Articles
<![CDATA[IMPLEMENTASI DEEP LEARNING UNTUK KLASIFIKASI GAMBAR MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) PADA BATIK SASAMBO ]]>
<![CDATA[Muna Malika]]>;
<![CDATA[Edy Widodo]]>
<![CDATA[ Pattimura Proceeding 2021: Prosiding KNM XX ]]>
Publisher : <![CDATA[Pattimura University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (926.28 KB)
|
DOI: 10.30598/PattimuraSci.2021.KNMXX.335-340
<![CDATA[Indonesia memiliki berbagai macam batik. Salah satu yang memiliki ciri khas dan keunikan ialah batik sasambo. Batik sasambo merupakan batik asal Provinsi Nusa Tenggara Barat (NTB). Nama Kain batik ini merupakan gabungan dari tiga suku besar di Provinsi NTB yaitu Sasak (Lombok), Samawa (Sumbawa) dan Mbojo (Bima). Deep Learning adalah salah satu cabang ilmu dari Machine Learning yang memanfaatkan jaringan syaraf tiruan untuk implementasi permasalahan dengan dataset besar. Salah satu metode Deep Learning yang mampu memberikan hasil signifikan dalam mengenali objek gambar adalah Convolutional Neural Network (CNN). CNN merupakan salah satu metode yang banyak digunakan untuk menyelesaikan permasalahan yang berkaitan dengan object detection dan image classification. Oleh karena itu, diperlukan suatu usaha pengenalan batik sasambo salah satu cara dalam mengenali motif batik adalah dengan metode pengenalan pola. Metode CNN dapat diterapkan dalam klasifikasi gambar pada batik sasambo sehingga peneliti ingin melakukan klasifikasi gambar pada batik sasambo dengan menggunakan metode CNN tersebut. Data sampel yang digunakan sebanyak 300 data citra untuk 3 kategori. Hasil implementasi Deep Learning dengan menggunakan CNN dalam mengklasifikasikan batik sasambo motif peresean, bunga aruna dan kangkung dinilai cukup baik. Banyaknya layer konvolusi yang digunakan yaitu sebanyak 4 layer konvolusi. Akurasi yang didapatkan dari uji model untuk data test didapatkan sebesar 80%.]]>
<![CDATA[Analisis Clustering K-Medoids Berdasarkan Indikator Kemiskinan di Jawa Timur Tahun 2020 ]]>
<![CDATA[Febiyanti Alfiah]]>;
<![CDATA[Almadayani Almadayani]]>;
<![CDATA[Danial Al Farizi]]>;
<![CDATA[Edy Widodo]]>
<![CDATA[ Jurnal Ilmiah Sains Volume 22 Issue 1, April 2022 ]]>
Publisher : <![CDATA[Sam Ratulangi University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1.77 KB)
|
DOI: 10.35799/jis.v22i1.35911
<![CDATA[ Keberadaan pandemi COVID-19 di Indonesia, mengakibatkan kemiskinan di Indonesia semakin tinggi terutama di Jawa Timur yang menjadi satu diantara provinsi lain dengan kasus COVID-19 tinggi di Indonesia. Tujuan penelitian ini yaitu mengetahui pengelompokan kabupaten/kota di Jawa Timur yang mempunyai kesamaan karakteristik berdasarkan indikator kemiskinan tahun 2020. Penelitian ini menggunakan data yang didapatkan dari Badan Pusat Statistik. Metode yang digunakan ialah metode k-medoids clustering yang merupakan metode partisi clustering guna pengelompokan n objek ke dalam k cluster. Berdasarkan hasil penelitian, diperoleh pengelompokan karakteristik masing-masing cluster yang dibentuk berdasarkan nilai indikator kemiskinan di Jawa Timur tahun 2020 sebanyak 2 cluster. Dimana 30 kabupaten/kota pada cluster 1 dan dan 8 kabupaten/kota pada cluster 2. Cluster 1 memiliki karakteristik Persentase Rumah Tangga yang Mempunyai Sanitasi Layak, Angka Harapan Hidup, dan Persentase Angka Melek Huruf Umur 15-55 Th tinggi. Sedangkan cluster 2 memiliki karakteristik Persentase Rumah Tangga Miskin Penerima Raskin, Persentase Penduduk Miskin, dan Persentase Pengeluaran Perkapita untuk Makanan dengan Status Miskin tinggi. Kata kunci: Clustering; Jawa Timur; K-medoids; kemiskinan K-Medoids Clustering Analysis Based on Poverty Indicators in East Java in 2020 