Garuda - Garba Rujukan Digital

Penerapan Metode Fuzzy Time Series Model Lee pada Peramalan Jumlah Pendaftaran Siswa SMA Negeri 1 Senayang Kepulauan Riau Regina Maulisya; Nur Azizah Komara Rifai
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.v3i2.9303

Abstract. The Fuzzy Time Series method was first developed by Song and Chissom in 1993 which is a data forecasting method using the concept of fuzzy sets as the basis for calculation, the forecasting system by capturing patterns from past data is then used to project future data. In 1996, Chen found that the model had a poor error rate so he refined the model. Then in 2009, Lee found a model better than Chen's model with the least error rate. There are several schools that have an increasing or decreasing number of prospective students, as well as at SMA Negeri 1 Senayang. The purpose of this study was to obtain the results of forecasting the number of enrollments of SMA Negeri 1 Senayang students for the next period using Lee's Fuzzy Time Series model with sturgess rules and calculating the error rate of forecasting results. This study used data on the number of enrollments of SMA Negeri 1 Senayang students for the period 2002/2003 to 2022/2023 as many as 21 data. The forecasting results for the 2023/2024 period using Lee's Fuzzy Time Series model are 48 students with a forecasting result error rate of 13.9883 or 14% with good forecasting model criteria and can be used for forecasting the next period. Abstrak. Metode Fuzzy Time Series pertama kali dikembangkan oleh Song dan Chissom pada tahun 1993 yang merupakan metode peramalan data menggunakan konsep himpunan fuzzy sebagai dasar perhitungan, sistem peramalannya dengan menangkap pola dari data masa lampau kemudian digunakan untuk memproyeksi data yang akan datang. Pada tahun 1996, Chen menemukan bahwa model tersebut mempunyai tingkat kesalahan yang kurang baik sehingga ia menyempurnakan modelnya. Kemudian tahun 2009, Lee menemukan model yang lebih baik dari model Chen dengan tingkat kesalahan paling kecil. Terdapat beberapa sekolah yang mempunyai jumlah calon siswa yang mengalami peningkatan maupun penurunan, begitu pun di SMA Negeri 1 Senayang. Tujuan penelitian ini adalah mendapatkan hasil peramalan jumlah pendaftaran siswa SMA Negeri 1 Senayang untuk satu periode berikutnya menggunakan Fuzzy Time Series model Lee dengan aturan sturgess serta menghitung tingkat kesalahan hasil peramalan. Penelitian ini menggunakan data jumlah pendaftaran siswa SMA Negeri 1 Senayang periode 2002/2003 sampai 2022/2023 sebanyak 21 data. Hasil peramalan untuk periode 2023/2024 dengan menggunakan Fuzzy Time Series model Lee yaitu sebesar 48 siswa dengan tingkat kesalahan hasil peramalan sebesar 13.9883 atau 14% dengan kriteria model peramalan baik dan dapat digunakan untuk peramalan periode berikutnya.

Analisis Regresi Logistik Biner dengan Metode Penalized Maximum Likelihood pada Penyakit Covid-19 di RSUD Pringsewu Lutfi Anisa; Nur Azizah Komara Rifai
Jurnal Riset Statistika Volume 2, No. 2, Desember 2022, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jrs.v2i2.1425

Abstract. Parameter estimation from binary logistic regression models is usually solved using the maximum likelihood estimation (MLE) method which is then completed by the Newton-Raphson iteration method. However, in certain circumstances the MLE method cannot be used if there is one or a combination of several explanatory variables and the response is a separation case problem that causes the estimators to not converge. To overcome this problem, the penalized maximum likelihood estimation (PMLE). The results of the analysis of this study indicate that the Covid-19 patient data at the Pringsewu Hospital contains a quasi-complete separation, so the PMLE method approach is used. The estimation of the best model parameters for this data contains factors of gender, age, congenital disease (comorbid), and symptoms of shortness of breath that significantly affect the mortality rate due to Covid-19. From the results of the analysis of this study when compared with previous studies Sholihin, et al. In the journal entitled " Implementasi Metode Penalized Maximum Likelihood Estimation Pada Model Regresi Logistik Biner " it is proven that binary logistic regression analysis if the data has case separation problems using the PMLE method can give better results. Abstrak. Estimasi parameter dari model regresi logistik biner biasanya diselesaikan dengan menggunakan metode maximum likelihood estimation (MLE) yang selajutnya diselesaikan metode iterasi Newton-Raphson. Namun, dalam keadaan tertentu metode MLE tidak bisa digunakan jika terdapat satu atau kombinasi beberapa variabel penjelas dan respon terdapat masalah pemisahan pada data (separation case) yang mengakibatkan penduga menjadi tidak konvergen. Untuk mengatasi masalah tersebut, digunakan pendekatan metode penalized maximum likelihood estimation (PMLE). Hasil analisis terhadap penelitian ini menunjukan bahwa data pasien Covid-19 RSUD Pringsewu mengandung pemisahan kurang sempurna (quasi-complete separation), sehingga digunakan pendekatan metode PMLE. Penaksiran parameter model terbaik bagi data ini mengandung faktor jenis kelamin, umur, penyakit bawaan (komorbid), dan gejala sesak nafas yang berpengaruh secara signifikan terhadap tingkat kematian akibat Covid-19. Dari hasil analisis penelitian ini jika dibandingkan dengan penelitian terdahulu Sholihin, et al. Dalam jurnal yang berjudul “Implementasi Metode Penalized Maximum Likelihood Estimation Pada Model Regresi Logistik Biner” terbukti bahwa analisis regresi logistik biner jika datanya terdapat masalah separation case dengan menggunakan metode PMLE dapat memberikan hasil yang lebih baik.

