Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
P-Index
This Author published in this journals
All Journal Jurnal Statistika Industri dan Komputasi
Yudi Setyawan
Jurusan Statistika, Fakultas Sains Terapan, IST AKPRIND Yogyakarta
Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Mathematics

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
PERBANDINGAN METODE CLASSIFICATION AND REGRESSION TREE (CART) DAN METODE REGRESI LOGISTIK BINER DALAM MENGKLASIFIKASI STATUS WANITA BEKERJA DI KOTA KUPANG Marina Elviana Fobia; Yudi Setyawan
Jurnal Statistika Industri dan Komputasi Vol. 5 No. 01 (2020): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pengklasifikasian merupakan salah satu metode statistik dalam mengelompokkan suatu data yang disusun secara sistematis. Pengklasifikasian suatu objek dapat dilakukan dengan dua pendekatan metode klasifkasi. Penelitan ini menggunakan Metode Classification And Regresion Tree (CART) dan Regresi Logistik Biner untuk mengklasifikasikan Status Wanita Bekerja di Kota Kupang. Diperoleh hasil bahwa analisis metode CART dan Regresi Logistik Biner tidak jauh berbeda yaitu variabel yang mempengaruhi status wanita bekerja adalah variabel umur (X2) dan status perkawinan (X3).Perbedaan prediksi pada kedua metode tersebut yaitu prediksi wanita bekerja pada metode CART yaitu wanita dengan umur 15-64 tahun dan memiliki status perkawinan menikah atau cerai. Sedangkan prediksi pada regresi logistik biner wanita bekerja hanya wanita dengan umur 15-64 tahun. Wanita menikah atau cerai diprediksi tidak bekerja. presentase ketepatan klasifikasi metode CART dan Regresi Logistik Biner sebesar 65,2%. Artinya tidak ada perbedaan presentase ketepatan klasifikasi antara metode CART dan regresi logistik biner.
ANALISIS JALUR UNTUK MENGETAHUI PENGARUH KUALITAS PRODUK, HARGA DAN LAYANAN PURNA JUAL TERHADAP KEPERCAYAAN KONSUMEN DENGAN KEPUASAN SEBAGAI VARIABEL INTERVENING (Studi Kasus Konsumen Motor Yamaha di PT. Hasjrat Abadi) Putu Ardiatma Sultawidya; Yudi Setyawan
Jurnal Statistika Industri dan Komputasi Vol. 7 No. 2 (2022): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Analisis jalur merupakan suatu teknik analisis statistika yang dikembangkan dari analisis regresi linear berganda yang digunakan untuk mengukur hubungan kausalitas (sebab-akibat) antar variabel yang telah ditetapkan, serta untuk mengetahui pengaruh langsung maupun tidak langsung dari variabel bebas (eksogen) terhadap variabel terikat (endogen). Penelitian ini bertujuan untuk mengetahui pengaruh langsung dan pengaruh tidak langsung dari Kualitas Produk, Harga dan Layanan Purna Jual terhadap Kepercayaan Konsumen Motor Yamaha di PT. Hasjrat Abadi Cabang Kendari dengan menggunakan Kepuasan Konsumen sebagai variabel Intervening. Adapun populasi dalam penelitian ini yaitu Konsumen Motor Yamaha di PT. Hasjrat Abadi Cabang Kendari yang melakukan pembelian produk pada periode Januari - Desember 2020. Berdasarkan rumus Slovin jumlah sampel yang diambil dalam penelitian ini sebanyak 100 responden. Dari hasil penelitian dapat disimpulkan bahwa Kualitas Produk, Harga dan Layanan Purna Jual secara simultan berpengaruh signifikan terhadap Kepuasaan Konsumen. Harga dan Layanan Purna Jual memberikan pengaruh langsung yang signifikan terhadap Kepercayaan Konsumen, sedangkan Kualitas Produk, Harga dan Layanan Purna Jual tidak signifikan berpengaruh tidak langsung terhadap terhadap Kepercayaan Konsumen melalui Kepuasan Konsumen sebagai variabel intervening.
PREDIKSI CURAH HUJAN PERBULAN DI KOTA YOGYAKARTA PERIODE 2015-2019 MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DAN KALMAN FILTER (Studi Kasus : Data Curah Hujan Tahun 2015-2019) Irene Kristija Selamat; Yudi Setyawan
Jurnal Statistika Industri dan Komputasi Vol. 8 No. 1 (2023): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v8i1.4415

