cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota adm. jakarta timur,
Dki jakarta
INDONESIA
Jurnal Aplikasi Statistika & Komputasi Statistik
Published by Politeknik Statistika STIS
ISSN : 20864132     EISSN : 26151367     DOI : -
Core Subject : Science, Education,
Computer Science & IT Decision Sciences, Operations Research & Management Mathematics
Redaksi menerima karya ilmiah atau artikel penelitian mengenai kajian teori statistika dan komputasi statistik pada bidang ekonomi dan sosial dan kependudukan, serta teknologi informasi. Redaksi berhak menyunting tulisan tanpa mengubah makna subtansi tulisan. Isi jurnal Aplikasi Statistika dan Komputasi Statistik dapat dikutip dengan menyebutkan sumbernya.
Arjuna Subject : -
Articles 6 Documents
 1 
Search results for , issue "Vol 11 No 2 (2019): Journal of Statistical Application and Computational Statistics" : 6 Documents clear
Pengaruh Perkembangan Finansial terhadap Konvergensi Ekonomi di ASEAN: Pendekatan Data Panel Dinamis Tahun 2001-2016 Aisyah Fitri Yuniasih; Krismanti Tri Wahyuni; Irma Korimah
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 11 No 2 (2019): Journal of Statistical Application and Computational Statistics
Publisher : Pusat Penelitian dan Pengabdian Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v11i2.130

Abstract

ASEAN merupakan salah satu perhimpunan negara-negara berpotensi ekonomi tinggi di dunia yang masih mengalami permasalahan disparitas perekonomian. Penelitian ini bertujuan untuk menggambarkan perkembangan finansial negara-negara ASEAN, mengidentifikasi adanya konvergensi regional pendapatan per kapita negara-negara ASEAN, dan pengaruh perkembangan finansial serta faktor-faktor yang memengaruhi pendapatan per kapita negara-negara ASEAN. Oleh karena itu, beberapa variabel dari sektor finansial ditambahkan sebagai variabel kontrol ke dalam model pertumbuhan ekonomi augmented Solow yang menjadi dasar penelitian ini. Hasil dari model teoritis yang diperoleh dari penelitian ini menunjukkan bahwa perkembangan finansial meningkatkan proses konvergensi. Model panel dinamis FD-GMM (First Different Generalized Method of Moment) yang digunakan dalam penelitian ini menunjukkan bahwa perkembangan finansial dapat mempercepat proses konvergensi perekonomian di antara negara-negara ASEAN karena memberikan pengaruh positif terhadap pertumbuhan ekonomi.
NoSQL Model Data Warehouse Metadata Survei Dinamis Lutfi Rahmatuti Maghfiroh; Ibnu Santoso
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 11 No 2 (2019): Journal of Statistical Application and Computational Statistics
Publisher : Pusat Penelitian dan Pengabdian Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v11i2.220

Abstract

Suatu survei yang dilakukan antar periode cenderung mengalami perubahan metadata. Meski demikian, seluruh data dan metadata tersebut haruslah disimpan secara terintegrasi untuk keperluan data retrieval yang efisien. Tantangan yang muncul dengan perubahan metadata ini adalah ketika dilakukan suatu query untuk data lebih dari satu periode. Satu query untuk data satu periode tentu tidak efisien. Di sisi lain, satu query untuk data beberapa periode dapat menyebabkan terjadinya masalah konsistensi data karena adanya perubahan metadata. Pada penelitian kini, kami melakukan studi lebih lanjut terhadap beberapa model metadata data warehouse yang dapat mengakomodasi perubahan metadata secara dinamis seperti data warehouse tradisional, Multi Version Data Warehouse (MVDW) dan Manajemen metadata menggunakan model non-relasional seperti NoSQL. Dari hasil penelitian sebelumnya didapatkan bahwa model non-relasional pada database NoSQL menghasilkan waktu query yang lebih cepat dan penyimpanan yang lebih efisien dibandingkan model relasional, namun model tersebut belum dapat menangani model survei rumah tangga yang berbeda-beda. Penelitian ini bertujuan untuk menghasilkan model data warehouse yang dapat mengelola perubahan metadata pada survei rumah tangga yang berbeda-beda secara dinamis. Dari hasil pengujian didapatkan hasil bahwa model yang diusulkan telah dapat menangani perubahan metadata dari model survei rumah tangga yang berbeda-beda dengan waktu dan tempat penyimpanan yang tidak jauh berbeda dari hasil penelitian sebelumnya.
Determinan Partisipasi Sekolah Anak Penyandang Disabilitas di Indonesia Tahun 2015 Dilla Citra Dewi; Ekaria Soebijarto
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 11 No 2 (2019): Journal of Statistical Application and Computational Statistics
Publisher : Pusat Penelitian dan Pengabdian Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v11i2.131

