan bahwa tingkat kemiskinan di suatu wilayah juga tinggi. Persentase penduduk miskin sering menjadi pembicaraan publik. Kenaikan ataupun penurunan presentase penduduk miskin tetap menjadi permasalahan di setiap daerah. Sehingga pemerintah daerah tetap berusaha untuk mengendalikan kesejahteraan daerahnya dengan melakukan perlindungan serta menyejahterakan kehidupan sosial dan ekonomi daerahnya. Naik turunnya persentase penduduk miskin ini dipengaruhi oleh beberapa variabel. Untuk mengetahui variabel-variabel tersebut dapat digunakan salah satunya dengan pendekatan regresi berganda. Akan tetapi, dalam permasalahan kemiskinan ini tentu dipengaruhi juga oleh keadaan sekitarnya. Hal ini menyebabkan kemungkinan asumsi residual independen tidak dipenuhi, sehingga analisis regresi dapat dikembangkan ke metode spasial area. Hasil analisis yang dilakukan menunjukkan bahwa selain dipengaruhi oleh variabel-variabel yang diduga berpengaruh, juga dipengaruhi oleh wilayah sekitar.
{"title":"Spatial Autoregresive Moving Average Pada Pemodelan Persentase Penduduk Miskin Kabupaten/Kota Di Provinsi Jawa Timur Tahun 2020","authors":"Wara Pramesti, Fenny Fitriani, Kiki Laila Nirmala","doi":"10.36456/jstat.vol15.no1.a5838","DOIUrl":"https://doi.org/10.36456/jstat.vol15.no1.a5838","url":null,"abstract":"Persentase penduduk miskin yang tinggi menunjukkan bahwa tingkat kemiskinan di suatu wilayah juga tinggi. Persentase penduduk miskin sering menjadi pembicaraan publik. Kenaikan ataupun penurunan presentase penduduk miskin tetap menjadi permasalahan di setiap daerah. Sehingga pemerintah daerah tetap berusaha untuk mengendalikan kesejahteraan daerahnya dengan melakukan perlindungan serta menyejahterakan kehidupan sosial dan ekonomi daerahnya. Naik turunnya persentase penduduk miskin ini dipengaruhi oleh beberapa variabel. Untuk mengetahui variabel-variabel tersebut dapat digunakan salah satunya dengan pendekatan regresi berganda. Akan tetapi, dalam permasalahan kemiskinan ini tentu dipengaruhi juga oleh keadaan sekitarnya. Hal ini menyebabkan kemungkinan asumsi residual independen tidak dipenuhi, sehingga analisis regresi dapat dikembangkan ke metode spasial area. Hasil analisis yang dilakukan menunjukkan bahwa selain dipengaruhi oleh variabel-variabel yang diduga berpengaruh, juga dipengaruhi oleh wilayah sekitar.","PeriodicalId":118320,"journal":{"name":"J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika","volume":"1 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-07-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"130485237","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 : 2022-07-30DOI: 10.36456/jstat.vol15.no1.a5074
Alif Yuanita Kartini, Laelatul Nur Ummah
Toddler stunting is a chronic nutritional problem caused by one of which is inadequate nutritional intake in infants. Bojonegoro is a district in East Java province where the incidence of stunting under five is still common. In this study, we will compare the incidence of stunting under five in Bojonegoro district using GWR and MARS. GWR is able to model cases for each region spatially, while MARS is able to model cases without considering the pattern of relationships between predictor variables and response variables. The best GWR model selected the smallest CV and MSE values and the largest R-Square values. The best model of the Adaptive Bi-Square kernel function was obtained with a bandwidth of 28, the value of CV=2.4635, MSE=0.8620, and R-Square=0.8734. The best MARS model selected the smallest GCV value and the largest R-Square. From the combination of MO, BF and MI values, the best model was obtained at BF=24, MI=1 and MO=1 with GCV=1,29144 and R-Square=0,841 values. Comparing the two models, the MARS model is better because the R-Square value of the GWR model is greater than the MARS although the numerical value is not much different, while the MSE value of the MARS model is smaller than the MSE value of the GWR model with a much different difference. The results of this study will provide knowledge in the form of a regression model for the Bojonegoro district health office in predicting predictor variables that affect the incidence of stunting under five in Bojonegoro district.
