cover
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota surabaya,
Jawa timur
INDONESIA
J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika
ISSN : 20890028     EISSN : 26547511     DOI : -
Core Subject : Economy, Science,
Merupakan Media Penerbitan Dan Pembahasan Karya Ilmiah Dalam Bidang Ilmu Statistika Beserta Aplikasinya, Baik Berupa Hasil Penelitian, Bahasan Tentang Teori, Metodologi, Komputasi, Maupun Aplikasi Statistika Dalam Bidang Lain.
Arjuna Subject : -
Articles 209 Documents
Pemodelan Geographically Weighted Negative Binomial Regression (GWNBR) untuk Kasus Kematian Bayi Di Provinsi Jawa Tengah Teguh Susanto
J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 13 No 1 (2020): Jurnal Ilmiah Teori dan Aplikasi Statistika
Publisher : Faculty of Science and Technology, Univ. PGRI Adi Buana Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (582.835 KB) | DOI: 10.36456/jstat.vol13.no1.a3266

Abstract

Angka Kematian Bayi (AKB) adalah salah satu indikator kesehatan yang belum mencapai target MDGs sehingga perlu diketahui faktor-faktor yang mempengaruhi kematian bayi. Data kematian bayi yang digunakan dalam penelitian ini adalah jumlah kematian bayi di Provinsi Jawa Tengah 2017. Ini bersumber dari Profil Kesehatan Provinsi Jawa Tengah pada tahun 2017. Regresi Poisson adalah salah satu analisis statistik yang dapat digunakan untuk menentukan faktor-faktor itu mempengaruhi jumlah kematian bayi. Model Regresi Poisson adalah model regresi non-linear yang digunakan untuk menganalisis data diskrit. Asumsi rata-rata sama dengan varians dalam analisis regresi poisson jarang dipenuhi karena masalah penyebaran berlebihan sering muncul dalam pemodelan, di mana varians lebih besar dari nilai tmean. Salah satu metode yang digunakan dalam mengatasi overdispersi dalam regresi Poisson adalah regresi Binomial Negatif. Dalam penelitian ini juga menggunakan Model Regresi Binomial Negatif Berbobot Geografis (GWNBR) untuk menjelaskan keberadaan heterogenitas regional. Setiap nilai parameter dihitung pada setiap titik lokasi geografis sehingga setiap titik lokasi geografis memiliki nilai parameter regresi yang berbeda. Ini akan memberikan variasi pada nilai parameter regresi dalam kumpulan wilayah geografis. Hasil pemodelan GWNBR dengan fungsi bobot kernel Gaussian tetap menunjukkan ada 6 kelompok regional berdasarkan variabel signifikan.
Pemodelan Multivariate Adaptive Regression Spline (MARS) Pada Faktor-Faktor yang Mempengaruhi Kemiskinan di Provinsi Maluku dan Maluku Utara Yahya Matdoan
J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 13 No 1 (2020): Jurnal Ilmiah Teori dan Aplikasi Statistika
Publisher : Faculty of Science and Technology, Univ. PGRI Adi Buana Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (267.593 KB) | DOI: 10.36456/jstat.vol13.no1.a3267

Abstract

Penanggulangan kemiskinan di Provinsi Maluku dan Maluku Utara masih belum maksimal, hal ini karena masih terjadi peningkatan kemiskinan di daerah tersebut. Penelitian ini bertujuan untuk mengetahui faktor-faktor apa saja yang mempengaruhi kemiskinan di Provinsi Maluku dan Maluku Utara. MARS merupakan salah satu metode klasifikasi yang mampu menangani data ber-dimensi tinggi dengan pola data yang tidak diketahui sebelumnya, serta dapat diterapkan untuk melihat interaksi di antara variabel yang digunakan. Penelitian ini diperoleh hasil bahwa model MARS terbaik dengan kombinasi BF = 39, MI = 3 dan MO = 1 dan GCV sebesar 0.1728. Adapun variabel yang berpengaruh secara signifikan terhadap kemiskinin di Provinsi Maluku dan Maluku Utara yaitu variabel persentase lapangan pekerjaan kepala rumah tangga, persentase rumah tangga yang menggunakan jenis atap, persentase rumah tangga yang tidak menggunakan dinding tembok, persentase fasilitas penerangan yang digunakan, persentase penduduk yang sakit tetapi tidak berobat karena tidak memiliki biaya untuk berobat, persentase pendidikan terakhir kepala keluarga yang tidak/belum pernah sekolah dan persentase rumah tangga yang tidak memiliki fasilitas air minum
Regresi Logistik Ordinal untuk Mengetahui Faktor-Faktor yang Mempengaruhi Motivasi Menabung Mahasiswa Dian Kusuma Wardani
J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 13 No 1 (2020): Jurnal Ilmiah Teori dan Aplikasi Statistika
Publisher : Faculty of Science and Technology, Univ. PGRI Adi Buana Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (307.362 KB) | DOI: 10.36456/jstat.vol13.no1.a3268