Abstract

Partisipasi bersekolah anak penyandang disabilitas di Indonesia masih rendah serta masih banyak anak disabilitas yang belum mendapat pendidikan yang memadai. Penelitian ini bertujuan untuk mengetahui variabel-variabel pada level individu dan pada level provinsi yang memengaruhi partisipasi sekolah anak penyandang disabilitas di Indonesia berdasarkan data Survei Penduduk Antar Sensus (SUPAS 2015). Metode analisis yang digunakan dalam penelitian ini adalah multilevel regresi logistik biner dua level. Hasil yang didapatkan antara lain variabel-variabel pada level individu yang signifikan memengaruhi partisipasi sekolah anak penyandang disabilitas yaitu tingkat kesulitan disabilitas anak, jenis disabilitas anak, tingkat pendidikan Kepala Rumah Tangga (KRT), serta daerah tempat tinggal. Kemudian variabel-variabel pada level provinsi yang signifikan memengaruhi partisipasi sekolah anak penyandang disabilitas adalah rasio ketersediaan Sekolah Luar Biasa (SLB) dan jarak ketersediaan SLB.
Hierarchical Bayes Spasial Untuk Estimasi Pengeluaran Perkapita Level Kecamatan Dwi Asih Septi Wahyuni
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 11 No 2 (2019): Journal of Statistical Application and Computational Statistics
Publisher : Pusat Penelitian dan Pengabdian Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v11i2.154

Abstract

Badan Pusat Statistik merilis angka pengeluaran perkapita setiap tahun untuk 514 kabupaten/kota di Indonesia.Angka pengeluaran perkapita diperoleh melalui Survei Sosial Ekonomi Nasional (Susenas). Susenas hanya dapat memberikan data yang akurat hingga level kabupaten/kota. Disisi lain, kebutuhan data hingga level kecamatan bahkan desa/kelurahan semakin meningkat guna memotret keberhasilan tujuan pembangunan berkelanjutan (sustainable development goals) setiap kabupaten/kota. Penelitian ini mengusulkan metode small area estimation dengan menggabungkan data survei dan sensus menggunakan model hierarchical bayesdengan mempertimbangkan keterkaitan antar wilayah (bobot spasial). Estimasi pengeluaran perkapita level kecamatan mampu memberikan hasil yang akurat dengan menggabungkan data pengeluaran perkapita sebagai variabel dependen dari Susenas dan data sensus dari Potensi Desa (Podes) sebagai variabel independen menggunakan model hierarchical bayesspasial.
Perbandingan Klasifikasi Analisis Diskriminan Fisher dan Metode Naive Bayes Alifta Ainurrochmah; Memi Nor Hayati; Andi M. Ade Satriya
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 11 No 2 (2019): Journal of Statistical Application and Computational Statistics
Publisher : Pusat Penelitian dan Pengabdian Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v11i2.156

