Pub Date : 2022-07-30DOI: 10.36456/jstat.vol15.no1.a4863
Dhyana Venosia, N. Chamidah, Mulyorejo Ir. H. Soekarno, Kec. Mulyorejo
Indonesia merupakan salah satu negara yang mengembangkan konsep Universal Health Coverage (UHC) pada sektor kesehatan yang diterapkan pada Sistem Jaminan Sosial Nasional (SJSN) melalui program Jaminan Kesehatan Nasional (JKN) yang dikelola Badan Penyelenggara Jaminan Sosial (BPJS) Kesehatan dengan tujuan sebagaimana tertuang pada Undang-Undang Republik Indonesia Nomor 40 Tahun 2004. Peserta JKN terbagi menjadi Penerima Bantuan Iuran (PBI) dan Non Penerima Bantuan Iuran (Non PBI). Penelitian ini, untuk menganalisis faktor yang mempengaruhi persentase kepesertaan BPJS Non PBI yang diharapkan dapat memberikan prediksi pengoptimalan. Pengoptimalan diperlukan karena, realitanya persentase kepesertaan BPJS Non PBI masih jauh dari target pemerintah, khususnya Provinsi Jawa Timur pada tahun 2017 hingga 2020. Walaupun mengalami peningkatan, di setiap Kabupaten/Kota Provinsi Jawa Timur terindikasi mengalami fluktuasi. Maka, dalam mengestimasi fenomena tersebut digunakan metode regresi data panel melalui pendekatan Fixed Eeffect Model (FEM) dengan alpha sebesar 5 persen. Maka, secara statistik diperoleh kesimpulan bahwa yang berpengaruh signifikan adalah persentase penduduk miskin dan Tingkat Pengangguran Terbuka (TPT).
印度尼西亚是通过非政府组织(BPJS)管理的国家健康保障计划(jjsn)，通过2004年4月40日《印度尼西亚共和国法》(united nations reclaration number 40)管理的国家，发展了通过国家卫生保障制度(JKN)实施的公共卫生保障制度的公共卫生概念的国家之一。参与者JKN被分成受骗者(PBI)和非受聘受助人(非PBI)。本研究旨在分析影响BPJS非PBI输入百分比的因素，这些因素可以提供优先权预测。优化是必要的，因为在2017年至2020年，BPJS非PBI的参赛比例仍未达到政府目标。尽管增加了，东爪哇省的每个地区/城市都有地震的迹象。因此，在确定这一现象时，使用了一种通过非成型Eeffect模型(FEM)的非成功率模型(占总比重5%)的方法，利用面板数据回归方法。因此，从统计数据中得出的结论是，贫困人口和开放失业率(TPT)占重要地位。
{"title":"Pemodelan Persentase Kepesertaan BPJS Non Penerima Bantuan Iuran Dengan Pendekatan Regresi Data Panel","authors":"Dhyana Venosia, N. Chamidah, Mulyorejo Ir. H. Soekarno, Kec. Mulyorejo","doi":"10.36456/jstat.vol15.no1.a4863","DOIUrl":"https://doi.org/10.36456/jstat.vol15.no1.a4863","url":null,"abstract":"Indonesia merupakan salah satu negara yang mengembangkan konsep Universal Health Coverage (UHC) pada sektor kesehatan yang diterapkan pada Sistem Jaminan Sosial Nasional (SJSN) melalui program Jaminan Kesehatan Nasional (JKN) yang dikelola Badan Penyelenggara Jaminan Sosial (BPJS) Kesehatan dengan tujuan sebagaimana tertuang pada Undang-Undang Republik Indonesia Nomor 40 Tahun 2004. Peserta JKN terbagi menjadi Penerima Bantuan Iuran (PBI) dan Non Penerima Bantuan Iuran (Non PBI). Penelitian ini, untuk menganalisis faktor yang mempengaruhi persentase kepesertaan BPJS Non PBI yang diharapkan dapat memberikan prediksi pengoptimalan. Pengoptimalan diperlukan karena, realitanya persentase kepesertaan BPJS Non PBI masih jauh dari target pemerintah, khususnya Provinsi Jawa Timur pada tahun 2017 hingga 2020. Walaupun mengalami peningkatan, di setiap Kabupaten/Kota Provinsi Jawa Timur terindikasi mengalami fluktuasi. Maka, dalam mengestimasi fenomena tersebut digunakan metode regresi data panel melalui pendekatan Fixed Eeffect Model (FEM) dengan alpha sebesar 5 persen. Maka, secara statistik diperoleh kesimpulan bahwa yang berpengaruh signifikan adalah persentase penduduk miskin dan Tingkat Pengangguran Terbuka (TPT).","PeriodicalId":118320,"journal":{"name":"J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika","volume":"21 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":"114507161","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.a5423
M. Al Haris, Septi Winda Utami, Indah Manfaati Nur
Ekspor berperan penting dalam perekonomian suatu daerah. Ekspor dapat digambarkan melalui nilai ekspor, yaitu nilai berupa uang yang merupakan hasil dari penjualan barang/jasa ke luar negeri. Nilai ekspor perlu diramalkan untuk merumuskan target pertumbuhan ekonomi dan menetapkan kebijakan yang tepat dalam perekonomian di suatu daerah. Nilai ekspor dapat diramalkan menggunakan metode Fuzzy time series berbasis algoritma Haneen Talal Jasim. Tahapan metode Fuzzy time series berbasis algoritma Haneen Talal Jasim memiliki tahapan yang hampir sama dengan Fuzzy time series dari penentuan semesta pembicaraan hingga penentuan Fuzzy Logical Relationship Group (FLRG). Perbedaannya ada pada tahapan penerapan algoritma Haneen Talal Jasim pada tahap peramalannya. Tujuan dari penelitian ini adalah meramalkan nilai ekspor Provinsi Jawa Tengah di masa yang akan datang dengan metode Fuzzy time series berbasis algoritma Haneen Talal Jasim serta mendapatkan tingkat akurasi peramalan menggunakan Mean Absolute Percentage Error (MAPE). Berdasarkan hasil analisi penerapan metode Fuzzy time series berbasis algoritma Haneen Talal Jasim pada data nilai ekspor di Provinsi Jawa Tengah diperoleh hasil ramalan pada bulan Januari 2022 sebesar 1054,178 juta US $ serta nilai MAPE sebesar 11,653%.
