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 143 Documents
 8   9   10   11   12 
Analisis Jumlah Penduduk Miskin di Provinsi Maluku dengan Menggunakan Pendekatan Regresi Spasial Salmon Notje Aulele; V. Y. I. Ilwaru; E. R. Wuritimur; M. Y. Matdoan
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 13 No 2 (2021): Jurnal Aplikasi Statistika dan Komputasi Statistik
Publisher : Pusat Penelitian dan Pengabdian kepada Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v13i2.294

Abstract

Maluku Province is in the 4th poorest province in Indonesia with a poverty rate of 18.45% of the total population in Maluku. The spatial aspect needs to be studied because the characteristics of each area or region are different so that information about the characteristics of this location can be captured using a spatial regression model. The purpose of this study is to examine the characteristics of poverty in Maluku Province, then determine the factors that affect poverty in Maluku province using spatial regression, and get the best model to model poverty in Maluku Province. The results showed that the average percentage of poor people in Maluku province is 22.71%, where Southwest Maluku Regency has the highest percentage of 31.01% and Kota Ambon has the lowest percentage of 4.64%. While the significant factors affecting poverty in Maluku province by using spatial regression are the percentage of households (rt) whose cooking fuel from wood (X1), percentage of non-school-aged 7 - 24 years (X2) (X3), percentage of the unemployed (TP) (X4) and percentage of labor force participation rate (X5) and the best model obtained to model poverty in Maluku Province is Spatial Lag Model.
Pembentukan Portofolio Saham Menggunakan Klastering Time Series K-Medoid dengan Ukuran Jarak Dynamic Time Warping La Gubu; Dedi Rosadi; Abdurakhman Abdurakhman
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 13 No 2 (2021): Jurnal Aplikasi Statistika dan Komputasi Statistik
Publisher : Pusat Penelitian dan Pengabdian kepada Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v13i2.295

Abstract

Pada penelitian ini akan disajikan pembentukan portofolio saham dengan preprocessing data menggunakan klastering time series dengan ukuran jarak Dynamic Time Warping (DTW). Pertama-tama saham-saham dikelompokkan ke dalam beberapa klaster menggunakan klastering time series Partitioning Around Medoids (PAM) berdasarkan ukuran jarak DTW. Setelah proses klastering, saham dipilih untuk mewakili masing-masing klaster untuk membangun portofolio optimum. Saham yang dipilih dari masing-masing klaster merupakan saham yang memiliki Sharpe ratio tertinggi. Portofolio optimal ditentukan dengan menggunakan tiga model portofolio, yaitu: model portofolio MV klasik, model portofolio MV robust FMCD dan model portofolio robust S. Dengan menggunakan prosedur ini, dapat diperoleh portofolio optimum secara efisien bila ada banyak saham yang terlibat dalam proses pembentukan portofolio. Untuk mengukur kinerja portofolio yang terbentuk digunakan Sharpe ratio. Hasil kajian empiris menunjukkan bahwa kinerja portofolio yang dihasilkan dengan menggunakan klastering time series PAM dengan ukuran disimilaritas jarak DWT yang dikombinasikan dengan model portofolio MV klasik mengungguli kinerja portofolio yang dihasilkan kombinasi dengan model yang lain.
Penerapan Social Network Analysis dan Latent Dirichlet Allocation Pada Publikasi Penelitian Dosen Muhammad Iqbal; Setia Pramana
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 13 No 2 (2021): Jurnal Aplikasi Statistika dan Komputasi Statistik
Publisher : Pusat Penelitian dan Pengabdian kepada Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v13i2.278

