Article Per Year (5 Year)
p-Index From 2021 - 2026
1.066
P-Index
This Author published in this journals
All Journal Bandung Conference Series: Statistics
Nusar Hajarisman
Statistika, Fakultas Matematika Dan Ilmu Pengetahuan Alam
Decision Sciences, Operations Research & Management Education Mathematics

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
Pendugaan Angka Pengangguran di Jawa Barat Pada Tahun 2019 dengan Menggunakan Small Area Estimation Melalui Pendekatan Empirical Bayes Berbasis Model Beta-Binomial Mela Rafela; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 2 No. 2 (2022): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (212.804 KB) | DOI: 10.29313/bcss.v2i2.4564

Abstract

Abstract. Unemployment data is one of the main indicators of development. However, the unemployment data required by the Regional Government is not yet available at the district/city level due to the limited sample coverage in the National Labor Force Survey (Sakernas) conducted by BPS. The solution to this problem is to apply Small Area Estimation (SAE). Unemployment problem which assumes a binomial distribution with parameters (n,θ) and θ is a variable probability of success. This situation is known as the overdispersion problem. The method that is suitable for this case is the Empirical Bayes model of beta-binomial. The purpose of this study is to apply the Empirical Bayes method based on the beta-binomial model to estimate the district/city level unemployment rate in West Java Province and to obtain the results of a comparison between the direct and indirect estimators through the Mean Square Error (MSE) value using the Naive method. After testing the fit of the beta-biomial distribution, there is an overdispersion problem in the research data. This study resulted in the estimated value of the district/city unemployment rate in West Java Province in 2019 with the direct method and the indirect method producing relatively the same value. The highest unemployment rate is in Cirebon Regency and the lowest is in Majalengka Regency. The results of the estimation of the two methods can be concluded that the estimator using the Empirical Bayes method based on the beta-binomial model is better than the direct method. Abstrak. Data pengangguran merupakan salah satu indikator utama pembangunan. Namun, data pengangguran yang dibutuhkan oleh Pemerintah Daerah belum tersedia di level kabupaten/kota karena terbatasnya cakupan sampel dalam Survei Angkatan Kerja Nasional (Sakernas) yang dilakukan oleh BPS. Solusi dari permasalahan ini yaitu dengan menerapkan Small Area Estimation (SAE). Masalah pengangguran yang diasumsikan distribusi binomial dengan parameter (n,θ) dan θ adalah peluang sukses yang bervariasi. Keadaan seperti ini disebut sebagai masalah overdispersi. Metode yang cocok untuk kasus ini yaitu Empirical Bayes model beta-binomial. Tujuan dari peneitian ini adalah mengaplikasikan metode Empirical Bayes berbasis model beta-binomial untuk menduga angka pengangguran level kabupaten/kota di Provinsi Jawa Barat serta memperoleh hasil perbandingan antara penduga langsung dan penduga tidak langsung melalui nilai Mean Square Error (MSE) dengan menggunakan metode Naive. Setelah dilakukan pengujian kecocokan distribusi beta-biomial, terdapat masalah overdispersi dalam data penelitian. Penelitian ini menghasilkan nilai dugaan angka pengangguran kabupaten/kota di Provinsi Jawa Barat pada tahun 2019 dengan metode langsung dan metode tidak langsung menghasilkan nilai yang relatif sama. Angka pengangguran paling tinggi ada di Kabupaten Cirebon dan paling rendah ada di Kabupaten Majalengka. Hasil pendugaan dari kedua metode tersebut dapat disimpulkan bahwa penduga menggunakan metode Empirical Bayes berbasis model beta-binomial lebih baik dari pada metode langsung.
Pendugaan Rata-rata Pengeluaran Per Kapita Menurut Kabupaten/Kota di Provinsi Jawa Barat Melalui Empirical Best Linear Unbiased Prediction dalam Pendugaan Area Kecil Akmal Hafis Hakim; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 2 No. 2 (2022): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (204.432 KB) | DOI: 10.29313/bcss.v2i2.4747

