Article Per Year (5 Year)
p-Index From 2021 - 2026
4.024
P-Index
This Author published in this journals
All Journal Empowerment : Jurnal Pengabdian Masyarakat Indonesian Journal of Economics and Management Jurnal Riset Statistika Bandung Conference Series: Statistics Jurnal Statistika dan Komputasi (STATKOM) Indonesian Journal of Statistics and Its Applications
Marizsa Herlina
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Industrial & Manufacturing Engineering Mathematics Social Sciences Other

Published : 32 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 24 Documents
Search
Journal : Bandung Conference Series: Statistics

 1   2   3 
Analisis Pengaruh Indeks Pembangunan Manusia terhadap Tingkat Kemiskinan di Provinsi Jawa Barat pada Tahun 2021 Muhamad Fathur Ramdani; Marizsa Herlina
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.v4i2.14344

Abstract

Abstract. Practical courses are one of the courses in the curriculum of the Unisba Statistics Studies Program which are compulsory for students to take and work on their own under the guidance of a supervisor. The practice course aims to introduce students to the world of work, as well as to apply various statistical methods to the fields in which the student performs the practice course. The author carried out practical studies at the Central Statistical Agency of Garut district, which is located on Road Development No. 222, Sukagalih Village, Kidul Tarogong District, Garut District, West Java Province. The purpose of the report is to analyze the impact of the Human Development Index on poverty levels in the West Java Province in 2021. The analysis used in this report is a simple regression analysis using the variables Human Development Indicator (X) and Poverty Level Variable (Y). Based on the results of the analysis related to the influence of the human development index on the poverty rate in West Java province in 2021, it can be concluded that the Human development index has a negative and significant impact on the level of poverty in Western Java Province by 2021. Based on the R-square, it can be inferred as 0.583 or 58.3%, which means that 58.3% of the diversity of the poverty rate can be explained by the Human Development Index variable, while the remaining 41.7% can be described by another variable. Abstrak. Kuliah Praktik merupakan salah satu mata kuliah dalam kurikulum Program Studi Statistika Unisba yang wajib diambil oleh mahasiswa dan dikerjakan sendiri dengan petunjuk seorang pembimbing. Kuliah Praktik ini bertujuan untuk memperkenalkan dunia kerja kepada mahasiswa, selain itu juga untuk menerapkan berbagai metode statistika pada bidang dimana mahasiswa itu melakukan Kuliah Praktik. Penulis melakukan kegiatan Kuliah Praktik di Badan Pusat Statistik Kabupaten Garut yang beralamat di Jalan Pembangunan No. 222, Desa Sukagalih, Kecamatan Tarogong Kidul, Kabupaten Garut, Provinsi Jawa Barat. Laporan ini bertujuan untuk menganalisis pengaruh Indeks Pembangunan Manusia terhadap Tingkat Kemiskinan di Provinsi Jawa Barat pada tahun 2021. Analisis yang digunakan pada laporan ini adalah analisis regresi sederhana dengan menggunakan variabel Indeks Pembangunan Manusia (X) dan variabel Tingkat Kemiskinan (Y). Berdasarkan hasil analisis terkait pengaruh Indeks Pembangunan Manusia terhadap Tingkat Kemiskinan di Provinsi Jawa Barat pada tahun 2021, dapat disimpulkan bahwa Indeks Pembangunan Manusia berpengaruh negatif dan signifikan terhadap Tingkat Kemiskinan di Provinsi Jawa Barat pada tahun 2021. Berdasarkan R-square, dapat disimpulkan sebesar 0,583 atau 58,3% yang berarti sebesar 58,3% keragaman Tingkat Kemiskinan dapat dijelaskan oleh variabel Indeks Pembangunan Manusia. Sedangkan sisanya 41,7% dapat dijelaskan oleh variabel lain.
Perbandingan Peramalan Curah Hujan di Kota Bandung Menggunakan Metode Seasonal Autoregressive Moving Average (SARMA) dan Seasonal Autoregressive Moving Average with Exogenous Input (SARMAX) Arina Pramudita; Herlina, Marizsa
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.v4i2.14683

