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 353 Documents
 12   13   14   15   16 
Evaluasi Kesalahan Proyeksi Penduduk Berdasarkan Kategori Demografis dan Interval Waktu Sensus Win Konadi; Suherman Suherman
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 2, No 2 (2002)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v2i2.499

Abstract

Untuk membuat suatu proyeksi biasanya terlebih dahulu dilakukan pemilihan model yangcocok. Jika model yang diperkirakan cocok sudah diketahui, salah satu cara untuk mencari modelyang cocok adalah dengan cara mengevaluasi kesalahan proyeksi penduduk. Evaluasi yangdimaksud adalah membandingkan hasil proyeksi dengan hasil sensus. Evaluasi kesalahan proyeksiterhadap beberapa model pendekatan, dan kekeliruan proyeksi menggunakan teknik MALPE andMAPE, dengan mempertimbangkan factor demografis wilayah dan interval periode dasar proyeksi.Kata Kunci : Proyeksi, Malpe, Mape, model Linier, Eksponensial dan model Shift.
Detection Procedure for A Single Outlier in a Bilinear Model 1azami Zaharim, 2mohammad Said Zainol, 3ibrahim Azami Zaharim; Mohammad Said Zainol; Ibrahim Mohamed; Mohd Sahar Yahaya
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 6, No 1 (2006)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v6i1.934

Abstract

A single outlier detection procedure for data generated from BL(1,1,1,1) models is developed. It iscarried out in three stages. Firstly, the measure of impact of an IO, AO, TC and LC, denoted by IO  ,AO  , TC  and LC  , respectively are derived based on least squares method. Secondly, test statisticsand test criteria are defined for classifying an observation as an outlier of its respective type. Finally,a general single outlier detection procedure is presented to distinguish a particular type of outlier at atime point t.
Penggunaan Error Correction Mechanism dalam Analisis Pengaruh Investasi Langsung Luar Negeri Terhadap Pertumbuhan Ekonomi Indonesia fitri kartiasih; satria june adwendi
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 16, No 1 (2016)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v16i1.1767

Abstract

A developing country like Indonesia would require funds to increase their economic performance. The contribution of savings are not enough to finance national development. It is necessary to find other financial resources which is foreign direct investment. Error Correction Meccanism (ECM) is used to analyse the influence of foreign direct  investment and other interconnected sectors in open economy like domestic credit, government spending, and inflation to economic growth. The result shows that domestic credit, government spending, and inflation increase, but government spending and foreign direct investment tends to be fluctuating from 2000-2014. The research results also showed that economic growth in the long term is influenced by domestic credit and inflation, while in the short term are influenced by foreign direct investment and domestic credit.  
ANALISIS DATA HILANG PADA MODEL DESAIN EKSPERIMENT Mustofa Usman; Warsono Warsono
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 3, No 1 (2003)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v3i1.552

Abstract

Dalam model desain eksperien atau pada analisis varians, apabila terjadi beberapa data hilang, maka analisis dataterkadang menjadi sangat kompleks. Atau bahkan data tidak dapat dianalisis. Pengkajian atau penelitian mengenai data hilangtelah menjadi topik yang sangat menarik bagi banyak peneliti statistika. Idea dasar mula-mula yang membahas data hilang adalahYates (1993), sejak itu idea ini terus berkembang dan masih mengilhami banyak penelitian tentang data hilang pada model desaineksperimen. Dalam penelitian pada tulisan ini akan mencoba membahas perkembanganan analisis data hilang, bias yang terjadidan uji hipotesis yang dilakukan untuk mengatasi bias yang terjadi
Pemilihan Model Terbaik pada Mars Respon Kontinu Bambang Widjanarko Otok
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 8, No 1 (2008)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v8i1.971

