Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

5.257

P-Index

This Author published in this journals

All Journal Pharmaciana: Jurnal Kefarmasian EKOMBIS REVIEW: Jurnal Ilmiah Ekonomi dan Bisnis EKSPANSI Amwaluna Jurnal Ekonomi dan Keuangan Syariah TRANSFORMASI : JURNAL PENGABDIAN PADA MASYARAKAT Indonesian Journal of Economics and Management Jurnal Riset Statistika Bandung Conference Series: Statistics

Teti Sofia Yanti

Prodi Statistika, Fakultas Matematika Dan Ilmu Pengetahuan Alam, Universitas Islam Bandung, Indonesia

Author-ID : 483280

Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Mathematics Medicine & Pharmacology Social Sciences Other

Published : 43 Documents Claim Missing Document

Claim Missing Document

Articles

1 2 3 4 5

Penerapan Analisis Regresi Spasial untuk Menentukan Faktor-Faktor Penyebab Stunting di Nusa Tenggara Barat Tahun 2021 Vivi Suci Puspita; Teti Sofia Yanti
Bandung Conference Series: Statistics Vol. 2 No. 2 (2022): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Abstract. To find out a relationship based on location or place information, spatial regression analysis can be used. Spatial regression models include the General Spatial Model (GSM), Spatial Autoregressive Model (SAR) and Spatial Error Model (SEM). Mariana (2013) states that SEM is a model that has a spatial correlation on error, SAR is a model that has a spatial relationship on the dependent variable, and GSM is a combination of SEM and SAR models. The spatial weighting matrix is the basic component of the spatial model, this matrix shows the relationship between one region and the surrounding area. The spatial weighting matrix used is the Queen Contiguity spatial weighting matrix. This study uses data on Stunting in West Nusa Tenggara in 2021. The data includes the number of Stunting toddlers as the dependent variable (Y) and there are five independent variables (X) namely the number of low birth weight babies, the number of toddlers receiving complete basic immunizations, the number of babies born receiving early initiation of breastfeeding, the number of babies receiving exclusive breastfeeding, and the number of infants receiving exclusive breastfeeding. poor people. The results show that the Spatial Autoregressive model is the best model, has the smallest Root Mean Square Error (RMSE) value. Based on the results of modeling with the Spatial Autoregressive Model (SAR) the factors that affect the number of Stunting toddlers in West Nusa Tenggara are the number of infants receiving Early Initiation of Breastfeeding and the number of infants receiving exclusive breastfeeding. Abstrak. Untuk mengetahui suatu hubungan berdasarkan informasi lokasi atau tempat dapat menggunakan analisis regresi spasial. Model regresi spasial di antaranya, yaitu General Spatial Model (GSM), Spatial Autoregressive Model (SAR) dan Spatial Error Model (SEM). Mariana (2013) menyebutkan bahwa SEM adalah model yang memiliki korelasi spasial pada galat, SAR merupakan model yang memiliki hubungan spasial pada variabel tak bebasnya, dan GSM merupakan gabungan dari model SEM dan SAR. Matriks pembobot spasial menjadi komponen dasar dari model spasial, matriks ini menunjukkan adanya hubungan antara satu wilayah dengan wilayah disekitarnya. Matriks pembobot spasial yang digunakan, yaitu matriks pembobot spasial Queen Contiguity. Penelitian ini menggunakan data Stunting di Nusa Tenggara Barat pada tahun 2021. Data meliputi jumlah balita Stunting sebagai variabel tak bebas ( ) dan terdapat lima variabel bebas ( ) yaitu jumlah bayi berat lahir rendah, jumlah balita mendapatkan imunisasi dasar lengkap, jumlah bayi lahir mendapat inisiasi menyusui dini, jumlah bayi mendapat ASI Ekslusif, dan jumlah penduduk miskin. Hasil penelitian menunjukkan bahwa model Spatial Autoregressive merupakan model terbaik, memiliki nilai Root Mean Square Error (RMSE) terkecil. Berdasarkan hasil pemodelan dengan model Spatial Autoregressive Model (SAR) faktor yang berpengaruh terhadap jumlah balita Stunting di Nusa Tenggara Barat yaitu jumlah bayi mendapat Inisiasi Menyusui Dini dan jumlah bayi mendapat ASI Ekslusif.