Penerapan Metode Three-Stage Least Square pada Persamaan Simultan Indeks Pembangunan Manusia dan Jumlah Penduduk Miskin 10060119018, Fadila Nur Choirunnisa; 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.v4i1.10808

Abstract. Regression analysis is a method used to determine the influence between dependent variables and one or more independent variables. The OLS method is employed to estimate a single equation. In simultaneous equations, the OLS method cannot be utilized due to the correlation between independent variables and errors. Several OLS estimates are in simultaneous equations, including the Two-Stage Least Squares (2SLS) method and the Three-Stage Least Squares (3SLS) method. The 3SLS method combines the 2SLS method with the Seemingly Unrelated Regression (SUR) method. The first stage involves estimating the reduced-form equation using the OLS method. In the second stage, the results of this estimation are used to estimate the structural equation of the model. Finally, in the third stage, the SUR method is applied with Generalized Least Squares (GLS) estimation. This study uses the 3SLS method to simultaneous equations of the Human Development Index (HDI) and the number of poor populations. The estimation results for the HDI concurrent equation model indicate that population density has a positive and significant impact on HDI, and the poverty line has a positive and significant effect on HDI. In contrast, the simultaneous equation for the number of poor populations shows that the open unemployment rate (OUR) has a positive and significant effect on the number of poor populations. Therefore, there is no reciprocal relationship or simultaneous relationship between the HDI variable and the variable of the number of poor populations. Abstrak. Analisis regresi merupakan analisis yang digunakan untuk mengetahui pengaruh antara variabel tak bebas dengan satu atau lebih variabel bebas. Metode OLS digunakan untuk mengestimasi persamaan tunggal. Pada persamaan simultan metode OLS tidak dapat digunakan karena adanya korelasi antara variabel bebas dengan galat. Terdapat beberapa estimasi OLS dalam persamaan simultan yang dapat digunakan diantaranya metode Two-Stage Least Square (2SLS) dan metode Three-Stage Least Squares (3SLS). Metode 3SLS merupakan metode gabungan 2SLS dengan metode Seemingly Unrelated Regression (SUR). Tahap pertama estimasi persamaan reduksi dengan metode OLS, tahap kedua hasil estimasi tersebut digunakan untuk mengestimasi persamaan struktural dari model, kemudian tahap ketiga menggunakan metode SUR dengan estimasi Generalized Least Square (GLS). Penelitian ini menerapkan metode 3SLS pada persamaan simultan indeks pembangunan manusia (IPM) dan jumlah penduduk miskin. Hasil estimasi yang diperoleh pada model persamaan simultan IPM menunjukkan bahwa kepadatan penduduk berpengaruh positif dan signifikan terhadap IPM dan garis kemiskinan berpengaruh positif dan signifikan terhadap IPM. Sedangkan, pada persamaan simultan jumlah penduduk miskin menunjukkan bahwa tingkat pengangguran terbuka (TPT) berpengaruh positif dan signifikan terhadap jumlah penduduk miskin. Oleh karena itu, variabel IPM dan variabel jumlah penduduk miskin tidak ada hubungan timbal balik atau hubungan simultan.