Abstract

Penelitian merupakan salah satu tugas utama institusi pendidikan, dimana dosen adalah motor dalam pengembangan penelitian. Pemetaan dosen berdasarkan pola kolaborasi serta topik yang dikaji dibutuhkan sebagai salah satu dasar untuk pengembangan kualitas dan kuantitas penelitian. Penelitian ini bertujuan untuk menganalisis pola kolaborasi antar dosen serta topik utama dari hasil penelitian dosen Politeknik Statistika STIS. Analisis penelitian ini menggunakan metode Social Network Analysis (SNA) dan Latent Dirichlet Allocation (LDA). Dari hasil analisis terlihat pola hubungan kolaborasi penelitian antar dosen serta dosen dengan posisi sentral pada proses kolaborasi tersebut. Kemudian dari hasil LDA terlihat beberapa topik-topik utama dari publikasi ilmiah seperti implementasi analisis regresi, kemiskinan, serta analisis data panel dalam bidang ekonomi.
Sex and Age Group Differences in The Spread of Tuberculosis In Indonesia: An Agent Based Modeling Approach Dwi Ari Suryawan. S; Tiodora Hadumaon Siagian
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 13 No 2 (2021): Jurnal Aplikasi Statistika dan Komputasi Statistik
Publisher : Pusat Penelitian dan Pengabdian kepada Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v13i2.342

Abstract

Tuberculosis (TB) is a serious contagious disease. TB is even categorized as one of the top 10 main causes of death worldwide. According to WHO, in 2019 there were around 10 million cases of the population worldwide affected by TB. It is estimated that there are 1.4 million deaths due to TB worldwide in 2019. Whereas in Indonesia, it is estimated that there are 842,000 TB cases in 2018 and even around 32% of this cases have not been reported. Data and information of the number and distribution of TB cases are very limited in Indonesia, as it requires certain expertise and large costs in the data collection. Numerous research found that incidence of TB vary among different age groups and between men and women. The elderly population are more susceptible to exposure to TB due to multiple comorbidities and deficient immune response, while men are more likely to be exposed to infectious TB by other men. This condition highlights the importance of further studies on the spread of TB by age groups and sex in Indonesia. Therefore, this study used an agent based model to enhance the understanding of the aggregate and the spread of TB in Indonesia. The study results confirmed that at national level, TB incidences varied among different age groups and sexes. The results of this study also revealed the need for further study on the spread of TB in the age group under 15 years. It is expected that this study result can be useful for TB control program in Indonesia.
Interpolasi Curah Hujan Ekstrim Menggunakan Model Spatial Di Provinsi Jawa Barat Rahmi Lathifah Islami; Pardomuan Robinson Sihombing
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 13 No 2 (2021): Jurnal Aplikasi Statistika dan Komputasi Statistik
Publisher : Pusat Penelitian dan Pengabdian kepada Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v13i2.290

Abstract

Curah hujan ekstrim merupakan aspek yang penting untuk dikaji akibat dampaknya yang dapat merugikan. Kendala yang ada adalah belum tentu ada nilai ekstrim di setiap lokasi, sehingga diperlukan suatu pewilayahan yang dapat menjelaskan secara khusus mengenai curah hujan ekstrim dari segi dependensi lokasi, serta pola hujan ekstrim secara spasial. Tujuan penelitian, ini membangun suatu perwilayahan khusus curah hujan ekstrim di wilayah Jawa Barat pada periode Desember 2017-Februari 2018. Salah satu metode yang digunakan untuk menduga data curah hujan yang tidak lengkap adalah dengan teknik interpolasi. Terdapat beberapa metode yang bisa digunakan untuk melakukan interpolasi di antaranya Kriging dan Thin Plate Splines. Dalam penelitian ini akan membandingkan kedua metode tersebut berdasarkan nilai GVC-nya. Hasil yang didapat berdasarkan nilai GCV, metode Thin Plate Splines lebih baik digunakan untuk membangun perwilayahan khusus curah hujan ekstrim di wilayah Jawa Barat pada perioda Desember 2017-Februari 2018.
Robust Biplot Analysis of Natural Disasters in Indonesia from 2019 To 2021 Hilda Venelia; Khoirin Nisa; Rizki Agung Wibowo; Mona Arif Muda
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 13 No 2 (2021): Jurnal Aplikasi Statistika dan Komputasi Statistik
Publisher : Pusat Penelitian dan Pengabdian kepada Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v13i2.349

