cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Aceng Komarudin Mutaqin
Contact Email
aceng.k.mutaqin@gmail.com
Phone
+628179289987
Journal Mail Official
jstat.unisba@gmail.com
Editorial Address
Jl. Ranggagading No. 8 Bandung 40116
Location
Kota bandung,
Jawa barat
INDONESIA
Statistika
Published by Universitas Islam Bandung
ISSN : 14115891     EISSN : 25992538     DOI : https://doi.org/10.29313/jstat.v19i2.4898
Core Subject : Economy, Science, Education, Engineering,
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Industrial & Manufacturing Engineering Mathematics
STATISTIKA published by Bandung Islamic University as pouring media and discussion of scientific papers in the field of statistical science and its applications, both in the form of research results, discussion of theory, methodology, computing, and review books.
Arjuna Subject : Matematika - Statistik dan Probabilitas
Articles 10 Documents
 1 
Search results for , issue "Vol 18, No 1 (2018)" : 10 Documents clear
Analisis Pengendalian Kualitas Proses Produksi Kue Lapis Kukus Surabaya Berdasarkan Metode Six Sigma Ardi Kurniawan
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 18, No 1 (2018)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v18i1.3873

Abstract

Salah satu kue yang cukup dikenal dan ramai di Surabaya saat ini adalah kue Lapis Kukus Surabaya yang diproduksi oleh CV. Alam Boga Raya. Agar tetap bertahan dan tumbuh menjadi perusahaan industri yang besar CV. Alam Boga Raya perlu memperhatikan kualitas produksi dengan selalu menekan jumlah cacat produk menuju zero defect. Salah satu metode yang bisa digunakan untuk mengendalikan kualitas produksi atau quality control adalah metode Six Sigma. Penelitian ini bertujuan untuk menganalisis kualitas produksi dengan menggunakan metode Six Sigma yang terdiri dari tahap Define, Measure, Analyze, Improve and Control (DMAIC). Metode tersebut digunakan untuk menentukan arus produksi, melakukan pengukuran terkait proses produksi, menganalisis jenis kecacatan, menentukan faktor penyebab cacat dan melakukan usulan perbaikan. Variabel yang digunakan dalam penelitian ini adalah empat kategori cacat produk yaitu kue pendek, kue rapuh, kue pisah dan kue mentah. Penelitian ini menggunakan data sekunder jumlah produksi bruto dan data jumlah cacat sedangkan untuk data primer dilakukan wawancara dengan pihak perusahaan untuk mendapatkan data yang terkait dengan proses produksi meliputi penyediaan bahan baku, proses produksi dan faktor penyebab kecacatan. Berdasarkan hasil analisis Six Sigma diketahui bahwa perusahaan berada pada level 4,46σ dan kategori cacat yang banyak dialami oleh perusahaan adalah kue mentah yang disebabkan oleh ketidakstabilan mesin steam.
MODEL REGRESI LOGISTIK ORDINAL UNTUK MENENTUKAN FAKTOR PENGAMBILAN KEPUTUSAN CALON MAHASISWA MEMILIH PROGRAM STUDI STATISTIKA Achmad Fauzan
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 18, No 1 (2018)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v18i1.3521

Abstract

Penentuan Proporsi Keuntungan untuk Kontrak Asuransi Jiwa Dwiguna Unit Link dengan Menggunakan Metode Annual Ratchet Yopi Saputra
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 18, No 1 (2018)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v18i1.3874

