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
 28   29   30   31   32 
Penentuan Kondisi Optimal Respon dengan Menggunakan Microsoft Excel Suwanda Suwanda
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 5, No 2 (2005)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v5i2.926

Abstract

Analasis permukaan respon merupakan gabungan metode statistik dan matematik dalamrangka menentukan kondisi dari beberapa faktor yang mengoptimalkan respon. Perancanganpercobaan optimal dan analisis regresi merupakan metode statistik yang terlibat dalam analisis ini.Metode matematika yang terlibat adalah meliputi penentuan titik stationer. Walaupun secara teoriperilaku titik stationer dapat diturunkan, namun dari segi praktis tidaklah sederhana. Dalammakalah ini dibahas prosedur interaktif pencarian solusi dengan menggunakan Microsoft Excel.Keuntungan dari pendekatan ini adalah mudah dilakukan, lagi pula spreadsheet Excel sangatpopuler bagi penguna personal komputer di Indonesia.
PENERAPAN METODE EXPONENTIALLY WEIGTHED MOVING AVERAGE (EWMA) DAN METODE SEMI VARIANS (SV) DALAM PERHITUNGAN RISIKO PORTOFOLIO SAHAM PT PINDAD PERSERO Dewi Rachmatin
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 15, No 2 (2015)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v15i2.1469

Abstract

Tujuan penelitian yang telah dilakukan adalah menghitung nilai risiko portofolio saham optimal, dan metode yang digunakan dalam menentukan nilai risiko (Value at Risk) adalah Exponentially Weighted Moving Average (EWMA) dan Semi Varians (SV). Model EWMA dipilih karena data nilai return saham cenderung bersifat heteroskedastis sedangkan SV dipilih karena tidak memerlukan asumsi distribusi apapun sehingga kedua metode tersebut dapat diterapkan pada data nilai return saham yang sama. Dari hasil  penelitian ini, investor yang akan melakukan jual-beli saham dapat menentukan metode mana yang paling sesuai guna meminimalkan risiko kerugian sehingga memperoleh keuntungan maksimum. Hasil penelitian menunjukkan bahwa portofolio optimum yang diperoleh dengan menggunakan metode EWMA memiliki komposisi portofolio yang terdiri dari INDF 43,15%, UNVR 21,58%, SMGR 22,35%, INTP 12,92%, dengan tingkat risiko (VaR) sebesar Rp 9.910.339,867 atau 2,47%. Sedangkan dengan menggunakan metode SV diperoleh INDF 38,09%, UNVR 24,85%, SMGR 19,53%, INTP 17,53%, dengan tingkat risiko (VaR) sebesar Rp 9.448.912,9 atau 2,35%. Penelitian ini menggunakan nilai eksposur sebesar Rp 100 Juta untuk tiap sahamnya atau Rp 400 Juta untuk portofolio.
KETEGARAN REGRESI-M Khurul Wardati
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.v3i1.535

Abstract

Dalam model regresi linear yang umum Y = Xβ + ε, Y dan ε berdimensi n, X sebuah matriks nxp dengan xit adalahbaris-barisnya dan β berdimensi p. Permasalahan dalam analisis bregresi linear adalah bagaimana mengestimasi vektor parameterβ berdasarkan data terobservasi.Metode kuadrat terkecil dan metode maksimum likehood merupakan bentuk khusus dari estimasi M. Kedua metode tersebutmenghasilkan estimator yang sama untuk β yaitu YtXtXtX-= ( )~b . Estimator tersebut meskipun mempunyai sifat “baik”akan tetapi tidak tegar terhadap pengaruh pencilan dan asumsi distribusi.Refresi-M untuk β adalah~b yang memenuhi persamaan 0 = å=-nitxi Yi xi1y( b). Ketegaran regresi-M sangat tergantungpemilihan fungsi ψ = ρ’ dengan ρ adalah fungsi jarak. Jika diambil ρ adalah fungsi Huber misalnya. Maka akan diperolehestimator yang tegar terhadap asumsi distribusi dan pengaruh pengamatan besar.
Selection for Parameter  by Using Newton-Raphson Method Wan Muhamad Amir Bin W Ahmad; Nyi Nyi Naing; Mohd Tengku Ariff Raja Hussein
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 7, No 2 (2007)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v7i2.960