Abstract

Analisis jalur (path analysis) dikembangkan oleh Sewall Wright pada tahun 1934 yang bertujuan untuk menerangkan akibat langsung dan tidak langsung dari seperangkat variabel penyebab (variabel eksogen) terhadap seperangkat variabel akibat (variabel endogen). Analisis jalur dalam penelitian ini digunakan sebagai konseptul untuk memperkuat teoritis, sedangkan metode analisis menggunakan regresi logistik ordinal. Data primer digunakan dalam penelitian ini. Jumlah populasi sebanyak 421 mahasiswa program studi Pendidikan Agama Islam Universitas KH A Wahab Hasbullah. Teknik sampling yang digunakan yaitu simple random sampling, dan dari hasil perhitungan didapatkan 75 sampel yang diambil dari populasi Metode analisis yang digunakan pada penelitian ini menggunakan analisis jalur (path analysis). Tujuan penelitian ini untuk mengetahui hubungan struktural antara variabel eksogen (motivasi orang tua, motivasi dosen, kebutuhan pribadi mahasiswa dan program menabung dikampus) terhadap variabel endogen (pemahaman mahasiswa uang dan menabung dan motivasi menabung). Hasil penelitian menunjukkan bahwa variabel Y2 (minat mahasiswa menabung) mendapat pengaruh langsung maupun tidak langsung dari variabel X1 (orang tua) dan X2 (dosen). Sedangkan variabel X3 (kebutuhan mahasiswa) dan X4 (program menabung kampus) hanya memberikan pengaruh langsung
Pebandingan Metode K-Nearest Neighbor dan Adaptive Boosting pada Kasus Klasifikasi Multi Kelas: Kinerja Perusahaan, Klasifikasi, KNN, Adaptive Boosting Ade Irma Prianti
J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 13 No 1 (2020): Jurnal Ilmiah Teori dan Aplikasi Statistika
Publisher : Faculty of Science and Technology, Univ. PGRI Adi Buana Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (456.281 KB) | DOI: 10.36456/jstat.vol13.no1.a3269

Abstract

Kesehatan keuangan perusahaan memberikan suatu indikasi kinerja perusahaan yang berguna untuk mengetahui posisi perusahaan dalam area industri. Kinerja perusahaan perlu diprediksi untuk mengetahui perkembangan perusahaan. K-Nearest Neighbor (KNN) dan Adaptive Boosting (AdaBoost) merupakan metode klasifikasi yang dapat digunakan untuk memprediksi kinerja perusahaan. KNN mengklasifikasikan data berdasarkan kedekatan jarak data sedangkan AdaBoost bekerja dengan konsep memberi bobot lebih pada amatan yang termasuk weak learner. Tujuan dari penelitian ini adalah membandingkan metode KNN dan AdaBoost untuk mengetahui metode yang lebih baik dalam memprediksi kinerja perusahaan di Indonesia. Variabel dependen yang digunakan dalam penelitian ini adalah kinerja perusahaan yang digolongkan ke dalam empat kelas yaitu tidak sehat, kurang sehat, sehat, dan sehat sekali. Variabel independen yang digunakan terdiri atas tujuh rasio keuangan yaitu ROA, ROE, WCTA, TATO, DER, LDAR, dan ROI. Data yang digunakan yaitu data rasio keuangan dari 575 perusahaan yang tercatat di Bursa Efek Indonesia tahun 2019. Hasil penelitian ini menunjukkan bahwa prediksi kinerja perusahaan di Indonesia sebaiknya menggunakan metode AdaBoost karena memiliki akurasi klasifikasi sebesar 0,84522 yang lebih besar dibandingkan akurasi metode KNN sebesar 0,82087
Peramalan Tinggi Gelombang Laut Dengan Metode Vector Autoregressive-Radial Basis Function Network (Var-Rbfn) Andreas Pedo Baluk; Hasbi Yasin; Sugito
J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 13 No 2 (2020): Jurnal Ilmiah Teori dan Aplikasi Statistika
Publisher : Faculty of Science and Technology, Univ. PGRI Adi Buana Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (304.098 KB) | DOI: 10.36456/jstat.vol13.no2.a3270

