Article Per Year (5 Year)
p-Index From 2021 - 2026
2.554
P-Index
This Author published in this journals
All Journal Statistika MPI (Media Pharmaceutica Indonesiana) Sains, Aplikasi, Komputasi dan Teknologi Informasi Jurnal Riset Statistika Jurnal Penelitian Ilmu Ushuluddin Bandung Conference Series: Statistics
Abdul Kudus
Universitas Islam Bandung
Religion Aerospace Engineering Humanities Chemistry Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mathematics Medicine & Pharmacology

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search

 1   2   3 
Kepercayaan The Bootstrap Percentile Confidence Interval untuk Koefisien Variasi Suherman, Alya Salsabilla; Kudus, Abdul
Jurnal Riset Statistika Volume 4, No. 1, Juli 2024, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jrs.v4i1.3854

Abstract

Abstract. The Inverse Gaussian (IG) distribution is used to model data that has a positively skewed or right-skewed distribution. The coefficient of variation (CV) is the ratio of the standard deviation to the mean value. It reflects a good measure of dispersion used when comparing two or more groups of data. One method for estimating the coefficient of variation (CV) confidence interval is The Bootstrap Percentile Confidence Interval (BPCI) method. In this thesis, the BPCI method will be applied to the coefficient of variation of the IG distribution on PM 2.5 air quality data. In the research process, the stages of analysis carried out include calculating the estimated parameters of the IG distribution using the maximum likelihood method, conducting the Kolmogorov-Smirnov fit test, generating data with parameters as estimated and estimating the parameters 1000 times, then calculating the 95% confidence interval with the BPCI method. Based on the calculation results, it is obtained that the PM 2.5 air quality data in Semarang City in 2023 is suitable to be modeled with IG distribution and BPCI confidence interval with 95% confidence level for KV of the data is between the range [0.31 ;0.42]. Abstrak. Distribusi Invers Gaussian (IG) digunakan untuk memodelkan data yang memiliki distribusi kemiringan positif atau condong kekanan. Koefisien variasi (KV) merupakan perbandingan antara standar deviasi dengan nilai rata-rata. KV mencerminkan ukuran penyebaran yang baik digunakan ketika membandingkan dua atau lebih kelompok data. Salah satu metode untuk menaksir selang kepercayaan koefisien variasi (KV) yaitu metode The Bootstrap Percentile Confidence Interval (BPCI). Dalam skripsi ini akan dilakukan penerapan metode BPCI untuk koefisien variasi dari distribusi IG pada data kualitas udara PM 2.5. Dalam proses penelitian tahapan analisis yang dilakukan meliputi menghitung taksiran parameter dari distribusi IG menggunakan metode maksimum likelihood, melakukan uji kecocokan Kolmogorov-Smirnov, membangkitkan data dengan parameter sebagaimana taksirannya dan menaksir parameternya sebanyak 1000 kali, kemudian menghitung selang kepercayaan 95% dengan metode BPCI. Berdasarkan hasil perhitungan diperoleh bahwa data kualitas udara PM 2.5 di Kota Semarang tahun 2023 cocok dimodelkan dengan distribusi IG dan selang kepercayaan BPCI dengan tingkat kepercayaan 95% untuk KV dari data tersebut berada diantara rentang [0,31 ;0,42].
Analisis Indeks Persepsi Korupsi: Makroekonomi Dan Polusi Udara Menggunakan Regresi Beta 10060121097, Siti Fatimah; Abdul Kudus
Bandung Conference Series: Statistics Vol. 5 No. 2 (2025): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v5i2.21451