Penerapan Metode Simple K-Medoid (SKM) dalam Mengklasterkan SMA di Kabupaten Karanganyar Tahun 2023 10060119034, Dwi Ayu Puspita Sari; 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.v4i1.11098

Abstract. Cluster analysis is an analysis that classifies objects that have similar characteristics into the same group. One of the most common cluster analysis methods is the non-hierarchical method where the number of clusters is determined by the researcher. Some of the methods included in non-hierarchical methods are k-means and k-medoid. The k-means method is a clustering method used for numeric variable data, while the k-medoid method can be used for mixed variable data (numeric and categorical data). The k-medoid method used for mixed variable data is the Simple K-Medoid (SKM) method. The cluster results obtained in the SKM method must be validated using the Medoid Shadow Value (MSV) to see the best number of clusters. The data used in this study comes from the Sekolah Kita website and the Basic Education Data which is mixed data consisting of 14 numerical variables and 3 binary and categorical variables. Based on the results of the SKM method clustering and cluster validation using MSV, it was found that there were 2 clusters of high schools in Karanganyar District. Cluster 1 consists of 15 high schools from 18 high schools with more complete facilities and infrastructure than cluster 2 which consists of 3 high schools from 18 high schools. Abstrak. Analisis klaster adalah analisis yang mengklasifikasikan objek yang memiliki kesamaan karakteristik ke dalam kelompok yang sama. Salah satu metode analisis klaster yang paling umum adalah metode non hierarki di mana jumlah klaster ditentukan oleh peneliti. Beberapa metode yang termasuk ke dalam metode non hierarki adalah k-means dan k-medoid. Metode k-means adalah metode klaster yang digunakan untuk data bervariabel numerik, sedangkan metode k-medoid dapat digunakan untuk data bervariabel campuran (data numerik dan kategorik). Metode k-medoid yang digunakan untuk data bervariabel campuran adalah metode Simple K-Medoid (SKM). Hasil klaster yang didapat pada metode SKM harus divalidasi menggunakan Medoid Shadow Value (MSV) untuk melihat jumlah klaster yang terbaik. Data yang digunakan pada penelitian ini berasal dari website Sekolah Kita dan Data Pokok Pendidikan yang merupakan data campuran yakni terdiri dari 14 variabel numerik dan 3 variabel biner dan kategorik. Berdasarkan hasil dari pengelompokkan metode SKM dan validasi klaster menggunakan MSV didapatkan pengelompokkan SMA di Kabupaten Karanganyar sebanyak 2 klaster. Klaster 1 beranggotakan 15 SMA dari 18 SMA dengan memiliki sarana dan prasarana yang lebih lengkap dibandingkan klaster 2 yang beranggotakan 3 SMA dari 18 SMA.

Pemodelan Regresi Binomial Negatif pada Kasus Jumlah Kematian Bayi di Indonesia Tahun 2021 10060119085, Andhika Ryandi; 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.v4i1.11841

Abstrak. Regresi Poisson memiliki asumsi equidispersi dimana nilai rata-rata pada data sama dengan nilai variansnya. Akan tetapi permasalahan overdispersi bisa terjadi ketika nilai varians pada data lebih besar daripada nilai rata-ratanya. Salah satu penanganan overdispersi yaitu dengan menggunakan regresi binomial negatif. Tujuan penelitian ini untuk memodelkan regresi binomial negatif pada data jumlah kematian bayi di Indonesia tahun 2021 dan mengetahui faktor-faktor yang mempengaruhinya. Data diperoleh dari Kementerian Kesehatan Republik Indonesia pada Laporan Profil Kesehatan Indonesia tahun 2021 dengan unit penelitian yaitu 34 Provinsi di Indonesia. Variabel terikat yang digunakan yaitu jumlah kematian bayi (jumlah kematian bayi yang meninggal sebelum usia satu tahun per 1000 kelahiran hidup pada satu tahun tertentu) dan variabel bebas yang digunakan pada penelitian ini yaitu persentase kunjungan neonatal lengkap (KN3), persentase kunjungan ibu hamil K4, jumlah berat badan lahir (BBLR), persentase pemberian ASI ekslusif, dan persentase bayi di imunisasi dasar lengkap. Berdasarkan hasil analisis pada pemodelan regresi Poisson data mengalami kondisi overdispersi, sehingga alternatif model yang digunakan yaitu regresi binomial negatif. Pada regresi binomial negatif diperoleh model dengan nilai estimasi parameter yang berbeda dan menunjukan bahwa faktor-faktor yang berpengaruh terhadap jumlah kematian bayi di Indonesia tahun 2021 yaitu variabel persentase kunjungan ibu hamil K4, jumlah berat badan lahir rendah dan persentase bayi diberi asi ekslusif berpengaruh secara signifikan terhadap jumlah kematian bayi di Indonesia tahun 2021. Abstract, Poisson regression has an equidispersion assumption where the average value of the data is equal to the variance value. However, overdispersion problems can occur when the variance value in the data is greater than the average value. One way to handle overdispersion is by using negative binomial regression. The purpose of this study is to model negative binomial regression on data on the number of infant deaths in Indonesia in 2021 and determine the factors that influence it. Data was obtained from the Ministry of Health of the Republic of Indonesia in the 2021 Indonesian Health Profile Report with the research unit being 34 provinces in Indonesia. The dependent variable used is the number of infant deaths (the number of deaths of infants who died before the age of one year per 1000 live births in a given year) and the independent variable used in this study is the percentage of complete neonatal visits (KN3), percentage of K4 maternal visits, total birth weight (LBW), percentage of exclusive breastfeeding, and percentage of infants in complete basic immunization. Based on the results of the analysis on Poisson regression modeling, the data experienced overdispersion conditions, so the alternative model used was negative binomial regression. In negative binomial regression, a model with different parameter estimation values is obtained and shows that the factors that affect the number of infant deaths in Indonesia in 2021, namely the variable percentage of K4 pregnant women visits, the number of low birth weight and the percentage of babies given exclusive breastfeeding, have a significant effect on the number of infant deaths in Indonesia in 2021.