Abstract

Salah satu sektor maritim yang penting adalah transportasi laut yang berupapelayaran. Masyarakat dalam melaksanakan kegiatan pelayaran memerlukaninformasi cuaca harian seperti tinggi gelombang yang terjadi di tengah lautmelalui laporan yang dikeluarkan Badan Meteorologi, Klimatologi, dan Geofisi-ka(BMKG). Dalam hal ini adalah tinggi gelombang laut untuk wila-yah Pekalongan, Rembang dan Semarang. Memodelkan ketiga vari-abel yang saling berhubungan dapat digunakan pendekatan Vector Autoregressive (VAR). Namun terdapat pola nonlinier sehingga digunakan pemodelan Radial Basis Function Network (RBFN). Ber-dasarkan hasil analisis, diperoleh nilai MSE training untuk variable Pekalongan sebesar 0,04, variabel Rembang sebesar 0,06 ,variabel Semarang sebesar 0,0399 dan MSE testing untuk variabel Pekalon-gan sebesar 2,315, Rembang sebesar 1,0053 ,variabel Semarang 0,0334. Sedangkan untuk R Square diperoleh untuk variabel Pek-alongan sebesar 0,7601, variabel Rembang sebesar 0,8309 dan vari-abel Semarang sebesar 0,7978.
Peramalan Data Ekspor Nonmigas Provinsi Kalimantan Timur Menggunakan Metode Weighted Fuzzy Time Series Lee Muhammad Wahdeni Pramana; Ika Purnamasari; Surya Prangga
J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 14 No 1 (2021): Jurnal Ilmiah Teori dan Aplikasi Statistika
Publisher : Faculty of Science and Technology, Univ. PGRI Adi Buana Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (474.538 KB) | DOI: 10.36456/jstat.vol14.no1.a3747

Abstract

Ekspor merupakan aktivitas perdagangan atau penjualan barang dari dalam negeri ke luar negeri. Ekspor nonmigas sebagai salah satu komponen pembentuk Produk Domestik Regional Bruto (PDRB) sehingga perlu adanya suatu peramalan nilai di masa mendatang. Fuzzy Time Series (FTS) merupakan metode peramalan dengan berdasarkan teori himpunan fuzzy, logika fuzzy, serta hasil peramalan yang dapat dibahasakan (linguistik). Metode Weighted Fuzzy Time Series (WFTS) Lee merupakan perluasan dari metode FTS dengan penambahan pembobotan pada tiap pola relasi yang terbentuk. Tujuan penelitian ini adalah memperoleh nilai peramalan ekspor nonmigas Provinsi Kalimantan Timur pada bulan November 2020 serta memperoleh nilai akurasi peramalan berdasarkan metode Mean Absolute Percentage Error (MAPE) dan Root Mean Square Error (RMSE). Berdasarkan hasil analisis diperoleh nilai akurasi peramalan untuk data Ekspor Nonmigas Provinsi Kalimantan Timur bulan Januari 2019 – Oktober 2020 dengan konstanta pembobot menggunakan metode MAPE diperoleh hasil keseluruhan dibawah 10% sehingga diperoleh konstanta pembobot terbaik yaitu dengan nilai MAPE terminimum yaitu sebesar 3,62% dan RMSE minimum sebesar 50,67. Dari hasil tersebut, diperoleh hasil peramalan untuk bulan November 2020 dengan menggunakan kontanta pembobot terbaik yaitu sebesar 850,96 juta USD.
Peramalan Indeks Harga Saham PT Verena Multi Finance Tbk Dengan Metode Pemodelan ARIMA Dan ARCH-GARCH Muhammad Irfan Rizki; Teguh Ammar; Fajriyah Fitriyani; Salsabila Fasya
J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 14 No 1 (2021): Jurnal Ilmiah Teori dan Aplikasi Statistika
Publisher : Faculty of Science and Technology, Univ. PGRI Adi Buana Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (419.414 KB) | DOI: 10.36456/jstat.vol14.no1.a3774

