cover
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
ISSN : 14115891     EISSN : 25992538     DOI : https://doi.org/10.29313/jstat.v19i2.4898
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.
Articles 353 Documents
KAJIAN PENCILAN PADA METODE PLS UNTUK MODEL PERSAMAAN STRUKTURAL Bambang Irawan; Aunuddin Aunuddin; Aji Hamim Wigena
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.v3i1.520

Abstract

Ada dua pendekatan SEM (Structural Equation Model) yaitu Metode LISREL (Linear Structural RELations) dan PLS(Partial Least Squares). Kedua metode tersebut diterapkan pada pemodelan prestasi manajer. Dalam pendugaan model prestasimanajer, ukuran contoh relatif kecil (n=47) dan peubah pengamatan tidak menyebar normal ganda karena adanya pencilan.Setelah pencilan dibuang, pada LISREL ada perubahan nilai RMSEA dari 0.188 menjadi 0.09, sedangkan pada Metode PLStidak ada perubahan. Metode PLS lebih besar dari metode LISREL.
Menentukan Jumlah Pelayanan yang Optimal pada Sistem Pengangkutan Sampah di Tempat Pembuangan Sementara Kobana Kota Bandung Denta Anggakusuma; Septiadi Padmadisastra; Bernik Maskun
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 7, No 1 (2007)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v7i1.946

Abstract

Tulisan ini, merupakan pemecahan masalah dalam mengatasi penumpukan sampah di TPS,sehingga sistem pengangkutan sampah bisa berjalan dengan baik. Studi dilakukan di TPS Kobana,Kota Bandung yang melibatkan tiga jenis pelanggan yang harus dilayani dalam sistem priority servicenon-preemptive oleh lima server, ketika fasilitas pelayanan (truk) berada dalam sistem. Taksirandistribusi dan parameter dari data hasil observasi, digunakan untuk membangun model simulasi.Dengan penentuan model yang tepat dan taksiran parameter yang baik, model simulasi dapatmenggambarkan sistem sebenarnya. Melalui model simulasi akan diperoleh efektivitas danoptimalisasi sistem untuk pemecahan permasalahan pengangkutan sampah.
Valuasi Harga Saham PT Aneka Tambang Tbk sebagai Peraih IDX Best Blue 2016 Trimono Trimono; Di Asih I Maruddani
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 17, No 1 (2017)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v17i1.2579

Abstract

Menginvestasikan dan untuk membeli saham sebuah perusahaan merupakan salah satu bentuk investasi sektor finansial yang banyak diminati oleh para investor. Keuntungan investasi saham yang diperoleh, dapat dilihat dari nilai return saham. Harga saham adalah faktor utama yang berpengaruh terhadap nilai return saham. Namun, harga saham pada masa yang akan datang sering kali sulit untuk diprediksi. Geometric Brownian Motion (GBM) merupakan metode yang dapat digunakan untuk memprediksi harga saham jika diasumsikan return saham masa lalu berdistribusi normal. Jika dalam return saham masa lalu yang berdistribusi normal terdapat lompatan (jump), maka digunakan metode Jump Diffusion. Setelah diperoleh harga saham prediksi, dapat diukur nilai risiko investasinya. Hasil prediksi harga saham PT Aneka Tambang Tbk  periode 01/12/2016 sampai dengan 31/1/2017 dengan metode GBM, diperoleh nilai MAPE sebesar 11,01%. Berdasarkan nilai skewness dan kurtosis, dalam data return saham ANTM terdapat lompatan, sehingga harga saham ANTM lebih tepat dimodelkan dengan metode Jump Diffusion. Hasil prediksinya diperoleh nilai MAPE sebesar 1,95%. Metode Jump diffusion lebih tepat digunakan untuk prediksi, karena menghasilkan nilai MAPE yang lebih kecil. Untuk mengukur risiko investasi harga saham prediksi yang diperoleh dari model Jump Diffusion, digunakan metode VaR simulasi Monte Carlo dengan tingkat kepercayaan 95%. Dalam jangka waktu 1 hari setelah tanggal 25 Januari 2017 kerugian yang diterima tidak melebihi 5,617%. Berdasarkan uji backtesting, nilai VaR harga saham prediksi dengan metode Jump Diffusion pada taraf signifikansi 5% menghasilkan perhitungan yang akurat, karena tidak ditemukan adanya pelanggaran.Kata Kunci: Geometric Brownian Motion, Jump Diffusion Model, Value at Risk, Backtesting 
PENENTUAN SELANG PREDIKSI KADAR NIKEL DENGAN METODE BOOTSTRAP Suci Astutik
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.v3i1.565

Abstract

Bootstrap merupakan metode resampling berbasis komputer untuk mengukur keakuratan dari suatu estimator.Bootstrap dikembangkan untuk data independent/tak berkorelasi. Untuk data berkorelasi, bootstrap memerlukan modifikasitertentu untuk menghasilkan estimator parameter yang valid. Penelitian ini akan mengaplikasikan bootstrap untuk databerkorelasi, khususnya data spacial yang merupakan salah satu jenis data berkorelasi. Pada data spacial, kriging merupakanmetode estimasi/interpolasi yang efektif. Hasil krignig berupa estimasi titik. Hasil utama dari penelitian ini adalah diperolehestimasi krignig dalam selang konfidensi percentil bootstrap dengan tingkat kepercayaan tertentu.
A Detection Measure of Outliers Based on Forward Search Approach for Cox-Regression Model Nor Akmal Md Noh; Ibrahim Mohamed; Nur Aishah Mohd Taib
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 8, No 2 (2008)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v8i2.984

