Jurnal Aplikasi Statistika & Komputasi Statistik
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.
Articles
143 Documents
<![CDATA[ANALISIS KLASTER KASUS AKTIF COVID-19 MENURUT PROVINSI DI INDONESIA BERDASARKAN DATA DERET WAKTU ]]>
<![CDATA[Raditya Novidianto]]>;
<![CDATA[Andrea Tri Rian Dani]]>
<![CDATA[ Jurnal Aplikasi Statistika & Komputasi Statistik Vol 12 No 2 (2020): Journal of Statistical Application and Computational Statistics ]]>
Publisher : <![CDATA[Pusat Penelitian dan Pengabdian Masyarakat Politeknik Statistika STIS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34123/jurnalasks.v12i2.280
<![CDATA[Corona Virus Disease 2019 (COVID-19) merupakan masalah yang sangat serius yang dihadapi oleh negara-negara di dunia, lebih dari 240 negara terjangkit virus ini. Pada 11 Maret 2020 WHO mengumumkan COVID-19 sebagai pandemi. Saat ini, penyebaran wabah COVID-19 terus bergerak signifikan, khususnya di Indonesia. Sejak mulai diumumkan pada awal Maret lalu hingga menjelang pertengahan Juli, jumlah kasus positif COVID-19 sudah mencapai 80.094 pasien yang dinyatakan positif, terkonfirmasi 3.797 kasus kematian dan 39.050 pasien yang dinyatakan sembuh. Salah satu kesulitan yang dialami pemerintah dalam penanganan COVID-19 yaitu tingkat kedaruratan dan kebijakan yang diterapkan oleh pemerintah daerah. Setiap daerah memiliki karakteristik yang berbeda-beda sehingga diperlukan pengetahuan mengenai kesamaan karakteristik daerah dalam penanganannya berdasarkan kasus COVID-19 yang berkelanjutan setiap harinya. Oleh karena itu, tujuan dari penelitian ini adalah menganalisis secara deskriptif mengenai kasus aktif COVID-19 berdasarkan data deret waktu dari setiap Provinsi di Indonesia. Selanjutnya melakukan proses pengelompokkan menggunakan data kasus aktif COVID-19 di Indonesia. Proses pengelompokkan menggunakan metode agglomerative hierarchical clustering, yaitu algoritma single, complete dan average linkage. Pengukuran kemiripan menggunakan Euclidean Distance dan Dynamic Time Warping (DTW). Berdasarkan hasil analisis, dengan menggunakan ukuran kebaikan yaitu koefisien korelasi cophenetic menunjukkan bahwa pengukuran kemiripan yang terbaik dari ketiga algoritma yang digunakan adalah Euclidean Distance. Dendogram yang didapat dari hasil pengelompokkan menunjukkan bahwa dengan ketiga algoritma yang digunakan menghasilkan anggota pengelompokkan yang sama. Pentingnya informasi tentang hasil pengelompokkan ini dapat membantu pemerintah pusat dan daerah untuk membuat strategi pencegahan penyebaran rantai virus COVID-19.]]>
<![CDATA[Peramalan Time Series Menggunakan Gaussian Kernel PCA dan Autoregressive ]]>
<![CDATA[Kasiful Aprianto]]>
<![CDATA[ Jurnal Aplikasi Statistika & Komputasi Statistik Vol 11 No 2 (2019): Journal of Statistical Application and Computational Statistics ]]>
Publisher : <![CDATA[Pusat Penelitian dan Pengabdian Masyarakat Politeknik Statistika STIS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34123/jurnalasks.v11i2.219
<![CDATA[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.]]>
<![CDATA[PENDUGAAN AREA KECIL DENGAN EXCESS ZERO (STUDI KASUS: ANGKA KEMATIAN BAYI DI PULAU JAWA) ]]>
<![CDATA[Nofita Istiana]]>
<![CDATA[ Jurnal Aplikasi Statistika & Komputasi Statistik Vol 13 No 1 (2021): Jurnal Aplikasi Statistika dan Komputasi Statistik ]]>
Publisher : <![CDATA[Pusat Penelitian dan Pengabdian kepada Masyarakat Politeknik Statistika STIS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34123/jurnalasks.v13i1.270
<![CDATA[Infant Mortality Rate (IMR) is an important indicator because it can be used to compare health status between populations. IMR is obtained from Demographic and Health Survey (DHS) where the level of estimation is designed for national and provincial level. The decentralization system makes the importance of IMR for sub-domain of province such as district/municipality level. Small area estimation (SAE) can be used for estimating IMR in district/municipality level by using a mixed model. IMR is count data with small probability, so the distribution is Poisson. Poisson model assumes that mean equal to variance, but this assumption is often violated. One of the reasons is excess zero. In this study, Zero Inflated Poisson (ZIP) mixed model is much better than Poisson mixed model and can improve the direct estimation of IMR.]]>