ABSTRACTThe existence of the pandemic COVID-19 in Indonesia has resulted in higher poverty in Indonesia, especially in East Java, which is one of the other provinces with high cases in Indonesia. The purpose of this study is to find out the grouping of regencies/cities in East Java that have similar characteristics based on the poverty indicators in 2020. This study uses data obtained from the Badan Pusat Statistik. The method used is k-medoids clustering method which is a clustering partition method for grouping n objects into k clusters. Based on the results of the study, it was found that the grouping of the characteristics of each cluster formed based on the value of the poverty indicator in East Java in 2020 was 2 clusters. Where 30 regencies/cities in cluster 1 and and 8 regencies/cities in cluster 2. Cluster 1 has the characteristics of the percentage of households that have proper sanitation, life expectancy, and a high percentage of literacy rates aged 15-55 years. While cluster 2 has the characteristics of the percentage of poor households receiving Raskin, the percentage of poor people, and the percentage of per capita expenditure on food with high poor status.Keywords: Clustering; East Java; K-Medoids; poverty]]>
<![CDATA[PERAMALAN GARIS KEMISKINAN PROVINSI DAERAH ISTIMEWA YOGYAKARTA MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING ]]>
<![CDATA[Adryan Adryan]]>;
<![CDATA[Shelbi Salsabilla Sururin]]>;
<![CDATA[Wahyu Sa'dun Akbar]]>;
<![CDATA[Edy Widodo]]>
<![CDATA[ Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika Vol. 3 No. 2 (2022): Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistik ]]>
Publisher : <![CDATA[LPPM Universitas Bina Bangsa ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.46306/lb.v3i2.135
<![CDATA[Poverty is the inability to meet the minimum standard of living. This situation can be seen from the low income in meeting basic needs, both in the form of needs for food, clothing, and shelter. Based on Law No. 24 of 2004, poverty is a socioeconomic condition of a person or group of people for which the non-fulfillment of its basic rights to maintain and develop a dignified life. The issuance of this policy from the government is due to differences in social, economic, and natural characteristics and conditions in each region, with the aim of maximizing the potential in each region, so that it is expected to be able to improve welfare and reduce poverty. Yogyakarta Special Region (D.I.Y) is a province-level Special Region in Indonesia located in the southern part of Java Island, and bordering Central Java Province. According to the BPS report, the number of diy poor people until September 2021 was 474.49 thousand people. This study used Double Exponential Smoothing as the analysis method. The results of the analysis obtained are data on the poverty line of the Yogyakarta Special Region from 2004 to 2022 patterned on upward trand. the MAPE value of the model is 1.8% which indicates that the forecasting model uses the DES method accurately. 4. After looking at the comparison plot of the actual data and forecasting. From 2023 to 2027, the poverty line in the Special Region of Yogyakarta will continue to increase compared to the previous year]]>
<![CDATA[ANALISIS FAKTOR YANG MEMPENGARUHI INDEKS HARGA KONSUMEN ]]>
<![CDATA[Nabila Aulia Putri Ganessa]]>;
<![CDATA[Sheilta Alphenia]]>;
<![CDATA[Aisya Putri Zanuarizqi]]>;
<![CDATA[Edy Widodo]]>
<![CDATA[ Khazanah: Jurnal Mahasiswa Vol. 13 No. 1 (2021): Khazanah: Jurnal Mahasiswa ]]>
Publisher : <![CDATA[Universitas Islam Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.20885/khazanah.vol13.iss1.art2