Abstract

Abstract. The Corruption Perceptions Index (CPI) is an indicator for assessing the quality of government governance that impacts the economic and environmental sectors. This study uses data from 135 countries in 2022 modeled using beta regression, considering the characteristics of CPI data which are proportions in the range (0,1). The beta regression model uses a logit link function, which connects the mean response (μ) with a linear combination of independent variables to ensure that predictions remain within the (0,1) interval. Parameter estimation is carried out using the Maximum Likelihood Estimation (MLE) method, which is suitable for the beta distribution and allows efficient parameter estimation. The initial model yielded a very low R-squared value of 16.28% and identified 21 outlier observations. After removing these 21 outliers, the revised model achieved an R-squared value of 54.98%, indicating improvement and no further outlier observations detected. The simultaneous test results of the final model concluded that at least one independent variable significantly influences the Corruption Perceptions Index (CPI). In other words, the beta regression model used is statistically significant and appropriate for explaining the variability in CPI. Partial test results show that of the twelve independent variables tested, only four significantly influence CPI at the 5% significance level: population, GNI, GDP, and debt. Keywords: Corruption Perceptions Index, Macroeconomic Factors, Air Pollution, Beta Regression Abstrak. Indeks Persepsi korupsi merupakkan indikator dalam menilai kualitas tata kelola pemerintah yang berdampak pada sektor ekonomi dan lingkungan, dengan menggunakan data dari 135 negara tahun 2022 yang dimodelkan dengan regresi beta mengingat karakteristik data indeks persepsi korupsi yang berupa proporsi dalam rentang (0,1). Model regresi beta menggunakan fungsi hubung logit, yaitu fungsi yang menghubungkan rata-rata respon (μ) dengan kombinasi linier variabel independen agar prediksi tetap berada dalam interval (0,1). Estimasi parameter dilakukan menggunakan metode maximum likelihood estimation (MLE), yang sesuai untuk distribusi beta dan memungkinkan estimasi parameter yang efisien. Model dugaan awal memberikan nilai R-squared sangat kecil yaitu 16,28% dan terdapat 21 observasi yang merupakan outlier. Kemudian dilakukan penghapusan outlier sebanyak 21 observasi dan diperoleh model dugaan nilai R-squared sebesar 54,98% meningkat dari sebelumnya serta dinyatakan tidak ada observasi yang terindikasi outlier. Hasil uji simultan dari model dugaan akhir disimpulkan bahwa minimal terdapat satu variabel independen yang berpengaruh secara signifikan terhadap Indeks Persepsi Korupsi atau Porruption perception Index (CPI). Dengan kata lain, model regresi beta yang digunakan secara keseluruhan signifikan secara statistik dan layak digunakan untuk menjelaskan variabilitas dalam CPI. Hasil uji parsial diperoleh bahwa dari dua belas variabel independen yang diuji, hanya empat variabel yang berpengaruh secara signifikan terhadap CPI pada tingkat signifikansi 5%. Keempat variabel tersebut adalah populasi, GNI, GDP, dan utang(debt). Kata Kunci: Indeks Persepsi Korupsi, Faktor Makro Ekonomi, Polusi Udara, Regresi Beta
Co-Authors 10060116095, Abby Mory Pangestu 10060121097, Siti Fatimah Aceng Komarudin Mutaqin Agnia Bastia Aji Hamim Wigena Aminurasyid Roesli Aunuddin Aunuddin Bunawan Sunarlim Caecilia A Rahman Dea Sri Mulyani Dyah Listya Rini Erwin Harahap Farid Badruzzaman Farid H Badruzzaman Ghia Fauziah Aghyari Hafidz, Ai Raffi’ah Indra Topik Maulana Isa Daud Jaenudin, Dindin M Yusuf Fajar Mohd. Rizam Abu Bakar Noor Akma Ibrahim Nuzila Ismatilah Raffi’u, Aliyya Shauma Sheila Ghazia Shofwani Siti Fadhilah Irawan Soewondo, Budi Prabowo Suherman, Alya Salsabilla Suwanda Syahrul Zein Tawangki Sri Fadilah Thiflan Farhan Atqan Yayat Karyana Yurika Permanasari Yusuf Fajar Zhara Aditya