Abstract

Abstract. The SAE (Small Area Estimation) method is widely used and used by many parties, one of which is BPS (Central Statistics Agency) some examples of data presentation expenditures such as poverty/social development/economic development, one of which is Per Capita Expenditure. The amount of per capita income can describe the welfare of a society. However, accurate income data is difficult to obtain, so that in the Susenas activity this data is approached through per capita expenditure. SAE (Small Area Estimation) is a statistical technique used to estimate the parameters of a subpopulation with a small sample size. Therefore, the purpose of this study is to obtain parameter estimates and apply the SAE (Small Area Estimation) model to the EBLUP (Empirical Best Linear Unbiased Prediction) method. The research method used in processing this research is using the EBLUP (Empirical Best Linear Unbiased Prediction) method which includes parameter estimation methods using REML (Restricted Maximum Likelihood) and GLS (Generalized Least Square) by comparing the MSE (Mean Square Error) value. smallest. The results show that Per Capita Expenditures in West Java Province with the help of additional information using accompanying variables that have a correlation that using the Empirical Best Linear Unbiased Prediction (EBLUP) method has better results when compared to using a direct estimator. Abstrak. Metode SAE (Small Area Estimation) banyak dipakai dan digunakan oleh banyak pihak salah satunya adalah BPS (Badan Pusat Statistik) beberapa contoh pengeluaran penyajian data seperti kemiskinan/pembangunan sosial/pembangunan ekonomi salah satunya adalah Pengeluaran Per Kapita. Besarnya pendapatan perkapita dapat menggambarkan kesejahteraan suatu masyarakat. Namun data pendapatan yang akurat sulit diperoleh, sehingga dalam kegiatan susenas data ini didekati melalui pengeluaran perkapita. SAE (Small Area Estimation) merupakan suatu teknik statistika yang digunakan untuk menduga parameter-parameter subpopulasi dengan ukuran sampel kecil (1). Oleh karena itu tujuan penelitian ini adalah untuk memperoleh estimasi parameter serta mengaplikasikan model SAE (Small Area Estimation) ke dalam metode EBLUP (Empirical Best Linear Unbiased Prediction). Metode penelitian yang digunakan dalam melakukan pengolahan penelitian ini dengan menggunakan metode EBLUP (Empirical Best Linear Unbiased Prediction) yang diantaranya terdapat metode pendugaan parameter dengan menggunakan REML (Restricted Maximum Likelihood) dan GLS (Generalized Least Square) dengan membandingkan nilai MSE (Mean Square Eror) terkecil. Hasil menunjukkan bahwa Pengeluaran Per Kapita di Provinsi Jawa Barat dengan bantuan informasi tambahan dengan menggunakan variabel penyerta yang memiliki korelasi bahwa dengan menggunakan metode Empirical Best Linear Unbiased Prediction (EBLUP) memiliki hasil yang lebih baik jika dibandingkan dengan menggunakan penduga langsung.
Penerapan Small Area Estimation dengan Metode Empirical Bayes dalam Menduga Risiko Relatif Penyebaran TBC di Kabupaten Karawang Tahun 2021 Siti Nur Rohmah; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 2 No. 2 (2022): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (260.788 KB) | DOI: 10.29313/bcss.v2i2.4765

