Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Bandung Conference Series: Statistics
Abdul Kudus
Prodi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam
Decision Sciences, Operations Research & Management Education Mathematics

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Uji Kenormalan dengan Metode Jarque Bera yang Robust pada Data Durasi Proses Persidangan di Pengadilan Tata Usaha Negara Bandung Tahun 2019-2021 Rika Delia Nur'aeni; Abdul Kudus
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.v3i2.7925

Abstract

Abstract. In statistics, detecting data normality is an important assumption indicator. If one or more data points are found to be far from the general data pattern (outlier), it will cause the assumption of normality to not be met. Robust Jarque Bera (RJB) is a modification of the Jarque Bera test by using a robust estimate of the spread, using Median Absolute Deviation (MAD) and utilizing information from robust skewness and robust kurtosis. The purpose of this thesis is to apply the normality test with the Robust Jarque Bera method to data containing outliers on trial process duration data at the Bandung State Administrative Court in 2019-2021. The State Administrative Court resolves cases at the First Level Court within 5 months (150 days) at the latest, but in reality there are several cases that are resolved in more than 5 months (150 days). So that the Circular Letter of the Supreme Court of the Republic of Indonesia Number 2 of 2014 has not been implemented properly in the Bandung State Administrative Court. Based on the calculation results, it is obtained that the data on the duration of the trial process at the Bandung State Administrative Court in 2019-2021 has 34 outlier data using MAD. Then the value of robust skewness is 0.1005 and the value of robust kurtosis is 2.2301 which means that the data is not normally distributed with an RJB value of 11,5287 > chi-square. Abstrak. Dalam statistik, mendeteksi kenormalan data merupakan suatu indikator asumsi penting. Apabila ditemukannya satu atau beberapa titik data berada jauh dari pola data pada umumnya (pencilan), maka akan menyebabkan asumsi kenormalan tidak terpenuhi. Robust Jarque Bera (RJB) adalah sebuah modifikasi dari uji Jarque Bera dengan menggunakan estimasi yang robust (tahan terhadap pencilan) dari penyebaran, yaitu menggunakan Median Absolute Deviation (MAD) serta memanfaatkan informasi dari robust skewness dan robust kurtosis. Tujuan dari skripsi ini adalah untuk menerapkan uji kenormalan dengan metode Jarque Bera yang Robust terhadap data yang mengandung pencilan pada data durasi proses persidangan di Pengadilan Tata Usaha Negara Bandung (PTUN) tahun 2019-2021. PTUN menyelesaikan perkara di Pengadilan Tingkat Pertama paling lambat dalam waktu 5 bulan (150 hari), tetapi pada kenyataannya terdapat beberapa perkara yang penyelesaiannya lebih dari 5 bulan (150 hari). Sehingga Surat Edaran Mahkamah Agung RI Nomor 2 Tahun 2014 belum terlaksana dengan baik di PTUN Bandung. Berdasarkan hasil perhitungan diperoleh bahwasanya data durasi proses persidangan di Pengadilan Tata Usaha Negara Bandung (PTUN) tahun 2019-2021 memiliki 34 data pencilan dengan menggunakan MAD. Kemudian nilai dari robust skewness bernilai 0,1005 dan nilai dari robust kurtosis bernilai 2,2301 yang dimana data tersebut tidak berdistribusi normal dengan nilai RJB sebesar 11,5287 > chi-square.
Selang Kepercayaan The Generalized Confidence Interval (GCI) untuk Koefisien Variasi dari Distribusi Invers Gaussian Aneu Nurkamilah; Abdul Kudus
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.v3i2.8945

Abstract

Abstract. One of the distribution functions known in statistics is the Inverse Gaussian (IG) distribution. The IG distribution is used to deal with data that has a positive or right-skewed slope. The IG distribution was first introduced by Schrodinger in 1915 which originated from Brownian motion theory. In further statistical studies there is what is known as the coefficient of variation (CV), which is the ratio between the standard deviation and the mean value. In addition to point estimates, it is often desirable to find confidence intervals. One method to estimate the confidence interval of the CV coefficient is The Generalized Confidence Interval (GCI) method. In this thesis, the GCI method will be applied to the coefficient of variation of the IG distribution on PM 2.5 air pollution 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, Kolmogorov-Smirnov test, calculating the values of Rλ, Rμ, dan Rθ for GCI to get the set of Rθ and calculating the 95% confidence interval for the parameter value , namely the CV parameter. Based on the calculation results, it is obtained that the PM 2.5 data in Malang City in 2023 comes from an IG-distributed population and the GCI confidence interval with a 95% confidence level for the CV of the IG distribution on PM 2.5 air pollution data in Malang City in 2023 is in the range [0.25; 0.42]. Abstrak. Salah satu fungsi distribusi yang dikenal dalam ilmu statistika adalah distribusi Invers Gaussian (IG). Distribusi IG digunakan untuk mengatasi data yang memiliki kemiringan positif atau miring ke kanan. Distribusi IG pertama kali diperkenalkan oleh Schrodinger tahun 1915 yang berasal dari teori gerak Brown. Dalam kajian statistika lebih lanjut ada yang dikenal dengan koefisien variasi (CV) yaitu perbandingan antara standar deviasi dengan nilai rata-rata. Selain nilai dugaan titik, seringkali juga diinginkan untuk mencari selang kepercayaan. Salah satu metode untuk menduga selang kepercayaan koefisien CV adalah metode The Generalized Confidence Interval (GCI). Dalam skripsi ini akan dilakukan penerapan metode GCI untuk koefisien variasi dari distribusi IG pada data pencemaran udara PM 2.5. Dalam proses penelitian tahapan analisis yang dilakukan meliputi menghitung taksiran parameter dari distribusi IG menggunakan metode maksimum likelihood, uji Kolmogorov-Smirnov, menghitung nilai Rλ, Rμ, dan Rθ bagi GCI hingga mendapatkan himpunan Rθ dan menghitung selang kepercayaan 95% untuk nilai parameter yakni parameter CV. Berdasarkan hasil perhitungan diperoleh bahwa data PM 2.5 di Kota Malang tahun 2023 berasal dari populasi yang berdistribusi IG dan selang kepercayaan GCI dengan tingkat kepercayaan 95% untuk CV dari distribusi IG pada data pencemaran udara PM 2.5 di Kota Malang tahun 2023 adalah berada di dalam rentang [0.25; 0.42].
Co-Authors Aneu Nurkamilah Rika Delia Nur'aeni