Penanganan Data Hilang Menggunakan Metode MarkoviChain Monte Carlo (MCMC) Sintia Arjabi Oktavianti; Teti Sofia Yanti
Bandung Conference Series: Statistics Vol. 2 No. 2 (2022): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Abstract. In an observation or research, there are often cases where the data observed or researched is incomplete because the measuring instrument used is inaccurate, damaged, not recorded and other technical problems. Incomplete data is commonly referred to as missing data. Missing data is an important problem in various studies because it can lead to bias and inaccuracy in predicting the response from observations. The method used to estimate missing data in the writing of this thesis is the Multiple Imputation method. Multiple Imputation used is the Markov Chain Monte Carlo (MCMC) method with Data Augmentation (DA) algorithm. The MCMC method is an algorithm for simulating conditional probability, which is suitable for any data pattern, where it is assumed that the underlying complete data follows a multivariate normal distribution. One case of incomplete data is the time-travel (Home – GSK) in Canada, the Province of Ontario in 2011 – 2012, for the variables Distance, Maxspeed and FuelEconomy. Based on the DA algorithm, complete data is formed for the three variables, so that these variables can be used for further analysis. Abstrak. Dalam sebuah pengamatan atau penelitian sering sekali terjadi kasus dimana data yang diamati atau diteliti tidak lengkap dikarenakan alat ukur yang digunakan kurang akurat, rusak, tidak tercatat dan masalah-masalah teknis lainnya. Data yang tidak lengkap biasa disebut sebagai data hilang (missing data). Data hilang merupakan suatu masalah penting dalam berbagai penelitian karena dapat menyebabkan terjadinya bias dan ketidakakuratan dalam memprediksi respon dari amatan. Metode yang digunakan untuk melakukan pendugaan data hilang pada penulisan artikel ini adalah metode Imputasi Ganda (Multiple Imputation). Imputasi Ganda (Multiple Imputation) yang digunakan adalah metode Markov Chain Monte Carlo (MCMC) dengan algoritma Data Augmentation (DA). Metode MCMC adalah algoritma untuk mensimulasikan peluang bersyarat, yang cocok untuk pola data apapun, di mana diasumsikan bahwa data lengkap yang mendasari mengikuti distribusi normal multivariat. Salah satu kasus data tidak lengkap yaitu time-travel (Home – GSK) yang ada di Negara Canada Provinsi Ontario pada tahun 2011 – 2012, untuk variabel Distance, Maxspeed dan FuelEconomy. Berdasarkan algoritma DA terbentuk data lengkap untuk ketiga variabel tersebut, sehingga variabel tersebut dapat digunakan untuk analisis lebih lanjut.

Penerapan Multidimensional Scaling terhadap Pengelompokkan Provinsi Berdasarkan Indikator Tujuan ke-6 SDGs Puthri Rahma Zain; Teti Sofia Yanti
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.v2i2.1465

Abstract. Multidimensional Scaling Metric is an analysis that shows the value of the similarity of distances between objects on a dimension in the form of a graph in the form of a spatial map that is easy to understand and more informative than other methods because the final result of MDS is visual. The data used are all provinces in Indonesia which consist of 34 provinces and the variables of the indicator of the proportion of the population that has access to adequate and sustainable drinking water sources and the proportion of the population that has access to proper and sustainable sanitation services. Water and sanitation are a fundamental part for every human being to survive and maintain his health, and therefore must also be seen as the main element in fulfilling the right to a decent standard of living so that it becomes the 6th Goal of the Sustainable Development Goals (SDGs). From the results of the discussion, 3 provincial groups have similarities between their members and differ from other groups, namely group 1, namely the group that becomes the priority to be improved to achieve the 6th goal of the SDGs (clean water and sanitation). Group 2 is the group that becomes the second priority for improvement. Group 3 is the group that is the last priority to be improved to achieve the 6th goal of the SDGs (clean water and sanitation). Abstrak. Multidimensional Scaling Metric merupakan analisis yang menunjukkan nilai kemiripan jarak antar objek pada suatu dimensi dalam bentuk grafik berupa peta spasial yang mudah dipahami dan lebih informatif dibandingkan metode lain karena hasil akhir dari MDS adalah visual. Data yang digunakan adalah seluruh provinsi di Indonesia yang terdiri dari 34 provinsi dan variabel indikator proporsi penduduk yang memiliki akses terhadap sumber air minum yang layak dan berkelanjutan dan proporsi penduduk yang memiliki akses terhadap pelayanan sanitasi yang layak dan berkelanjutan. . Air dan sanitasi merupakan bagian mendasar bagi setiap manusia untuk bertahan hidup dan menjaga kesehatannya, oleh karena itu juga harus dilihat sebagai unsur utama dalam pemenuhan hak atas taraf hidup yang layak sehingga menjadi Tujuan ke-6 Tujuan Pembangunan Berkelanjutan. (SDG). Dari hasil diskusi, 3 kelompok provinsi memiliki kesamaan antar anggotanya dan berbeda dengan kelompok lainnya yaitu kelompok 1 yaitu kelompok yang menjadi prioritas untuk ditingkatkan untuk mencapai tujuan ke-6 SDGs (air bersih dan sanitasi). Kelompok 2 merupakan kelompok yang menjadi prioritas kedua untuk perbaikan. Kelompok 3 merupakan kelompok yang menjadi prioritas terakhir untuk ditingkatkan untuk mencapai tujuan ke-6 SDGs (air bersih dan sanitasi).