{"title":"Peramalan Nilai Ekspor Provinsi Jawa Tengah dengan Metode Fuzzy Time Series Berbasis Algoritma Haneen Talal Jasim","authors":"M. Al Haris, Septi Winda Utami, Indah Manfaati Nur","doi":"10.36456/jstat.vol15.no1.a5423","DOIUrl":"https://doi.org/10.36456/jstat.vol15.no1.a5423","url":null,"abstract":"Ekspor berperan penting dalam perekonomian suatu daerah. Ekspor dapat digambarkan melalui nilai ekspor, yaitu nilai berupa uang yang merupakan hasil dari penjualan barang/jasa ke luar negeri. Nilai ekspor perlu diramalkan untuk merumuskan target pertumbuhan ekonomi dan menetapkan kebijakan yang tepat dalam perekonomian di suatu daerah. Nilai ekspor dapat diramalkan menggunakan metode Fuzzy time series berbasis algoritma Haneen Talal Jasim. Tahapan metode Fuzzy time series berbasis algoritma Haneen Talal Jasim memiliki tahapan yang hampir sama dengan Fuzzy time series dari penentuan semesta pembicaraan hingga penentuan Fuzzy Logical Relationship Group (FLRG). Perbedaannya ada pada tahapan penerapan algoritma Haneen Talal Jasim pada tahap peramalannya. Tujuan dari penelitian ini adalah meramalkan nilai ekspor Provinsi Jawa Tengah di masa yang akan datang dengan metode Fuzzy time series berbasis algoritma Haneen Talal Jasim serta mendapatkan tingkat akurasi peramalan menggunakan Mean Absolute Percentage Error (MAPE). Berdasarkan hasil analisi penerapan metode Fuzzy time series berbasis algoritma Haneen Talal Jasim pada data nilai ekspor di Provinsi Jawa Tengah diperoleh hasil ramalan pada bulan Januari 2022 sebesar 1054,178 juta US $ serta nilai MAPE sebesar 11,653%.","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":"116916624","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 : 2021-07-31DOI: 10.36456/jstat.vol14.no1.a3816
Muhammad Irfan Rizki, Teguh Ammar Taqiyyuddin
Kemiskinan merupakan salah satu permasalahan global yang terjadi di semua negara berkembang termasuk negara Indonesia. Pengentasan kemiskinanan menjadi prioritas utama dalam tujuan pembangunan berkelanjutan atau Sustainable Development Goals (SDGs), dimana pengentasan kemiskinan menjadi tujuan pertama yang ingin dicapai. Kemiskinana juga menjadi salahsatu permasalahan yang menjadi isu salahsatu isu strategis RPJMD tahun 2018-2023 yang menjadi pusat perhatian pemerintah khususnya di Provinsi Jawa Barat yang merupakan provinsi dengan jumlah penduduk terbanyak di Indonesia. Pada penelitian ini akan dilakukan analisis faktor-faktor yang mempengaruhi kemiskinan di Provinsi Jawa Barat. Data kemiskinan tiap-tiap kabupaten/kota memiliki tingkat yang berbeda -beda, sehingga terdapat kemungkinan adanya efek spasial dalam data. Maka pemodelan harus mengakomodasi aspek spasial kemudian terbatasnya variabel yang dilibatkan karena keterbatasan data tentunya menimbulkan oomited variabel atau varaiebel yang relevan namun tidak ada dalam model maka digunakan pendekatan fixed effect model dalam mengatasi masalah tersebut. Sehingga pemodelan yang digunakan adalah Spatial Autoregressive Fixed Effact model ( SAR-FEM). Hasil penelitian ini didapatkan bahwa Variabel Tingkat pengangguran terbuka, Indkes pembangunan Manusia dan persentase penduduk berpengaruh signifikan terhadap Tingginya tingkat kemiskina di Provinsi Jawa Barat. Model spatial lag fixed effect yang terbentuk dapat menjelaskan besarnya keragaman dari Tingkat Kemiskinan yang dapat dijelaskan oleh variabel prediktor sebesar 98.88% sedangkan 1.116% sisanya dijelaskan oleh variabel lain yang tidak dimasukkan kedalam model.
