Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Statistika Industri dan Komputasi
Maria Titah Jatipaningrum
Jurusan Statistika, Fakultas Sains Terapan, IST AKPRIND Yogyakarta
Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Mathematics

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
APLIKASI REGRESI NONPARAMETRIK SPLINE TRUNCATED UNTUK MENGESTIMASI TINGKAT PENGANGGURAN TERBUKA DI PROVINSI SUMATERA UTARA Valentino Pratama Sitorus; Maria Titah Jatipaningrum
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

Regresi nonparametrik spline truncated digunakan untuk mencari titik knot yang paling optimal pada penelitian dengan melihat nilai GCV paling minimum, yang bertujuan untuk membentuk pola regresi pada data nonparametrik. Penelitian ini bertujuan untuk melihat variabel apa yang berpengaruh terhadap tingkat pengangguran terbuka. Hasil penelitian menunjukkan bahwa rata rata tingkat pengangguran terbuka yaitu 4,420, dan model regresi spline truncated terbaik menggunakan 3 titik knot dengan nilai GCV yaitu 2,669. Pemodelan regresi yang dihasilkan cukup baik dan hasil R2 sebesar 75,74544.
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.
PERBANDINGAN METODE K-NEAREST NEIGHBOR DAN RANDOM FOREST PADA KLASIFIKASI INDEKS PEMBANGUNAN MANUSIA DI KABUPATEN/KOTA SELURUH INDONESIA Nurafidah; Kris Suryowati; 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.v8i1.4419

Abstract

Indeks Pembangunan Manusia yang ada di Kabupaten/Kota Indonesia beragam, hal ini sebabkan oleh pembangunan yang ada di Indonesia masih tidak merata. IPM di Indonesia digunakan sebagai salah satu alokator penentuan Dana Alokasi Umum dan untuk mengukur kinerja dari pemerintah. Tujuan dari penelitian ini yaitu membandingkan metode K-Nearest Neighbor dan Random Forest pada klasifikasi IPM. Pada metode K-Nearest Neighbor dalam melakukan klasifikasi menggunakan dan pada metode Random Forest dalam melakukan klasifikasi menggunakan dan . Variabel-variabel yang digunakan pada penelitian ini diantaranya variabel dependent terdapat IPM dengan kategori IPM rendah, sedang, tinggi dan sangat tinggi, sedangkan pada variabel independen terdapat HLS, RLS, UHH dan PPKD. Klasifikasi dengan menggunakan metode K-Nearest Neighbor menghasilkan 124 data benar klasifikasi dan 5 data kesalahan klasifikasi sedangkan metode Random Forest menghasilkan 119 data benar lasifikasi dan 10 data kesalahan klasifikasi. Hasil klasifikasi juga menunjukkkan bahwa metode K-Nearest Neighbor adalah metode yang terbaik untuk digunakan dalam melakukan klasifikasi IPM di Kabupaten/Kota seluruh Indonesia, karena menghasilkan nilai akurasi dan rata-rata AUC sebesar 96.12% dan 0.9618 lebih besar dibandingkan metode Random Forest yaitu sebesar 92.25% dan 0.9538 serta metode K-Nearest Neighbor menghasilkan nilai error rate yang lebih kecil yaitu sebesar 3.88% dibandingkan metode Random Forest sebesar 7.75%. Hasil dari penelitian ini diharapkan dapat menjadi informasi untuk terus meningkat Indeks Pembangunan Manusia di Kabupaten/Kota seluruh Indonesia pada tahun 2022.
Co-Authors Kris Suryowati, Kris Maria Khoncita Dasriana Bau Nurafidah Valentino Pratama Sitorus Yudi Setyawan