Abstract

Asuransi jiwa dwiguna unit link merupakan asuransi yang menggabung keseluruhan asuransi jiwa tradisional dwiguna dengan asuransi modern unit link yang menyediakan perlindungan dan investasi. Salah satu metode yang digunakan dalam kontrak asuransi jiwa unit link yaitu metode pengindeksan dengan tingkat partisipasi. Metode pengindeksan yang digunakan adalah annual ratchet, dimana tingkat partisipasi dievaluasi dari tahun ke tahun. Data yang digunakan dalam penelitian ini adalah data saham penutupan harian PT. Telkom tahun 2012 dan suku bunga Bank Indonesia bulan Januari tahun 2013. Data probabilitas hidup mengikuti Tabel Mortalita Indonesia tahun 2011. Hasil penelitian ini diperoleh proporsi keuntungan menggunakan desain compound ratchet sebesar 56.09% untuk nasabah dan 43.91% untuk perusahaan. Sedangkan proporsi keuntungan menggunakan desain simple ratchet sebesar 61.27% untuk nasabah dan 38.73% untuk perusahaan.
EVALUASI MODEL PENDUGAAN AREA KECIL DENGAN PENAMBAHAN INFORMASI GEROMBOL Ray Sastri; Arbi Setiyawan
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 18, No 1 (2018)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v18i1.3669

Abstract

Beberapa survei yang dilakukan oleh Badan Pusat Statistik (BPS) mempunyai level estimasi provinsi atau kabupaten. Jumlah sampel tidak mencukupi untuk melakukan pendugaan sampai ke tingkat desa, bahkan beberapa desa tidak terkena sampel atau nirsampel. Model dengan penambahan informasi gerombol, menurut Anisa (2014), lebih baik untuk menduga variabel di wilayah nirsampel. Akan tetapi belum diketahui berapa besar area nirsampel yang bisa ditangani oleh model tersebut. Untuk menjawab pertanyaan ini, dilakukan kajian simulasi. Dilihat dari perbedaan MSE,  model ini bisa digunakan pada area nirsampel sebanyak 40 persen. Akan tetapi, dilihat dari  nilai relatif bias, jumlah area nirsampel yang bisa ditangani sebanyak 20 persen. Kesimpulannya, model EBLUP dengan penambahan informasi gerombol dapat dengan baik digunakan sampai 20 persen wilayah nirsampel.
Perbandingan Model GAM dan Gamboost dalam Fitting Dataset Sea Surface Temperature Miftahuddin Miftahuddin
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 18, No 1 (2018)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v18i1.3875

Abstract

Fitting model GAM (generalized additive models) dan Gamboost (generalized additive models by boosting) untuk dataset SST (sea surface temperature) dimaksudkan sebagai upaya mencapai perbaikan fitting model terhadap data SST. Secara umum, model GAM dapat memvisualisasikan masing-masing kovariat, sedangkan model gamboost dapat memvisualisasikan lebih detail kovariatnya dalam beberapa bentuk, baik secara linier dan nonlinier. Pengukuran performance yang digunakan terhadap model adalah nilai AIC (Akaike Information Criteria) dan CV-risk. Model GAM dengan boosting menunjukkan lebih sesuai dalam struktur model, pemilihan model terbaik dan seleksi variabel pada dataset SST. Fitting model GAM dapat menghasilkan pola dan trend masing-masing kovariat meskipun memiliki beberapa gap, sedangkan pada model gamboost memiliki lebih banyak pilihan simultan dalam bentuk linier, nonlinier dan smooth untuk masing-masing kovariat. Kedua pendekatan fitting memiliki kelebihan yang dapat saling melengkapi dalam memodelkan dataset SST.
Verifikasi Data Kemiskinan Secara Swadaya: Studi Kasus Desa Karangwangi, Kecamatan Binong, Kabupaten Subang, Jawa Barat Abdul Kudus
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 18, No 1 (2018)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v18i1.3422