{"title":"Pemodelan Kejadian Balita Stunting di Kabupaten Bojonegoro dengan Metode Geographically Weighted Regression dan Multivariate Adaptive Regression Splines","authors":"Alif Yuanita Kartini, Laelatul Nur Ummah","doi":"10.36456/jstat.vol15.no1.a5074","DOIUrl":"https://doi.org/10.36456/jstat.vol15.no1.a5074","url":null,"abstract":"Toddler stunting is a chronic nutritional problem caused by one of which is inadequate nutritional intake in infants. Bojonegoro is a district in East Java province where the incidence of stunting under five is still common. In this study, we will compare the incidence of stunting under five in Bojonegoro district using GWR and MARS. GWR is able to model cases for each region spatially, while MARS is able to model cases without considering the pattern of relationships between predictor variables and response variables. The best GWR model selected the smallest CV and MSE values and the largest R-Square values. The best model of the Adaptive Bi-Square kernel function was obtained with a bandwidth of 28, the value of CV=2.4635, MSE=0.8620, and R-Square=0.8734. The best MARS model selected the smallest GCV value and the largest R-Square. From the combination of MO, BF and MI values, the best model was obtained at BF=24, MI=1 and MO=1 with GCV=1,29144 and R-Square=0,841 values. Comparing the two models, the MARS model is better because the R-Square value of the GWR model is greater than the MARS although the numerical value is not much different, while the MSE value of the MARS model is smaller than the MSE value of the GWR model with a much different difference. The results of this study will provide knowledge in the form of a regression model for the Bojonegoro district health office in predicting predictor variables that affect the incidence of stunting under five in Bojonegoro district.","PeriodicalId":118320,"journal":{"name":"J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika","volume":"2 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-07-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"115248302","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 : 2022-07-30DOI: 10.36456/jstat.vol15.no1.a5375
Cheryl Ayu Melyani
The increasing of Covid-19 pandemic has hampered people's activities, often causing stress if they are only stay at home continuously. This has led to an increasing trend of staycations or holiday activities in the city itself by renting a hotel. Hotel rental technology has begun to be transferred with the existence of OTA (Online Travel Agent). The existence of various kinds of hotels with various kinds of facilities that makes people feel confused in choosing which hotel to occupy. To help overcome this, the researchers tried to create a recommendation system to help prospective hotel residents choose the hotel according to their choice. In addition, it can also assist companies in increasing hotel room reservations through its website. In this study, researchers will build a hotel recommendation system in Yogyakarta at one of the OTAs in Indonesia using Content-Based Filtering Methods, weighting text data using Term Frequency-Inverse Document Frequency (TF-IDF) Methods and measuring document similarity using Cosine Similarity Methods. Based on the results of the Good Karma Yogyakarta hotel recommendations as a test example, 10 similar hotels were obtained, namely Happy Buddha Yogyakarta – Hostel, Nextdoor Homestay, Hotel Puspita, OYO 426 Hotel Gading Resto, Omah Jegog Homestay, Prawirotaman Homestay, RedDoorz near Prawirotaman, Ayodhya Garden Hostel Yogyakarta by HOM, Bringin House Yogyakarta, and House 24 Yogyakarta with cosine similarity values 0.956666513, 0.946570717, 0.917459394, 0.912534877, 0.886439718, 0.88221982, 0.881775275, 0.875845794, 0.872030219, and 0.871514859.