<![CDATA[PEMODELAN KERUGIAN BENCANA BANJIR AKIBAT CURAH HUJAN EKSTREM MENGGUNAKAN EVT DAN COPULA ]]>
<![CDATA[Ian Surya Prayoga]]>;
<![CDATA[Atina Ahdika]]>
<![CDATA[ Jurnal Aplikasi Statistika & Komputasi Statistik Vol 13 No 1 (2021): Jurnal Aplikasi Statistika dan Komputasi Statistik ]]>
Publisher : <![CDATA[Pusat Penelitian dan Pengabdian kepada Masyarakat Politeknik Statistika STIS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34123/jurnalasks.v13i1.273
<![CDATA[Curah hujan ekstrem pada umumnya dapat mengakibatkan kerugian seperti banjir, tanah longsor, dangagal panen. Pemodelan kerugian bencana banjir digunakan untuk memperkirakan seberapa parahkerusakan yang dialami ketika terjadi bencana banjir akibat curah hujan ekstrem. Penelitian ini bertujuanuntuk memodelkan kerugian bencana banjir terhadap kerusakan rumah menggunakan metode ExtremeValue Theory (EVT) dan copula. Metode EVT digunakan untuk memodelkan distribusi curah hujan danrumah rusak, sedangkan copula digunakan untuk mengidentifikasi struktur dependensi antara curahhujan dengan kerusakan rumah yang ditimbulkan. Hasil dari penelitian ini didapatkan distribusi terbaikuntuk kerusakan rumah di Jawa Barat, Jawa Tengah, dan Jawa Timur adalah distribusi GeneralizedExtreme Value (GEV) serta model copula terbaik yang menggambarkan dependensi antara curah hujandan kerusakan rumah adalah copula Frank. Nilai parameter ?ˆ copula Frank Provinsi Jawa Barat sebesar1.4999840280, Jawa Tengah sebesar -0.5816995330, dan Jawa Timur sebesar -0.8648329345.Parameter copula Frank bernilai positif (negatif) menunjukkan hubungan yang sifatnya positif (negatif)antara curah hujan ekstrem dan rumah rusak. Hasil pemodelan menunjukkan bahwa terdapat hubunganpositif antara curah hujan dan rumah rusak di Provinsi Jawa Barat dan Jawa Tengah, serta hubungannegatif antara kedua variabel di Provinsi Jawa Timur. Hal tersebut menunjukkan bahwa terdapatkemungkinan penyebab lain yang lebih berpengaruh terhadap kerusakan rumah di Provinsi Jawa Timurdibandingkan curah hujan.]]>
<![CDATA[KAJIAN USAHA RUMAH TANGGA BUDIDAYA BANDENG DI SULAWESI SELATAN TAHUN 2013 ]]>
<![CDATA[Muhamad Saiful Hadi]]>;
<![CDATA[Putri Lydia Eltheofany S.]]>
<![CDATA[ Jurnal Aplikasi Statistika & Komputasi Statistik Vol 13 No 1 (2021): Jurnal Aplikasi Statistika dan Komputasi Statistik ]]>
Publisher : <![CDATA[Pusat Penelitian dan Pengabdian kepada Masyarakat Politeknik Statistika STIS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34123/jurnalasks.v13i1.256
<![CDATA[Sejak tahun 2010-2013 produksi bandeng di Indonesia merupakan tertinggi di dunia. Produksi bandeng tertinggi di Indonesia yaitu di Sulawesi Selatan. Tetapi pertumbuhan produksi bandeng di provinsi tersebut dari tahun 2010-2012 mengalami penurunan dari 20,67% ke 2,75%. Hal tersebut mengindikasikan bahwa pelaku usaha budidaya bandeng masih kurang memaksimalkan variabel input untuk produksi bandeng. Penelitian ini bertujuan untuk menganalisis pengaruh luas lahan, biaya benih, biaya pupuk dan obat-obatan, dan biaya tenaga kerja terhadap produksi bandeng, menganalisis Return to Scale, dan menganalisis skala ekonomis di provinsi Sulawesi Selatan tahun 2013. Penelitian menggunakan metode analisis regresi linier berganda. Berdasarkan hasil analisis diketahui bahwa luas lahan, biaya benih, biaya pupuk dan obat-obatan, dan biaya tenaga kerja berpengaruh signifikan dan positif terhadap produksi bandeng di Sulawesi Selatan tahun 2013. Usaha budidaya bandeng di Sulawesi Selatan tahun 2013 berada pada kondisi Increasing Return to Scale. Persentase rumah tangga yang berada pada kondisi skala ekonomis sebesar 69,53%.]]>
<![CDATA[PENGELOMPOKKAN PROVINSI DI INDONESIA BERDASARKAN JUMLAH KASUS COVID-19 DAN FASILITAS KESEHATAN ]]>