<![CDATA[Ekonomi terbesar di Asia Tenggara ialah Indonesia, karena memiliki sejumlah karakteristik yang menempatkan negara di dalam posisi bagus untuk mengalami perkembangan ekonomi. Pertumbuhan yang cukup tinggi salah satunya didukung oleh sektor keuangan. Di Indonesia terdapat Indeks Harga Konsumen (IHK), perkembangan IHK dapat memperlihatkan tingkat harga suatu barang dan jasa yang dibeli masyarakat. IHK bermanfaat untuk mengetahui tingkat kenaikan pendapatan, harga, juga dapat dijadikan sebagai indikator ekonomi dan tolak ukur besarnya biaya produksi. IHK di Indonesia tidak bernilai konstan sehingga sering terjadi fluktuasi. Terjadinya fluktuasi pada IHK dapat dipengaruhi berbagai faktor. Pada penelitian ini digunakan metode regresi berganda dan cochrun orcutt untuk melihat faktor tersebut. Model yang didapatkan dari penelitian ini adalah dengan residual standard error sebesar 6.238 dan R Squared 0.192. Artinya sebesar 19.2% variabel bebas dapat menjelaskan varians dari variabel terikat. Intepretasi dari model tersebut adalah apabila Suku bunga naik satu satuan maka nilai IHK akan bertambah sebesar 11.6649 satuan]]>
<![CDATA[Implementasi Regresi Robust untuk Mengetahui Faktor-Faktor yang Mempengaruhi Produksi Padi di Indonesia ]]>
<![CDATA[M. Paris Ramdoni Rasantaka]]>;
<![CDATA[Mochamad Fahmi Ashshidiqi]]>;
<![CDATA[Riska Yulianti]]>;
<![CDATA[Zahrah Zeinawaqi]]>;
<![CDATA[Edy Widodo]]>
<![CDATA[ Jurnal Statistika dan Aplikasinya Vol 6 No 2 (2022): Jurnal Statistika dan Aplikasinya ]]>
Publisher : <![CDATA[Program Studi Statistika FMIPA UNJ ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.21009/JSA.06209
<![CDATA[Seiring dengan pertambahan jumlah penduduk tentu akan membutuhkan ketersediaan bahan pangan pokok masyarakat yang semakin meningkat pula. Padi sebagai salah satu komoditas utama bahan pangan pokok masyarakat Indonesia tentu menjadi perhatian penting bagi pemerintah Indonesia. Menurut penilaian dari The Global Food Safety Initiative (GFSI) terjadi penurunan nilai indek ketahanan pangan di Indonesia sebesar 2.2% di tahun 2021. Hal ini diikuti dengan banyak dilakukannya eksploitasi terhadap lahan pertanian seperti di Jawa Tengah yang menjadi salah satu lumbung padi di Indonesia. Ketergantungan masyarakat Indonesia terhadap nasi sebagai makanan pokok membawa tantangan yang besar dalam mengelola ketahanan atau ketersediaan padi di Indonesia. Untuk itu dalam penelitian ini akan digunakan analisis regeresi robust dalam melakuakn analisis untuk mengetahui faktor-faktor yang mempengaruhi produksi padi di Indonesia berdasarkan literatur terdahulu yang menjadi landasan seperti luas panen, realisasi pupuk, rata-rata curah hujan, produksi benih padi, dan jumlah tenaga kerja sektor pertanian. Dari hasil analisis yang didapatkan diketahui bahwa yang berpengaruh signifikan terhadap produksi padi dari faktor yang ada yaitu luas panen dan produksi benih padi.]]>
<![CDATA[Analisis Perbandingan Tingkat Inflasi di Indonesia Sebelum dan Pada Saat Pandemi Covid-19 ]]>
<![CDATA[Titania Tasya Wananda]]>;
<![CDATA[Desinta Eka Sari]]>;
<![CDATA[Nadhira Ferita Kusuma]]>;
<![CDATA[Edy Widodo]]>
<![CDATA[ Journal of Mathematics Education and Science Vol. 6 No. 1 (2023): Journal of Mathematics Education and Science ]]>
Publisher : <![CDATA[Universitas Nahdlatul Ulama Sunan Giri Bojonegoro ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.32665/james.v6i1.1339