{"title":"Pemodelan Regresi Spatial Autoregressive Fixed Effect Model Data Panel Pada Tingkat Kemiskinan Di Provinsi Jawa Barat","authors":"Muhammad Irfan Rizki, Teguh Ammar Taqiyyuddin","doi":"10.36456/jstat.vol14.no1.a3816","DOIUrl":"https://doi.org/10.36456/jstat.vol14.no1.a3816","url":null,"abstract":"Kemiskinan merupakan salah satu permasalahan global yang terjadi di semua negara berkembang termasuk negara Indonesia. Pengentasan kemiskinanan menjadi prioritas utama dalam tujuan pembangunan berkelanjutan atau Sustainable Development Goals (SDGs), dimana pengentasan kemiskinan menjadi tujuan pertama yang ingin dicapai. Kemiskinana juga menjadi salahsatu permasalahan yang menjadi isu salahsatu isu strategis RPJMD tahun 2018-2023 yang menjadi pusat perhatian pemerintah khususnya di Provinsi Jawa Barat yang merupakan provinsi dengan jumlah penduduk terbanyak di Indonesia. Pada penelitian ini akan dilakukan analisis faktor-faktor yang mempengaruhi kemiskinan di Provinsi Jawa Barat. Data kemiskinan tiap-tiap kabupaten/kota memiliki tingkat yang berbeda -beda, sehingga terdapat kemungkinan adanya efek spasial dalam data. Maka pemodelan harus mengakomodasi aspek spasial kemudian terbatasnya variabel yang dilibatkan karena keterbatasan data tentunya menimbulkan oomited variabel atau varaiebel yang relevan namun tidak ada dalam model maka digunakan pendekatan fixed effect model dalam mengatasi masalah tersebut. Sehingga pemodelan yang digunakan adalah Spatial Autoregressive Fixed Effact model ( SAR-FEM). Hasil penelitian ini didapatkan bahwa Variabel Tingkat pengangguran terbuka, Indkes pembangunan Manusia dan persentase penduduk berpengaruh signifikan terhadap Tingginya tingkat kemiskina di Provinsi Jawa Barat. Model spatial lag fixed effect yang terbentuk dapat menjelaskan besarnya keragaman dari Tingkat Kemiskinan yang dapat dijelaskan oleh variabel prediktor sebesar 98.88% sedangkan 1.116% sisanya dijelaskan oleh variabel lain yang tidak dimasukkan kedalam model.","PeriodicalId":118320,"journal":{"name":"J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika","volume":"99 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-07-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"122503686","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 : 2021-07-31DOI: 10.36456/jstat.vol14.no1.a3843
Habni Hamara Azmaty, Hussein Adi Permana, Lisa Agustina, Muhamad Fikri Ramdhani, Naufal Abdul Rafi Zaqi, Risni Julaeni Yuhan
Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) adalah virus yang menyebabkan penyakit Covid-19. Di Indonesia, jumlah kasus terkonfirmasi positif Covid-19 sudah lebih dari 1,7 juta orang dengan jumlah kasus kematian mencapai 49 ribu orang. DKI Jakarta merupakan salah satu provinsi dengan kasus kematian akibat Covid-19 tertinggi di Indonesia. Tujuan dari penelitian ini adalah untuk menganalisis pengaruh kepadatan penduduk dan jumlah penduduk lansia terhadap jumlah kasus kematian akibat Covid -19 di DKI Jakarta. Metode analisis yang digunakan adalah Multiple Classification Analysis (MCA) dengan unit observasi sebanyak 267 kelurahan yang berada di Provinsi DKI Jakarta. Hasil penelitian ini menunjukkan bahwa kepadatan penduduk dan jumlah penduduk lansia berpengaruh secara signifikan terhadap jumlah kasus kematian akibat Covid-19 di Provinsi DKI Jakarta. Semakin tinggi kepadatan penduduk maka jumlah kematian akibat Covid-19 cenderung meningkat. Begitu juga dengan jumlah penduduk lansia, semakin tinggi jumlah penduduk lansia, maka jumlah kasus kematian akibat Covid-19 juga cenderung meningkat.