<![CDATA[Meinisa Fadillah Rahmi]]>;
<![CDATA[Paulus Satria Prasetyo]]>;
<![CDATA[Ratih Nurhabibah]]>;
<![CDATA[Rizky Perdana]]>;
<![CDATA[Wa Ode Zuhayeni Madjida]]>
<![CDATA[ Jurnal Aplikasi Statistika & Komputasi Statistik Vol 13 No 1 (2021): Jurnal Aplikasi Statistika dan Komputasi Statistik ]]>
Publisher : <![CDATA[Pusat Penelitian dan Pengabdian kepada Masyarakat Politeknik Statistika STIS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34123/jurnalasks.v13i1.274
<![CDATA[Tingkat penyebaran COVID-19 cukup cepat, hingga 14 November 2020 tercatat jumlah kasus terkonfirmasi positif di Indonesia mencapai 463.007 jiwa. Ketersediaan fasilitas kesehatan masing-masing provinsi menentukan kesiapan daerah dalam penanganan COVID-19 sehingga penting untuk menganalisis keadaan dan distribusi provinsi-provinsi terkait kesiapannya tersebut. Penelitian ini melakukan clustering menggunakan algoritma K-Means dan K-Means with Outlier Detection untuk mengelompokkan 34 provinsi di Indonesia berdasarkan jumlah kasus COVID-19 dan data fasilitas kesehatan, lalu menentukan metode terbaiknya, serta mengidentifikasi karakteristik masing-masing kelompok berdasarkan metode terbaik. Penelitian menghasilkan tiga cluster. Cluster 1 merupakan kelompok provinsi dengan jumlah kasus COVID-19 tinggi dan fasilitas kesehatan kurang memadai, cluster 2 memiliki jumlah kasus COVID-19 tinggi dan fasilitas kesehatan memadai, sedangkan cluster 3 memiliki jumlah kasus COVID-19 rendah dan fasilitas kesehatan menengah.]]>
<![CDATA[PEMODELAN SEBARAN TOTAL DISSOLVED SOLID MENGGUNAKAN METODE MIXED GEOGRAPHICALLY WEIGHTED REGRESSION ]]>
<![CDATA[Dadan Kusnandar]]>;
<![CDATA[Naomi Nessyana Debataraja]]>;
<![CDATA[Siti Fitriani]]>
<![CDATA[ Jurnal Aplikasi Statistika & Komputasi Statistik Vol 13 No 1 (2021): Jurnal Aplikasi Statistika dan Komputasi Statistik ]]>
Publisher : <![CDATA[Pusat Penelitian dan Pengabdian kepada Masyarakat Politeknik Statistika STIS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34123/jurnalasks.v13i1.257
<![CDATA[Model mixed geographically weighted regression (Mixed GWR) merupakan teknik mengeksplorasi ketidakstasioneran spasial dengan mempertimbangkan pengaruh lokal dan global secara bersamaan. Dalam penelitian ini, Mixed GWR digunakan untuk menentukan model sebaran Total Dissolved Solid (TDS) pada kualitas air di Kota Pontianak. Variabel independen yang digunakan yaitu Chemical Oxygen Demand (COD), Biological Oxygen Demand (BOD), pH, kesadahan dan warna. Hasil penelitian menunjukkan model Mixed GWR dengan pembobot Fixed Bisquare Kernel lebih baik dibandingkan model regresi global dan GWR dengan AIC sebesar 326,48 dan MAPE 22,34%, dan variabel yang berpengaruh secara global yaitu kesadahan dan warna, sedangkan lokal yaitu COD, BOD dan pH]]>
<![CDATA[PENERAPAN PETA KENDALI ATRIBUT KLASIK DAN PETA KENDALI NP BAYES PADA PRODUK CACAT AIR MINUM ASRI DI CV. MULTI REJEKI SELARAS PAYAKUMBUH ]]>
<![CDATA[Ferra Yanuar]]>;
<![CDATA[Mutiara Fara Nabilla]]>;
<![CDATA[Izzati Rahmi]]>
<![CDATA[ Jurnal Aplikasi Statistika & Komputasi Statistik Vol 13 No 1 (2021): Jurnal Aplikasi Statistika dan Komputasi Statistik ]]>
Publisher : <![CDATA[Pusat Penelitian dan Pengabdian kepada Masyarakat Politeknik Statistika STIS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34123/jurnalasks.v13i1.261
<![CDATA[Usaha yang dapat dilakukan untuk menekan jumlah produk yang cacat atau rusak adalah dengan melakukan pengendalian kualitas. Pengendalian kualitas yang baik akan membantu dalam kelancaran proses produksi. Salah satu alat statistik yang dapat digunakan untuk mengevaluasi apakah suatu proses produksi berada dalam keadaan terkendali atau tidak secara statistik adalah peta kendali. Pada penelitian ini pengidentifikasian kualitas dilakukan dengan membuat peta kendali atribut yaitu peta kendali np. Peta kendali np ini dikonstruksi berdasarkan distribusi Binomial yang kemudian akan diduga menggunakan metode Bayes sehingga diperoleh peta kendali np Bayes. Selanjutnya, untuk menguji kinerja dari peta kendali ini, dilakukan perbandingan kedua bagan kendali berdasarkan nilai Average Run Length (ARL). Hasil analisis dan pembahasan diperoleh bahwa peta kendali np Bayes prior konjugat lebih sensitif dalam mendeteksi data diluar kendali daripada peta kendali np Bayes prior non informatif. Peta kendali ini juga memiliki kinerja yang lebih baik karena memiliki nilai ARL yang lebih kecil dibandingkan peta kendali np klasik.]]>