Abstract

Indonesia is one of the most natural disaster-prone countries in the world, frequently exposed to a range of hazards. Currently, Indonesia has 34 provinces and natural disasters that occur in each province are different, therefore it is necessary to analyze the mapping of natural disasters that often occur in each province to provide scientific analysis for risk management of the natural disasters. One of the quick steps in describing data that can be used is biplot analysis, as biplot analysis can describe a lot of data then summarized it into the form of a two-dimensional graph. The aim of this research is to map 34 provinces in Indonesia based on the incidence of natural disasters from 2019 to 2021 using robust biplot analysis. Based on the result, robust biplot analysis can explain 87,9% of the information on natural disasters in every province in Indonesia. Lampung, Bengkulu, Bangka Belitung, Special Region of Yogyakarta, North Sulawesi, West Sulawesi, Southeast Sulawesi, Gorontalo, East Nusa Tenggara, Bali, Maluku, West Maluku, Papua, and West Papua are provinces that have similar natural disaster characteristics. Flood, tornado and forest and land fires are natural disasters that often occur in Indonesia. The provinces that have the highest risk of flood, landslide, and tornado were West Java, Central Java, and East Java. Then, the provinces with the highest risk of forest and land fires were Aceh and South Kalimantan.
PEMODELAN INDEKS PEMBANGUNAN KESEHATAN MASYARAKAT DENGAN METODE GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION Quraini Septy Wardhani; Sri Sulistijowati Handajani; Irwan Susanto
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 14 No 1 (2022): Jurnal Aplikasi Statistika dan Komputasi Statistik
Publisher : Pusat Penelitian dan Pengabdian kepada Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v14i2.333

Abstract

Geographically weighted logistic regression (GWLR) adalah metode yang dapat memodelkan data bersifat kategorik dengan mempertimbangkan efek spasial. Pada penelitian ini, metode GWLR digunakan untuk memodelkan indeks pembangunan kesehatan masyarakat (IPKM) di Provinsi Jawa Timur. Variabel yang digunakan adalah prevalensi balita stunting, hipertensi, pneumonia, persalinan ditangani nakes, pengguna KB MKJP, dan penduduk dengan perilaku cuci tangan benar. Hasil penelitian ini menunjukkan bahwa pemodelan GWLR dengan pembobot adaptive Gaussian Kernel lebih baik daripada pembobot lain dengan faktor yang berpengaruh signifikan secara lokal adalah prevalensi balita stunting dan hipertensi. Nilai akurasi, sensitivity, dan specitivity yang dihasilkan berturut-turut sebesar 97,4% , 100% dan 85,71%.
ANALISIS PERBANDINGAN PERFORMA METODE ENSEMBLE DALAM MENANGANI IMBALANCED MULTI-CLASS CLASSIFICATION Qorry Meidianingsih; Devi Eka Wardani Meganingtyas
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 14 No 1 (2022): Jurnal Aplikasi Statistika dan Komputasi Statistik
Publisher : Pusat Penelitian dan Pengabdian kepada Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v14i2.335

Abstract

Penelitian ini fokus pada membandingkan kinerja beberapa metode ensemble dalam mengatasi imbalanced multi-class classification dimana metode dekomposisi one-versus-one (OVO) diterapkan sehingga metode klasifikasi Support Vector Machine yang standar dapat digunakan. Data penelitian merupakan hasil bangkitan software R yang dirancang berdasarkan level persentase kelas minoritas, yaitu menjadi kategori extreme, moderate, dan mild. Selain itu, dirancang pula kombinasi jumlah kelas mayoritas dan minoritas yang mungkin terjadi sehingga terdapat sembilan jenis data simulasi. Hasil penelitian menunjukkan bahwa secara umum rata-rata ketepatan klasifikasi paling rendah diperoleh ketika data simulasi bersifat moderate dengan sebaran gugus data terbagi menjadi 2 kelas mayoritas dan 1 kelas minoritas. Metode safe-level SMOTEBagging memberikan performa yang paling baik bagi semua jenis data simulasi, terutama ketika gugus data bersifat ekstrim, yaitu ditunjukkan dengan nilai rata-rata akurasi yang diperoleh sebesar 98.60 persen. Kinerja metode klasifikasi SVM cukup baik dimana nilai rata-rata tingkat akurasi setiap kelas berkisar antara 67.80-98.60 persen.
KLASIFIKASI KEMISKINAN DI PROVINSI BENGKULU MENGGUNAKAN METODE POHON KLASIFIKASI GABUNGAN Winalia Agwil; Agustina; Herlin Fransiska
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 14 No 1 (2022): Jurnal Aplikasi Statistika dan Komputasi Statistik
Publisher : Pusat Penelitian dan Pengabdian kepada Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v14i2.348