Abstract

Many problems in mathematics or statistics involve, at some point or another, solving an equation foran unknown quantity. To solve the problem many of methods are applied as such MaximumLikelihood Method, Least Square Method and Newton-Raphson Method and much more. One of thefamous methods is Newton Method. The Newton-Raphson method or Newton–Fourier method is anefficient algorithm for finding approximations to the zeros (or roots) of a real-valued function. As such,it is an example of a root-finding algorithm. It can also be used to find a minimum or maximum valueof such a function, by finding a zero in the function's first derivative. In this paper, we will work withNewton-Raphson method to estimate the value of for the use of transformation. The value of ,determine the kind of transformation should be done according to the data. These papers emphasizethe Newton Method in finding the value of by using C++ software.
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%.
Model Pertumbuhan Populasi yang Tergantung pada Kerapatan Populasi Arief Budi Yulianti
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 4, No 1 (2004)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v4i1.805

Abstract

Menentukan model pertumbuhan populasi tergantung dari asumsi dan tujuan pembuatan model populasi tersebut. Model pertumbuhan populasi yang tergantung pada kerapatan, melibatkan tiga variabel yaitu kelahiran, kematian dan keterbatasan lingkungan, antara lain keterbatasan makanan, ruang dan pasangan kawin. Model ini lebih mendekati kondisi populasi alami.
Analisis Pasar Perspektif Mahasiswa Baru Ditinjau dari Visi, Misi, Bauran Pemasaran, dan Citra Institusi Pendidikan Tinggi Muhardi Muhardi
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 9, No 2 (2009)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v9i2.998

Abstract

Penelitian ini bertujuan untuk mengetahui pentingnya visi dan misi, aspek-aspek bauranpemasaran, dan citra sebagai aspek-aspek penilaian bagi masyarakat atau pasar sasaran (targetmarket) dalam memilih suatu institusi pendidikan tinggi. Data yang digunakan dalam penelitian inidikumpulkan melalui dua cara, yaitu data primer dan sekunder. Beberapa kesimpulan yang dapatdiambil dari hasil dan pembahasan penelitian ini sebagai berikut: (1) Visi dan misi yang dimiliki atauditawarkan merupakan salah satu aspek penilaian bagi masyarakat atau pasar sasaran (targetmarket) dalam memilih suatu institusi pendidikan tinggi, (2) Bauran pemasaran yang terdiri dari (a)program pendidikan yang ditawarkan, (b) biaya pendidikan, (c) promosi yang dilakukan, dan (d)lokasi institusi pendidikan tinggi, baik secara parsial maupun secara komprehensif merupakanaspek-aspek yang berkontribusi bagi masyarakat atau pasar sasaran dalam melakukan penilaianuntuk memilih suatu institusi pendidikan tinggi, (3) Dari keempat aspek bauran pemasaran tersebut,dua aspek yang menjadi alasan dominan bagi pasar sasaran untuk memilih institusi pendidikanyang diteliti ini, yaitu aspek lokasi dan program pendidikan yang ditawarkan, (4) Citra suatu institusipendidikan tinggi yang terbentuk menjadi salah satu alasan bagi masyarakat atau pasar sasarandalam memilih suatu institusi pendidikan tinggi.
PENGARUH JUMLAH PRODUKSI SAMPAH, BANYAKNYA PEMUKIMAN DI BANTARAN SUNGAI, DAN BANYAKNYA LERENG TERHADAP JUMLAH DESA YANG TERKENA BANJIR Anita Damayanti; Rhanty Intan Sahasrakirana; Adeline Vinda Septiani
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 20, No 1 (2020)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v20i1.6345