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. 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. 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. 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. 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.

Analisis Perbandingan Jamaah Umrah Berdasarkan Jenis Kelamin Menggunakan Independent Sample T-Test Muhammad Rifqi Naufal; Nur Azizah Komara Rifai
Jurnal Riset Statistika Volume 4, No. 2, Desember 2024, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jrs.v4i2.5020

Abstract.Umrah is an act of worship often performed by Indonesians as another option when they cannot perform the Hajj pilgrimage. This has begun to be a consideration for various Umrah travel organising companies. PT XYZ has recorded an increase in the number of Umrah pilgrims, both men and women, for several years. Understanding the differences in the number of male and female Umrah pilgrims can be important information for companies when improving service quality, adjusting facilities, and developing more targeted marketing strategies. This study uses the Independent Sample T-Test method to compare the number of pilgrims based on gender between male and female Umrah pilgrims. Independent Sample T-test is a method used to compare the average of two mutually independent samples. An Independent Sample T-test can be used if the assumptions of normality and homogeneity are met. Based on the results of normality testing with Shapiro Wilk and homogeneity with Levene's Test, at a significance level of 5%, the data of PT XYZ Umrah pilgrims are normally distributed and homogeneous. So, a two-average test using the Independent Sample T-Test was conducted, which resulted in the conclusion that at the 5% significance level, there was no significant average difference the groups of male Umrah pilgrims and female Umrah pilgrims. Abstrak. Ibadah umrah merupakan ibadah yang sering dilakukan oleh masyarakat Indonesia sebagai pilihan lain ketika tidak bisa melaksanakan ibadah haji. Selama beberapa tahun, PT XYZ mencatat peningkatan jumlah jemaah umrah baik dari kalangan laki-laki ataupun perempuan. Memahami perbedaan jumlah jemaah umrah laki-laki dan perempuan dapat menjadi informasi penting bagi perusahaan saat melakukan peningkatan kualitas layanan, penyesuaian fasilitas, dan menyusun strategi pemasaran yang lebih tepat sasaran. Metode pada artikel ini menggunakan Independent Sample T-Test untuk menganalisis perbandingan jumlah jemaah berdasarkan jenis kelamin antara jemaah umrah laki-laki dan perempuan. Independent Sample T-Test merupakan metode yang digunakan untuk menganalisis perbandingan rata-rata dari dua sampel yang saling bebas (independent). Independent Sample T-Test bisa digunakan jika asumsi normalitas dan homogenitas terpenuhi. Berdasarkan hasil analisis melalui pengujian normalitas dengan Shapiro Wilk dan homogenitas dengan Levene’s Test, pada taraf nyata 5% data jemaah umrah PT XYZ berdistribusi normal dan homogen. Sehingga, uji dua rata-rata dapat dilakukan menggunakan Independent Sample T-Test yang mana menghasilkan kesimpulan bahwa pada taraf nyata 5%, tidak terdapat perbedaan rata-rata yang signifikan antara kelompok jemaah umrah laki-laki dan jemaah umrah perempuan.

Title

Found 30 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 30 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 30 Documents
Search