Abstract

Tingkat kemiskinan di Kabupaten Subang sebesar 12%.  Pendataan dilakukan oleh BPS dengan cara pengambilan sampel per blok.  Terdapat banyak kasus ketidakpuasan di masyarakat mengenai data kemiskinan ini, sehingga mengganggu perencanaan dan pelaksanaan program.  Berdasarkan hal tersebut maka akan sangat baik jika masyarakat merekam data sendiri berdasarkan keadaan yang sebenarnya.  Dalam artikel ini dilakukan penyusunan data kemiskinan tingkat Desa Karangwangi, Kecamatan Binong, Kabupaten Subang, Jawa Barat langsung oleh masyarakat dengan pendampingan dari pihak akademisi.  Tujuannya yaitu agar tercipta data kemiskinan yang akurat, timbulnya rasa empati dan saling membantu dan ketercapaian pengentasan kemiskinan melalui swadaya masyarakat. Metode yang digunakan adalah pelatihan, pendampingan, dan implementasi. Pendataan rumah tangga miskin difokuskan pada Daftar Penerima Manfaat (DPM) beras sejahtera yang dikeluarkan oleh pemerintah.  Terdapat 370 rumah tangga yang termasuk dalam daftar ini.  Dari daftar tersebut terdapat 111 rumah tangga yang dibuang dari daftar disebabkan oleh sudah berubahnya data di lapangan.  Dengan demikian terdapat 259 rumah tangga yang tersisa yang menjadi prioritas utama pendataan.  Kemudian target pendataan diperluas pada rumah tangga yang dianggap miskin menurut persepsi warga.  Terdapat tambahan sebanyak 155 rumah tangga yang menjadi prioritas kedua pendataan.  Hasil pendataan menunjukkan terdapat 35.9% (93 rumah tangga) dari 259 rumah tangga dalam kelompok prioritas pertama yang dikategorikan tidak miskin.  Sedangkan pada kelompok prioritas kedua diperoleh hasil terdapat sebanyak 37.4% (58 rumah tangga) dari 155 rumah tangga yang termasuk kategori tidak miskin. Dengan jumlah rumah tangga di Desa Karangwangi sebanyak 1436, maka dengan rumah tangga miskin hasil pendataan sebanyak 263 artinya terdapat 18,3% rumah tangga di Desa Karangwangi yang termasuk kategori miskin.
Penggunaan Metode Momen untuk Mengatasi Data Outlier dalam Rancangan Acak Kelompok (Studi Kasus Hasil Produksi Tandan Buah Segar (TBS) selama 5 bulan (kg/pohon)) Taufik Hidayat
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 18, No 1 (2018)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v18i1.3871

Abstract

Cabang matematika yang membahas bagaimana melakukan pengambilan data, pengolahan data, penyajian data, analisis data, dan melakukan pengambilan keputusan disebut dengan Statistika. Salah satu cara untuk memperoleh data dengan melakukan perancangan percobaan. Ada hal penting yang perlu diperhatikan pada data yang diperoleh dari suatu percobaan yaitu adanya outlier dalam data. Suatu data menjadi outlier apabila terjadi kesalahan dalam pengamatan atau tidak berhasilnya suatu pengamatan pada salah satu unit percobaan. Hal ini dalam rancangan percobaan dikenal dengan istilah data hilang. Salah satunya menggunakan metode Regresi Robust. Regresi Robust memiliki beberapa metode estimasi, diantaranya adalah median (Estimasi-M), Least Median of Squares (LMS), least trimmed Squares (LTS), Scale (Estimasi-S), dan Metode Momen (Estimasi-MM). Pada penelitian ini, penerapan dilakukan untuk data Rancangan Acak Kelompok (RAK). Diilustrasikan terdapat pengamatan yang tidak berhasil sehingga datanya menjadi hilang dan diganti dengan nilai 0 yang sifatnya outlier. Pendugaan data hilang menggunakan metode Momen. Uji analisis variansi kemudian dilakukan pada kedua data, dan diperoleh kesimpulan yang sama untuk masing-masing pengaruh perlakuan dan pengaruh kelompok.
ANALISIS DAMPAK EKONOMI SEKTOR BESI DAN BAJA DASAR TERHADAP PEREKONOMIAN NASIONAL Triswan Suseno
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 18, No 1 (2018)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v18i1.3472