Covid-19大流行的加剧阻碍了人们的活动，如果他们只是连续呆在家里，往往会造成压力。这导致了一个越来越多的趋势，即通过租酒店在城市本身的住宿或度假活动。随着OTA (Online Travel Agent)的出现，酒店租赁技术已经开始转移。各种酒店的存在，各种设施，使人们在选择哪家酒店时感到困惑。为了克服这个问题，研究人员试图创建一个推荐系统，帮助潜在的酒店居民根据他们的选择选择酒店。此外，它还可以通过其网站帮助企业增加酒店客房预订。在本研究中，研究人员将使用基于内容的过滤方法，使用术语频率-逆文档频率(TF-IDF)方法对文本数据进行加权，并使用余弦相似度方法测量文档相似度，在印度尼西亚的一家ota建立日惹酒店推荐系统。基于Good Karma日惹酒店推荐结果作为测试示例，得到10家相似的酒店，分别是Happy Buddha Yogyakarta - Hostel, Nextdoor Homestay, hotel Puspita, OYO 426 hotel Gading Resto, Omah Jegog Homestay, Prawirotaman Homestay, Prawirotaman附近的RedDoorz, Ayodhya Garden Hostel Yogyakarta by HOM, Bringin House Yogyakarta和House 24 Yogyakarta，余弦相似值为0.956666513,0.946570717,0.917459394,0.912534877,0.886439718,0.88221982。0.881775275, 0.875845794, 0.872030219，和0.871514859。
{"title":"Hotel Recommendation System with Content-Based Filtering Approach (Case Study: Hotel in Yogyakarta on Nusatrip Website)","authors":"Cheryl Ayu Melyani","doi":"10.36456/jstat.vol15.no1.a5375","DOIUrl":"https://doi.org/10.36456/jstat.vol15.no1.a5375","url":null,"abstract":"The increasing of Covid-19 pandemic has hampered people's activities, often causing stress if they are only stay at home continuously. This has led to an increasing trend of staycations or holiday activities in the city itself by renting a hotel. Hotel rental technology has begun to be transferred with the existence of OTA (Online Travel Agent). The existence of various kinds of hotels with various kinds of facilities that makes people feel confused in choosing which hotel to occupy. To help overcome this, the researchers tried to create a recommendation system to help prospective hotel residents choose the hotel according to their choice. In addition, it can also assist companies in increasing hotel room reservations through its website. In this study, researchers will build a hotel recommendation system in Yogyakarta at one of the OTAs in Indonesia using Content-Based Filtering Methods, weighting text data using Term Frequency-Inverse Document Frequency (TF-IDF) Methods and measuring document similarity using Cosine Similarity Methods. Based on the results of the Good Karma Yogyakarta hotel recommendations as a test example, 10 similar hotels were obtained, namely Happy Buddha Yogyakarta – Hostel, Nextdoor Homestay, Hotel Puspita, OYO 426 Hotel Gading Resto, Omah Jegog Homestay, Prawirotaman Homestay, RedDoorz near Prawirotaman, Ayodhya Garden Hostel Yogyakarta by HOM, Bringin House Yogyakarta, and House 24 Yogyakarta with cosine similarity values 0.956666513, 0.946570717, 0.917459394, 0.912534877, 0.886439718, 0.88221982, 0.881775275, 0.875845794, 0.872030219, and 0.871514859.","PeriodicalId":118320,"journal":{"name":"J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika","volume":"15 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-07-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"123318789","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 : 2022-07-30DOI: 10.36456/jstat.vol15.no1.a5216
Muhammad Reza Akbar, Muhammad Ihsan Akbar
Perkembangan zaman terus berlangsung pesat akhir-akhir ini. Salah satu dampak pengaruh dari kemajuan sektor transportasi adalah berupa fleksibilitas aktivitas masyarakat kota dalam berkegiatan menjadi lebih efisien dan efektif disegala sisi, seperti budaya masyarakat kota dalam beraktivitas mulai mengalami transisi, dari sebelumnya mengutamakan kendaraan bertenaga hewan beralih kepada penggunaan sektor kendaraan berbahan bakar fossil. Dampak perihal tersebut memiliki pengaruh langsung terhadap kualitas udara di DKI Jakarta. Variabel penelitian yaitu data uji emisi sebagai variabel X dan data ISPU sebagai variabel Y. Metode pengujian menggunakan metode statistika korelasi Pearson dan regresi linear pada periode Januari hingga September 2021. Hasil identifikasi menunjukan efektivitas regulasi dalam mereduksi persoalan lingkungan terbukti efektif dalam menangkal persoalan kualitas udara di DKI Jakarta, dimana seiring dengan meningkatnya jumlah kendaraan yang lolos uji emisi berhasil menurunkan skor ISPU sebesar 82% diperankan oleh upaya uji emisi dan 18% sisanya dipengaruhi oleh variabel lainnya.