Abstract

Indeks harga saham merupakan indikator penting dalam mencerminkan keseluruhan pergerakan harga saham dalam suatu periode. Indeks ini tentunya memiliki fungsi sebagai indikator trend pasar, yang menggambarkan kondisi pasar pada saat tertentu. Indeks saham merupakan hal yang sangat penting sebagai tolak ukur kinerja pasar modal dan produk investasi. Oleh karena itu, penelitian ini akan memfokuskan peramalan pada indeks harga saham PT Verena Multi Finance Tbk yang merupakan perusahaan yang bergerak di bidang pembiayaan konsumen. Masih kurangnya keakuratan metode peramalan yang digunakan sebelumnya menjadi latar belakang dari penelitian ini untuk mendapatkan prediksi indeks harga saham PT Verena Multi Finance Tbk periode bulanan dengan metode yang memiliki keakuratan yang lebih tinggi. Data yang digunakan adalah data sekunder yang diperoleh dari yahoofinance.com periode Januari 2009 sampai dengan Desember 2019. Metode yang digunakan pada penelitian ini merupakan model ARIMA, yaitu salah satu metode yang digunakan untuk peramalan data deret waktu. Berdasarkan pengolahan data, diperoleh model terbaik dengan nilai AIC terkecil yaitu ARIMA(0,1,1). Metode yang selanjutnya digunakan yaitu model ARCH-GARCH yang merupakan metode yang digunakan dalam peramalan data yang memiliki masalah heteroskedastisitas tanpa menghilangkan heteroskedastisitas tersebut. Berdasarkan hasil analisis yang diperoleh dengan peramalan ARCH-GARCH, didapatkan nilai indeks harga saham pada bulan Desember 2021 adalah sebesar 102.4 dengan MAPE sebesar 22.9971%. Dengan melakukan penelitian ini, diharapkan dapat ditemukan model terbaik untuk meramalkan indeks harga saham PT Verena Multi Finance Tbk pada waktu-waktu berikutnya agar dapat menjadi tolak ukur kinerja pasar modal dan produk investasi serta rujukan yang dapat dipercaya untuk melihat kondisi bursa saham pada saat ini. Kata kunci : Indeks harga saham, peramalan, ARIMA, ARCH-GARCH.
Pemodelan Regresi Spatial Autoregressive Fixed Effect Model Data Panel Pada Tingkat Kemiskinan Di Provinsi Jawa Barat Muhammad Irfan Rizki; Teguh Ammar Taqiyyuddin
J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 14 No 1 (2021): Jurnal Ilmiah Teori dan Aplikasi Statistika
Publisher : Faculty of Science and Technology, Univ. PGRI Adi Buana Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (400.488 KB) | DOI: 10.36456/jstat.vol14.no1.a3816

Abstract

Kemiskinan merupakan salah satu permasalahan global yang terjadi di semua negara berkembang termasuk negara Indonesia. Pengentasan kemiskinanan menjadi prioritas utama dalam tujuan pembangunan berkelanjutan atau Sustainable Development Goals (SDGs), dimana pengentasan kemiskinan menjadi tujuan pertama yang ingin dicapai. Kemiskinana juga menjadi salahsatu permasalahan yang menjadi isu salahsatu isu strategis RPJMD tahun 2018-2023 yang menjadi pusat perhatian pemerintah khususnya di Provinsi Jawa Barat yang merupakan provinsi dengan jumlah penduduk terbanyak di Indonesia. Pada penelitian ini akan dilakukan analisis faktor-faktor yang mempengaruhi kemiskinan di Provinsi Jawa Barat. Data kemiskinan tiap-tiap kabupaten/kota memiliki tingkat yang berbeda -beda, sehingga terdapat kemungkinan adanya efek spasial dalam data. Maka pemodelan harus mengakomodasi aspek spasial kemudian terbatasnya variabel yang dilibatkan karena keterbatasan data tentunya menimbulkan oomited variabel atau varaiebel yang relevan namun tidak ada dalam model maka digunakan pendekatan fixed effect model dalam mengatasi masalah tersebut. Sehingga pemodelan yang digunakan adalah Spatial Autoregressive Fixed Effact model ( SAR-FEM). Hasil penelitian ini didapatkan bahwa Variabel Tingkat pengangguran terbuka, Indkes pembangunan Manusia dan persentase penduduk berpengaruh signifikan terhadap Tingginya tingkat kemiskina di Provinsi Jawa Barat. Model spatial lag fixed effect yang terbentuk dapat menjelaskan besarnya keragaman dari Tingkat Kemiskinan yang dapat dijelaskan oleh variabel prediktor sebesar 98.88% sedangkan 1.116% sisanya dijelaskan oleh variabel lain yang tidak dimasukkan kedalam model.
Pemodelan Persentase Penduduk Miskin Kabupaten/Kota di Provinsi Jawa Barat dengan Pendekatan Regresi Nonparametrik Spline Truncated Andrea Tri Rian Dani; Ludia Ni'matuzzahroh
J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 14 No 1 (2021): Jurnal Ilmiah Teori dan Aplikasi Statistika
Publisher : Faculty of Science and Technology, Univ. PGRI Adi Buana Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (259.269 KB) | DOI: 10.36456/jstat.vol14.no1.a3840