Abstract

Sejak terbitnya UU No. 4 Tahun 2009 hingga diberlakukannya secara efektif pada Januari tahun 2014, banyak perusahaan yang sudah berinvestasi membangun industri pengolahan (smelter) di sektor pertambangan mineral logam, khususnya nikel dan besi. Namun apakah kehadirannya ini akan mampu mendorong pertumbuhan ekonomi secara Nasional baik terhadap sektor pertambangan mineral logam itu sendiri maupun terhadap sektor-sektor lainnya di dalam negeri. Untuk mengetahuinya, perlu dilakukan analisis dampak ekonomi kehadiran industri pengolahan nikel dan besi yang diukur dengan menggunakan indeks pengganda output, pendapatan, nilai tambah dan tenaga kerja yang berasal dari analisis model input-output. Berdasarkan hasil perhitungan, menunjukkan bahwa sektor pertambangan pasir/bijih besi memiliki pengganda output 1,5826, pengganda pendapatan 1,4329, pengganda nilai tambah 1,4620 dan pengganda tenaga kerja 1,58. Pengganda output sektor pertambangan nikel 1,4679, pengganda pendapatan 1,9590, pengganda nilai tambah 1,9892 dan pengganda tenaga kerja 1,47. Sedangkan pengganda output sektor besi dan baja dasar 1,9884, pengganda pendapatan 3,3985, nilai tambah 2,9892 dan pengganda tenaga kerja 1,99.
Klasifikasi Data Laporan Masyarakat pada Portal Layanan Aspirasi dan Pengaduan Online Masyarakat (Lapor!) dengan Metode Klasifikasi Naïve Bayes Achmad Kurniansyah Thalib
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 18, No 1 (2018)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v18i1.3872

Abstract

Layanan Aspirasi dan Pengaduan Online Rakyat (LAPOR!) merupakan salah satu program yang dicanangkan pemerintah guna menghimpun informasi seluasluasnya yang berupa kritik maupun saran dari masyarakat. Laporan masyarakat di bidang kesehatan yang berupa data teks yang tidak terstruktur (unstructured data) diklasifikasikan menjadi tiga kelas yaitu Aspirasi, Keluhan, dan Pertanyaan menggunakan metode machine learning yaitu Naïve Bayes. Pada periode Januari 2013 sampai dengan Desember 2015, jumlah laporan masyarakat yang masuk ke dalam sistem LAPOR! sebanyak 87492 laporan, terdapat 32047 atau sekitar 37% laporan yang belum ditanggapi, 8072 atau sekitar 9% laporan yang sedang proses ditanggapi, dan sisanya sebanyak 47373 atau 54% laporan sudah ditanggapi dan dinyatakan selesai. jumlah laporan yang paling banyak terdapat pada provinsi DKI Jakarta dan pulau Jawa secara keseluruhan. Provinsi yang menjadi pusat  area  yang  menyumbangkan  laporan terbanyak adalah DKI Jakarta sebanyak 25129 laporan, disusul Jawa Barat 15445 laporan, Jawa Timur 6106 laporan, Jawa Tengah 5818 laporan, dan seterusnya. Sedangkan provinsi yang paling sedikit melakukan lapor adalah provinsi Papua, Maluku, Maluku Utara, Sulawesi Barat, Irian Jaya Barat, dan  Gorontalo dengan jumlah laporan dari provinsi tersebut dibawah 100 laporan. Selanjutnya hasil klasifikasi akan dianalisis dengan metode Text Mining, konsep utamanya adalah dengan melakukakan ekplorasi seluas-seluasnya dan ekstraksi dengan data yang sangat banyak dan terus bertambah, sehingga ditemukan sebuah fakta dan informasi yang dianggap penting dan dapat berguna untuk berbagai bidang keperluan. Hasil klasifikasi menunjukkan tingkat akurasi sebesar 96.67%.
Penggunaan Metode Ward Dalam Pengelompokan Kabupaten/Kota Di Provinsi Aceh Berdasarkan Indikator Tanaman Pangan Dan Perkebunan Nany Salwa; Nurhasanah Nurhasanah; Salmiati Salmiati
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 18, No 1 (2018)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v18i1.3498