<![CDATA[Inflasi merupakan kenaikan harga barang dan jasa secara menyeluruh dan berkelanjutan selama periode waktu tertentu. Dengan adanya Covid-19 berdampak pada aktivitas perekonomian yang dibatasi oleh pemerintah. Berdasarkan data BPS, tingkat inflasi Indonesia pada Maret 2020 sebesar 2.96% dan mulai turun dengan tingkat inflasi berkisar 1,3% sampai 2% selama Agustus 2020 – Februari 2022. Penelitian ini dilakukan untuk mengetahui apakah terdapat perbedaan tingkat inflasi di Indonesia sebelum Covid-19 dan selama Covid-19 menggunakan metode uji t berpasangan. Karena didapatkan bahwa data berdistribusi tidak normal, maka uji perbandingan menggunakan uji Wilcoxon yang merupakan uji non-parametrik dan didapatkan bahwa terdapat perbedaan inflasi pada sebelum dan selama pandemi Covid-19 di Indonesia.]]>
<![CDATA[HUBUNGAN MOTIVASI BELAJAR DENGAN TINGKAT PROKASTINASI AKADEMIK MAHASISWA STATISTIKA UII ]]>
<![CDATA[Nidzar Zulmi Dwisyahputra]]>;
<![CDATA[Putri Stania Adhiana]]>;
<![CDATA[Anisa Srikandi]]>;
<![CDATA[Edy Widodo]]>
<![CDATA[ Jurnal Bayesian : Jurnal Ilmiah Statistika dan Ekonometrika Vol. 1 No. 1 (2021): Jurnal Bayesian : Jurnal Ilmiah Statistika dan Ekonometrika ]]>
Publisher : <![CDATA[LPPM Universitas Bina Bangsa ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (150.934 KB)
|
DOI: 10.46306/bay.v1i1.51
<![CDATA[Currently, with the condition of lectures online or through online classes which are more to demand students to be proactive in learning activities and are expected to get assignments outside of class hours. However, in reality the task becomes a burden for students and many of them feel bored and tired. Boredom and tiredness cause students to stay away from tasks that must be completed and tend to procrastinate. Procrastination which is usually carried out in an academic environment is also known as academic procrastination because what is postponed is tasks that are in the academic area. In fact, one of the targets of the Statistics study program at the Islamic University of Indonesia is to obtain good achievements for graduates of the Indonesian Islamic University while in the outside world. This shows that Statistics Indonesia Islamic University expects its students to have high enthusiasm in learning and studying. Therefore, the researcher wants to prove whether there is a relationship between learning motivation and the procrastination level of 2019 Islamic University of Indonesia statistics students by using correlational quantitative methods. So that we get the results that in fact there is no significant correlation between the procrastination variable and the learning motivation variable]]>
<![CDATA[Pengelompokkan Kecamatan di Kabupaten Bima Berdasarkan Jumlah Produksi dan Luas Panen Bawang Merah Tahun 2021 Menggunakan K-Means Clustering ]]>
<![CDATA[Ashabul Akbar Maulana]]>;
<![CDATA[Athallah Widyatama Rafii]]>;
<![CDATA[Yulia Anggi Anjelina]]>;
<![CDATA[Edy Widodo]]>
<![CDATA[ J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 16 No 1 (2023): Jurnal Ilmiah Teori dan Aplikasi Statistika ]]>
Publisher : <![CDATA[Faculty of Science and Technology, Univ. PGRI Adi Buana Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36456/jstat.vol16.no1.a7032
<![CDATA[Bawang merah adalah komoditas pertanian signifikan di Indonesia dengan potensi ekonomi yang menjanjikan. Kabupaten Bima mendominasi produksi bawang merah di Indonesia. Secara geografis, Kabupaten Bima berada pada kisaran ketinggian 0 hingga 477.5 mdpl dengan mayoritas wilayahnya memiliki iklim panas dan kering, menciptakan kondisi yang ideal untuk budidaya bawang merah. Penelitian ini bertujuan menggambarkan serta menganalisis Cluster hasil produksi bawang merah di Kabupaten Bima tahun 2021 menggunakan metode Clustering K-Means. K-Means Clustering merupakan analisis klaster non-hierarkis yang membagi data ke dalam kelompok berdasarkan karakteristik tertentu. Hasil analisis menunjukkan bahwa Kecamatan Lambu mencatat produksi dan luas panen bawang merah tertinggi di Kabupaten Bima, sementara Kecamatan Langgudu dan Donggo tidak menghasilkan bawang merah. Analisis klaster menghasilkan tiga kelompok dengan karakteristik yang berbeda, di mana Cluster 1 memiliki kategori produksi rendah, Cluster 2 memiliki kategori produksi tinggi, dan Cluster 3 memiliki kategori produksi sedang.]]>
