Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

2.789

P-Index

This Author published in this journals

All Journal FORUM STATISTIKA DAN KOMPUTASI Media Statistika Statistika Jurnal Riset Statistika Pattimura Proceeding : Conference of Science and Technology Bandung Conference Series: Statistics STATISTIKA

Nusar Hajarisman

Program Studi Statistika, Fakultas MIPA Universitas Islam Bandung (S1 - Akreditasi B/2014)

Author-ID : 272850

Agriculture, Biological Sciences & Forestry Astronomy Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mathematics Physics

Published : 40 Documents Claim Missing Document

Claim Missing Document

Articles

Title

1 2

Aplikasi Regresi Logistik Ordinal Multilevel untuk Pemodelan Huruf Mutu Mata Kuliah Statistika Dasar Mahasiswa Universitas Islam Bandung Tahun 2019/2020 Erfina Agustin Hidayat; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 3 No. 2 (2023): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v3i2.8096

Abstract. Multilevel ordinal logistic regression analysis is a regression analysis for discrete-scale responses, especially with a hierarchical ordinal scale. The hierarchical structure indicates that the data analyzed comes from several levels, where lower levels are nested in higher levels. This article will discuss the application of multilevel ordinal logistic regression using the Maximum Likelihood Estimation (MLE) method in the field of education, namely regarding the quality letter of the Basic Statistics course of 2019 Bandung Islamic University students at the Faculty of Engineering, Faculty of Business Economics, and Faculty of Psychology. The results showed that the multilevel ordinal logistic regression model can be used. From the results of testing the significance of parameters partially using the Wald test statistic, it is found that the student gender variable, the student regional origin variable, and the student GPA variable before taking the Basic Statistics course have an influence on the quality letter of the Basic Statistics course. Abstrak. Analisis regresi logistik ordinal multilevel merupakan analisis regresi untuk respon berskala diskrit khususnya dengan skala ordinal yang bersifat hierarki. Struktur hierarki mengindikasikan bahwa data yang dianalisis berasal dari beberapa level, di mana level yang lebih rendah tersarang pada level yang lebih tinggi. Dalam skripsi ini akan dibahas mengenai pengaplikasian regresi logistik ordinal multilevel dengan menggunakan metode Maximum Likelihood Estimation (MLE) di bidang pendidikan yaitu mengenai huruf mutu mata kuliah Statistika Dasar mahasiswa Universitas Islam Bandung 2019 di Fakultas Teknik, Fakultas Ekonomi Bisnis, dan Fakultas Psikologi. Hasil penelitian menghasilkan bahwa model regresi logistik ordinal multilevel dapat digunakan. Dari hasil pengujian signifikansi parameter secara parsial menggunakan statistik uji Wald didapatkan bahwa variabel jenis kelamin mahasiswa, variabel asal daerah mahasiwa, dan variabel IPK mahasiswa sebelum mengambil mata kuliah Statistika Dasar memiliki pengaruh terhadap huruf mutu mata kuliah Statistika Dasar

Perbandingan Model Regresi Zero Inflated Poisson (ZIP) dan Hurdle Poisson (HP) pada Kasus Kematian Balita di Kota Bandung Tahun 2021 Ani Ressa Nuryaningsih; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 3 No. 2 (2023): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v3i2.8522

Abstract. In this study, the response variable is assumed to be Poisson-distributed enumeration data. However, in the Poisson regression model, the enumerated data often deviates from the Poisson distribution because of the proportion of excess zero values in the response variable (excess zero), resulting in a larger variance than the average of the observed variables (overdispersion). Therefore, this study aims to model the data with Zero Inflated Poisson (ZIP) and Hurdle Poisson regression. Based on the results of the study by comparing the ZIP and Hurdle Poisson regression models using the Akaike Information Criterion (AIC) and Bayesian Information Criteria (BIC) values, it is found that the Hurdle Poisson regression model is more appropriate for modeling child mortality data in the city of Bandung in 2021 or in other words the Hurdle Poisson regression model is better at dealing with overdispersion and excess zeros problems compared to the Zero Inflated Poisson (ZIP) regression model. Abstrak. Pada penelitian ini variabel respon diasumsikan merupakan data cacahan yang berdistribusi Poisson. Namun, pada model regresi Poisson data cacah seringkali menyimpang dari distribusi Poisson karena proporsi nilai nol yang berlebih pada variabel respon (excess zero), sehingga menghasilkan varian yang lebih besar dari rata-rata variabel yang diamati (overdispersi). Maka dari itu, penelitian ini bertujuan untuk memodelkan data dengan regresi Zero Inflated Poisson (ZIP) dan Hurdle Poisson. Berdasarkan hasil penelitian dengan membandingkan model regresi ZIP dan Hurdle Poisson menggunakan nilai Akaike Information Criterion (AIC) dan Bayesian Information Criteria (BIC), maka diperoleh bahwa model regresi Hurdle Poisson lebih tepat digunakan untuk memodelkan data kematian balita di Kota Bandung tahun 2021 atau dengan kata lain model regresi Hurdle Poisson lebih baik dalam menangani masalah overdispersi dan excess zeros dibandingkan dengan model regresi Zero Inflated Poisson (ZIP).