Abstract

Abstract. Forecasting is an important component in decision making because it can estimate the value of data in the future using past data. This research proposes the use of a forecasting method that can handle univariate time series data designed to forecast seasonal pattern data. Therefore, it allows analysis to find the best model comparison using the Seasonal Autoregressive Moving Average (SARMA) method and the Seasonal Autoregressive Moving Average with Exogenous Input (SARMAX) method. The SARMA method is an extension of the ARMA method which is used for data with seasonal patterns (repeating every period). The SARMAX method is a method that really pays attention to independent variables so that this method is sufficient to minimize errors in forecasting data. The aim of this research is to determine the model and forecast results for the next 12 months from rainfall data in Bandung City and compare the error rate values ​​of the two methods, namely SARMA and SARMAX with the exogenous variable air pressure. From the test results using both methods, the model obtained (1,2)(0,1)12 and from the forecasting results it was found that in January 2024 there was high rainfall, while in September 2024 there was low rainfall. Apart from that, it was found that the SARMAX model provided better performance with an RMSE value of 84.05325 which was smaller than the SARMA model of 86,00966. Abstrak. Peramalan adalah komponen penting dalam pengambilan keputusan karena dapat memperkirakan nilai data di masa depan dengan menggunakan data masa lalu. Penelitian ini mengusulkan penggunaan metode peramalan yang dapat menangani data time series univariate yang dirancang untuk meramalkan data berpola musiman. Oleh karena itu, memungkinkan analisis mencari perbandingan model terbaik menggunakan metode Seasonal Autoregressive Moving Average (SARMA) dan metode Seasonal Autoregressive Moving Average with Exogenous Input (SARMAX). Metode SARMA merupakan perluasan dari metode ARMA yang digunakan untuk data yang berpola musiman (berulang setiap periode). Metode SARMAX adalah metode yang sangat memperhatikan variabel independent sehingga metode tersebut cukup untuk meminimalisirkan kesalahan dari data hasil peramalan. Tujuan dari penelitian ini adalah untuk mengetahui model dan hasil ramalan selama 12 bulan ke depan dari data curah hujan di Kota Bandung serta membandingkan nilai tingkat kesalahan dari kedua metode yaitu SARMA dan SARMAX dengan variabel eksogen tekanan udara. Dari hasil pengujian dengan kedua metode didapat model (1,2)(0,1)12 serta dari hasil peramalan diperoleh bahwa pada bulan Januari 2024 terjadi curah hujan yang tinggi sedangkan pada bulan September 2024 terjadi curah hujan yang rendah. Selain itu, didapat bahwa model SARMAX memberikan kinerja yang lebih baik dengan diperoleh nilai RMSE sebesar 84,05325 lebih kecil dibandingkan model SARMA sebesar 86,00966.
Penggunaan Artificial Neural Network untuk Memprediksi Inflasi Jawa Barat pada Tahun 2023 Putri Zahiratul Muslimah; Herlina, Marizsa
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.v4i2.14875

Abstract

Abstract. Forecasting is the process of predicting the magnitude or amount of something in the future based on scientific analysis of past data. One method of forecasting is Artificial Neural Network (ANN), which uses a simple mathematical model that mimics the way the human brain works. ANNs work by accepting inputs in various formats, then multiplying each input by a certain weight. The purpose of forecasting is to get a picture of future values that are useful for decision-making or anticipation in the present. This research aims to forecast inflation in West Java. Inflation is a generalized increase in the prices of goods and services that is sustained over a period of time, reflecting excessive and unstable monetary growth. The data used in this study is West Java inflation data from 2013 to 2022 with a monthly period. With the proportion of training and testing data of 70:30, this research produces a multi-layer artificial neural network architecture design consisting of 3 layers, namely 3 neurons in the input layer (based on the PACF plot), 3 neurons in the hidden layer (based on the best MSE value), and 1 neuron in the output layer. The parameters used in this model include a learning rate of 0.5 and a binary sigmoid activation function. Abstrak. Peramalan merupakan proses memprediksi besarnya atau jumlah sesuatu di masa depan berdasarkan analisis ilmiah terhadap data masa lalu. Salah satu metode peramalan ialah Artificial Neural Network (ANN) atau jaringan saraf tiruan, yang menggunakan model matematika sederhana yang meniru cara kerja otak manusia. ANN bekerja dengan menerima input dalam berbagai format, lalu mengalikan setiap input dengan bobot tertentu. Tujuan dari peramalan adalah untuk mendapatkan gambaran nilai di masa depan yang berguna untuk pengambilan keputusan atau antisipasi di masa kini. Penelitian ini bertujuan untuk meramalkan inflasi di Jawa Barat. Inflasi ialah peningkatan harga barang dan jasa secara general yang berlangsung secara berkelanjutan dalam periode tertentu, mencerminkan pertumbuhan moneter yang berlebihan dan tidak stabil. Data yang digunakan dalam penelitian ini adalah data inflasi Jawa Barat dari tahun 2013 hingga 2022 dengan periode bulanan. Dengan proporsi data training dan testing sebesar 70:30, penelitian ini menghasilkan rancangan arsitektur jaringan saraf tiruan multi-layer network yang terdiri dari 3 layer, yaitu 3 neuron pada input layer (berdasarkan plot PACF), 3 neuron pada hidden layer (berdasarkan nilai MSE terbaik), dan 1 neuron pada output layer. Parameter yang digunakan dalam model ini meliputi learning rate sebesar 0,5 dan fungsi aktivasi sigmoid biner.
Analisis Korespondensi Data Akreditasi Perguruan Tinggi di Lembaga Layanan Pendidikan Tinggi Wilayah 4 (LLDIKTI4) Jawa Barat dan Banten Rifqi Naufaldi Putra Pratama; Marizsa Herlina
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.v4i2.15568