Abstract

Abstract. Small Area Estimation (SAE) is a statistical technique used to estimate subpopulation parameters (areas) with a small sample size. In Small Area Estimation there are methods for processing cacahan data, namely Empirical Bayes and Bayes hierarchical. This study used the Bayes empirical method with the Poisson-Gamma model in estimating the risk of TB disease in Karawang Regency. The purpose of this study is to apply the Bayes empirical method based on the Poisson-Gamma model to estimate the relative risk of TB disease in Karawang Regency and compare the results of direct estimators and bayes empirical estimators through the Mean Square Error (MSE) value. The results showed that by comparing the MSE values of the direct estimator of the standardized mortality ratio and the empirical estimator of Bayes, it was concluded that the Bayes empirical method did not provide better results than direct estimators. Although Bayes empirical estimators have a fairly good accuracy rate with an average MSE value of 0.0232, the MSE value is greater when compared to the direct estimator MSE average of 0.0059. Abstrak. Small Area Estimation (SAE) atau pendugaan area kecil merupakan teknik statistika yang digunakan untuk menduga parameter subpopulasi (area) dengan ukuran sampel kecil. Dalam Small Area Estimation terdapat metode untuk mengolah data cacahan, yaitu Empirical Bayes dan hierarchical Bayes. Penelitian ini menggunakan metode Empirical Bayes dengan model Poisson-Gamma dalam menduga risiko penyakit TBC di Kabupaten Karawang. Tujuan penelitian ini adalah menerapkan metode Empirical Bayes berbasis model Poisson-Gamma untuk menduga risiko relatif penyakit TBC di Kabupaten Karawang serta membandingkan hasil penduga langsung dan penduga Empirical Bayes melalui nilai Mean Square Error (MSE). Hasil penelitian menunjukkan dengan membandingkan nilai MSE penduga langsung standardized mortality ratio dan penduga Empirical Bayes disimpulkan bahwa metode Empirical Bayes tidak memberikan hasil yang lebih baik dibandingkan penduga langsung. Meskipun penduga Empirical Bayes memiliki tingkat keakuratan yang cukup baik dengan rata-rata nilai MSE sebesar 0.0232, tetapi nilai MSE tersebut lebih besar jika dibandingkan dengan rata-rata MSE penduga langsung sebesar 0.0059.
Model Regresi Gamma pada Data Indeks Pendidikan Kabupaten/Kota di Provinsi Jawa Barat Tahun 2021 Natasya; Nusar Hajarisman
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.v3i2.7834

Abstract

Abstract. Regression analysis is a statistical method used to describe and model cause-and-effect relationships between variables. In applying regression analysis methods, there are often problems of violating normal assumptions or asymmetrical response variable data. The gamma distribution is a flexible distribution that can model continuous data with positive values. Gamma regression is a regression model that can describe cause-and-effect relationships between predictor variables and gamma-distributed response variables. The maximum likelihood method is used in estimating the parameters of gamma regression models. Education index data can be positive or negative, it is known from the Central Bureau of Statistics of West Java Province that the education index data of West Java Province in 2021 has a positive value, so this study will discuss the application of the gamma regression model in the 2021 West Java Province education index data. Based on the results of the tests conducted, the education index data is not normally distributed and has a graph of functions that form positive skewness so that modeling can be continued using gamma regression. Factors that are thought to affect the education index of West Java Province are the poverty line, open unemployment rate, and per capita expenditure in West Java Province in 2021. From the results of hypothesis testing that has been carried out, it is concluded that per capita expenditure has a significant effect on the education index in West Java Province in 2021. The following gamma regression model is selected using AIC value criteria: Abstrak. Analisis regresi merupakan suatu metode statistik yang digunakan untuk mendeskripsikan dan memodelkan hubungan sebab-akibat antar variabel. Dalam melakukan penerapan metode analisis regresi sering terjadi masalah pelanggaran asumsi kenormalan atau data variabel respon yang tidak simetris. Distribusi gamma merupakan distribusi yang fleksibel sehingga dapat memodelkan data kontinu yang bernilai positif. Regresi gamma merupakan model regresi yang dapat menggambarkan hubungan sebab-akibat antara variabel prediktor dengan variabel respon yang berdistribusi gamma. Metode maximum likelihood digunakan dalam menaksir parameter model regresi gamma. Data indeks pendidikan dapat bernilai positif atau negatif, diketahui dari Badan Pusat Statistik Provinsi Jawa Barat bahwa data indeks pendidikan Provinsi Jawa Barat Tahun 2021 memiliki nilai yang positif, sehingga dalam penelitian ini akan dibahas terkait penerapan model regresi gamma pada data indeks pendidikan Provinsi Jawa Barat Tahun 2021. Berdasarkan hasil pengujian yang dilakukan, data indeks pendidikan tidak berdistribusi normal dan memiliki grafik fungsi yang membentuk positive skewness sehingga dapat dilanjutkan pemodelan menggunakan regresi gamma. Faktor yang diduga berpengaruh terhadap indeks pendidikan Provinsi Jawa Barat adalah garis kemiskinan, tingkat pengangguran terbuka, dan pengeluaran per kapita di Provinsi Jawa Barat tahun 2021. Dari hasil pengujian hipotesis yang telah dilakukan, diperoleh kesimpulan bahwa pengeluaran per kapita berpengaruh signifikan terhadap indeks pendidikan di Provinsi Jawa Barat tahun 2021. Berikut model regresi gamma yang dipilih dengan menggunakan kriteria nilai AIC: .
Penerapan Model Regresi Beta pada Proporsi Angka Kematian Neontal Tingkat Kabupaten/Kota di Provinsi Jawa Barat Tahun 2020 Balqis Nabilah Khairunnisa; Nusar Hajarisman
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.v3i2.7893

