Article Per Year (5 Year)
p-Index From 2021 - 2026
3.943
P-Index
This Author published in this journals
All Journal Statistika Jurnal Riset Statistika Bandung Conference Series: Statistics STATISTIKA
Nur Azizah Komara Rifai
Statistika, Fakultas Matematika Dan Ilmu Pengetahuan Alam
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Industrial & Manufacturing Engineering Mathematics

Published : 30 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 24 Documents
Search
Journal : Bandung Conference Series: Statistics

 1   2   3 
Penerapan Metode Geographically and Temporally Weighted Regression pada Persentase Penduduk Miskin di Papua Tahun 2019-2020 10060119071, Mila Atikah Nur Faizah; Nur Azizah Komara Rifai
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.v4i1.12394

Abstract

Abstract. Linear regression analysis is a method used to model the relationship between the dependent variable and the independent variable. The parameters of the resulting regression model will have the same value (global). In data that contains spatial heterogeneity, linear regression analysis is not appropriate to use because there is variation between observation locations. A suitable method is Geographically Weighted Regression (GWR). However, GWR is only limited to cross-section data. If the data used is panel data, a more appropriate method is Geographically and Temporally Weighted Regression (GTWR). GTWR takes into account time variability (temporal heterogeneity), so that the resulting parameters will be different for each location and time of observation. Estimating regression parameters in this method uses Weighted Least Square (WLS). This research will discuss the application of the GTWR method to the Percentage of Poor Population in Papua, with the dependent variable used being the Percentage of Poor Population, while the independent variables used are School Enrollment Rate (16-18 Years), Labor Force Participation Rate, Morbidity Rate, Ratio Gini in Papua Province in 2019-2020. The results of applying GTWR produced 58 models and grouping of significant factors to form 6 groups in 2019 and 1 group in 2020. Abstrak. Analisis regresi linear adalah metode yang digunakan untuk memodelkan hubungan antara variabel dependen dengan variabel independen. Parameter model regresi yang dihasilkan akan bernilai sama (global). Pada data yang mengandung heterogenitas spasial, analisis regresi linear kurang tepat digunakan karena terdapat keragaman antar lokasi pengamatan. Metode yang cocok adalah Geographically Weighted Regression (GWR). Namun, GWR hanya terbatas pada data cross-section. Apabila data yang digunakan adalah data panel, metode yang lebih tepat adalah Geographically and Temporally Weighted Regression (GTWR). GTWR ini memperhatikan adanya keragaman waktu (heterogenitas temporal), sehingga parameter yang dihasilkan akan berbeda untuk setiap lokasi dan waktu pengamatan. Pendugaan parameter regresi pada metode ini menggunakan Weighted Least Square (WLS). Pada penelitian ini akan membahas penerapan metode GTWR pada Persentase Penduduk Miskin di Papua, dengan variabel dependen yang digunakan adalah Persentase Penduduk Miskin, sedangkan variabel independen yang digunakan adalah Angka Partisipasi Sekolah (16-18 Tahun), Tingkat Partisipasi Angkatan Kerja, Angka Kesakitan, Rasio Gini di Provinsi Papua pada tahun 2019-2020. Hasil penerapan GTWR menghasilkan 58 model dan pengelompokkan faktor-faktor yang signifikan membentuk 6 kelompok pada tahun 2019 dan 1 kelompok pada tahun 2020.
Pemodelan Geographically Weighted Panel Regression untuk Data Kemiskinan di Provinsi Jawa Barat Marcha Naurah Ilhamsyah; Nur Azizah Komara Rifai
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.v4i2.12932