{"title":"Analisis Pengaruh Kepadatan Penduduk Dan Jumlah Lansia Terhadap Kasus Kematian Akibat Covid-19 di Provinsi DKI Jakarta Menggunakan Multiple Classification Analysis (MCA)","authors":"Habni Hamara Azmaty, Hussein Adi Permana, Lisa Agustina, Muhamad Fikri Ramdhani, Naufal Abdul Rafi Zaqi, Risni Julaeni Yuhan","doi":"10.36456/jstat.vol14.no1.a3843","DOIUrl":"https://doi.org/10.36456/jstat.vol14.no1.a3843","url":null,"abstract":"Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) adalah virus yang menyebabkan penyakit Covid-19. Di Indonesia, jumlah kasus terkonfirmasi positif Covid-19 sudah lebih dari 1,7 juta orang dengan jumlah kasus kematian mencapai 49 ribu orang. DKI Jakarta merupakan salah satu provinsi dengan kasus kematian akibat Covid-19 tertinggi di Indonesia. Tujuan dari penelitian ini adalah untuk menganalisis pengaruh kepadatan penduduk dan jumlah penduduk lansia terhadap jumlah kasus kematian akibat Covid -19 di DKI Jakarta. Metode analisis yang digunakan adalah Multiple Classification Analysis (MCA) dengan unit observasi sebanyak 267 kelurahan yang berada di Provinsi DKI Jakarta. Hasil penelitian ini menunjukkan bahwa kepadatan penduduk dan jumlah penduduk lansia berpengaruh secara signifikan terhadap jumlah kasus kematian akibat Covid-19 di Provinsi DKI Jakarta. Semakin tinggi kepadatan penduduk maka jumlah kematian akibat Covid-19 cenderung meningkat. Begitu juga dengan jumlah penduduk lansia, semakin tinggi jumlah penduduk lansia, maka jumlah kasus kematian akibat Covid-19 juga cenderung meningkat.","PeriodicalId":118320,"journal":{"name":"J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika","volume":"58 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-07-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"114711189","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 : 2021-07-31DOI: 10.36456/jstat.vol14.no1.a3747
Muhammad Wahdeni Pramana, I. Purnamasari, Surya Prangga
Ekspor merupakan aktivitas perdagangan atau penjualan barang dari dalam negeri ke luar negeri. Ekspor nonmigas sebagai salah satu komponen pembentuk Produk Domestik Regional Bruto (PDRB) sehingga perlu adanya suatu peramalan nilai di masa mendatang. Fuzzy Time Series (FTS) merupakan metode peramalan dengan berdasarkan teori himpunan fuzzy, logika fuzzy, serta hasil peramalan yang dapat dibahasakan (linguistik). Metode Weighted Fuzzy Time Series (WFTS) Lee merupakan perluasan dari metode FTS dengan penambahan pembobotan pada tiap pola relasi yang terbentuk. Tujuan penelitian ini adalah memperoleh nilai peramalan ekspor nonmigas Provinsi Kalimantan Timur pada bulan November 2020 serta memperoleh nilai akurasi peramalan berdasarkan metode Mean Absolute Percentage Error (MAPE) dan Root Mean Square Error (RMSE). Berdasarkan hasil analisis diperoleh nilai akurasi peramalan untuk data Ekspor Nonmigas Provinsi Kalimantan Timur bulan Januari 2019 – Oktober 2020 dengan konstanta pembobot menggunakan metode MAPE diperoleh hasil keseluruhan dibawah 10% sehingga diperoleh konstanta pembobot terbaik yaitu dengan nilai MAPE terminimum yaitu sebesar 3,62% dan RMSE minimum sebesar 50,67. Dari hasil tersebut, diperoleh hasil peramalan untuk bulan November 2020 dengan menggunakan kontanta pembobot terbaik yaitu sebesar 850,96 juta USD.
{"title":"Peramalan Data Ekspor Nonmigas Provinsi Kalimantan Timur Menggunakan Metode Weighted Fuzzy Time Series Lee","authors":"Muhammad Wahdeni Pramana, I. Purnamasari, Surya Prangga","doi":"10.36456/jstat.vol14.no1.a3747","DOIUrl":"https://doi.org/10.36456/jstat.vol14.no1.a3747","url":null,"abstract":"Ekspor merupakan aktivitas perdagangan atau penjualan barang dari dalam negeri ke luar negeri. Ekspor nonmigas sebagai salah satu komponen pembentuk Produk Domestik Regional Bruto (PDRB) sehingga perlu adanya suatu peramalan nilai di masa mendatang. Fuzzy Time Series (FTS) merupakan metode peramalan dengan berdasarkan teori himpunan fuzzy, logika fuzzy, serta hasil peramalan yang dapat dibahasakan (linguistik). Metode Weighted Fuzzy Time Series (WFTS) Lee merupakan perluasan dari metode FTS dengan penambahan pembobotan pada tiap pola relasi yang terbentuk. Tujuan penelitian ini adalah memperoleh nilai peramalan ekspor nonmigas Provinsi Kalimantan Timur pada bulan November 2020 serta memperoleh nilai akurasi peramalan berdasarkan metode Mean Absolute Percentage Error (MAPE) dan Root Mean Square Error (RMSE). Berdasarkan hasil analisis diperoleh nilai akurasi peramalan untuk data Ekspor Nonmigas Provinsi Kalimantan Timur bulan Januari 2019 – Oktober 2020 dengan konstanta pembobot menggunakan metode MAPE diperoleh hasil keseluruhan dibawah 10% sehingga diperoleh konstanta pembobot terbaik yaitu dengan nilai MAPE terminimum yaitu sebesar 3,62% dan RMSE minimum sebesar 50,67. Dari hasil tersebut, diperoleh hasil peramalan untuk bulan November 2020 dengan menggunakan kontanta pembobot terbaik yaitu sebesar 850,96 juta USD.","PeriodicalId":118320,"journal":{"name":"J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika","volume":"131 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-07-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"122901674","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 : 2021-07-31DOI: 10.36456/jstat.vol14.no1.a3840