Abstract

Abstract. In general, if a response variable is in the form of a proportion with an open interval (0,1), a beta regression model can be used. In forming the beta regression model, it is necessary to include the average response simultaneously using the dispersion parameter, therefore it is necessary to reparameterize the density function of the beta distribution. The parameters of the beta regression model can be interpreted in the form of averages derived from the response variables, and when using the logit relationship function, these regression parameters are interpreted as odds ratios. The estimation parameter model uses the Maximum Likelihood Estimator (MLE) method, with a log-likelihood function where the estimation process can be solved numerically. This thesis will discuss the factors that cause neonatal death through parameter estimation and the application of data modeling on the proportion of neonatal mortality through a beta regression model. The data used comes from secondary data obtained from the West Java Provincial Health Office. The results of the research that was carried out using the Beta regression model showed that there was only one predictor variable that had a significant effect on the proportion of neonatal mortality, namely the number of cases of Low Birth Weight (LBW), where the highest proportion of cases was the highest out of every 27 districts/cities in West Java Province in 2020, namely Indramayu Regency and Garut Regency, while the lowest proportion of cases was Bekasi City and Tasikmalaya City. Abstrak. Pada umumnya jika suatu variabel respons yang berbentuk proporsi dengan selang terbuka (0,1) dapat menggunakan model regresi beta. Dalam membentuk model regresi beta perlu menyertakan rata-rata respons bersamaan menggunakan parameter dispersinya, oleh karena itu perlu dilakukan reparameterisasi dari fungsi densitas distribusi beta. Parameter model regresi beta dapat diinterpretasikan dalam bentuk rata-rata yang berasal dari variabel respons, serta saat menggunakan fungsi hubung logit, maka parameter regresi ini diinterpretasikan menjadi odds ratio. Penaksiran parameter model menggunakan metode Maximum Likelihood Estimator (MLE), dengan turunan fungsi log-likelihood dimana proses penaksirannya dapat diselesaikan secara numerik. Dalam skripsi ini akan membahas mengenai faktor-faktor penyebab kematian neonatal melalui penaksiran parameter dan penerapan dari pemodelan data proporsi angka kematian neonatal melalui model regresi beta. Data yang digunakan berasal dari data sekunder yang diperoleh dari Dinas Kesehatan Provinsi Jawa Barat. Dari hasil penelitian yang telah dilakukan menggunakan model regresi Beta menunjukkan bahwa hanya terdapat satu variabel prediktor yang berpengaruh secara signifikan terhadap proporsi angka kematian neonatal, yaitu banyaknya kasus Berat Badan Lahir Rendah (BBLR), dimana proporsi kasus tertinggi dari setiap 27 kabupaten/kota di Provinsi Jawa Barat tahun 2020 yaitu Kabupaten Indramayu dan Kabupaten Garut, sedangkan untuk proporsi jumlah kasus terendah yaitu Kota Bekasi dan Kota Tasikmalaya.
Pemodelan Hurdle Poisson Regresion pada Jumlah Kasus Kematian Akibat Penyakit HIV/AIDS di Provinsi Jawa Barat Adinda Zahrotul Rizkiah; Nusar Hajarisman
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.v3i2.9487