Transfer Payments and Economic Sector Performance: Input-Output Analysis in Bandung Regency Teti Sofia Yanti; Anneke Iswani Ahmad; Iwan Setiawan
Indonesian Journal of Economics and Management Vol 3 No 2 (2023): Indonesian Journal of Economics and Management (March 2023)
Publisher : Jurusan Akuntansi Politeknik Negeri Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35313/ijem.v3i2.4790

This study analyzes the effect of transfer funds on Bandung Regency's economic sectors in 2022, using input-output table analysis to formulate suitable allocation policies for economic development goals. The research was conducted using the Location Quotient (LQ) method. This research produced an inverse Leontif matrix. Leontif's inverse matrix can be used to analyze the interrelationships between economic sectors in Bandung Regency. Revised: The government transfer expenditure in Kabupaten Bandung in 2022 had a direct impact of IDR 459,979,360,622.89 on the Government Administration, Defense, and Mandatory Social Security sector. The indirect impact or multiplier effect on the other 16 economic sectors was IDR 241,790,256,760.42. Analysis through the Leontief inverse matrix shows that the increase of final demand in all sectors by IDR 1 billion would result in an output increase of IDR 1.53 billion in the Government Administration, Defense, and Mandatory Social Security sector. Conversely, if the final demand in that sector increases by IDR 1 billion, the output of all sectors will increase by IDR 1.02 billion. Therefore, the government transfer expenditure in Kabupaten Bandung positively impacted the growth of all economic sectors.

Exploration of the flavonoid content of Ziziphus spina-christi leaf extract and antioxidant activity assay through in vitro and in silico methods Fitrianti Darusman; Taufik Muhammad Fakih; Dwi Syah Fitra Ramadhan; Hilda Aprilia Wisnuwardhani; Teti Sofia Yanti
Pharmaciana Vol 13, No 1 (2023): Pharmaciana
Publisher : Universitas Ahmad Dahlan

One plant that has the potential as an antioxidant is Ziziphus spina-christi (ZSC) because it contains phenolics and flavonoids. This study aims to determine the flavonoid content both qualitatively and quantitatively and to test the antioxidant activity of ZSC leaf extract using in vitro and in silico attenuation methods. Determination of the total flavonoid content of ZSC leaf extract using a comparison of quercetin. In vitro the antioxidant activity assay of ZSC leaf extract was carried out by measuring the reducing activity of ZSC leaf extract against the radical DPPH using ascorbic acid as comparison, while the in silico method using QSAR and pharmacophore modeling techniques. The results showed that the total flavonoid content obtained from ZSC leaf extract was 0.2515 ± 0.0013 mg QE/g D.W with an IC50 of 58.9296 ppm. This value indicates that ZSC leaf extract has potential as a strong antioxidant. Furthermore, from the in silico method using pharmacophore modeling and QSAR techniques, 8 hit compounds were obtained from the content of ZSC with IC50 QSAR ranging from 6.57 to 0.0004, which was thought to be the metabolite that had the most role in its antioxidant activity. This value indicates that ZSC leaf extract has potential as a very strong antioxidant. It also proves that QSAR and pharmacophore modeling techniques can be used as confirmatory tests for in vitro results in determining the antioxidant activity of natural materials.

