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 15 No 2 (2023): Journal of Statistical Application and Computational Statistics" : 6 Documents clear
PERBANDINGAN ORDINAL FOREST DAN REGRESI LOGISTIK ORDINAL Yunus, M.; Khairil Anwar Notodiputro; Bagus Sartono
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 15 No 2 (2023): Journal of Statistical Application and Computational Statistics
Publisher : Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v15i2.399

Abstract

Terdapat banyak metode yang digunakan untuk mengidentifikasi prediktor penting dan memprediksi nilai dari peubah respons ordinal. Namun saat ini, terdapat metode prediksi untuk peubah respons ordinal yang tidak menggunakan sifat ordinal dari peubah respons tersebut. Penelitian ini menggunakan metode ordinal forest dan sebagai pembanding digunakan juga metode regresi logistik ordinal. Nilai akurasi dan kappa metode ordinal forest pada setiap ulangan (5 ulangan) selalu lebih besar dari pada regresi logistik ordinal. Selanjutnya, nilai akurasi dan kappa setiap kelompok berdasarkan PDRB pada metode ordinal forest selalu lebih besar dari pada regresi logistik ordinal. Sehingga didapatkan metode ordinal forest lebih baik digunakan pada data peringkat status indeks desa membangun Provinsi Maluku Utara tahun 2020.
Perancangan Kembali Antarmuka Web BPS dengan Pendekatan User Centered Design Samu, Chairunnisa Fauzia; Maghfiroh, Lutfi Rahmatuti
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 15 No 2 (2023): Journal of Statistical Application and Computational Statistics
Publisher : Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v15i2.442

Abstract

Pada tahun 2021, BPS menyelenggarakan Survei Kepuasan Pengguna Website (SKPW). Hasil SKPW menunjukkan bahwa aspek pelayanan website BPS secara keseluruhan berada dalam kategori baik, namun masih ada beberapa aspek yang memiliki nilai kepuasan pengguna yang masih kurang dibandingkan dengan harapan pengguna seperti kelengkapan metadata, kesesuaian produk dengan kebutuhan, kemudahan navigasi, kemudahan mencari produk, kehandalan fungsi pencarian, ketertarikan tampilan website, ketepatan penyusunan tata letak, ketersediaan dua bahasa, dan kemudahan mendapatkan panduan penggunaan website. Oleh karena itu, perlu adanya perancangan user interface website BPS yang baru yang dapat memuaskan pengguna website sesuai dengan harapan pengguna. Metode yang digunakan dalam penelitian ini adalah User Centered Design (UCD) dengan menggunakan User Experience Questionnaire (UEQ) sebagai metode evaluasi. Selain itu, dilakukan juga evaluasi kepuasan pengguna terhadap rancangan antarmuka yang baru untuk dibandingkan dengan SKPW 2021. Agar ukuran kepuasan pengguna yang dihasilkan dapat dibandingkan dengan hasil evaluasi SKPW 2021, digunakan metode analisis kepuasan yang sama dengan yang digunakan di SKPW 2021 yaitu Importance Performance Analysis (IPA). User interface baru yang telah dirancang telah dievaluasi ke pengguna sebanyak dua kali iterasi dengan hasil evaluasi terakhir yaitu tingkat kepuasan seluruh aspek pelayanan yang menjadi cakupan penelitian ini telah mengalami peningkatan dibandingkan dengan hasil SKPW 2021.
Peningkatan Kualitas Statistik Resmi Produktivitas Padi melalui Imputasi Data Non-respons Menggunakan Model Aditif Geospasial Ardiansyah, Muhlis
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 15 No 2 (2023): Journal of Statistical Application and Computational Statistics
Publisher : Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v15i2.443

Abstract

This study is motivated by the non-response problem in the Crop Cutting Survey conducted by the BPS-Statistics Indonesia as the official statistics provider. BPS has a vision of providing quality statistical data for advanced Indonesia. Handling non-response is essential to supporting this vision because non-response can potentially cause some sample characteristics to be unrepresented. This study proposed a non-response data imputation technique through statistical modeling. The proposed model was an additive model with the addition of geospatial smoothing functions of thin plate regression splines (TP) and Gaussian process (GP). Selection of the best model based on the smallest MSEP of 1000 iterations. Then we compared the average rice productivity between listwise deletion and imputation techniques through three scenarios of non-response data. The results showed that the model with the addition of the GP smoothing function gave the best performance with the smallest MSEP. The other results showed that the imputation method of non-response data is better than ignoring non-response. BPS can consider the imputation method to improve the quality of official statistics on rice productivity.
Unveiling Spatial Disparities: Exploring High-Risk Diarrhea Among Children Under Five Using Geographically Weighted Quantile Regression Syukrilla, Wara Alfa; Andriyana, Yudhie; Verhasselt, Anneleen
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 15 No 2 (2023): Journal of Statistical Application and Computational Statistics
Publisher : Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v15i2.536