A. Dani, Ludia Ni’matuzzahroh
Estimator Spline Truncated adalah salah satu pendekatan dalam regresi nonparametrik yang dapat digunakan ketika pola hubungan antara variabel respon dan variabel prediktor tidak diketahui dengan pasti polanya. Estimator Spline Truncated memiliki fleksibilitas yang tinggi dalam proses pemodelan. Pada penelitian ini bertujuan untuk memodelkan persentase penduduk miskin Kabupaten/Kota di Provinsi Jawa Barat dengan menggunakan model regresi nonparametrik estimator Spline Truncated. Metode estimasi yang digunakan adalah Ordinary Least Squares (OLS). Kriteria kebaikan model regresi nonparametrik yang digunakan adalah Generalized Cross-Validation (GCV). Berdasarkan hasil analisis, diperoleh model terbaik dari regresi nonparametrik Spline Truncated, yaitu model dengan 3 titik knot, dimana diperoleh nilai GCV minimum sebesar 2.14. Berdasarkan hasil pengujian hipotesis, baik secara simultan maupun parsial, diketahui bahwa variabel prediktor yang digunakan pada penelitian ini, berpengaruh signifikan terhadap persentase penduduk miskin, dengan nilai koefisien determinasi sebesar 95.33%.
{"title":"Pemodelan Persentase Penduduk Miskin Kabupaten/Kota di Provinsi Jawa Barat dengan Pendekatan Regresi Nonparametrik Spline Truncated","authors":"A. Dani, Ludia Ni’matuzzahroh","doi":"10.36456/jstat.vol14.no1.a3840","DOIUrl":"https://doi.org/10.36456/jstat.vol14.no1.a3840","url":null,"abstract":"Estimator Spline Truncated adalah salah satu pendekatan dalam regresi nonparametrik yang dapat digunakan ketika pola hubungan antara variabel respon dan variabel prediktor tidak diketahui dengan pasti polanya. Estimator Spline Truncated memiliki fleksibilitas yang tinggi dalam proses pemodelan. Pada penelitian ini bertujuan untuk memodelkan persentase penduduk miskin Kabupaten/Kota di Provinsi Jawa Barat dengan menggunakan model regresi nonparametrik estimator Spline Truncated. Metode estimasi yang digunakan adalah Ordinary Least Squares (OLS). Kriteria kebaikan model regresi nonparametrik yang digunakan adalah Generalized Cross-Validation (GCV). Berdasarkan hasil analisis, diperoleh model terbaik dari regresi nonparametrik Spline Truncated, yaitu model dengan 3 titik knot, dimana diperoleh nilai GCV minimum sebesar 2.14. Berdasarkan hasil pengujian hipotesis, baik secara simultan maupun parsial, diketahui bahwa variabel prediktor yang digunakan pada penelitian ini, berpengaruh signifikan terhadap persentase penduduk miskin, dengan nilai koefisien determinasi sebesar 95.33%.","PeriodicalId":118320,"journal":{"name":"J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika","volume":"23 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-07-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"121310544","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 : 2021-07-31DOI: 10.36456/jstat.vol14.no1.a3868
Joko Ade Nursiyono, C. Chotimah
Pandemi covid-19 yang terjadi memberikan dampak di berbagai bidang kehidupan. Salah satu dampaknya penerimaan negara semakin tertekan hebat. Padahal di sisi lain negara dalam proses pemulihan ekonomi nasional (PEN) yang membutuhkan dana sangat besar. Sehingga pemerintah ingin menggenjot pendapatan negara dari pajak pertambahan nilai (PPN). Jika pemungutan PPN dapat dilakukan dengan seoptimal mungkin, maka akan meningkatkan penerimaan negara. Rencana tersebut mengakibatkan maraknya pemberitaan mengenai pengenaan PPN sembako dan jasa pendidikan di Indonesia. Pemberitaan tersebut secara otomatis memicu opini di masyarakat. Salah satu cara untuk melihat opini masyarakat adalah melalui media sosial Twitter. Penelitian ini bertujuan untuk mengkaji lebih dalam tentang network dan sentimen netizen Twitter tentang PPN Sembako dan jasa pendidikan. Hasil Social Network Analisis (SNA) menghasilkan 5 klaster dengan record ke-90 merupakan bottleneck node yaitu aktor utama penyebaran informasi antar klaster. Model Naive Bayes Classifier memberikan hasil Recall Accuracy bahwa untuk Accuracy Classified sebesar 74.865 persen sementara persentase untuk Incorrectly Classified Instance sebesar 25.135 persen. Hasil klasifikasi berdasarkan emosi terbentuk 5 ekspresi fear, sadness, surprise, joy, dan anger dan emosi kata yang paling banyak adalah emosi anger (amarah), artinya mayoritas respon masyarakat terhadap kebijakan pengenaan PPN sembako dan jasa pendidikan diidentifikasikan oleh R Studio sebagai wujud keamarahan.