Peramalan Harga Logam Mulia Antam Satu Gram Menggunakan Metode Arima Kalman Filter Wulan Milanka Lestari; Teti Sofia Yanti
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.v3i2.8496

Abstract. Forecasting is a process to know a picture in the future based on past data. ARIMA Kalman Filter is a forecasting method that combines analysis using the ARIMA model which is then carried out by applying the Kalman Filter algorithm in optimizing the ARIMA model. Kalman Filter is a set of mathematical equations that offer a computationally recursive and efficient way to estimate the state of a process, in such a way as to minimize the average of the squared errors. The purpose of forecasting is to get a picture of the future value that can be used for decision making, one of which is precious metal investment. In this study, forecasting will be carried out on the price of one gram of Antam's precious metal using the ARIMA Kalman Filter method. Precious metals are referred to as “safe heaven” investment instruments, which means that the value of these investment assets will be maintained. Based on the research results from forecasting data for Antam's Precious Metals price of one gram (before tax) per day at the LM Precious Metals Boutique - Bandung using the ARIMA Kalman Filter method, the best forecasting model is the ARIMA Kalman Filter (1,1,0) model with the equation With the implementation of the Kalman Filter algorithm, the results of forecasting data on the Precious Metals price of one gram (before tax) per day at the LM Precious Metals Boutique – Bandung become more accurate. This is indicated by the decrease in the MAPE value from 45.37% using the ARIMA model (1,1,0) to 38.73% after applying the Kalman Filter algorithm to the ARIMA model (1,1,0). Abstrak. Peramalan adalah suatu proses untuk mengetahui suatu gambaran di masa depan berdasarkan data masa lampau. ARIMA Kalman Filter adalah suatu metode peramalan yang menggabungkan analisis menggunakan model ARIMA yang selanjutnya dilakukan penerapan algoritma Kalman Filter dalam optimalisasi model ARIMA. Kalman Filter merupakan sekumpulan persamaan matematik yang menawarkan cara komputasi rekursif dan efisien untuk mengestimasi state dari sebuah proses, sedemikian rupa sehingga meminimumkan rata-rata dari kuadrat galat. Tujuan dari peramalan adalah mengetahui gambaran nilai masa depan yang dapat dimanfaatkan untuk pengambilan keputusan salah satunya investasi logam mulia. Pada penelitian ini akan dilakukan peramalan terhadap harga satu gram logam mulia Antam menggunakan metode ARIMA Kalman Filter. Logam mulia disebut sebagai instrumen investasi “safe heaven” yang artinya aset investasi tersebut akan tetap terjaga nilainya. Berdasarkan hasil penelitian dari peramalan data harga Logam Mulia antam satu gram (sebelum pajak) per hari di Butik Logam Mulia LM – Bandung menggunakan metode ARIMA Kalman Filter maka didapat model peramalan terbaik adalah model ARIMA Kalman Filter (1,1,0) dengan persamaan . Dengan diterapkannya algoritma Kalman Filter, hasil dari peramalan data harga Logam Mulia antam satu gram (sebelum pajak) per hari di Butik Logam Mulia LM – Bandung menjadi lebih akurat. Hal ini ditunjukan dengan menurunnya nilai MAPE dari 45,37% menggunakan model ARIMA (1,1,0) menjadi 38,73% setelah diterapkan algoritma Kalman Filter pada model ARIMA (1,1,0).

Pemodelan Regresi Polinomial Lokal pada Nilai Ekspor Non-Migas di Indonesia Fachrul Fauzi; Teti Sofia Yanti
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.v3i2.8512