Abstract

Tidak seorang pun dapat memprediksikan terjadinya suatu bencana.Namun, semua orang dapat berusaha agar bencana itu bisa lebih sedikit terjadi, atau bahkan tidak terjadi. Mengenai apa-apa saja yang dapat diusahakan bergantung kepada jenis bencana yang ingin dihindari. Misalnya ingin menghindari meledaknya gas di rumah, maka usaha yang dilakukan adalah mencari hal-hal yang menyebabkan gas meledak, seperti bocornya gas melalui selang yang rusak, dan lain-lain.Begitu juga jika ingin berusaha mencegah terjadinya bencana yang sering terjadi di Indonesia yaitu banjir.Maka perlu dilihat hal-hal yang menyebabkan terjadinya banjir agar dapat dilakukan usaha untuk mencegah hal tersebut terjadi.Untuk mengetahui penyebab-penyebab tersebut, perlu dilakukan penelitian dari semua hal yang mungkin menyebabkan banjir dan menganalisisnya.Banyak metode yang dapat digunakan untuk menganalisis hal tersebut, salahsatunya adalah analisis regresi berganda, karena variabel penyebab banjir diprediksikan lebih dari satu.Dilakukan analisis regresi berganda untuk melihat apakah jumlah produksi sampah, banyak pemukiman di bantaran sungai, dan banyak lereng berpengaruh terhadap jumlah desa/kelurahan yang terkena banjir sebagai variabel terikat. Didapatkan hasil bahwa variabel bebas yang di analisis berpengaruh terhadap jumlah desa/kelurahan yang terkena banjir, dengan 61.88% variasi dari Banyaknya Desa yang Terkena Banjir dapat dijelaskan oleh ketiga variabel bebas tersebut.
INSURANCE RISK CLASSIFICATION WITH NEGATIVE BINOMIAL DISTRIBUTION Noriszura Ismail; Abdul Aziz Jemain
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.v4i2.894

Abstract

Risk classification is the process of statistical modeling that classifies risks into cross-classified classes, characterized bythe rating factors. In this paper, risk classification is applied to estimate claim frequency rates, expressed in terms of claimcount per exposure unit. The Poisson regression model has been widely used to analyze claim frequency rates in the recentyears. However, under the Poisson model, the mean and variance is assumed to be equal within classes, i.e., homogeneousrates. In this paper, the Negative Binomial regression model is suggested to deal with heterogeneous rates. In addition, themeasures for goodness-of-fit of the model, namely the Pearson chi-square, deviance, and likelihood ratio test, are alsodiscussed. Finally, the procedure for estimation of parameters, namely the Iteratively Weighted Least Squares (IWLS), isalso shown. In this paper, the models are fitted and tested on two types of claim data; Canadian private automobile liabilityinsurance and Malaysian private automobile own damage insurance.
Interval Konfidensi untuk Satu Parameter Distribusi Eksponensial di Bawah Sensor Lengkap dengan Metode Bootstrap (Studi Kasus Data Waktu Tunggu Bencana Gempa Bumi di Bulan Maret 2013) Akhmad Fauzy
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 13, No 1 (2013)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v13i1.1067

Abstract

In this research will be discussed on an interval estimate for the one parameter exponentialdistribution under complete censored data with a case study of data waiting time for earthquakedisaster in March 2013. The exponential distribution has immensely contributed in the analysis oflifetime. Historically the exponential distribution was the first lifetime model in which statisticalmethods in survival analysis were extensively developed. For samples that are singly failure-censoredon the complete censored, confidence intervals on one parameter exponential distribution areobtained from the exact sampling distribution on the following quantity related to the total time ontest T.

Page 30 of 36 | Total Record : 353

 28   29   30   31   32 

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