{"title":"Analisis Regulasi Uji Emisi Gas Buang Kendaraan Berdasarkan Pengaruhnya Terhadap Indeks Kualitas Udara di DKI Jakarta Menggunakan Metode Korelasi Pearson dan Regresi Linear","authors":"Muhammad Reza Akbar, Muhammad Ihsan Akbar","doi":"10.36456/jstat.vol15.no1.a5216","DOIUrl":"https://doi.org/10.36456/jstat.vol15.no1.a5216","url":null,"abstract":"Perkembangan zaman terus berlangsung pesat akhir-akhir ini. Salah satu dampak pengaruh dari kemajuan sektor transportasi adalah berupa fleksibilitas aktivitas masyarakat kota dalam berkegiatan menjadi lebih efisien dan efektif disegala sisi, seperti budaya masyarakat kota dalam beraktivitas mulai mengalami transisi, dari sebelumnya mengutamakan kendaraan bertenaga hewan beralih kepada penggunaan sektor kendaraan berbahan bakar fossil. Dampak perihal tersebut memiliki pengaruh langsung terhadap kualitas udara di DKI Jakarta. Variabel penelitian yaitu data uji emisi sebagai variabel X dan data ISPU sebagai variabel Y. Metode pengujian menggunakan metode statistika korelasi Pearson dan regresi linear pada periode Januari hingga September 2021. Hasil identifikasi menunjukan efektivitas regulasi dalam mereduksi persoalan lingkungan terbukti efektif dalam menangkal persoalan kualitas udara di DKI Jakarta, dimana seiring dengan meningkatnya jumlah kendaraan yang lolos uji emisi berhasil menurunkan skor ISPU sebesar 82% diperankan oleh upaya uji emisi dan 18% sisanya dipengaruhi oleh variabel lainnya.","PeriodicalId":118320,"journal":{"name":"J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika","volume":"149 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-07-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"122060015","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 : 2022-07-30DOI: 10.36456/jstat.vol15.no1.a5468
Weksi Budiaji, Juwarin Pancawati
Lebak and Pandeglang Regions in Banten Province have a high stunting prevalence of children under 5 years old and have the lowest value of food security index among regions in Banten Province. Cluster analysis to group districts in Lebak and Padeglang Regions is indispensable to characterize the district members in those two regions. The variables applied to calculate distance between districts in a simple k-medoid clustering were trilogy of food security namely the availability, access, and utility of the food from Bureau of Statistics of Lebak and Pandeglang Regions 2019 data. The distances were varied among Euclidean, squared Euclidean, and Manhattan distances. The clustering result was then validated via consensus clustering and internal validation. The suitable number of clusters was four defined as the available and access cluster (cluster 1), the access cluster (cluster 2), the vulnerable cluster (cluster 3), and the available cluster (cluster 4). The cluster 3 as the vulnerable cluster should be focused on because it consists of 38% from overall districts in Lebak and Banten Regions.