{"title":"Analisis Sentimen Netizen Twitter terhadap Pemberitaan PPN Sembako dan Jasa Pendidikan dengan Pendekatan Social Network Analysis dan Naive Bayes Classifier","authors":"Joko Ade Nursiyono, C. Chotimah","doi":"10.36456/jstat.vol14.no1.a3868","DOIUrl":"https://doi.org/10.36456/jstat.vol14.no1.a3868","url":null,"abstract":"Pandemi covid-19 yang terjadi memberikan dampak di berbagai bidang kehidupan. Salah satu dampaknya penerimaan negara semakin tertekan hebat. Padahal di sisi lain negara dalam proses pemulihan ekonomi nasional (PEN) yang membutuhkan dana sangat besar. Sehingga pemerintah ingin menggenjot pendapatan negara dari pajak pertambahan nilai (PPN). Jika pemungutan PPN dapat dilakukan dengan seoptimal mungkin, maka akan meningkatkan penerimaan negara. Rencana tersebut mengakibatkan maraknya pemberitaan mengenai pengenaan PPN sembako dan jasa pendidikan di Indonesia. Pemberitaan tersebut secara otomatis memicu opini di masyarakat. Salah satu cara untuk melihat opini masyarakat adalah melalui media sosial Twitter. Penelitian ini bertujuan untuk mengkaji lebih dalam tentang network dan sentimen netizen Twitter tentang PPN Sembako dan jasa pendidikan. Hasil Social Network Analisis (SNA) menghasilkan 5 klaster dengan record ke-90 merupakan bottleneck node yaitu aktor utama penyebaran informasi antar klaster. Model Naive Bayes Classifier memberikan hasil Recall Accuracy bahwa untuk Accuracy Classified sebesar 74.865 persen sementara persentase untuk Incorrectly Classified Instance sebesar 25.135 persen. Hasil klasifikasi berdasarkan emosi terbentuk 5 ekspresi fear, sadness, surprise, joy, dan anger dan emosi kata yang paling banyak adalah emosi anger (amarah), artinya mayoritas respon masyarakat terhadap kebijakan pengenaan PPN sembako dan jasa pendidikan diidentifikasikan oleh R Studio sebagai wujud keamarahan.","PeriodicalId":118320,"journal":{"name":"J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika","volume":"15 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-07-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"130965045","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 : 2021-07-31DOI: 10.36456/jstat.vol14.no1.a3774
Muhammad Irfan Rizki, Teguh Ammar, Fajriyah Fitriyani, S. Fasya
Indeks harga saham merupakan indikator penting dalam mencerminkan keseluruhan pergerakan harga saham dalam suatu periode. Indeks ini tentunya memiliki fungsi sebagai indikator trend pasar, yang menggambarkan kondisi pasar pada saat tertentu. Indeks saham merupakan hal yang sangat penting sebagai tolak ukur kinerja pasar modal dan produk investasi. Oleh karena itu, penelitian ini akan memfokuskan peramalan pada indeks harga saham PT Verena Multi Finance Tbk yang merupakan perusahaan yang bergerak di bidang pembiayaan konsumen. Masih kurangnya keakuratan metode peramalan yang digunakan sebelumnya menjadi latar belakang dari penelitian ini untuk mendapatkan prediksi indeks harga saham PT Verena Multi Finance Tbk periode bulanan dengan metode yang memiliki keakuratan yang lebih tinggi. Data yang digunakan adalah data sekunder yang diperoleh dari yahoofinance.com periode Januari 2009 sampai dengan Desember 2019. Metode yang digunakan pada penelitian ini merupakan model ARIMA, yaitu salah satu metode yang digunakan untuk peramalan data deret waktu. Berdasarkan pengolahan data, diperoleh model terbaik dengan nilai AIC terkecil yaitu ARIMA(0,1,1). Metode yang selanjutnya digunakan yaitu model ARCH-GARCH yang merupakan metode yang digunakan dalam peramalan data yang memiliki masalah heteroskedastisitas tanpa menghilangkan heteroskedastisitas tersebut. Berdasarkan hasil analisis yang diperoleh dengan peramalan ARCH-GARCH, didapatkan nilai indeks harga saham pada bulan Desember 2021 adalah sebesar 102.4 dengan MAPE sebesar 22.9971%. Dengan melakukan penelitian ini, diharapkan dapat ditemukan model terbaik untuk meramalkan indeks harga saham PT Verena Multi Finance Tbk pada waktu-waktu berikutnya agar dapat menjadi tolak ukur kinerja pasar modal dan produk investasi serta rujukan yang dapat dipercaya untuk melihat kondisi bursa saham pada saat ini. Kata kunci : Indeks harga saham, peramalan, ARIMA, ARCH-GARCH.