Abstract. Linear regression analysis is one of the statistical methods aimed at determining the influence of the independent variable (X) on the dependent variable (Y). In estimating the parameters of the linear regression model, it can be done using the method of least squares or ordinary least squares (OLS). However, if you want to model with research data with an unknown functional form, then the regression analysis used is nonparametric regression analysis. Local polynomial regression is one of the models used in nonparametric regression approaches. Estimation of parameters in local polynomial regression can be done using the Weighted Least Squares (WLS) estimation method by considering the value of the kernel function. The kernel function commonly used includes the Gaussian kernel and the Epanechnikov kernel. The best local polynomial regression model can be observed from the bandwidth, local points, weighting, kernel function, and the optimal polynomial degree. The data used in this study are non-oil and gas export values in Indonesia from January 2018 to December 2022. Based on the calculation results, the best local polynomial regression model is the local polynomial regression model with the Gaussian kernel function, with a Mean Absolute Percentage Error (MAPE) of 8.33%, and a coefficient of determination (R2) of 83.99%. The best model to predict non-oil and gas export values in Indonesia is the second-order with a local point (t0) of 22 and a bandwidth (h) of 10, i.e., yi^ = 12521.411 + 35.744 (ti-22)+8.475 (ti-22)^2 Abstrak. Analisis Regresi Linier merupakan salah satu metode statistika yang bertujuan untuk mengetahui pengaruh variabel bebas (X) terhadap variabel tak bebas (Y). Dalam melakukan estimasi parameter model regresi linier dapat dilakukan dengan menggunakan metode kuadrat terkecil atau ordinary least square (OLS). Namun apabila ingin melakukan pemodelan dengan data penelitian yang tidak diketahui bentuk fungsinya, maka analisis regresi yang digunakan adalah analisis regresi nonparametrik. Regresi polinomial lokal merupakan salah satu model yang digunakan dalam pendekatan regresi nonparametrik. Penaksiran parameter pada regresi polinomial lokal dapat dilakukan dengan metode estimasi Weighted Least Square (WLS) dengan memperhatikan nilai fungsi kernel. Fungsi kernel yang banyak digunakan adalah kernel gaussian dan kernel epanechnikov. Model regresi polinomial lokal terbaik dapat dilihat dari bandwidth, titik lokal, pembobot, fungsi kernel, serta derajat polinomial yang optimal. Data yang digunakan dalam penelitian ini adalah nilai ekspor non-migas di Indonesia pada Januari 2018 hingga Desember 2022. Berdasarkan hasil perhitungan, diperoleh model regresi polinomial lokal terbaik adalah model regresi polinomial lokal dengan fungsi kernel gaussian dengan nilai MAPE sebesar 8,33% dan nilai koefisien determinasi (R2) sebesar 83,99%. Model terbaik untuk memprediksi nilai ekspor non-migas di Indonesia adalah orde dua dengan titik lokal (t0) sebesar 22 dan nilai bandwidth (h) sebesar 10, yaitu: yi^ = 12521.411 + 35.744 (ti-22)+8.475 (ti-22)^2

Identifikasi Sektor Unggulan pada Sektor Ekonomi Provinsi Jawa Barat melalui Analisis Input Output Raihani Himati Kamilah; Teti Sofia Yanti
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.v3i2.8533

Abstract. Input output analysis can be used to analyze inter-sector linkages and relationships in the economy of a region. In this analysis, the data presented is in the form of tables which are referred to as input output tables. This table is very important to see the economic performance of a region by looking at the linkages between economic sectors in a region both backward and forward linkages. However, only knowing how the inter-sectoral linkages are is not enough to develop an economy. Therefore, it is necessary to carry out further analysis to determine which sectors are the leading sectors. West Java Province has had an average positive economic growth for the last six years and is also the third province that has the highest GRDP in Indonesia in 2021. This research will look at how the inter-sectoral relations of the West Java economy and what are the leading sectors in West Java using input output analysis. There are three analyzes used, namely backward linkage, forward linkage, and overlay analysis. The manufacturing industry is the leading sector in West Java Province, it is also the sector that has the greatest forward and backward linkages besides the electricity and gas procurement sector. In addition, the water supply, waste management, waste and recycling sectors have the potential to become leading sectors in West Java Province. Abstrak. Analisis input output dapat digunakan dalam menganalisis keterkaitan serta hubungan antarsektor dalam perekonomian suatu wilayah. Dalam analisis ini, data yang disajikan berbentuk tabel yang disebut sebagai tabel input output. Tabel ini sangat penting untuk melihat performa perekonomian suatu wilayah dengan melihat keterkaitan antarsektor perekenomian pada suatu wilayah baik keterkaitan ke belakang maupun ke depan. Namun, hanya dengan mengetahui bagaimana keterkaitan antarsektor saja belum cukup untuk mengembangkan suatu perekonomian. Maka dari itu, perlu dilakukan analisis lebih lanjut untuk menentukan sektor mana saja yang merupakan sektor unggulan. Provinsi Jawa Barat memiliki rata-rata pertumbuhan ekonomi yang positif selama enam tahun terakhir dan juga merupakan provinsi ketiga yang memiliki PDRB tertinggi di Indonesia pada tahun 2021. Dalam penelitian ini akan dilihat bagaimana keterkaitan antarsektor perekenomian Jawa Barat dan apa saja sektor unggulan di Jawa Barat menggunakan analisis input output. Terdapat tiga analisis yang digunakan yaitu keterkaitan ke belakang, keterkaitan ke depan, dan analisis overlay. Industri pengolahan merupakan sektor unggulan Provinsi Jawa Barat, juga termasuk sektor yang memiliki nilai keterkaitan ke depan dan ke belakang yang paling besar selain sektor pengadaan listrik dan gas. Selain itu sektor pengadaan air, pengelolaan sampah, limbah dan daur ulang memiliki potensi untuk menjadi sektor unggulan di Provinsi Jawa Barat.

