Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Reliability: Journal of Industrial Statistics Codeverse: Journal of Emerging Digital Realities
Aulia Zahra Panjaitan
Universitas Negeri Medan

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Perbandingan Metode Kuadrat Terkecil, LASSO, Ridge, dan Elastic Net dalam Memprediksi Harga Mobil Aulia Zahra Panjaitan
Reliability: Journal of Industrial Statistics Vol. 1 No. 2 (2025): Reliability: Journal of Industrial Statistics
Publisher : Reliability: Journal of Industrial Statistics

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Harga mobil dipengaruhi oleh berbagai karakteristik teknis kendaraan yang saling berkorelasi, sehingga berpotensi menimbulkan multikolinearitas pada pemodelan regresi. Penelitian ini bertujuan membandingkan kinerja metode Ordinary Least Squares (OLS), Ridge Regression, LASSO, dan Elastic-Net dalam memprediksi harga mobil menggunakan Car Price Dataset dari Kaggle. Data dianalisis menggunakan perangkat lunak R melalui tahap pra-pemrosesan, standardisasi variabel, pengujian multikolinearitas menggunakan Variance Inflation Factor (VIF), serta deteksi outlier dengan boxplot dan grafik diagnostik. Pemodelan Ridge, LASSO, dan Elastic-Net dilakukan menggunakan teknik 10-fold cross-validation dengan pemilihan parameter optimal berdasarkan nilai Mean Squared Error (MSE). Hasil menunjukkan adanya multikolinearitas kuat pada variabel citympg, highwaympg, dan curbweight. Metode regularisasi mampu melakukan penyusutan koefisien dan seleksi variabel, khususnya LASSO dan Elastic-Net yang menghasilkan model lebih sederhana. Namun, evaluasi kinerja prediksi menunjukkan bahwa OLS memperoleh nilai MSE terkecil sebesar 12.489.548, sehingga menjadi model terbaik pada penelitian ini. Variabel curbweight dan enginesize berpengaruh positif signifikan terhadap harga mobil, sedangkan citympg berpengaruh negatif signifikan.
Penerapan Statistical Process Control (SPC) Menggunakan Peta Kendali I-MR untuk Monitoring Ketebalan Plat Baja Aulia Zahra Panjaitan; Risa Rozzaqi Rambe; Ira Selvia Ritonga; Asruri Mahfuzh Sitorus
Codeverse: Journal of Emerging Digital Realities Vol. 2 No. 1 (2026): CODEVERSE: Journal of Emerging Digital Realities
Publisher : Codeverse: Journal of Emerging Digital Realities

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk menganalisis kestabilan proses produksi ketebalan plat baja menggunakan metode Statistical Process Control (SPC) dengan peta kendali Individual-Moving Range (I-MR). Data yang digunakan merupakan data sekunder dari Kaggle sebanyak 100 sampel, yang dianalisis menggunakan Microsoft Excel. Tahapan analisis meliputi histogram untuk melihat distribusi data, peta kendali MR untuk memantau variasi antar pengamatan, serta peta kendali I untuk mengevaluasi kestabilan nilai individual. Hasil penelitian menunjukkan bahwa pada data awal terdapat dua titik pengamatan yang berada di luar batas kendali, yang mengindikasikan proses belum sepenuhnya terkendali secara statistik. Setelah dilakukan eliminasi terhadap data out of control dan analisis ulang, seluruh data berada dalam batas kendali baik pada I Chart maupun MR Chart. Hal ini menunjukkan bahwa proses produksi telah berada dalam kondisi terkendali secara statistik. Selain itu, diagram Fishbone digunakan untuk mengidentifikasi faktor penyebab variasi proses. Penelitian ini memberikan gambaran penting dalam pengendalian kualitas serta menjadi dasar dalam pengambilan keputusan untuk perbaikan proses produksi.
Analisis Autokorelasi dan Pemodelan Spasial Tingkat Kemiskinan di Indonesia Aulia Zahra Panjaitan; Hilda Umayyah Anak ampun; M. Ridho Sahputra; Nursani Salsabillah Akza; Tia Ramadani; Zulkhairi
Codeverse: Journal of Emerging Digital Realities Vol. 2 No. 1 (2026): CODEVERSE: Journal of Emerging Digital Realities
Publisher : Codeverse: Journal of Emerging Digital Realities

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk menganalisis pola spasial dan keterkaitantingkat kemiskinan pada kabupaten/kota di Indonesia menggunakanpendekatan statistika spasial. Data yang digunakan mencakup 420 wilayah hasil penggabungan data sosial ekonomi dan data spasial. Metode analisis yang digunakan meliputi uji autokorelasi spasial global dengan Moran’s I, analisis autokorelasi spasial lokal menggunakan LISA, serta pemodelan regresi dengan pendekatan Ordinary Least Squares (OLS) dan Spatial Filtering. Hasil penelitian menunjukkan adanya autokorelasi spasial positif yang signifikan pada tingkat kemiskinan, yang mengindikasikan pola mengelompok (clustered). Analisis LISA mengidentifikasi adanya klaster kemiskinan tinggi di wilayah Indonesia bagian timur, khususnya Papua, serta klaster kemiskinan rendah di wilayah Jawa, Sumatera, dan Kalimantan. Model OLS menunjukkan bahwa variabel angka harapan hidup, rata-rata lama sekolah, dan pengeluaran per kapita berpengaruh signifikan terhadap tingkatkemiskinan. Namun, model Spatial Filtering memberikan hasil yang lebih baik dengan peningkatan nilai koefisien determinasi, sehingga mampu menjelaskan variasi kemiskinan secara lebih komprehensif dengan mempertimbangkan efek spasial.
Co-Authors Asruri Mahfuzh Sitorus Hilda Umayyah Anak Ampun Ira Selvia Ritonga M. Ridho Sahputra Nursani Salsabillah Akza Risa Rozzaqi Rambe Tia Ramadani Zulkhairi