Abstract

Abstract. Regression analysis aims to understand the impact of one dependent variable on one or more independent variables. The panel regression model combines time series and cross-sectional data. For parameter estimation in the Fixed Effect Model, the least squares method with dummy variables, or Ordinary Least Squares Dummy Variables (LSDV), is used. The Random Effect Model employs the Generalized Least Squares method or the Weighted Least Squares method. However, due to differences in characteristics or phenomena between various locations or regions, known as spatial heterogeneity, conditions may vary. To address spatial heterogeneity, Geographically Weighted Panel Regression is utilized, allowing for the modeling of each research area over time. This study used factors such as households with access to decent drinking water, expected years of schooling, and open unemployment, with the Fixed Effect Model being the chosen approach. The goal was to develop a Geographically Weighted Panel Regression model based on the selected Fixed Effect Model. The optimal model, with a minimum cross-validation value of 45704.40 and a minimum Akaike Information Criterion value of 1135.954, was found using the Bisquare Kernel function. The significance tests indicated that the factors influencing poverty rates in the districts and cities of West Java vary by location due to spatial differences. Abstrak. Analisis regresi bertujuan untuk melihat pengaruh satu variabel terikat dengan satu atau lebih variabel bebas. Model regresi data panel adalah salah satu model regresi yang berisikan data gabungan time series dan cross section.Metode estimasi parameter untuk Fixed Effect Model adalah metode kuadrat terkecil dengan Dummy variables atau Ordinary Least Square Dummy variables (LSDV). Untuk model acak Random Effect Model menggunakan metodeGeneralized Least Squares atau metode Weighted Least Squares. Namun, pada kenyataannya, kondisinya mungkin berbeda dari satu lokasi ke lokasi lainnya karena perbedaan dalam karakteristik atau fenomena antara berbagai lokasi atau wilayah dalam suatu ruang geografis, hal ini disebut dengan heterogenitas spasial. Pada Geographically Weighted Panel Regressiondigunakan untuk menangkap heterogenitas spasial di seluruh wilayah atau titik dalam analisis data spasial, serta dapat memodelkan masing-masing wilayah penelitian sepanjang periode waktu tertentu. Berdasarkan hasil penelitian model estimasi regresi data panel menggunakan faktor-faktor yang digunakan dalam penelitian ini, yaitu rumah tangga yang memiliki akses terhadap sumber air minum layak, harapan lama sekolah, dan pengangguran terbuka dengan model yang terpilih yaitu Fixed Effect Model. Tujuan penelitian ini adalah untuk menghasilkan model Geographically Weighted Panel Regression menggunakan model yang terpilih yaitu fixed effect model. Berdasarkan perhitungan nilai cross validationpaling minimum sebesar 45704.40 dan nilai Akaike Information Criterion paling minimum sebesar 1135.954 terdapat pada model GWPR dengan menggunakan fungsi pembobot Bisquare Kernel. Pada uji signifikansi parameter diperoleh hasil bahwa model untuk setiap lokasi dan faktor-faktor yang memengaruhi persentase penduduk miskin di kabupaten/kota Jawa Barat berbeda-beda untuk setiap lokasinya karena adanya variasi spasial.
Hubungan antara Jenis Kelamin, Usia dan Tahun Keberangkatan Jemaah Umrah PT. OPQ Menggunakan Uji Chi Square Dzakiir, Ammaar; Nur Azizah Komara Rifai
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.v4i2.14607

Abstract

Abstract. The significant increase in Umrah pilgrims in Indonesia, from 480.000 in 2011 to 974.650 in 2019, has created challenges for Umrah travel companies, including PT. OPQ, to design programs that suit various market segments. This phenomenon drives the importance of an in-depth understanding of pilgrims' characteristics, including the relationship between demographic variables. With this approach, PT. OPQ seeks to ensure that each Umrah program can match each market segment's preferences and specific needs to provide a more personalised and satisfying experience for each pilgrim. Therefore, this study aims to determine the relationship between gender, age, and year of departure of Umrah pilgrims at PT. OPQ. Using the Chi-Square Test as the method of analysis, this study examines the data to determine if there is a significant relationship between these variables. This test is suitable because gender, age, and year of departure are measured using a nominal data scale. The results showed no significant relationship between gender and age of Umrah pilgrims, nor between gender and year of departure. This result indicates that the age distribution and year of departure of Umrah pilgrims are not statistically different between men and women in PT. OPQ. This study provides important insights for Umrah travel companies in designing programs that are more inclusive and suited to the needs of various market segments, without the need to differentiate based on gender. These results can help PT. OPQ and similar companies optimise their Umrah marketing and product development strategies. Abstrak. Peningkatan jamaah umrah yang signifikan di Indonesia, dari 480.000 di tahun 2011 menjadi 974.650 di tahun 2019, telah menciptakan tantangan bagi perusahaan perjalanan umrah, termasuk PT. OPQ, untuk merancang program yang sesuai dengan berbagai segmen pasar. Fenomena ini mendorong pentingnya pemahaman mendalam tentang karakteristik jamaah, termasuk hubungan antara variabel demografis. Dengan pendekatan ini, PT. OPQ berusaha untuk memastikan bahwa setiap program umroh dapat sesuai dengan preferensi dan kebutuhan spesifik setiap segmen pasar untuk memberikan pengalaman yang lebih personal dan memuaskan bagi setiap jamaah. Oleh karena itu, penelitian ini bertujuan untuk mengetahui hubungan antara jenis kelamin, usia, dan tahun keberangkatan jamaah umrah di PT. OPQ. Dengan menggunakan Uji Chi-Square sebagai metode analisis, penelitian ini menguji data untuk menentukan apakah ada hubungan yang signifikan antara variabel-variabel tersebut. Uji ini cocok digunakan karena jenis kelamin, usia, dan tahun keberangkatan diukur dengan menggunakan skala data nominal. Hasil penelitian menunjukkan tidak ada hubungan yang signifikan antara jenis kelamin dan usia jemaah umrah, maupun antara jenis kelamin dan tahun keberangkatan. Hasil ini mengindikasikan bahwa distribusi usia dan tahun keberangkatan jemaah umrah tidak berbeda secara statistik antara laki-laki dan perempuan di PT. OPQ. Studi ini memberikan wawasan penting bagi perusahaan perjalanan umrah dalam merancang program yang lebih inklusif dan sesuai dengan kebutuhan berbagai segmen pasar, tanpa perlu membedakan berdasarkan jenis kelamin. Hasil ini dapat membantu PT. OPQ dan perusahaan sejenis untuk mengoptimalkan strategi pemasaran dan pengembangan produk umrah mereka.
Peramalan Jumlah Penduduk Miskin di Kabupaten Tangerang Tahun 2023-2025 Juwita Ningsih; Nur Azizah Komara Rifai
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.v4i2.14943