Abstract

Multivariate adaptive regression spline (MARS) adalah salah satu model regresi nonparametrik, yaitumodel yang mengasumsikan bentuk hubungan fungsional antara variabel respon dan prediktor tidakdiketahui. MARS adalah kombinasi yang komplek antara metode spline dengan rekursif partisi untukmenghasilkan estimasi fungsi regresi yang kontinu.Hasil penelitian menunjukkan bahwa estimasiparameter model MARS untuk variabel respon kontinu dilakukan dengan penalized least square(PLS). Pemilihan model MARS terbaik dilakukan dengan prosedur forward dan backward stepwisedidasarkan pada nilai GCV. Prosedur forward adalah tahapan untuk mendapatkan fungsi basismaksimum yang mencakup pengaruh efek utama, interaksi, dan knot. Sedangkan prosedurbackward adalah tahapan untuk mengeliminasi fungsi basis yang kontribusinya tidak signifikan.Hasil kajian juga menunjukkan bahwa GCV dengan potongan regresi linear dapat terbukti bekerjadengan baik dalam menentukan pemilihan model terbaik pada MARS respon kontinu.
Aplikasi Generalized Poisson Regression dalam Mengatasi Overdispersi pada Data Jumlah Penderita Demam Berdarah Dengue Arwini Arisandi; Erna Tri Herdiani; Sitti Sahriman
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 18, No 2 (2018)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v18i2.4542

Abstract

Asumsi dasar dalam regresi Poisson yaitu nilai variansi data sama dengan nilai mean data. Namun,asumsi tersebut umumnya tidak terpenuhi, misalnya terdapat kasus overdispersi. Overdispersidalam regresi Poisson terjadi apabila nilai variansinya lebih besar daripada nilai meannya. Jikaterjadi overdispersi pada data, maka model regresi Poisson kurang akurat digunakan karenaberdampak pada nilai standard error dari taksiran parameter yang dihasilkan cenderung menjadiunderestimate sehingga kesimpulan yang diperoleh menjadi kurang valid. Dalam penelitian ini,kasus overdispersi dapat diatasi dengan model generalized Poisson regression. Hasil penelitianmenunjukkan bahwa nilai AIC minimum diberikan oleh model generalized Poisson regression.Sehingga dalam penelitian ini disimpulkan bahwa pada penelitian terhadap data yang mengalamioverdispersi pada Jumlah Penderita DBD di Kota Makassar tahun 2016, pemodelan regresigeneralized Poisson mampu mengatasi terjadinya overdispersi yang terjadi pada pemodelan regresiPoisson. Nilai R2 yang dimiliki sebesar 67% yang artinya jumlah penderita DBD ditentukan olehpersentase tempat-tempat umum memenuhi syarat kesehatan, persentase penduduk yang memilikiakses air minum layak, persentase rumah tangga berprilaku hidup bersih dan sehat dan persentaserumah yang memenuhi syarat kesehatan. Selebihnya 33% ditentukan oleh faktor lain.
ERROR CORRECTIONMODEL PADA VOLUME PERDAGANGAN SAHAM DI BURSA EFEK SURABAYA Agus Suharsono; Suryo Guritno
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 4, No 2 (2004)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v4i2.868

Abstract

Perdagangan saham sebenarnya merupakan perdagangan biasa sebagaimana jual beli barang di pasar pada umumnya. Adapembeli, penjual, tawar menawar, penyerahan barang dan uang. Hanya saja bedanya bahwa didalam perdagangan sahamini seseorang yang ingin membeli atau menjual saham di bursa efek tidak dapat secara langsung mengadakan transaksi jualbeli tersebut. Untuk melakukan jual beli investor harus melalui perusahaan efek (broker atau pialang) yang juga anggotabursa yang selanjutnya akan bertindak sebagai pembeli atau penjual. Harga saham suatu perusahaan dipengaruhi olehbeberapa faktor dimana interaksi diantara faktor tersebut akan membentuk nilai saham. Salah satu diantara faktor tersebutfaktor fundamental. Faktor fundamental merupakan informasi yang berkaitan dengan kondisi internal perusahaan, industrisejenis, dan prospek usaha.Tujuan penelitian adalah untuk mengetahui pengaruh jangka pendek dan jangka panjang volume perdagangan saham diBursa Efek Surabaya dan mengetahui pengaruh faktor Indeks Harga Saham Gabungan (IHSG), right issue, kurs dollar dantingkat suku bunga Singapore International Bank Offered Rate (SIBOR). Hasil penelitian menunjukkan bahwa pendekatankointegrasi memberikan hasil yang lebih baik dibanding analisis regresi. Hal ini dilihat dari nilai R2 yang tinggi danterpenuhinya asumsi residual yang berimplikasi pengaruh jangka panjang dari peubah penjelasnya dapat diketahui.Sedangkan pada analisis regresi apabila asumsi dipenuhi berimplikasi adanya hubungan jangka panjang.
Sensitifitas Indikator Multikolinearitas dalam Model Regresi Linear Multipel DIEN SUKARDINAH
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 10, No 1 (2010)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v10i1.1006