Pemodelan Tingkat Pengangguran Terbuka (TPT) di Jawa Barat Menggunakan Regresi Nonparametrik Deret Fourier Sukma Wiyasih Izumi; Teti Sofia Yanti
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.v3i2.8769

Abstract. Regression analysis is a method used to determine the causal relationship of response variables with one or more predictor variables. It is generally divided into three regression analyses namely parametric, semiparametric, and nonparametric. Parametric regression has assumptions that can be met and the regression curve is known, but not all data can meet this. Therefore, the use of nonparametric regression can be an alternative because the use is not bound by assumptions and is used when the data does not follow a certain curve pattern. Nonparametric regression of the Fourier series is a method used to estimate the parameters of the regression curve through a data pattern approach. The best modeling uses the Generalized Cross Validation (GCV) method to derive the optimal oscillation point from the minimum GCV value. The purpose of the study is to obtain the best model of the Open Unemployment Rate (TPT) in West Java in 2022. Where the variables that are thought to affect the Open Unemployment Rate (TPT) are population density, percentage of poor people, gross participation rate (APK), Human Development Index (HDI), and Labor Force Participation Rate (TPAK). The results of the analysis show that the best fourier series nonparametric regression model for the Open Unemployment Rate (TPT) in West Java is at the 3th oscillation point with a coefficient of determination value of 84%. Abstrak. Analisis regresi adalah suatu metode yang digunakan untuk mengetahui hubungan sebab akibat dari variabel respon dengan satu atau lebih variabel prediktor. Umumnya dibagi menjadi tiga analisis regresi yaitu parametrik, semiparametrik, dan nonparametrik. Pada regresi parametrik memiliki asumsi yang dapat terpenuhi dan kurva regresi diketahui akan tetapi tidak semua data dapat memenuhi hal tersebut. Oleh karena itu penggunaan regresi nonparametrik t Rate, Generalized Cross Validation.dapat menjadi alternatif karena penggunaan tidak terikat asumsi-asumsi dan digunakan ketika data tidak mengikuti pola kurva tertentu. Regresi nonparametrik deret fourier adalah metode yang digunakan untuk mengestimasi parameter kurva regresi melalui pendekatan pola data. Pemodelan terbaik menggunakan metode Generalized Cross Validation (GCV) untuk memperoleh titik osilasi optimal dari nilai GCV minimum. Tujuan dari penelitian untuk memperoleh model terbaik Tingkat Pengangguran Terbuka (TPT) di Jawa Barat tahun 2022. Dimana variabel-variabel yang diduga mempengaruhi Tingkat Pengangguran Terbuka (TPT) yaitu kepadatan penduduk, presentase penduduk miskin, angka partisipasi kasar (APK), Indeks Pembangunan Manusia (IPM), dan Tingkat Partisipasi Angkatan Kerja (TPAK). Hasil analisis menunjukkan model regresi nonparametrik deret fourier terbaik untuk Tingkat Pengangguran Terbuka (TPT) di Jawa Barat adalah pada titik osilasi ke-3 dengan nilai koefisien determinasi sebesar 84%.