Abstract

Kemiskinan merupakan permasalahan global yang menjadi perhatian dunia. Hal ini dapat dilihat dari deklarasi SDGs yang menjadikan permasalahan kemiskinan sebagai prioritas utama. Penanganan kemiskinan yang baik akan membantu penyelesaian permasalahan dunia yang lain seperti permasalahan kelaparan, kesehatan, kesejahteraan, pendidikan, air bersih dan sanitasi. Untuk mencapai tujuan penanganan kemiskinan dengan cepat dan maksimal, tentunya dibutuhkan analisis yang dapat mengidentifikasi rumah tangga miskin dengan tepat sehingga dapat dirancang suatu program tepat sasaran sesuai karakteristik rumah tangga tergolong miskin. Salah satu metode statistika yang dapat dilakukan untuk melihat karakteristik tersebut adalah pohon klasifikasi seperti Classification and Regression Tree (CART). Namun metode ini memiliki kelemahan jika terdapat ketikseimbangan kelas data (unbalanced dataset), sehingga ditanggulangi dengan metode SMOTE. Selain metode CART, akan dilakukan pengklasifikasian dengan Random Forest dan Xgboost. Hasil menunjukkan bahwa pada data yang telah seimbang, model random forest CART memiliki nilai AUC yang paling tinggi. Hal ini mengindikasikan metode ini lebih baik dibandingkan yang lainnya. Berdasarkan pemodelan dengan random forest diperoleh tiga variabel paling menentukan rumah tangga miskin yaitu jumlah anggota rumah tangga, ijazah terakhir kepala rumah tangga dan luas lantai rumah.
PEMODELAN PREVALENSI PENYAKIT KUSTA DI JAWA TIMUR DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION Christopher Andreas; Horidah Horidah; Rizza Sulistiana; Dhyana Venosia; Nur Chamidah
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 14 No 1 (2022): Jurnal Aplikasi Statistika dan Komputasi Statistik
Publisher : Pusat Penelitian dan Pengabdian kepada Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v14i2.351

Abstract

Indonesia merupakan penyumbang kasus baru penyakit kusta tiga terbesar lingkup dunia, dengan Jawa Timur sebagai provinsi yang berkontribusi tertinggi. Hal ini membuat pemerintah menetapkan target rencana aksi guna mengeliminasi kusta di Indonesia. Penyakit kusta tergolong penyakit menular sehingga penyebaran penyakit ini dipengaruhi faktor lingkungan geografis. Oleh sebab itu, digunakan metode Geographically Weighted Regression (GWR) untuk pemodelan prevalensi penyakit kusta di Jawa Timur, dengan persentase rumah tangga yang menggunakan fasilitas mandi, cuci, kakus bersama , persentase rumah tangga yang belum memiliki akses terhadap sanitasi layak , dan jumlah penduduk miskin  memberi pengaruh signifikan terhadap prevalensi penyakit kusta di Jawa Timur, dengan sebaran kabupaten dan kota yang dipengaruhi secara signifikan masing – masing sebanyak 26,32%, 18,42%, dan 39,47%. Selain itu, hasil pemodelan GWR menunjukkan akurasi dan kebaikan model yang lebih baik daripada model regresi global. Pada penelitian ini, diketahui bahwa prevalensi penyakit kusta tertinggi di Jawa Timur terjadi di Kabupaten Sumenep dengan nilai prevalensi sebesar 2,06. Untuk mencapai target eliminasi kusta yang ditetapkan pemerintah, maka Pemerintah Kabupaten Sumenep dapat menurunkan nilai persentase rumah tangga yang belum memiliki akses terhadap sanitasi layak  hingga mencapai 12,01% dan jumlah penduduk miskin  hingga mencapai 13,215 ribu jiwa.

Page 10 of 15 | Total Record : 143

 8   9   10   11   12 

Filter by Year

2015 2025


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