Abstract

Estimator Spline Truncated adalah salah satu pendekatan dalam regresi nonparametrik yang dapat digunakan ketika pola hubungan antara variabel respon dan variabel prediktor tidak diketahui dengan pasti polanya. Estimator Spline Truncated memiliki fleksibilitas yang tinggi dalam proses pemodelan. Pada penelitian ini bertujuan untuk memodelkan persentase penduduk miskin Kabupaten/Kota di Provinsi Jawa Barat dengan menggunakan model regresi nonparametrik estimator Spline Truncated. Metode estimasi yang digunakan adalah Ordinary Least Squares (OLS). Kriteria kebaikan model regresi nonparametrik yang digunakan adalah Generalized Cross-Validation (GCV). Berdasarkan hasil analisis, diperoleh model terbaik dari regresi nonparametrik Spline Truncated, yaitu model dengan 3 titik knot, dimana diperoleh nilai GCV minimum sebesar 2.14. Berdasarkan hasil pengujian hipotesis, baik secara simultan maupun parsial, diketahui bahwa variabel prediktor yang digunakan pada penelitian ini, berpengaruh signifikan terhadap persentase penduduk miskin, dengan nilai koefisien determinasi sebesar 95.33%.
Analisis Pengaruh Kepadatan Penduduk Dan Jumlah Lansia Terhadap Kasus Kematian Akibat Covid-19 di Provinsi DKI Jakarta Menggunakan Multiple Classification Analysis (MCA) Habni Hamara Azmaty; Hussein Adi Permana; Lisa Agustina; Muhamad Fikri Ramdhani; Naufal Abdul Rafi Zaqi; Risni Julaeni Yuhan
J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 14 No 1 (2021): Jurnal Ilmiah Teori dan Aplikasi Statistika
Publisher : Faculty of Science and Technology, Univ. PGRI Adi Buana Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (251.54 KB) | DOI: 10.36456/jstat.vol14.no1.a3843

Abstract

Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) adalah virus yang menyebabkan penyakit Covid-19. Di Indonesia, jumlah kasus terkonfirmasi positif Covid-19 sudah lebih dari 1,7 juta orang dengan jumlah kasus kematian mencapai 49 ribu orang. DKI Jakarta merupakan salah satu provinsi dengan kasus kematian akibat Covid-19 tertinggi di Indonesia. Tujuan dari penelitian ini adalah untuk menganalisis pengaruh kepadatan penduduk dan jumlah penduduk lansia terhadap jumlah kasus kematian akibat Covid -19 di DKI Jakarta. Metode analisis yang digunakan adalah Multiple Classification Analysis (MCA) dengan unit observasi sebanyak 267 kelurahan yang berada di Provinsi DKI Jakarta. Hasil penelitian ini menunjukkan bahwa kepadatan penduduk dan jumlah penduduk lansia berpengaruh secara signifikan terhadap jumlah kasus kematian akibat Covid-19 di Provinsi DKI Jakarta. Semakin tinggi kepadatan penduduk maka jumlah kematian akibat Covid-19 cenderung meningkat. Begitu juga dengan jumlah penduduk lansia, semakin tinggi jumlah penduduk lansia, maka jumlah kasus kematian akibat Covid-19 juga cenderung meningkat.