{"title":"Peramalan Indeks Harga Saham PT Verena Multi Finance Tbk Dengan Metode Pemodelan ARIMA Dan ARCH-GARCH","authors":"Muhammad Irfan Rizki, Teguh Ammar, Fajriyah Fitriyani, S. Fasya","doi":"10.36456/jstat.vol14.no1.a3774","DOIUrl":"https://doi.org/10.36456/jstat.vol14.no1.a3774","url":null,"abstract":"Indeks harga saham merupakan indikator penting dalam mencerminkan keseluruhan pergerakan harga saham dalam suatu periode. Indeks ini tentunya memiliki fungsi sebagai indikator trend pasar, yang menggambarkan kondisi pasar pada saat tertentu. Indeks saham merupakan hal yang sangat penting sebagai tolak ukur kinerja pasar modal dan produk investasi. Oleh karena itu, penelitian ini akan memfokuskan peramalan pada indeks harga saham PT Verena Multi Finance Tbk yang merupakan perusahaan yang bergerak di bidang pembiayaan konsumen. Masih kurangnya keakuratan metode peramalan yang digunakan sebelumnya menjadi latar belakang dari penelitian ini untuk mendapatkan prediksi indeks harga saham PT Verena Multi Finance Tbk periode bulanan dengan metode yang memiliki keakuratan yang lebih tinggi. Data yang digunakan adalah data sekunder yang diperoleh dari yahoofinance.com periode Januari 2009 sampai dengan Desember 2019. Metode yang digunakan pada penelitian ini merupakan model ARIMA, yaitu salah satu metode yang digunakan untuk peramalan data deret waktu. Berdasarkan pengolahan data, diperoleh model terbaik dengan nilai AIC terkecil yaitu ARIMA(0,1,1). Metode yang selanjutnya digunakan yaitu model ARCH-GARCH yang merupakan metode yang digunakan dalam peramalan data yang memiliki masalah heteroskedastisitas tanpa menghilangkan heteroskedastisitas tersebut. Berdasarkan hasil analisis yang diperoleh dengan peramalan ARCH-GARCH, didapatkan nilai indeks harga saham pada bulan Desember 2021 adalah sebesar 102.4 dengan MAPE sebesar 22.9971%. Dengan melakukan penelitian ini, diharapkan dapat ditemukan model terbaik untuk meramalkan indeks harga saham PT Verena Multi Finance Tbk pada waktu-waktu berikutnya agar dapat menjadi tolak ukur kinerja pasar modal dan produk investasi serta rujukan yang dapat dipercaya untuk melihat kondisi bursa saham pada saat ini. \u0000Kata kunci : Indeks harga saham, peramalan, ARIMA, ARCH-GARCH.","PeriodicalId":118320,"journal":{"name":"J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika","volume":"179 ","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-07-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"114099509","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 : 2021-07-31DOI: 10.36456/jstat.vol14.no1.a3853
Dian Nurlaily, Farida Nur Hayati, Elly Pusporani
Teknologi DNA microarray menarik minat yang luar biasa baik di kalangan komunitas ilmiah maupun kalangan industri. Meskipun data microarray telah diterapkan dalam berbagai bidang, penanganan volume data besar yang dihasilkan bukanlah perkara yang mudah. Ukuran sampel kecil dengan dimensi tinggi adalah tantangan utama analisis menggunakan data microarray. Oleh karena itu perlu dilakukan analisis lebih lanjut untuk mengatasi hal ini. Banyak penelitian yang telah dirancang berkaitan dengan data microarray misalnya untuk menyelidiki mekanisme genetik kanker, dan untuk mengklasifikasikan berbagai jenis kanker atau membedakan antara jaringan kanker dan non-kanker. Semua penelitian ini bertujuan untuk menghasilkan kesimpulan dan interpretasi yang bermanfaat dari kumpulan data yang kompleks. Dalam penelitian ini, data yang digunakan adalah data kanker paru-paru sebanyak 24257 Variabel dan data kanker prostat sebanyak 12626 Variabel. Data tersebut kemudian akan dianalisis dengan beberapa metode feature selection yaitu important variable value dan genetic algorithm untuk memilih dimensi atau variabel data sehingga dapat meningkatkan akurasi klasifikasi data. Berdasarkan hasil analisis feature selection menggunakan data kanker paru-paru, didapatkan jumlah variabel terpilih sebanyak 112 variabel dengan metode feature selection important. Sedangkan metode genetic algorithm didapatkan jumlah variabel terpilihnya sebanyak 12266 variabel. Pada data kanker prostat, didapatkan jumlah variabel terpilih sebanyak 299 variabel dengan metode feature selection important. Sedangkan metode genetic algorithm didapatkan jumlah variabel terpilihnya sebanyak 6359 variabel.