{"title":"Medoid-based Clustering pada Kecamatan di Kabupaten Lebak dan Pandeglang Provinsi Banten Berdasarkan Trilogi Ketahanan Pangan","authors":"Weksi Budiaji, Juwarin Pancawati","doi":"10.36456/jstat.vol15.no1.a5468","DOIUrl":"https://doi.org/10.36456/jstat.vol15.no1.a5468","url":null,"abstract":"Lebak and Pandeglang Regions in Banten Province have a high stunting prevalence of children under 5 years old and have the lowest value of food security index among regions in Banten Province. Cluster analysis to group districts in Lebak and Padeglang Regions is indispensable to characterize the district members in those two regions. The variables applied to calculate distance between districts in a simple k-medoid clustering were trilogy of food security namely the availability, access, and utility of the food from Bureau of Statistics of Lebak and Pandeglang Regions 2019 data. The distances were varied among Euclidean, squared Euclidean, and Manhattan distances. The clustering result was then validated via consensus clustering and internal validation. The suitable number of clusters was four defined as the available and access cluster (cluster 1), the access cluster (cluster 2), the vulnerable cluster (cluster 3), and the available cluster (cluster 4). The cluster 3 as the vulnerable cluster should be focused on because it consists of 38% from overall districts in Lebak and Banten Regions.","PeriodicalId":118320,"journal":{"name":"J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika","volume":"183 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-07-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"132174441","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 : 2022-07-30DOI: 10.36456/jstat.vol15.no1.a5285
Putri Fardha Asa Oktavia Hans, Ardi Kurniawan, Sediono, Elly Ana, M. Fariz Fadillah Mardianto
The Covid-19 pandemic has been declared a Public Health Emergency of International Concern. One of the government's efforts to get out of the epidemic is to conduct an analysis based on existing data. The purpose of this study was to estimate the credible interval of the left truncated normal distribution. The results of the estimated credible intervals obtained have an implicit form so that they are solved by using a numerical integral approach. The results of this study were applied to the recovery time of Covid-19 patients from the Jemursari Health Center Surabaya in the range of December 2020 to February 2021. Through left cutting, the parameter estimation process only uses data that is more than 10 days, so that 37 data is obtained from a total of 45 data. It was found that the average recovery time for left-cut Covid-19 patients was between 10.583 days to 11.087 days. Meanwhile, the variance of recovery time for Covid-19 patients is cut left between 1.706 days to 1.772 days.
{"title":"Estimasi Interval Kredibel Distribusi Normal Terpotong Kiri pada Data Waktu Sembuh Pasien Covid-19","authors":"Putri Fardha Asa Oktavia Hans, Ardi Kurniawan, Sediono, Elly Ana, M. Fariz Fadillah Mardianto","doi":"10.36456/jstat.vol15.no1.a5285","DOIUrl":"https://doi.org/10.36456/jstat.vol15.no1.a5285","url":null,"abstract":"The Covid-19 pandemic has been declared a Public Health Emergency of International Concern. One of the government's efforts to get out of the epidemic is to conduct an analysis based on existing data. The purpose of this study was to estimate the credible interval of the left truncated normal distribution. The results of the estimated credible intervals obtained have an implicit form so that they are solved by using a numerical integral approach. The results of this study were applied to the recovery time of Covid-19 patients from the Jemursari Health Center Surabaya in the range of December 2020 to February 2021. Through left cutting, the parameter estimation process only uses data that is more than 10 days, so that 37 data is obtained from a total of 45 data. It was found that the average recovery time for left-cut Covid-19 patients was between 10.583 days to 11.087 days. Meanwhile, the variance of recovery time for Covid-19 patients is cut left between 1.706 days to 1.772 days.","PeriodicalId":118320,"journal":{"name":"J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika","volume":"31 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-07-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"117283830","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 : 2022-07-30DOI: 10.36456/jstat.vol15.no1.a5492
A. Faisol, A. Wiranto, Fitriani
COVID-19 tidak hanya berdampak pada kesehatan masyarakat, perekonomian negarapun ikut terkena dampak. Pemerintah telah berupaya dengan berbagai kebijakan strategis agar dapat memulihkan perekonomian di Indonesia sebagai implementasi dari amanat Undang-Undang Dasar Negara Republik Indonesia Tahun 1945 untuk mensejakterakan rakyat. Selain itu, keberhasilan suatu negara dalam mencapai tujuannya dapat dilihat dari tingkat kesejahteraan penduduknya. Banyak indikator yang dapat digunakan untuk melihat kesejahteraan penduduk, diantaranya dapat dilihat dari tingkat konsumsi dan pengeluaran. Pengeluaran rumah tangga dapat dibagi menjadi dua, yaitu pengeluaran makanan dan pengeluaran non makanan. Semakin banyak presentase pengeluaran rumah tangga untuk membeli kelompok non makanan maka semakin tinggi kesejahteraan rumah tangga. Rantai Markov (Markov Chains) adalah suatu metode yang mempelajari sifat- sifat suatu variabel pada masa sekarang, yang didasarkan pada sifat-sifatnya di masa lalu, dalam usaha menaksir sifat-sifat variabel tersebut di masa yang akan datang. Dengan menggunakan metode Markov Chains diperoleh prediksi untuk pengeluaran perumahan dan fasilitas rumah tangga pada tanun 2022-2025 secara berturut-turut 52.5%, 50.3705%, 50.31882%, dan 50.31764%. Untuk prediksi pengeluaran aneka barang dan jasa pada tahun 2022-2025 adalah 24.2%, 23.131, %23.03519%, dan 23.03152%. Prediksi pengeluaran pakaian, alas kaki dan tutup kepala pada periode 2022-2025 sebesar 8.2%, 7.9442%, 7.9319%, dan 7.9913%. Sedangkan prediksi pengeluaran keperluan barang tahan lama tahun 2022-2025 sebesar 7.4%, 10.1995%, 10.34567%, dan 10.35161%. Prediksi pada tahun 2022-2025 untuk pengeluaran keperluan pajak, pungutan dan asuransi sebesar 4.6%, 5.3499%, 5.3642%, dan 5.36373%. Serta pengeluan untuk keperluan pesta pada periode 2022-2025 sebesar 3.1%, 3.0049%, 3.00422%, dan 3.00417%.