Abstract

We investigate the impact of the percentage of clean water access, the percentage of handwashing habits, and the toilet category factors on the upper quantile of toddlers’ diarrhea risks in Bandung City, Indonesia, using the Geographically Weighted Quantile Regression model on the 75th percentile. The breusch-Pagan test was used to detect spatial heterogeneity. The results show that the significance, strength, and direction of the relationship between diarrhea and its risk factors depend on the location. At the upper quantile, the Panyileukan district is predicted to have the highest diarrhea risk. In this district, all three predictors significantly affect the toddlers’ diarrhea risk, with the variable of the percentage of houses practicing hand washing habits observed to reduce diarrhea risk the most. In conclusion, clean water access, handwashing habits, and toilet category are the potential risk factors for high-risk childhood diarrhea. This method is powerful as it would allow the decision maker to handle the diarrhea problem aptly based on which predictor has a substantial effect at a specific district of interest. And it can be used to investigate the effect of various intervention strategies and effectively allocate the limited available resources according to the most important locations.
Metode Hutan Ordinal untuk Klasifikasi Desa Sesuai dengan Status Indeks Desa Membangun Sirodj, Dwi Agustin Nuriani; Khairil Anwar Notodiputro; Bagus Sartono
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 15 No 2 (2023): Journal of Statistical Application and Computational Statistics
Publisher : Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v15i2.547

Abstract

Metode hutan acak merupakan metode klasifikasi berbasis pohon yang cukup populer. Metode ini jika diterapkan pada peubah respon ordinal akan memberikan hasil yang mengubah karakteristik dari data ordinal itu sendiri. Dalam tulisan ini akan dibahas kinerja dari metode hutan ordinal dan hutan ordinal Naïve untuk klasifikasi status berbagai desa sesuai dengan Indeks Desa Membangun (IDM) di kabupatenTasikmalaya dan Indramayu. Hasilnya memperlihatkan bahwa untuk Kabupaten Tasikmalaya kinerja metode hutan ordinal mengungguli kinerja hutan ordinal Naïve dengan rataan akurasi sebesar 73.8% dan rataan nilai kappa sebesar 0.18 sedangkan pada Kabupaten Indramayu kinerja metode hutan ordinal naïve yang justeru mengungguli metode hutan ordinal dengan rataan akurasi sebesar 51.6 % dan rataan nilai kappa sebesar 0.162. Selain itu ditunjukkan pula bahwa peubah yang penting dalam proses klasifikasi status IDM di Kabupaten Tasikmalaya dan Kabupaten Indramayu adalah peubah Jumlah Koperasi dan Jarak terdekat ke rumah sakit.
Pemodelan Mixed Geographically Weighted Regression-Spatial Autoregressive (MGWR-SAR) pada Kasus HIV di Indonesia Djuraidah, Anik; Anisa, Rahma; Ristiyanti Tarida, Arna; Alwi Aliu, Muftih; Septemberini, Cintia; Putri Astrini, Yufan Putri Astrini; Tasya Meilania, Gusti
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 15 No 2 (2023): Journal of Statistical Application and Computational Statistics
Publisher : Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v15i2.608

Abstract

In general, spatial regression is used to model one of the spatial effects, namely spatial dependency or heterogeneity. For the effects of spatial dependencies, the models that have been used frequently follow Elhost's taxonomy, with the spatial dependencies being on the response, predictor, or error. Whereas for the effect of spatial heterogeneity generally use geographically weighted regression models (GWR) or if there are global predictors use mixed geographically weighted regression (MGWR). The data used in this study are cases of Human Immunodeficiency Virus (HIV) per 100,000 population as a response variable, and key populations, positive cases in pregnant women, tuberculosis patients, poverty rate, and unemployment rate as predictors. In the data used, there are spatial dependencies and heterogeneity. The MGWR-SAR is a model that can be used if the data has both spatial effects. This study aims to determine the factors influencing HIV cases in districts/cities in Indonesia using a spatial model. The results showed that the combined model of GWR and spatial autoregressive regression (SAR) was the best model. Key population explanatory variables have a global and significant influence. Other explanatory variables that have local influence are positive cases in pregnant women, tuberculosis patients, poverty rates, and unemployment rates.

Page 1 of 1 | Total Record : 6

 1 

Filter by Year

2023 2023


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