Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Riset Statistika
Abdul Kudus
Prodi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Islam Bandung, Indonesia
Decision Sciences, Operations Research & Management Mathematics

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Optimasi Threshold Support Vector Machine Menggunakan Statistik Youden untuk Klasifikasi Daerah Tertinggal di Indonesia Mohammad Wildan Nurul Haqqi; Abdul Kudus
Jurnal Riset Statistika Volume 6, No. 1, Juli 2026, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jrs.v6i1.10026

Abstract

Abstract. Regional disparities in development and economic conditions in Indonesia have led to the emergence of underdeveloped regions with socioeconomic characteristics that differ substantially from non-underdeveloped regions. This condition results in class imbalance, where the number of underdeveloped regions is relatively smaller, causing classification models to be biased toward the majority class. Support Vector Machine (SVM) is a classification method that performs well in high-dimensional data and is robust to feature correlation; however, its performance on imbalanced data is highly influenced by hyperparameter selection and threshold determination. This study aims to identify the best SVM model through hyperparameter optimization using Grid Search and to optimize the classification threshold using Youden’s Statistic on underdeveloped region status data defined in Presidential Regulation No. 63 of 2020. The results indicate that the best model is obtained using a linear kernel with C = 1 and an optimal threshold of −0.401. The application of this threshold increases the F1-score from 0.917 to 0.923 and reduces the number of false negatives to zero, indicating an improved ability of the model to detect the minority class, namely underdeveloped regions. These findings provide practical implications for supporting more targeted decision-making by the government in prioritizing development and interventions for underdeveloped areas. Abstrak. Ketimpangan pembangunan dan kondisi ekonomi antarwilayah di Indonesia menyebabkan adanya daerah tertinggal dengan karakteristik sosial ekonomi yang berbeda dibandingkan daerah tidak tertinggal. Kondisi tersebut menimbulkan permasalahan ketidakseimbangan kelas atau kategori, di mana jumlah daerah tertinggal relatif lebih sedikit sehingga model cenderung bias terhadap kelas mayoritas. Penelitian ini bertujuan untuk menentukan model SVM terbaik melalui optimasi hyperparameter menggunakan Grid Search serta mengoptimalkan threshold menggunakan Statistik Youden pada data status daerah tertinggal yang ditetapkan dalam Peraturan Presiden No. 63 Tahun 2020. Support Vector Machine (SVM) merupakan metode klasifikasi yang optimal pada data berdimensi tinggi dan robust terhadap korelasi antarfitur, namun kinerjanya pada data tidak seimbang sangat dipengaruhi oleh pemilihan hyperparameter dan penentuan threshold yang tepat. Hasil penelitian menunjukkan bahwa model SVM terbaik adalah kernel linear, C = 1, dan threshold optimal sebesar -0,401. Threshold optimal tersebut meningkatkan F1-Score dari 0,917 menjadi 0,923 serta menurunkan jumlah False Negative hingga nol, yang menunjukkan peningkatan kemampuan model dalam mendeteksi kelas minoritas atau daerah tertinggal. Temuan ini memberikan implikasi praktis dalam mendukung pengambilan keputusan yang lebih tepat sasaran bagi pemerintah dalam menentukan prioritas pembangunan dan intervensi pada daerah tertinggal.
Market Basket Analysis Penjualan Produk Selama Bulan Ramadhan Menggunakan Algoritma ECLAT Diva Sephira Dwi Lavanza; Abdul Kudus
Jurnal Riset Statistika Volume 5, No. 2, Desember 2025, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jrs.v5i2.8386

Abstract

Abstract. This study aims to analyze consumer purchasing patterns during the month of Ramadan at PT. Purnama Mandiri, a wholesale retail store, by applying the Equivalence Class Transformation (ECLAT) algorithm. The Ramadan period is marked by a significant increase in consumer demand, particularly for staple goods, resulting in a substantial growth in the volume and complexity of transaction data. Despite this, such data has not been optimally utilized by the company for strategic decision-making. To address this gap, a Market Basket Analysis (MBA) was conducted using 271,296 sales transaction records collected during Ramadan from 2021 to 2024. The ECLAT algorithm was selected due to its computational efficiency in identifying frequent itemsets within large-scale datasets. By setting a minimum support threshold of 20 transactions (0.000755), frequent itemsets ranging from lengths of 2 to 8 were identified, with the majority concentrated in lengths 2 to 5. From these results, a total of 3,377 association rules were derived, all of which met the criteria for strong rules (confidence ≥ 0.6 and support ≥ 0.000755). One of the strongest rules indicated that purchases of DRIGEN KOSONG are consistently associated with MINYAK SAYUR CURAH, exhibiting a confidence level of 100% and a lift of 10.17. These insights offer valuable implications for business strategies, including product placement, bundling promotions, and inventory management during Ramadan. Abstrak. Penelitian ini bertujuan menganalisis pola pembelian konsumen selama bulan Ramadhan di Toko Grosir PT. Purnama Mandiri menggunakan algoritma Equivalence Class Transformation (ECLAT). Bulan Ramadhan mengalami lonjakan konsumsi yang signifikan, terutama bahan pokok, yang menyebabkan meningkatnya jumlah dan kompleksitas data transaksi. Namun, data tersebut belum dimanfaatkan secara optimal oleh PT. Purnama Mandiri sebagai dasar pengambilan keputusan strategis. Oleh karena itu, dilakukan Market Basket Analysis (MBA) terhadap 271.296 data transaksi penjualan selama bulan Ramadhan tahun 2021-2024. Algoritma ECLAT dipilih karena efisien dalam menemukan frequent itemsets pada dataset besar. Dengan minimum support 20 transaksi (0,000755), ditemukan kombinasi itemset dengan panjang 2 hingga 8, terbanyak pada panjang 2–5. Dari hasil tersebut terbentuk 3.377 aturan asosiasi yang seluruhnya memenuhi kriteria strong rule (confidence ≥ 0,6 dan support ≥ 0,000755). Salah satu aturan terkuat menunjukkan bahwa pembelian DRIGEN KOSONG berasosiasi kuat dengan pembelian MINYAK SAYUR CURAH, dengan confidence 100% dan lift 10,17. Temuan ini dapat dimanfaatkan untuk strategi bisnis seperti penataan produk, promosi bundling, dan pengelolaan stok yang lebih efektif selama bulan Ramadhan.
Co-Authors Diva Sephira Dwi Lavanza Mohammad Wildan Nurul Haqqi