Pengaruh Pendidikan dan Pelatihan terhadap Kinerja Karyawan Melalui Variabel Mediator Kompetensi Karyawan LPKL PERUMDA Tirtawening Kota Bandung 10060116101, Tanti Rudiawan Putri; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 4 No. 1 (2024): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v4i1.11448

Abstract. Regression analysis is an analysis carried out on two variables, namely the independent variable (predictor) and the dependent variable (response) which aims to determine whether there is an influence of the independent variable on the dependent variable. The variables that act as intermediaries in the relationship between the independent and dependent variables, so that the independent variables do not directly influence the change or emergence of the dependent variable are called mediating or intervening variables. In this thesis, we will discuss the influence of education and research on employee performance through the mediator variable of LPKL PERUMDA Tirtawening Bandung City employee competency using regression analysis. In this research, data was obtained by distributing questionnaires and data used by all LPKL PERUMDA Tirtawening Bandung City employees, totaling 45 employees. This research aims to determine the effect of service quality. Data analysis in this research uses regression analysis of mediating variables and tests hypotheses using the t test. The research results show that education and training have an effect on employee performance, education and training on competence, competence on employee performance, and there is no effect between education and training variables on employee performance by including competence as an intervening variable. Abstrak. Analisis regresi merupakan analisis yang dilakukan pada dua variabel yaitu variabel bebas (prediktor) dan variabel terikat (respon) yang bertujuan untuk mengetahui apakah terdapat pengaruh variabel bebas terhadap variabel terikat. Adapun variabel yang berperan sebagai perantara hubungan antara variabel independen dan dependen, sehingga variabel independen tidak langsung mempengaruhi berubahnya atau timbulnya variabel dependen yang disebut sebagai variabel mediasi atau intervening. Dalam skripsi ini akan dibahas mengenai pengaruh pendidikan dan penelitian terhadap kinerja karyawan melalui variabel mediator kompetensi karyawan LPKL PERUMDA Tirtawening Kota Bandung menggunakan analisis regresi. Pada penelitian ini diperoleh data dengan cara menyebar kuisioner dan data yang digunakan semua karyawan LPKL PERUMDA Tirtawening Kota Bandung yang berjumlah 45 pegawai. Pada penelitian ini bertujuan untuk mengetahui pengaruh kualitas pelayanan Analisis data pada penelitian ini menggunakan analisis regresi variabel mediasi serta melakukan uji hipotesis menggunakan uji t. Hasil penelitian menunjukan bahwa pendidikan dan pelatihan berpengaruh pada kinerja karyawan, pendidikan dan pelatiahan terhadap kompetensi, kompetensi terhadap kinerja karyawan, dan tidak berpengaruh antara variabel pendidikan dan pelatihan terhadap kinerja karyawan dengan memasukan kompetensi sebagai variabel intervening.

Pemodelan Arima Intervensi untuk Meramalkan Jumlah Kendaraan Masuk Melalui Tol Pasteur Tahun 2014-2023 Winda Aya Haliza; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v4i2.13043