Abstract

Abstract. To model discrete data related to Poisson events, one way is to use Poisson Regression. If a data contains many zero values, the data can experience overdispersion. This overdispersion problem will increase type I errors, to model the overdispersion data, Hurdle Poisson Regression modeling is needed. Transmission of HIV/AIDS is caused by receiving HIV positive blood donors, through the mother's placenta to her fetus, and sexually transmitted infections. AIDS causes the human body's ability to fight infection to disappear, which can lead to someone's death. However, AIDS-related deaths do not always occur, especially in the districts/cities of West Java Province. So it is necessary to model Hurdle Poisson Regression in cases of death from AIDS. Data obtained through the official website of Open Data Jabar. The processed data includes: Number of AIDS-related Death Cases (Y), Number of HIV Positive Blood Donor Cases (X1), and Number of Syphilis Disease Cases (X2). Based on the research results, two models were formed, for the truncated model and for the logit model, but in the truncated model, HIV Positive Blood Donors (X1) and Syphilis Disease Cases (X2) have an effect on Death Cases due to AIDS in West Java Province, while in the logit model is only Cases of Syphilis (X2) which affect Cases of AIDS-related Deaths in West Java Province. Abstrak. Untuk memodelkan data diskrit yang menyangkut pada kejadian Poisson, salah satunya ialah menggunakan Regresi Poisson. Apabila suatu data mengandung banyak nilai nol, data tersebut dapat mengalami overdispersi. Permasalahan overdispersi ini akan memperbesar kesalahan jenis I, untuk memodelkan data yang mengalami overdispersi tersebut perlu pemodelan Hurdle Poisson Regression. Penularan HIV/AIDS disebabkan oleh penerimaan donor darah positif HIV, melalui plasenta Ibu ke janinnya, dan Penyakit Infeksi Menular Seksual. AIDS menyebabkan kemampuan tubuh manusia untuk melawan infeksi hilang, sehingga dapat menyebabkan kematian seseorang. Akan tetapi kematian akibat AIDS tidak selalu terjadi khususnya di Kabupaten/Kota Provinsi Jawa Barat. Maka perlu pemodelan Hurdle Poisson Regression pada kasus kematian akibat AIDS ini. Data diperoleh melalui website resmi Open Data Jabar. Data yang diolah tersebut antara lain: Jumlah Kasus Kematian Akibat AIDS (Y), Jumlah Kasus Donor Darah Positif HIV ( ), dan Jumlah Kasus Penyakit Sifilis ( ). Berdasarkan hasil penelitian dimana terbentuk dua model, yakni untuk model truncated dan untuk model logit. Akan tetapi pada model truncated, Donor Darah Positif HIV ( ) dan Kasus Penyakit Sifilis ( ) berpengaruh terhadap Kasus Kematian akibat AIDS di Provinsi Jawa Barat, sedangkan pada model logit hanya Kasus Penyakit Sifilis ( ) yang berpengaruh terhadap Kasus Kematian akibat AIDS di Provinsi Jawa Barat).
Co-Authors Adinda Zahrotul Rizkiah Akmal Hafis Hakim Balqis Nabilah Khairunnisa Mela Rafela Natasya Siti Nur Rohmah