Abstract

Banyak cara untuk mendeteksi ada tidaknya multikolinearitas dalam model regresi linear multipelantara lain dengan indikator multikolinearitas keseluruhan maupun individu. Pada makalah ini akandibahas sensitifitas antar indikator multikolinearitas keseluruhan; yaitu Bilangan Kondisi, indikatorRed dan DEF, maupun antar indikator multikolinearitas individu, yaitu VIF, ICE, dan IndeksKondisi. Melalui simulasi komparasi, kita akan membandingkan sensitifitas dari kedua pendekatanini.
ANALISA KAPABILITAS PROSES DENGANMETODE GRAFIS UNTUK PENGUKURAN KUALITAS JASA Sri Enny Triwidiastuti
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 4, No 2 (2004)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v4i2.901

Abstract

Makalah ini menjelaskan tentang analisa kapabilitas proses multivariat dengan metode grafis untuk mengukur kapabilitasproses jasa. Setiap produk baik manufaktur maupun jasa supaya dapat diterima oleh pelanggan harus melalui serangkaianseleksi kualitas yang ketat dan benar.Salah satu alat ukur kualitas adalah kapabilitas proses yang berusaha mempertemukankeinginan pelanggan dengan proses produksi dengan persepsi yang sama. Dipilih kapabilitas proses untuk studi ini karenaproses produksi diharapkan berjalan stabil,kapabel dengan penyimpangan produk seminim mungkin sehinggamenghasilkan produk yang konsisten.Suatu proses dikatakan stabil atau kapabel bila penyimpangan yang terjadi sangatminim,berulang dan dapat diramalkan;dengan demikian dapat diharapkan akan menghasilkan 99,73% produk yang bebascacat.Pengukuran kualitas jasa sangat berbeda dengan pengukuran kualitas yang lain karena karakteristik kualitas jasaterdiri dari beberapa variabel dan atribut yang saling berkaitan,kadang tidak dapat dipisahkan,bersifat unik karenakeinginan pelanggan yang individual dan sangat bervariasi.
Pengembangan Metode Lyzenga untuk Deteksi Terumbu Karang di Kepulauan Seribu dengan Menggunakan Data Satelit AVNIR-2 Muchlisin Arief
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 13, No 2 (2013)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v13i2.1074

Abstract

Penelitian tentang deteksi terumbu karang dan objek dibawah perairan dangkal sudah banyakdilakukan di Indonesia. Akan tetapi penelitian yang dilakukan lebih banyak dengan pengukuranlangsung dilapangan. Metode yang dikembangkan dari metode yang pernah dilakukan oleh Lyzengadengan memanfaatkan teknologi peginderaan jauh. Metode deteksi terumbu karang Lyzengamenggunakan operator Depth Invarian Indexs (DII) dengan mengikut sertakan koreksi kolom airki/kj Global (nilai ki/kj yang sama untuk seluruh citra) dan nilai ki/kj dapat menentukanhomogenitas suatu region. Dengan asumsi bahwa suatu citra terdiri dari beberapa region homogen,maka pengembangan metode ini, menggunakan nilai Ki/kj regional artinya nilai tidak konstan untukseluruh (diambil dari beberapa region yang dianggap homogen). Metode ini telah diaplikasikanmenggunakan data satelit AVNIR-2 tanggal 3 Agustus 2009 untuk Kabupaten Kepulauan Seribu danhasil dari pemerosessannya lebih baik (mengandung sedikit kesalahan) bila dibandingkan denganmetode Lyzenga.

Page 14 of 36 | Total Record : 353

 12   13   14   15   16 

Filter by Year

2001 2021


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