Abstract. Intervention modeling analysis is a time series data analysis model used toforecast data containing interventions or unexpected events from both internal andexternal factors. In general, there are two types of functions in intervention analysis,namely step and pulse. During the Covid-19 pandemic, various policies implementedby the government, one of which is PPKM. Based on the time series data patternof[ the number of vehicles entering through the Pasteur Toll Road, it can be seen thatthere was a significant decrease when the PPKM policy was implemented due to theCovid-19 pandemic. The data used in this study is data on the number of vehiclesentering through the Pasteur Toll gate in the period January 1, 2014 to December 31,2023. The purpose of this study is to assess the effect of the PPKM policy interventiondue to the emergence of the Covid-19 pandemic in Indonesia on the number ofvehicles entering through the Pasteur Toll Road. The results of this study indicate thatthe ARIMA modeling for forecasting the number of vehicles, considering theintervention, is best represented by the ARIMA (0,0,1) model with an interventionorder of (b = 1, r = 3, s = 0), which shows that the intervention effect occurred oneperiod, or one month since the intervention event with a negative influence, leadingto a notable decrease in the number of vehicles entering through the Pasteur Toll Roadover the 2014-2023 period. Abstrak. Analisis pemodelan intervensi adalah suatu model analisis data deret waktuyang digunakan untuk meramalkan data yang mengandung intervensi atau kejadianyang tidak terduga baik dari faktor internal maupun eksternal. Secara umum, terdapatdua jenis fungsi pada analisis intervensi yaitu step dan pulse. Selama pandemi Covid-19, terdapat kebijakan yang diterapkan pemerintah salah satunya adalah PPKM.Berdasarkan pola data deret waktu jumlah kendaraan yang masuk melalui Tol Pasteurterlihat bahwa terdapat penurunan yang signifikan pada saat diterapkan kebijakanPPKM karena pandemi Covid-19. Data yang digunakan dalam penelitian ini adalahdata jumlah kendaraan masuk melalui gerbang Tol Pasteur pada periode 1 Januari2014 sampai dengan 31 Desember 2023. Tujuan dari penelitian ini adalah untukmelihat pengaruh intervensi adanya kebijakan PPKM karena munculnya pandemiCovid-19 di Indonesia pada jumlah kendaraan yang masuk melalui Tol Pasteur. Hasildari penelitian ini adalah didapat bahwa pemodelan ARIMA intervensi untukmeramalkan jumlah kendaraan yang masuk melalui Tol Pasteur adalah modelARIMA (0,0,1) dengan orde intervensi (b=1,r=3,s=0) yang menunjukkan bahwaadanya efek intervensi terjadi satu periode atau 1 bulan sejak terjadinya kejadianintervensi dengan pengaruh negatif yaitu penurunan pada jumlah kendaraan yangmasuk melalui Tol Pasteur pada data tahun 2014-2023.

Deteksi Anomali Aktivitas Kegempaan Gunung Marapi Menggunakan Algoritma Local Outlier Factor Nopita Sari Murtafiah; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v4i2.13981

Abstract. Anomalies in volcano monitoring can occur due to sudden changes in seismic data, ground deformation, gas emissions, or other activities that indicate a potential eruption. Mount Marapi is routinely monitored using seismic, deformation, visual, and geochemical methods, with seismic monitoring being the most commonly used method because seismic activity increases before an eruption. Detecting anomalies in volcanoes is crucial for identifying early signs of volcanic activity that may lead to an eruption. Early detection allows for mitigation measures and evacuation to be carried out, minimizing the impact and loss of life caused by an eruption. One algorithm that can be used to detect anomalies is the Local Outlier Factor (LOF). LOF calculates the density of each data point, where data with significantly lower density is considered an anomaly. This study aims to determine the number and characteristics of data detected as anomalies. In this study, the Local Outlier Factor algorithm will be used to detect anomalies in seismic activity data from Mount Marapi between October 2023 and January 2024. The results of the study show that the LOF algorithm successfully detected 43 anomaly events, or 34.96% of the total data. Data identified as anomalies generally have characteristics such as higher frequency, S-P, amplitude, and duration values than the average. The LOF algorithm successfully detected anomalies on November 29, 2023, approximately four days before the eruption that occurred on December 3, 2023. Additionally, the data detected as anomalies generally have closely related or even consecutive dates or times of occurrence. Abstrak. Anomali dalam pemantauan gunung api dapat terjadi akibat perubahan mendadak dalam data seismik, deformasi tanah, emisi gas, atau aktivitas lain yang menandakan potensi erupsi. Gunung Marapi dipantau rutin dengan metode seismik, deformasi, visual, dan geokimia, dengan seismik sebagai metode yang paling dominan digunakan karena aktivitas kegempaan meningkat sebelum terjadinya erupsi. Deteksi anomali pada gunung berapi penting dilakukan untuk mengidentifikasi tanda-tanda awal aktivitas vulkanik yang dapat mengarah pada erupsi. Dengan deteksi dini, langkah mitigasi dan evakuasi dapat dilakukan untuk meminimalisir dampak dan korban jiwa yang diakibatkan oleh erupsi. Salah satu algoritma yang dapat digunakan untuk mendeteksi anomali adalah Local Outlier Factor (LOF). LOF menghitung kerapatan setiap titik data, di mana data dengan kerapatan jauh lebih rendah dianggap anomali. Penelitian ini bertujuan untuk mengetahui jumlah dan karakteristik data yang terdeteksi anomali. Pada penelitian ini, akan digunakan algoritma Local Outlier Factor untuk mendeteksi anomali pada data aktivitas kegempaan Gunung Marapi periode Oktober 2023 hingga Januari 2024. Hasil penelitian menunjukkan bahwa algoritma LOF berhasil mendeteksi 43 kejadian anomali, atau 34,96% dari keseluruhan data. Data yang terdeteksi sebagai anomali umumnya memiliki karakteristik berupa nilai frekuensi, S-P, amplitudo, dan durasi yang lebih tinggi daripada rata-rata. Algoritma LOF berhasil mendeteksi anomali pada 29 November 2023, sekitar empat hari sebelum erupsi yang terjadi pada tanggal 3 Desember 2023. Selain itu, data yang terdeteksi sebagai anomali umumnya juga memiliki tanggal atau waktu kejadian yang berdekatan atau bahkan berurutan.