Abstract

Abstract. Education is a key pillar of a nation's development. Well-managed education can produce high-quality resources. The role of LLDIKTI is to facilitate the enhancement of the quality of higher education, conduct evaluations, and report on the improvement efforts of universities within its region. Accreditation is an effort to ensure that universities meet the quality standards set by the government. The purpose of this study is to visually explore the relationship between the type of higher education institutions and the types of accreditation. This research employs correspondence analysis, a statistical technique used to explore the relationships between categorical variables. The data used in this study is the accreditation data of higher education institutions from June 2023. The categorical variables analyzed are the type of higher education institutions and the types of accreditation, presented in a contingency table format. This secondary data was obtained from performance reports released during the Practical Course of the Statistics Study Program, Faculty of Mathematics and Natural Sciences, at Universitas Islam Bandung, conducted at the Higher Education Service Institution Region 4 (LLDIKTI 4) in West Java and Banten. The results of the correspondence analysis on the accreditation data of higher education institutions at LLDIKTI 4 in West Java and Banten in June 2023 indicate a visual relationship between the type of higher education institution and the types of accreditation in the Higher Education Accreditation data from June 2023. Abstrak. Pendidikan merupakan pilar utama pembangunan suatu Negara. Pendidikan yang terkelola baik dapat menghasilkan sumber daya berkualitas. Tugas LLDIKTI adalah memfasilitasi peningkatan mutu penyelenggaraan pendidikan tinggi, pelaksanaan evaluasi dan pelaporan fasilitasi peningkatan mutu perguruan tinggi yang berada di wilayahnya. Akreditasi merupakan upaya untuk memastikan bahwa perguruan tinggi menerapkan standar mutu yang telah ditetapkan pemerintah. Tujuan penelitian ini untuk mengetahui keterkaitan secara visual antara bentuk perguruan tinggi dengan jenis Akreditasi. Penelitian ini menggunakan metode analisis korespondensi, sebuah teknik statistik yang digunakan untuk mengeksplorasi hubungan antara variabel kategorikal. Data yang digunakan dalam penelitian ini adalah data Akreditasi perguruan tinggi pada bulan Juni 2023, Variabel kategorikal yang dianalisis adalah variabel Bentuk Perguruan tinggi serta variabel Akreditasi yang disajikan dalam format tabel kontingensi. Data sekunder ini diperoleh dari laporan capaian yang dikeluarkan selama pelaksanaan Kuliah Praktik Prodi Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Islam Bandung di Lembaga Layanan Pendidikan Tinggi Wilayah 4 (LLDIKTI4) Jawa Barat dan Banten. Hasil analisis korespondensi pada data Akreditasi perguruan tinggi di Lembaga Layanan Pendidikan Tinggi Wilayah 4 (LLDIKTI4) Jawa Barat dan Banten pada bulan Juni Tahun 2023 menunjukkan adanya keterkaitan secara visual antara bentuk perguruan tinggi dengan jenis Akreditasi pada data Akreditasi Perguruan Tinggi bulan Juni Tahun 2023.
Co-Authors 10060118104, Muhammad Reinaldy Tifasi 10060119001, Vizky Andharista Suhendar 10060119033, Salma Nur Fauziah 10060119044, Aldy Virgiawan 10060119068, Nur Inayah Aldhelia 10060119082, Rhanie Cynthia Ekaputri 10060119113, Fitria Nurjanah Ananda Apsari Ainun Nissa Arina Pramudita ASEP SAEFUDDIN Didis Dwiputri Sundara Dzakiir, Ammaar Edwiga Antirad Erdanisa Aghnia Ilmani Farhan Dzul Fiqar Faustina Alifah Mardhiyah Gita Yantika Sari Hilmi Azzam Robbani Muhamad Fathur Ramdani Niken Abellia Nisa Athira Putri Zahiratul Muslimah Ratna Agustina, Ratna Regitha Gladiul Krisnasukma Rifai, Nur Azizah Komara Rifqi Naufaldi Putra Pratama Rizki Arya Ramadhan Shastia Diba Rahmawanti Sirodj, Dwi Agustin Nurani Sugiono, Kabung Wian Fadila Wian Fadila Yani Nurhadryani