{"title":"Membandingkan Seleksi variabel Pada Data Microarray Menggunakan Important Variable Value dan Genetic Algorithm (Studi Kasus Lung Cancer Dataset dan Prostate Cancer Dataset)","authors":"Dian Nurlaily, Farida Nur Hayati, Elly Pusporani","doi":"10.36456/jstat.vol14.no1.a3853","DOIUrl":"https://doi.org/10.36456/jstat.vol14.no1.a3853","url":null,"abstract":"Teknologi DNA microarray menarik minat yang luar biasa baik di kalangan komunitas ilmiah maupun kalangan industri. Meskipun data microarray telah diterapkan dalam berbagai bidang, penanganan volume data besar yang dihasilkan bukanlah perkara yang mudah. Ukuran sampel kecil dengan dimensi tinggi adalah tantangan utama analisis menggunakan data microarray. Oleh karena itu perlu dilakukan analisis lebih lanjut untuk mengatasi hal ini. Banyak penelitian yang telah dirancang berkaitan dengan data microarray misalnya untuk menyelidiki mekanisme genetik kanker, dan untuk mengklasifikasikan berbagai jenis kanker atau membedakan antara jaringan kanker dan non-kanker. Semua penelitian ini bertujuan untuk menghasilkan kesimpulan dan interpretasi yang bermanfaat dari kumpulan data yang kompleks. Dalam penelitian ini, data yang digunakan adalah data kanker paru-paru sebanyak 24257 Variabel dan data kanker prostat sebanyak 12626 Variabel. Data tersebut kemudian akan dianalisis dengan beberapa metode feature selection yaitu important variable value dan genetic algorithm untuk memilih dimensi atau variabel data sehingga dapat meningkatkan akurasi klasifikasi data. Berdasarkan hasil analisis feature selection menggunakan data kanker paru-paru, didapatkan jumlah variabel terpilih sebanyak 112 variabel dengan metode feature selection important. Sedangkan metode genetic algorithm didapatkan jumlah variabel terpilihnya sebanyak 12266 variabel. Pada data kanker prostat, didapatkan jumlah variabel terpilih sebanyak 299 variabel dengan metode feature selection important. Sedangkan metode genetic algorithm didapatkan jumlah variabel terpilihnya sebanyak 6359 variabel. \u0000 ","PeriodicalId":118320,"journal":{"name":"J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika","volume":"53 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-07-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"123939699","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 : 2020-12-31DOI: 10.36456/jstat.vol13.no2.a2998
Silviana Maya Purwasih, Rani Kurnia Putri
Penelitian ini bertujuan untuk meningkatkan keaktifan dan motivasi belajar mahasiswa Program Studi Pendidikan Matematika di Universitas PGRI Adibuana pada mata kuliah Matematika Kejuruan melalui pendekatan kontekstual. Penelitian Ini merupakan Penelitian Tindakan Kelas dengan 2 siklus. Teknik pengumpulan data dilakukan melalui observasi, angket, dan dokumentasi, sedangkan teknik analisis data menggunakan reduksi data, penyajian data, dan penarikan kesimpulan. Hasil penelitian ini menunjukkan bahwa pendekatan kontekstual memberikan konstribusi dalam meningkatkan keaktifan dan motivasi belajar mahasiswa pada mata kuliah Matematika kejuruan. Secara klasikal, peningkatan tersebut dapat dilihat dari hasil data presentase angket keaktifan belajar mahasiswa pada siklus I mencapai 64,28%, pada siklus II meningkat sebesar 12,43% menjadi 76,71%, juga melalui presentase keseluruhan indikator motivasi belajar mahasiswa yang semula pada siklus I sebesar 62,10%, pada siklus kedua meningkat sebesar 13,74% menjadi 75,84%.
{"title":"Peningkatan Keaktifan dan Motivasi Belajar Mahasiswa melalui Pendekatan Kontekstual","authors":"Silviana Maya Purwasih, Rani Kurnia Putri","doi":"10.36456/jstat.vol13.no2.a2998","DOIUrl":"https://doi.org/10.36456/jstat.vol13.no2.a2998","url":null,"abstract":"Penelitian ini bertujuan untuk meningkatkan keaktifan dan motivasi belajar mahasiswa Program Studi Pendidikan Matematika di Universitas PGRI Adibuana pada mata kuliah Matematika Kejuruan melalui pendekatan kontekstual. Penelitian Ini merupakan Penelitian Tindakan Kelas dengan 2 siklus. Teknik pengumpulan data dilakukan melalui observasi, angket, dan dokumentasi, sedangkan teknik analisis data menggunakan reduksi data, penyajian data, dan penarikan kesimpulan. Hasil penelitian ini menunjukkan bahwa pendekatan kontekstual memberikan konstribusi dalam meningkatkan keaktifan dan motivasi belajar mahasiswa pada mata kuliah Matematika kejuruan. Secara klasikal, peningkatan tersebut dapat dilihat dari hasil data presentase angket keaktifan belajar mahasiswa pada siklus I mencapai 64,28%, pada siklus II meningkat sebesar 12,43% menjadi 76,71%, juga melalui presentase keseluruhan indikator motivasi belajar mahasiswa yang semula pada siklus I sebesar 62,10%, pada siklus kedua meningkat sebesar 13,74% menjadi 75,84%.","PeriodicalId":118320,"journal":{"name":"J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika","volume":"12 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2020-12-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"124782263","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：