Deteksi Pencilan pada Model Regresi Beta dalam Kasus Kemiskinan Perdesaan di Indonesia Tahun 2022 Neng Marlina; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v4i2.14042

Abstract. In a certain dataset, there may be one or a group of data points that are far from the rest of the data in a regression model, which should be suspected as outliers. These outliers have the potential to influence the significance of regression coefficients. Furthermore, the presence of outliers in the data can cause the regression model to fail to meet its assumptions. Outliers can be detected using Pearson residuals, deviance residuals, and leverage values, among others. In this thesis, outlier detection will be conducted in the case of rural poverty in Indonesia in 2022. The rural poverty data used is in percentage form, making it suitable for beta regression, which is useful for modeling data with response variables in the standard unit interval (0,1). Moreover, beta regression is also very useful when the dependent variable's distribution does not follow a normal distribution and when traditional linear models cannot be used due to unmet classical assumptions. Parameter estimation for the model uses the Maximum Likelihood Estimator. Based on the available data, using a 5% significance level, it can be concluded that in Indonesia in 2022, rural poverty is only influenced by the rural Gini ratio. Subsequently, outlier detection was conducted through the calculation of Pearson residuals, deviance residuals, and leverage values, which indicated that the provinces of Aceh, Riau, Bengkulu, Maluku, West Papua, and Papua are considered outliers. Therefore, an appropriate analysis method is needed when there are outliers in the data. Abstrak. Dalam set data tertentu, mungkin akan terdapat satu buah atau sekelompok data yang jauh dari sekumpulan data pada model regresi dan data tersebut perlu dicurigai sebagai pencilan. Pencilan ini berpotensi sebagai penentu signifikansi koefisien regresi. Selain itu, kehadiran pencilan dalam data dapat menyebabkan model regresi tidak memenuhi asumsinya. Pencilan dapat dideteksi diantaranya menggunakan residu pearson, residu devians, dan nilai leverage. Dalam skripsi ini, akan dilakukan deteksi pencilan pada kasus kemiskinan perdesaan di Indonesia tahun 2022. Data kemiskinan perdesaan yang digunakan berbentuk persentase, sehingga akan cocok dengan regresi beta yang berguna untuk memodelkan data dengan variabel respon yang berupa interval satuan standar (0,1). Selain itu, regresi beta sangat berguna pula ketika distribusi variabel dependen tidak mengikuti distribusi normal serta ketika model linier tradisional tidak bisa digunakan karena asumsi klasik tidak terpenuhi. Penaksiran parameter model menggunakan Maximum Likelihood Estimator. Berdasarkan data yang ada dengan menggunakan taraf signifikan 5% dapat disimpukan bahwa di Indonesia tahun 2022, kemiskinan perdesaan hanya dipengaruhi oleh gini rasio perdesaan. Kemudian, dilanjutkan deteksi pencilan melalui perhitungan residu pearson, residu devians, dan nilai leverage yang menunjukkan Provinsi Aceh, Riau, Bengkulu, Maluku, Papua Barat, dan Papua dianggap sebagai pencilan. Sehingga, diperlukan metode analisis yang cocok ketika terdapat adanya data pencilan.