Abstract

Abstract. The Central Bureau of Statistics (BPS) of Tangerang Regency is a non-ministerial government agency in statistics and data processing. BPS Tangerang Regency conducts several surveys in its data collection efforts, including the National Socio-Economic Survey (SUSENAS), which produces poverty data. Poverty in Indonesia is a complex and multidimensional issue, as the poverty rate in a country influences indicators of success in terms of both development and the economy. Indonesia is classified as a developing country, making poverty a significant issue. Tangerang Regency ranked third in Banten for the most poor residents from 2020 to 2022. The purpose of the research on Forecasting the Number of Poor Residents in Tangerang Regency for 2023-2025 is to provide analysis results that can be utilised and considered by the Tangerang Regency government to address poverty in the area. The data used is the Number of Poor Residents in Tangerang Regency, which is non-stationary and contains a trend element. Therefore, the method used is Double Exponential Smoothing. The forecasting results show that in 2023, there will be 291,285 poor residents; in 2024, there will be 308,165; and in 2025, there will be 325,045, indicating an increase in the number of poor residents over the following three periods. Abstrak. Badan Pusat Statistik (BPS) Kabupaten Tangerang merupakan lembaga pemerintahan non kementrian yang bergerak di bidang statistik dan pengolahan data. Dalam pengumpulan data BPS Kabupaten Tangerang melakukan beberapa survei, salah satunya yaitu Survei Sosial Ekonomi Nasional (SUSENAS) yang menghasilkan data kemiskinan. Kemiskinan di Indonesia merupakan masalah yang kompleks dan multidimensi, karena tingkat kemiskinan di suatu negara akan mempengaruhi indikator keberhasilan baik dari segi pembangunan maupun perekonomian negara tersebut. Negara Indonesia merupakan negara yang tergolong masih berkembang, sehingga kemiskinan menjadi masalah utama. Kabupaten Tangerang berada pada urutan ketiga dengan penduduk miskin paling banyak di Banten pada tahun 2020-2022. Tujuan penelitian Peramalan Jumlah Penduduk Miskin di Kabupaten Tangerang tahun 2023-2025 dengan harapan hasil analisis dapat di manfaatkan dan dapat menjadi pertimbangan oleh pemerintah Kabupaten Tangerang untuk mengatasi kemiskinan di Kabupaten Tangerang. Data yang digunakan yaitu Jumlah Penduduk Miskin di Kabupaten Tangerang yang merupakan data tidak stasioner dan mengandung unsur trend, sehingga metode yang digunakan yaitu Double Exponential Smoothing Hasil peramalan pada tahun 2023 sebanyak 291.285, pada tahun 2024 sebanyak 308.165 dan pada tahun 2025 sebanyak 325.045, artinya Jumlah Penduduk Miskin mengalami kenaikan selama 3 periode ke depan.
Co-Authors 10060119018, Fadila Nur Choirunnisa 10060119034, Dwi Ayu Puspita Sari 10060119071, Mila Atikah Nur Faizah 10060119085, Andhika Ryandi Afina Ramdhania Ajeng Nur Febriyanti Akmal Athallah Mutakin Anisa Fikriani Annisa Juwita Mahalani Dzakiir, Ammaar Eva Rianti Indrasari Fatmawati Fatmawati Hanna Anggreany Putri Icih Sukarsih Irna Noviana Juwita Ningsih Lutfi Anisa Marcha Naurah Ilhamsyah Muhammad Iqbal Wiladibrata Muhammad Rifqi Naufal Mutiara Salsabila Putri Ratna Wulan Rafiq Thariq Ahsan Ratu Dinda Anggraeni Regina Maulisya Siti Aisyah Sophia Annisa Faisal Suryadi Muzahidi Aziz