Abstract

Penelitian ini dilakukan untuk mengidentifikasi kelompok kabupaten/kota di Provinsi Aceh berdasarkan luas tanam komoditas subsektor tanaman pangan dan perkebunan.  Luas tanam kedua subsektor pangan dan perkebunan tersebut meliputi luas tanam tanaman padi, jagung, kedelai, kacang tanah, ubi jalar, ubi kayu, kelapa sawit, karet, kakao, kelapa, pinang, dan kopi. Metode pengelompokan yang digunakan adalah metode Ward dengan menerapkan 2 konsep jarak, yaitu jarak korelasi Pearson dan jarak Euclidean. Konsep jarak korelasi Pearson digunakan pada data dengan kasus multikolinieritas, sedangkan konsep jarak Euclidean digunakan pada data tanpa multikolinearitas. Pengelompokan dengan konsep jarak Euclidean dilakukan dengan meniadakan masalah multikolinieritas terlebih dahulu, yaitu dengan menggunakan analisis komponen utama. Hasil penelitian menunjukan bahwa pengelompokan dengan konsep jarak Euclidean lebih baik dibandingkan pengelompokan dengan jarak korelasi Pearson. Hal ini diketahui dari nilai rasio antara ragam dalam cluster dan ragam antar cluster, jika rasionya semakin kecil maka semakin baik pengelompokannnya. Hasil pengelompokan 6 Cluster dengan metode jarak Euclidean menunjukan bahwa cluster 2 dominan pada komoditas tanaman padi, ubi kayu, pinang dan kelapa. Cluster 3 didominasi oleh komoditas tanaman kacang tanah, kelapa sawit dan karet. Cluster 4 didominasi komoditas tanaman jagung dan  kakao. Komoditas yang dominan pada Cluster 6 berupa komoditas ubi jalar dan kopi. Sementara cluster 1 dan cluster 3 merupakan dua kelompok kabupaten yang tidak memiliki komoditas tanaman pangan dan perkebunan yang dominan.

Page 1 of 1 | Total Record : 10

 1 

Filter by Year

2018 2018


Reset
Filter By Issues
All Issue Vol 21, No 1 (2021) Vol 20, No 2 (2020) Vol 20, No 1 (2020) Vol 19, No 2 (2019) Vol 19, No 1 (2019) Vol 18, No 2 (2018) Vol 18, No 1 (2018) Vol 17, No 2 (2017) Vol 17, No 1 (2017) Vol 16, No 2 (2016) Vol 16, No 1 (2016) Vol 15, No 2 (2015) Vol 15, No 1 (2015) Vol 14, No 2 (2014) Vol 14, No 1 (2014) Vol 13, No 2 (2013) Vol 13, No 1 (2013) Vol 12, No 2 (2012) Vol 12, No 1 (2012) Vol 11, No 2 (2011) Vol 11, No 1 (2011) Vol 10, No 2 (2010) Vol 10, No 1 (2010) Vol 9, No 2 (2009) Vol 9, No 1 (2009) Vol 8, No 2 (2008) Vol 8, No 1 (2008) Vol 7, No 2 (2007) Vol 7, No 1 (2007) Vol 6, No 2 (2006) Vol 6, No 1 (2006) Vol 5, No 2 (2005) Vol 5, No 1 (2005) Vol 4, No 2 (2004) Vol 4, No 1 (2004) Vol 3, No 2 (2003) Vol 3, No 1 (2003) Vol 2, No 2 (2002) Vol 2, No 1 (2002) Vol 1, No 1 (2001) More Issue