Penerapan Model Geographically Weighted Lasso pada Kasus Stunting Tingkat Kabupaten/Kota di Provinsi Jawa Barat Tahun 2023 Esa Nurtiara; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v4i2.14940

Abstract. Stunting is the impaired growth and development of children due to chronic malnutrition and recurrent infections characterised by body length or height below standard values. Spatial analysis is used to see whether there are spatial effects, namely data homogeneity or heterogeneity. It is necessary to test using the Geographically Weighted Regression (GWR) method to see these spatial effects. However, this method is not sufficient to be used if there is multicollinearity or a relationship between independent variables in each region of measurement. Therefore, testing is done using the Geographially Weighted Lasso (GWL) method which is an extension of the GWR method. This study aims to apply the GWL model to see spatial risk factors in stunting cases in Bandung city in an effort to reduce stunting rates. GWR modelling is done to be able to overcome the heterogeneity problem, but there is a new problem, namely the emergence of multicollinearity in the GWR model, multicollinearity occurs in the variable infants with malnutrition status ( ). To deal with this problem, it is necessary to do further modelling using the GWL method. With a coefficient of determination of 87.61%, the model can explain that the number of LBW babies ( ), the number of babies receiving exclusive breastfeeding ( ), the number of proper sanitation ( ), and the number of babies with poor nutritional status ( ) can affect the number of stunting cases in West Java Province. It is known that the number of babies with poor nutritional status ( ) has a significant effect in each district /city in West Java Province. Abstrak. Stunting merupakan gangguan pertumbuhan dan perkembangan anak akibat kekurangan gizi kronis dan infeksi berulang yang ditandai dengan panjang atau tinggi badan yang berada di bawah nilai standar. Analisis spasial digunakan untuk melihat ada tidaknya efek spasial, yaitu kehomogenan data atau heterogenitas. Perlu dilakukan pengujian dengan menggunakan metode Geographically Weighted Regression (GWR) untuk melihat efek spasial tersebut. Namun, metode tersebut belum cukup untuk digunakan apabila terjadi multikolinearitas atau adanya hubungan antarvariabel bebas di setiap wilayah pengamaan. Maka dilakukan pengujian dengan menggunakan metode Geographially Weighted Lasso (GWL) yang meupakan perluasan dari metode GWR. Penelitian ini bertujuan untuk menerapkan model GWL untuk melihat faktor risiko secara spasial pada kasus stunting di kota Bandung dalam upaya penekanan penurunan angka stunting. Pemodelan GWR dilakukan untuk dapat mengatasi masalah heterogenitas tersebut, namun terdapat masalah baru yaitu munculnya multikolinearitas pada model GWR, multikolinearitas tersebut terjadi pada variabel bayi dengan status gizi kurang ( ). Untuk menangani masalah tersebut maka perlu dilakukan pemodelan selanjutnya dengan menggunakan metode GWL. Dimana dengan nilai koefisien determinasi sebesar 87.61% model tersebut dapat menjelaskan bahwa jumlah bayi BBLR ( ), jumlah bayi yang menerima ASI eksklusif ( ), jumlah sanitasi layak ( ), dan jumlah bayi dengan status gizi kurang ( ) dapat memengaruhi jumlah kasus stunting di Provinsi Jawa Barat.Diketahui bahwa jumlah bayi dengan status gizi kurang ( ), berpengaruh secara signifikan di setiap wilayah kabupaten/kota di Provinsi Jawa Barat.

Proyeksi Tingkat Pengangguran Terbuka dan Gini Ratio di Kabupaten Purwakarta Tahun 2023-2028 Fadia Wahyu Utami; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v4i2.14980