Abstract

This paper focuses on identifying possible outliers based on Cox regression model. Forward searchmethod has been applied in several studies involving regression-based models such as linearregression and generalized linear model. The method starts with a pre-selected subset of a data set.The method moves forward through the data by adding observations one by one and progressivechanges in values of statistics are noted. In this paper, we extend the application of forward search insurvival data analysis. Currently, graphical methods are used to detect any significant changes invalues of the statistics. We propose a measure which may aid us in determining observations that areoutlier.
Penerapan Desain Fractional Factorial dalam Menentukan Faktor Berpengaruh pada Eksperimen Pelindian Konsentrat Galena (Pbs) Sri Winarni; Neneng Sunengsih; Rezky Iriansyah Anugrah
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 19, No 2 (2019)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v19i2.4887

Abstract

Desain Fractional Factorial (FF) merupakan desain eksperimen yang mencobakan hanya sebagian perlakuan pada eksperimen banyak faktor. Eksperimen dengan banyak faktor sering kali digunakan pada penelitian bidang pertambangan. Contoh kasus pelindian konsentrat galena (PbS) yang mencobakan enam faktor, yaitu : ukuran partikel, konsentrasi media pelindi, kecepatan pengadukan (stirrer),  persen padatan,  temperatur, dan waktu pelindian. Dengan desain FF didapatkan hasil tiga alternatif desain FF. Pertama adalah desain FF dengan fraksi setengah yang mencobakan 32 kombinasi perlakuan. Kedua dapat juga digunakan desain FF dengan fraksi seperempat (yang mencobakan 16 kombinasi perlakuan. Ketiga adalah desain FF dengan fraksi seperdelapan yang mencobakan 8 kombinasi perlakuan. Pada contoh analisis didapatkan hasil bahwa faktor yang berpengaruh terhadap persen ekstrak timbal adalah faktor konsentrasi media pelindi, faktor persen padatan dan faktor temperatur.
MODEL KALIBRASI GINGEROL (STUDI KASUS: TANAMAN JAHE DAERAH KULONPROGO DAN KARANGANYAR) Erfiani Erfiani; Khairil Anwar Notodiputro
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.v4i2.880

Abstract

Dalam bidang kimia, model kalibrasi merupakan suatu fungsi hubungan antara absorban (X) pada panjang gelombang yangdihasilkan oleh spektrometer dengan konsentrasi (y) larutan unsur atau senyawa yang akan dianalisis (Nur dan Adijuwana,1989). Permasalahan yang sering dihadapi dalam pembentukan model kalibrasi adalah adanya multikolinear antara peubahbebas X serta jumlah pengamatan (n) yang jauh lebih kecil dibandingkan jumlah peubah bebas p (n<<p). PendekatanBayes (Berger, 1985) merupakan suatu alternatif untuk mengatasi permasalahan ini karena dalam pendekatan ini informasibaru ditambahkan kedalam model dengan cara mengganggap bahwa parameter model berasal dari sebaran tertentusehingga tidak bersifat deterministik. Penelitian ini melakukan kajian penerapan Pendekatan Bayes Berhirarki untukpembentukan model kalibrasi Gingerol tanaman jahe produksi daerah sentra tanaman obat Kulonprogo dan Karanganyar.
Penerapan Algoritma Tree Augmented Naive Bayesian pada Penentuan Peubah Penting Pingkan Awalia; Aji Hamim Wigena; Anang Kurnia
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 11, No 2 (2011)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v11i2.1053

Abstract

In the era of free market competition today, improving product quality is very important. Consumerpreferences through product level of analysis is one method that many manufacturers conducted toevaluate the product. Multivariable regression is a statistical method used to determine the importantvariables. The weakness of this method is the strict assumption. This problem will be completed bythe method of bayesian networks. There are several algorithms to build the BN. This study uses TANand NB because of its simplicity. This study shows that the most accurate method at the chosen levelof classification accuracy is the TAN by 83%. The importance variable is the aspect liking of strengthof after taste.
Some Results on Statistical Analysis from Unit of Record, Hospital Universiti Sains Malaysia (HUSM) Wan Muhamad Amir Bin W Ahmad; Nor Azlida Aleng; Zalila Ali
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 10, No 2 (2010)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v10i2.1023

Abstract

Most of the patients which is visiting HUSM for the treatment at the same time suffer with more thanone diseases. Because of that, many of the researchers are trying to find the association of the factorthat contribute to such a case. In this case study we are trying to find the association for a certainhealth factor. It’s contribution will have a major impact in the area of medical statistics.
Weighted Two-sample Test for Comparing Subdistribution Function of a Competing Risk Abdul Kudus; Noor Akma Ibrahim
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 5, No 1 (2005)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v5i1.912

Abstract

The problem of testing for differences between two groups with respect to multiple competingrisk time-to-event endpoints is considered A class of two-sample test is proposed for comparing thesubdistribution of a particular type of failures. The test is based on comparing the weighted averageof subdistribution functions without making any assumption on the nature of dependence among therisks. The weight function has been chosen so that the test is distribution-free in the sense thatasymptotically valid test can be performed without assumption regarding the underlying survival andcensoring distribution. Both theoretical result and simulation evidence show that the proposedmethod attains the nominal level. We also apply the test to real data.