Abstract

Curah hujan sangat menarik untuk dikaji sebab curah hujan merupakan salah satu faktor terbesar yang mempengaruhi iklim suatu wilayah dan mempengaruhi berbagai sektor kehidupan manusia. Penelitian ini bertujuan untuk mengetahui hasil prediksi curah hujan perbulan di Kota Yogyakarta periode 2015-2019 yang dianalisis menggunakan metode Autoregressive Integrated Moving Average (ARIMA) untuk mendapatkan hasil peramalan yang diharapkan dapat memberikan tingkat akurasi yang tinggi dan metode Kalman Filter yang merupakan sebuah model bagian dari state space (ruang keadaan) yang dapat diterapkan dalam model peramalan. Model ini menggunakan teknik rekursif untuk mengintegrasikan data pengamatan terbaru ke model untuk mengoreksi prediksi sebelumnya dan melakukan prediksi selanjutnya dan salah satu model runtun waktu yang digunakan dalam menentukan prediksi selanjutnya. Model ini bekerja secara rekursif untuk meminimalkan ketidaktepatan dalam peramalan. Kedua metode tersebut digunakan untuk memprediksi curah hujan (mm) perbulan di Kota Yogyakarta periode 2015-2019. Hasil penelitian menunjukkan bahwa model yang terbentuk adalah model ARIMA (1, 0, 1) dan model ARIMA (1,0,2). Setelah dilakukan perhitungan menggunakan metode ARIMA dan Kalman Filter, menggunakan nilai MSE, model yang terbaik adalah model ARIMA (1,0,1) menggunakan metode Kalman Filter karna memiliki nilai MSE terkecil yaitu sebesar 6,722873 dibanding metode ARIMA. Hal ini membuktikan bahwa prediksi menggunakan metode Kalman Filter baik dibandingkan metode ARIMA.
PERBANDINGAN METODE ALGORITMA K-MEANS DAN K-MEDOIDS PADA PENGELOMPOKAN KABUPATEN/KOTA DI PROVINSI NUSA TENGGARA TIMUR BERDASARKAN DIMENSI INDEKS PEMBANGUNAN MANUSIA TAHUN 2020 Maria Khoncita Dasriana Bau; Yudi Setyawan; Maria Titah Jatipaningrum
Jurnal Statistika Industri dan Komputasi Vol. 8 No. 1 (2023): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v8i1.4418

Abstract

Manusia merupakan kekayaan bangsa yang sesungguhnya. Sudah sepantasnya apabila manusia menjadi tujuan utama dalam pembangunan. Untuk mengetahui keberhasilan pembangunan tersebut adalah dengan melihat indeks pembangunan manusia yang dapat menggambarkan perkembangan pembangunan manusia secara terukur dan representatif. Pertumbuhan indeks pembangunan di NTT pada tahun 2020 mengalami penurunan sebesar 0,04 poin dari tahun sebelumnya yaitu tahun 2019. Untuk mengetahui penurunan pertumbuhan Indeks Pembangunan Manusia (IPM) diperlukan penelitian mengenai kesamaan karakteristik pada kabupaten/kota di NTT untuk mempermudah melihat wilayah yang mempengaruhi penurunan pertumbuhan Indeks Pembangunan Manusia (IPM) tersebut. Proses pengelompokan dapat dilakukan dengan mengimplementasikan metode clustering, yang dimana metode clustering merupakan pengelompokan objek kedalam suatu kelompok yang memiliki kesamaan tinggi dibandingkan dengan objek yang berada dalam satu kelompok lain. Beberapa metode yang ada dalam clustering antara lain metode K-Means dan K-Medoids. Hasil analisis dapat disimpulkan bahwa metode terbaik dalam studi kasus indikator Indeks Pembangunan Manusia di NTT tahun 2020 adalah metode K-Means clustering dengan k = 2 dengan nilai Silhouette Index sebesar 0,18, nilai Davies-Bouldin Index sebesar 1,15 dan nilai Dunn index sebesar 0,24 dimana cluster 1 memiliki 14 anggota kabupaten/kota dan cluster 2 memiliki 8 anggota kabupaten.
PREDIKSI INFLASI DI KOTA PEKANBARU MENGGUNAKAN METODE EXTREME LEARNING MACHINE (ELM) Tegar Rezki Pangestu; Yudi Setyawan; Noviana Pratiwi
Jurnal Statistika Industri dan Komputasi Vol. 8 No. 1 (2023): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v8i1.4431

Abstract

Inflasi merupakan salah satu indikator untuk mengukur perkembangan suatu bangsa. Berbagai permasalahan timbul apabila laju inflasi mengalami peningkatan secara berkelanjutan seperti perekonomian yang tidak stabil, pertumbuhan ekonomi lambat, penurunan nilai mata uang yang secara tidak langsung mempengaruhi aktivitas perdagangan global. Oleh karena itu, perlu adanya perkiraan mengenai tingkat inflasi agar dapat dijadikan dasar pengambilan kebijakan oleh pemerintah setempat. Penelitian ini akan difokuskan dalam peramalan tingkat inflasi di Kota Pekanbaru menggunakan metode Extreme Learning Machine untuk memprediksi tingkat inflasi pada bulan September, Oktober, November, dan Desember tahun 2022. ELM adalah algoritma pembelajaran single layer feedforward neural networks yang secara acak menentukan bobot input dan output. Data yang digunakan adalah data inflasi bulanan yang diperoleh dari Website Badan Pusat Statistik Riau. Proporsi yang digunakan dalam penelitian ini adalah 50% : 50%, 60% : 40%, 70% : 30% dengan menggunakan 3 sampai 15 hidden neuron. Hasil penelitian ini menunjukkan bahwa proses training dan testing dengan proporsi 70% : 30% mendapatkan hasil terbaik dengan model 12 neuron input, 15 hidden neuron, dan 1 neuron output. Model ini memberikan akurasi kemampuan peramalan yang sangat baik dalam memprediksi inflasi di Kota Pekanbaru karena menghasilkan nilai MAPE 10-20% yaitu 16,16%.
Co-Authors Irene Kristija Selamat Maria Khoncita Dasriana Bau Maria Titah Jatipaningrum Marina Elviana Fobia Noviana Pratiwi Putu Ardiatma Sultawidya Tegar Rezki Pangestu