Abstract. The unemployment rate and income inequality are important indicators in assessing the economic condition of a region and Purwakarta Regency experiences significant dynamics in these two indicators. This research aims to provide accurate estimates regarding unemployment trends and income distribution in the future, so that it can become a reference for more effective policy making. Therefore, the author carried out a projection analysis regarding the open unemployment rate and Gini ratio in Purwakarta Regency.The method used is single exponential smoothing. Based on the calculation results of the open unemployment rate in Purwakarta Regency using the single exponential smoothing method, the Mean Square Error (MSE) value obtained was 0.805105 with a parameter of α = 0.2. After forecasting using the forecasting model , it was found that the forecasted percentage of the open unemployment rate in Purwakarta Regency sometimes fluctuates annually. Based on the calculation results of the Gini ratio in Purwakarta Regency using the single exponential smoothing method, the Mean Square Error (MSE) obtained was 0.000459 with a parameter of α = 0.9. After forecasting using the forecasting model , it was found that the forecasted Gini ratio in Purwakarta Regency did not change from the previous year. Abstrak. Tingkat pengangguran dan ketimpangan pendapatan merupakan indikator penting dalam menilai kondisi ekonomi suatu daerah dan Kabupaten Purwakarta mengalami dinamika yang signifikan dalam kedua indikator tersebut. Penelitian ini bertujuan untuk memberikan estimasi yang akurat terkait tren pengangguran dan distribusi pendapatan di masa mendatang, sehingga dapat menjadi acuan bagi pengambilan kebijakan yang lebih efektif. Oleh karena itu, penulis melakukan analisis proyeksi terkait tingkat pengangguran terbuka dan gini ratio di Kabupaten Purwakarta. Metode yang dipakai ialah single exponential smoothing. Berdasarkan hasil perhitungan tingkat pengangguran terbuka di Kabupaten Purwakarta menggunakan metode single exponential smoothing diperoleh nilai Mean Square Error (MSE) yaitu 0,805105 dengan parameter = 0,2. Setelah dilakukan peramalan dengan model peramalan didapatkan hasil bahwa nilai peramalan persentase tingkat pengangguran terbuka di Kabupaten Purwakarta terkadang mengalami kenaikan dan penurunan setiap tahunnya. Berdasarkan hasil perhitungan gini ratio di Kabupaten Purwakarta menggunakan metode single exponential smoothing diperoleh nilai Mean Square Error (MSE) yaitu 0,000459 dengan parameter = 0,9. Setelah dilakukan peramalan dengan model peramalan didapatkan hasil bahwa nilai peramalan gini ratio di Kabupaten Purwakarta tidak mengalami perubahan dari tahun sebelumnya.

Pengelompokan Kabupaten/Kota Berdasarkan Generasi Umur pada Daftar Pemilih Tetap (DPT) Pemilihan Umum Tahun 2024 Provinsi Jawa Barat Menggunakan Analisis Korespondensi Wulan Putri Prihartini; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v4i2.15046

Abstract. Several surveys show that the millennial generation and generation Z are expected to be the largest voter groups in the 2024 elections. If you look at the data from the 2019 simultaneous elections released by the KPU, you can see that the number of young voters has reached 70-80 million out of 193 million voters. This means that around 35% - 40% of this generation have significant power and influence over election results which will affect the future of this country. Meanwhile, the aim of this research is to determine the visual relationship between the number of voters based on age generation in regencies/cities in West Java Province in 2024. This research uses Correspondence Analysis, so the results of this research can be concluded that the number of voters based on age generation on the Voter List The 2024 Permanent Election (DPT) by the West Java Province KPU is dominated by the millennial generation in Bogor Regency. Meanwhile, the lowest number of voters is the elderly generation in Banjar City. Abstrak. Beberapa survey menunjukkan bahwa generasi milenial dan generasi Z diperkirakan akan menjadi kelompok pemilih terbesar dalam pemilu 2024. Jika melihat data dari pemilu serentak 2019 yang dikeluarkan oleh KPU dapat dilihat bahwa jumlah pemilih muda sudah mencapai 70-80 juta jiwa dari 193 juta pemilih. Hal ini berarti sekitar 35% - 40% dari generasi tersebut telah memiliki kekuatan dan pengaruh signifikan terhadap hasil pemilu yang akan mempengaruhi masa depan negara ini. Adapun,tujuan dari penelitian ini untuk mengetahui keterkaitan secara visual antara jumlah pemilih berdasarkan generasi umur pada Kabupaten/Kota di Provinsi Jawa Barat Tahun 2024. Penelitian ini menggunakan Analisis Korespondensi, sehingga hasil dari penelitian ini dapat disimpulkan bahwa jumlah pemilih berdasarkan generasi umur pada Daftar Pemilih Tetap (DPT) pemilu 2024 oleh KPU Provinsi Jawa Barat didominasi oleh generasi milenial yang terdapat di Kabupaten Bogor. Sementara jumlah pemilih terendah adalah generasi lansia yang terdapat di Kota Banjar.