{"title":"Prediksi Pengeluaran Non Makanan Masyarakat Kabupaten Tulang Bawang Menggunakan Metode Rantai Markov","authors":"A. Faisol, A. Wiranto, Fitriani","doi":"10.36456/jstat.vol15.no1.a5492","DOIUrl":"https://doi.org/10.36456/jstat.vol15.no1.a5492","url":null,"abstract":"COVID-19 tidak hanya berdampak pada kesehatan masyarakat, perekonomian negarapun ikut terkena dampak. Pemerintah telah berupaya dengan berbagai kebijakan strategis agar dapat memulihkan perekonomian di Indonesia sebagai implementasi dari amanat Undang-Undang Dasar Negara Republik Indonesia Tahun 1945 untuk mensejakterakan rakyat. Selain itu, keberhasilan suatu negara dalam mencapai tujuannya dapat dilihat dari tingkat kesejahteraan penduduknya. Banyak indikator yang dapat digunakan untuk melihat kesejahteraan penduduk, diantaranya dapat dilihat dari tingkat konsumsi dan pengeluaran. Pengeluaran rumah tangga dapat dibagi menjadi dua, yaitu pengeluaran makanan dan pengeluaran non makanan. Semakin banyak presentase pengeluaran rumah tangga untuk membeli kelompok non makanan maka semakin tinggi kesejahteraan rumah tangga. Rantai Markov (Markov Chains) adalah suatu metode yang mempelajari sifat- sifat suatu variabel pada masa sekarang, yang didasarkan pada sifat-sifatnya di masa lalu, dalam usaha menaksir sifat-sifat variabel tersebut di masa yang akan datang. Dengan menggunakan metode Markov Chains diperoleh prediksi untuk pengeluaran perumahan dan fasilitas rumah tangga pada tanun 2022-2025 secara berturut-turut 52.5%, 50.3705%, 50.31882%, dan 50.31764%. Untuk prediksi pengeluaran aneka barang dan jasa pada tahun 2022-2025 adalah 24.2%, 23.131, %23.03519%, dan 23.03152%. Prediksi pengeluaran pakaian, alas kaki dan tutup kepala pada periode 2022-2025 sebesar 8.2%, 7.9442%, 7.9319%, dan 7.9913%. Sedangkan prediksi pengeluaran keperluan barang tahan lama tahun 2022-2025 sebesar 7.4%, 10.1995%, 10.34567%, dan 10.35161%. Prediksi pada tahun 2022-2025 untuk pengeluaran keperluan pajak, pungutan dan asuransi sebesar 4.6%, 5.3499%, 5.3642%, dan 5.36373%. Serta pengeluan untuk keperluan pesta pada periode 2022-2025 sebesar 3.1%, 3.0049%, 3.00422%, dan 3.00417%.","PeriodicalId":118320,"journal":{"name":"J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika","volume":"51 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-07-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"115716434","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 : 2022-07-30DOI: 10.36456/jstat.vol15.no1.a5446
Bella Dwi Saputri, Diah Indriani
Keluarga Berencana bertujuan untuk mengontrol jumlah penduduk dengan membatasi jumlah anak setiap keluarga untuk mencapai kesejahteraan keluarga. Program tersebut dilakukan dengan menghimbau Pasangan usia subur untuk menggunakan kontrasepsi misalnya intrauterine device, metode operasi pria, metode operasi wanita, implan, kondom, pil, atau suntik. Pada tahun 2021, Kabupaten Ponorogo mengalami penurunan cakupan pengguna keluarga berencana aktif sekaligus peningkatan prevalensi unmet need. Sistem Informasi Geografi merupakan ilmu yang mempelajari pembuatan peta secara komputasi atau