<![CDATA[Response Surface Model with Comparison of OLS Estimation and MM Estimation ]]>
<![CDATA[Salsabila Basalamah]]>;
<![CDATA[Edy Widodo]]>
<![CDATA[ Indonesian Journal of Statistics and Applications Vol 5 No 2 (2021) ]]>
Publisher : <![CDATA[Statistics and Data Science Program Study, SSMI, IPB University, in collaboration with the Forum Pendidikan Tinggi Statistika Indonesia (FORSTAT) and the Ikatan Statistisi Indonesia (ISI) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29244/ijsa.v5i2p273-283
<![CDATA[Response Surface Method (RSM) is a collection of statistical techniques in the form of experiments and regression, as well as mathematics that is useful for developing, improving, and optimizing processes. In general, the determination of models in RSM is estimated by linear regression with Ordinary Least Square (OLS) estimation. However, OLS estimation is very weak in the presence of data identified as outliers, so in determining the RSM model a strong and resistant estimation is needed namely robust regression. One estimation method in robust regression is the Method of Moment (MM) estimation. This study aims to compare the OLS estimation and MM estimation method to get the optimal point of response in this case study. Comparison of the best estimation models using the parameters MSE and R^2 adj. The results of MM estimation give better results to the optimal response results in this case study.]]>
<![CDATA[Implementasi Teknologi Pengolahan Sampah dan Tata Kelola Manajemen Bank Sampah Berbasis Ekonomi Sirkuler ]]>
<![CDATA[Edy Widodo]]>;
<![CDATA[Purnama Akbar]]>;
<![CDATA[Feri Wijayanto]]>
<![CDATA[ Joong-Ki : Jurnal Pengabdian Masyarakat Vol. 5 No. 2: Februari 2026 ]]>
Publisher : <![CDATA[CV. Ulil Albab Corp ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.56799/joongki.v5i2.13873
<![CDATA[Dusun Mendiro, Desa Sukoharjo, Kecamatan Ngaglik, Kabupaten Sleman, merupakan wilayah yang telah menunjukkan komitmen tinggi terhadap pengelolaan lingkungan. Hal ini terbukti dari keberhasilan program instalasi pengolahan air limbah (IPAL) komunal. Namun, pengelolaan sampah domestik masih mengalami tantangan signifikan, di mana sampah anorganik sering dijual ke pengepul dalam kondisi mentah dengan harga rendah (Rp 1.000–3.000/kg) karena belum dipilah dan tidak diolah. Kondisi ini menunjukkan potensi ekonomi yang belum dimanfaatkan secara optimal serta risiko pencemaran lingkungan yang terus berkembang. Melalui program pemberdayaan berbasis masyarakat, dilakukan inisiasi pendirian bank sampah berbasis ekonomi sirkuler yang didukung oleh teknologi tepat guna dan penguatan kapasitas manajemen. Solusi yang diterapkan meliputi: (1) pembentukan dan operasionalisasi bank sampah; (2) pelatihan konsep ekonomi sirkuler dan teknik daur ulang; (3) pengadaan alat pencacah plastik untuk meningkatkan nilai jual sampah; serta (4) implementasi sistem pencatatan digital untuk transparansi administrasi. Hasil yang dicapai mencakup peningkatan pendapatan Masyarakat, perbaikan kualitas lingkungan, dan peningkatan kapasitas manajerial kelompok. Program ini secara langsung mendukung pencapaian Tujuan Pembangunan Berkelanjutan (SDGs), khususnya SDG 11 (Kota dan Permukiman Berkelanjutan) dan SDG 12 (Konsumsi dan Produksi yang Bertanggung Jawab), serta menjadi model pemberdayaan masyarakat yang dapat direplikasi.]]>