Penerapan Model Structural Vector Autoregressive (SVAR) dalam Menganalisis Pengaruh Pengeluaran Konsumsi Rumah Tangga (KRT) terhadap Inflasi di Provinsi Jawa Barat Tahun 2013-2022 Tasya Apriany Hamba; Teti Sofia Yanti
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.v3i2.9182

Abstract. The VAR model can be said to be a non-structural model because it is atheoristic or does not make use of previous information or theory. This VAR model is used if the variable is stationary and does not contain a trend. This model has the weakness that it does not have the ability to describe the contemporaneous (simultaneous) relationship of shocks between the variables analyzed. Because of the importance of knowing the contemporary effects of shocks on the economy, an alternative is used to overcome this problem, namely by using the Structural Vector Autoregressive (SVAR) model where the SVAR model can show the relationship between contemporary variables. The SVAR method uses the Impulse Response Function and Forecast Error Variance Decomposition through the application of restrictions with a matrix to identify and investigate shocks. In this study, multivariate time series data analysis was conducted to determine the impact of household consumption expenditure shocks on inflation by applying the SVAR model. Based on the research results, it was found that the SVAR model (5) is the best SVAR model. From the best model, it can be seen that the household consumption response to inflationary shocks tends to be stable from January to October 2023. Meanwhile, the inflation response to household consumption shocks in early January to March 2023 will decrease, then increase the following month and move steadily until October 2023. Abstrak. Model VAR dapat dikatakan sebagai model non-struktural karena bersifat ateoritik atau tidak memanfaatkannya informasi atau teori terdahulu. Model VAR ini digunakan jika variabel bersifat stasioner dan tidak mengandung trend. Model ini memiliki kelemahan yaitu tidak memiliki kemampuan untuk menggambarkan hubungan kontemporer (simultan) dari guncangan (shock) antara variabel yang dianalisis. Karena pentingnya dalam mengetahui efek kontemporer dari guncangan (shock) terhadap perekonomian, digunakanlah alternatif untuk mengatasi masalah tersebut yaitu dengan menggunakan model Structural Vector Autoregressive (SVAR) dimana pada model SVAR dapat memperlihatkan hubungan antara variabel kontemporer. Metode SVAR menggunakan Impuls Response Function dan Forecast Error Variance Decomposition melalui penerapan pembatasan dengan matriks untuk mengidentifikasi dan menyelidiki guncangan (shocks). Dalam penelitian ini dilakukan analisis data multivariate time series untuk mengetahui dampak shocks Pengeluaran Konsumsi Rumah Tangga terhadap inflasi dengan menerapkan model SVAR. Berdasarkan hasil penelitian diperoleh hasil bahwa model SVAR (5) merupakan model SVAR terbaik. Dari model terbaik dapat diketahui bahwa respon Konsumsi Rumah Tangga terhadap shocks Inflasi cenderung stabil dari mulai bulan Januari hingga bulan Oktober 2023. Sedangkan respon Inflasi terhadap shock Konsumsi Rumah Tangga di awal bulan Januari hingga Maret tahun 2023 mengalami penurunan, kemudian mengalami kenaikan pada bulan berikutnya dan bergerak stabil hingga bulan Oktober tahun 2023.

Co-Authors 10060118082, Rizky Fauzi Adeliya Sanya Lenita Agan Aida Nurul Islah Alfiari Firdaus Andi Setia Nugraha Anneke Iswani Ahmad Annisa Lisa Nurjanah Ari Budi Utomo Dadang Hermawan Diana Erviana Diana Erviana Dwi Syah Fitra Ramadhan Enu Ainun Isni Erin Heristian Eti Kurniati Fachrul Fauzi Fariz Andinur Aziz Fifi Afiyanti Fiore Rosie Kestana Fitrianti Darusman Fuji Astuti Gessya Saefani Hilda Aprilia, Hilda Icih Sukarsih Iwan Setiawan Iwan Setiawan Lathifah Lisnur Wachidah Mega Anisa Rachim Mey Damayanti CR Mila Hastuti S Muhammad Farhan Praja Utama Najwa Anisa Fitri Nety Kurniaty Nur Indah Lutfira Nusar Hajarisman Onoy Rohaeni Puthri Rahma Zain Putriyanto, Jasmine Salsabila Rafif Naufal Oktiardi Raihani Himati Kamilah Ratih Nurfitri Ruhana, Nafisah Salma, Ghina Salsabila, Felisha Sintia Arjabi Oktavianti Siti Sunendiari Sukma Wiyasih Izumi Tasya Apriany Hamba Taufik Muhammad Fakih Tripuspitorini, Fifi Afiyanti Vivi Suci Puspita Wildan Nur Ramadlan Wulan Milanka Lestari Yani Krishnamurti Yayat Karyana

Title

Found 43 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 43 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 43 Documents
Search