biasa disebut dengan pemetaan. Pemetaan dilakukan untuk memantau capaian cakupan pengguna keluarga berencana aktif dan unmet need setiap wilayah kecamatan di Kabupaten Ponorogo. Penelitian ini merupakan penelitian deskriptif yang menggambarkan pengguna keluarga berencana aktif dan unmet need di Kabupaten Ponorogo. Penelitian ini menggunakan data sekunder yang selanjutnya akan dianalisis secara spasial. Hasil penelitian menunjukkan bahwa terdapat 4 kecamatan yang memiliki cakupan pengguna keluarga berencana aktif dibawah capaian Kabupaten Ponorogo dan terdapat 9 kecamatan dengan prevalensi unmet need diatas capaian Kabupaten Ponorogo. Metode kontrasepsi yang paling diminati oleh masyarakat Kabupaten Ponorogo adalah suntik. Analisis kluster berdasarkan cakupan KB Aktif dan unmet need membagi Kabupaten Ponorogo menjadi 4 kluster. Hasil pemetaan yang telah dilakukan, dapat menjadi bahan pertimbangan untuk meningkatkan keberhasilan Program Keluarga Berencana di Kabupaten Ponorogo.
{"title":"Pemetaan Cakupan Pengguna KB Aktif Dan Unmet Need Di Kabupaten Ponorogo Tahun 2021","authors":"Bella Dwi Saputri, Diah Indriani","doi":"10.36456/jstat.vol15.no1.a5446","DOIUrl":"https://doi.org/10.36456/jstat.vol15.no1.a5446","url":null,"abstract":"Keluarga Berencana bertujuan untuk mengontrol jumlah penduduk dengan membatasi jumlah anak setiap keluarga untuk mencapai kesejahteraan keluarga. Program tersebut dilakukan dengan menghimbau Pasangan usia subur untuk menggunakan kontrasepsi misalnya intrauterine device, metode operasi pria, metode operasi wanita, implan, kondom, pil, atau suntik. Pada tahun 2021, Kabupaten Ponorogo mengalami penurunan cakupan pengguna keluarga berencana aktif sekaligus peningkatan prevalensi unmet need. Sistem Informasi Geografi merupakan ilmu yang mempelajari pembuatan peta secara komputasi atau biasa disebut dengan pemetaan. Pemetaan dilakukan untuk memantau capaian cakupan pengguna keluarga berencana aktif dan unmet need setiap wilayah kecamatan di Kabupaten Ponorogo. Penelitian ini merupakan penelitian deskriptif yang menggambarkan pengguna keluarga berencana aktif dan unmet need di Kabupaten Ponorogo. Penelitian ini menggunakan data sekunder yang selanjutnya akan dianalisis secara spasial. Hasil penelitian menunjukkan bahwa terdapat 4 kecamatan yang memiliki cakupan pengguna keluarga berencana aktif dibawah capaian Kabupaten Ponorogo dan terdapat 9 kecamatan dengan prevalensi unmet need diatas capaian Kabupaten Ponorogo. Metode kontrasepsi yang paling diminati oleh masyarakat Kabupaten Ponorogo adalah suntik. Analisis kluster berdasarkan cakupan KB Aktif dan unmet need membagi Kabupaten Ponorogo menjadi 4 kluster. Hasil pemetaan yang telah dilakukan, dapat menjadi bahan pertimbangan untuk meningkatkan keberhasilan Program Keluarga Berencana di Kabupaten Ponorogo.","PeriodicalId":118320,"journal":{"name":"J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika","volume":"25 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-07-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"127511894","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：