Pemodelan Markov Switching Autoregressive (MSAR) pada Data Kurs Rupiah terhadap Dollar Amerika Muh. Fahmi Nur Akbar; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v4i2.15129

Abstract. Linear models such as Autoregressive (AR), Moving Average (MA), and Autoregressive Integrated Moving Average (ARIMA) are commonly used for time series data where there is a linear relationship between the current data and past data. However, these models are not capable of explaining structural changes in economic variables caused by crises. Therefore, an analytical method that can analyze time series data on economic and financial variables experiencing regime switching is introduced. The method used to model time series data on economic and financial variables experiencing regime switching is the Markov Switching Autoregressive (MSAR) model. This method was applied to data on the Rupiah to U.S. Dollar exchange rate from January 1 to December 31, 2023. The objectives of this study are to develop the MSAR model, determine the transition probabilities of each state, assess the average duration of each state, and forecast the Rupiah to U.S. Dollar exchange rate. The MS(2)AR(2) model was chosen as the best model because it had the lowest Akaike’s Information Criterion (AIC) value of 2553.927. The Mean Absolute Percentage Error (MAPE) of 27.91% indicates reasonably good forecasting accuracy. Based on this model, the Rupiah exchange rate tends to stay in an increasing condition for about 9 periods and in a decreasing condition for about 2 periods. Abstrak. Pemodelan linear seperti model Autoregressive (AR), model Moving Average (MA), dan model Autoregressive Integrated Moving Average (ARIMA) digunakan untuk data runtun waktu yang terdapat hubungan linear antara data sekarang dan data masa lalu. Namun, model tersebut belum mampu menjelaskan adanya perubahan struktur pada peubah-peubah ekonomi yang disebabkan olehkrisis. Oleh karena itu, perkenalkan metode analisis yang dapat menganalisis data runtun waktu pada peubah-peubah ekonomi dan keuangan yang mengalami perubahan kondisi (regime switching). Metode yang digunakan untuk memodelkan data runtun waktu pada peubah ekonomi dan keuangan yang mengalami perubahankondisi adalah pemodelan Markov switching autoregreassive (MSAR). Metode ini diterapkan pada data Kurs Rupiah terhadap Dollar Amerika pada tanggal 1 Januari - 31 Desember 2023. Adapun tujuan dari penelitian ini adalah membentuk model MSAR, mengetahui nilai peluang transisi setiap state, mengetahui rata-rata lama durasi state dan peramalan pada data kurs Rupiah terhadap Dollar Amerika. Model MS(2)AR(2) dipilih sebagai yang terbaik karena memiliki nilai Akaike’s Information Criterion (AIC) terkecil, yaitu 2553.927. Nilai Mean Absolute Percentage Error (MAPE) sebesar 27.91% menunjukkan akurasi peramalan yang cukup baik.Berdasarkan model ini, kurs Rupiah cenderung bertahan dalam kondisi peningkatan selama 9 periode dan dalam kondisi penurunan selama 2 periode

Co-Authors 10060116101, Tanti Rudiawan Putri Aceng Komarudin Mutaqin Achmad Widodo Achmad Widodo Achmad Widodo Anggi Savitri Ani Ressa Nuryaningsih Anneke Iswani A. Anneke Iswani Ahmad Annisa Lisa Nurjanah Arya Ramadhan, Iqbal ASEP SAEFUDDIN Aulia, Githa Budiman, Aulia Sabila Dewi Rosiana Diahsty Marasabessy, Munira Erfina Agustin Hidayat Esa Nurtiara Fadia Wahyu Utami Fatiha nurfauzan, Arsyi Fera Shintarini Hardiana Prasasti Jasmine Wildani Arisa Kamilatul 'Aini Khairi A N Kusman Sadik Mardha Tri Meilani Muh. Fahmi Nur Akbar Muhammad Bahry Baidhowy Muhammad Bangkit Riksa Utama Neng Marlina Nopita Sari Murtafiah Rejeki Wulan Islamiyati Riyani Desriawati Siti Magfiratul Hasanah Suliadi Suliadi Suliadi Sutawanir Darwis Sutawanir Darwis Sutawanir Darwis Teti Sofia Yanti Winda Aya Haliza Wulan Putri Prihartini Yayat Karyana

Title Search

Found 13 Documents Search Journal : Bandung Conference Series: Statistics

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 13 Documents
Search
Journal : Bandung Conference Series: Statistics