<![CDATA[Development of Application Providing Public’s Perspectives on Official Statistical Indicators ]]>
<![CDATA[Novi Kanadia]]>;
<![CDATA[Siti Mariyah]]>
<![CDATA[ Jurnal Aplikasi Statistika & Komputasi Statistik Vol 12 No 3 (2020): Jurnal Aplikasi Statistika dan Komputasi Statistik Edisi Khusus ]]>
Publisher : <![CDATA[Pusat Penelitian dan Pengabdian kepada Masyarakat Politeknik Statistika STIS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34123/jurnalasks.v14i1.391
<![CDATA[BPS-Statistics Indonesia, as an official data producer, puts data quality as a top priority. Public acceptance and trust in data reflect data reliability which is one of the data quality indicators. The existing survey that collects user acceptance, trust, and perspective to data produced by BPS can only reach data users in a limited number. Perspectives from a large number of data users cannot be captured. This research aims to build an application that collects and provides users’ perspectives and sentiment to official statistics sourced from online news. One feature in this application is Named Entity Recognition, which extracts public perspectives in entities such as names, organizations, statistical indicators, quotes or opinions, etc. This application objectively measures the sentiment of news discussing or citing statistical indicators. This application also facilitates BPS to do social network analysis to understand the relationships between fellow data users for each statistical indicator. The implicit goal is to effectively provide insights into how frequently society uses and refers to statistical indicators produced by BPS in any domain and their perspective on data. All models and features provided in this application have been evaluated based on standard performance metrics.]]>
<![CDATA[Mobility-Covid-19 Impact Quadrant : Quantitative Approach to Analyze Community Responses to Covid-19 Pandemic ]]>
<![CDATA[Usman Bustaman]]>
<![CDATA[ Jurnal Aplikasi Statistika & Komputasi Statistik Vol 12 No 3 (2020): Jurnal Aplikasi Statistika dan Komputasi Statistik Edisi Khusus ]]>
Publisher : <![CDATA[Pusat Penelitian dan Pengabdian kepada Masyarakat Politeknik Statistika STIS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34123/jurnalasks.v14i1.387
<![CDATA[There are two premises regarding the relationship between mobility and COVID-19, namely: (1) mobility affects the spread of COVID-19, or (2) the spread of COVID-19 affects mobility. This paper further explores both premises to analyze community responses to COVID-19 pandemic using Google Mobility Index (mobility) and the COVID-19 Spread Risk Index (risk) of Indonesia. Cross-correlogram of both indices is examined to determine optimum values called Risk Detection Time (Rdt). A scatter plot of Rdt and its correlation coefficient resulted Mobility-COVID-19 Impact Quadrant which maps the community responses into four zones based on quadrant ‘conscious–competence’ framework. The results confirmed both premises: (1) risk can be triggered by mobility in the previous few days, or (2) mobility can represent the community responses to risk information in the previous few days. Regarding the mobility restriction implemented in Indonesia, the analysis shows that the community responses leaped from Learning zone in PSBB period (15/03/2020 to 31/05/2020) to the Recovery zone in the New Normal and PPKM period (01/06/2020 to 02/07/2021). However, the policy was late responded so that the recovery target did not go as expected and brought the community into Fear and Uncertainty zone in the Emergency PPKM period (starting from 03/07/2021).]]>