Abstract

Klasifikasi adalah suatu teknik pembentukan model dari data yang telah diketahui kelompok klasifikasinya. Model tersebut digunakan untuk mengklasifikasikan obyek baru. Analisis diskriminan Fisher merupakan teknik multivariat untuk memisahkan obyek-obyek dalam kelompok yang berbeda. Naive Bayes merupakan pengklasifikasian berdasarkan probabilitas dan teorema Bayes dengan asumsi independensi yang kuat. Penelitian ini bertujuan melakukan perbandingan tingkat akurasi klasifikasi dengan analisis diskriminan Fisher dan metode naive Bayes pada status pembayaran premi nasabah asuransi. Data yang digunakan memiliki 4 variabel bebas yaitu pendapatan, usia, masa pembayaran premi dan besar pembayaran premi. Hasil kesalahan akurasi dengan menggunakan nilai APER (Apparent Rate Error) menunjukkan bahwa metode naive Bayes memiliki tingkat akurasi yang lebih tinggi sebesar 15,38% daripada analisis diskriminan Fisher sebesar 46,15% dalam menganalisis status pembayaran premi nasabah asuransi.
Peramalan Time Series Menggunakan Gaussian Kernel PCA dan Autoregressive Kasiful Aprianto
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 11 No 2 (2019): Journal of Statistical Application and Computational Statistics
Publisher : Pusat Penelitian dan Pengabdian Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v11i2.219

Abstract

Peramalan time series menjadi bagian penting dalam pengambilan keputusan karena mampu memberikan gambaran atau kejadian mendatang berupa data prediksi. Paper ini menawarkan gaussian kernel PCA dan Autoregressive (KPCA-AR) sebagai metode peramalan untuk melakukan prediksi data. Metode KPCA-AR bekerja dengan melakukan pemetaan data ke dimensi yang lebih tinggi menggunakan kernel dengan distribusi gaussian. Setelah itu dilakukan transformasi data dengan PCA agar dimensi yang dihasilkan dapat direduksi dengan varian maksimum sehingga tidak mengurangi karakteristik data secara signifikan. Data inilah yang kemudian digunakan untuk melakukan peramalan menggunakan autoregressive. Paper ini juga membandingkan beberapa metode peramalan lainnya seperti ARIMA, ANN, SVM, dan Eksponensial Smoothin. Hasil menunjukkan bahwa KPCA-AR secara umum mampu memebrikan prediksi yang baik dan bisa digunakan sebagai alternative dari metode perhitungan yang ada dilihat dari kelebihan ataupun kekurangannya.

Page 1 of 1 | Total Record : 6

 1 

Filter by Year

2019 2019


Reset
Filter By Issues
All Issue Vol 17 No 1 (2025): Jurnal Aplikasi Statistika & Komputasi Statistik Vol 16 No 2 (2024): Jurnal Aplikasi Statistika & Komputasi Statistik Vol 16 No 1 (2024): Jurnal Aplikasi Statistika & Komputasi Statistik Vol 15 No 2 (2023): Journal of Statistical Application and Computational Statistics Vol 15 No 1 (2023): Journal of Statistical Application and Computational Statistics Vol 14 No 2 (2022): Journal of Statistical Application and Computational Statistics Vol 14 No 1 (2022): Jurnal Aplikasi Statistika dan Komputasi Statistik Vol 13 No 2 (2021): Jurnal Aplikasi Statistika dan Komputasi Statistik Vol 13 No 1 (2021): Jurnal Aplikasi Statistika dan Komputasi Statistik Vol 12 No 3 (2020): Jurnal Aplikasi Statistika dan Komputasi Statistik Edisi Khusus Vol 12 No 2 (2020): Journal of Statistical Application and Computational Statistics Vol 12 No 1 (2020): Journal of Statistical Application and Computational Statistics Vol 11 No 2 (2019): Journal of Statistical Application and Computational Statistics Vol 11 No 1 (2019): Journal of Statistical Application and Computational Statistics Vol 10 No 2 (2018): Journal of Statistical Application and Computational Statistics Vol 10 No 1 (2018): Journal of Statistical Application and Computational Statistics Vol 9 No 2 (2017): Journal of Statistical Application and Computational Statistics Vol 9 No 1 (2017): Journal of Statistical Application and Computational Statistics Vol 8 No 2 (2016): Journal of Statistical Application and Computational Statistics Vol 8 No 1 (2016): Journal of Statistical Application & Statistical Computing Vol 7 No 2 (2015): Journal of Statistical Aplication and Statistical Computing Vol 7 No 1 (2015): Journal of Statistical Application and Computational Statistics More Issue