cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Dr. Muhammad Ahsan
Contact Email
muh.ahsan@its.ac.id
Phone
+6281331551312
Journal Mail Official
inferensi.statistika@its.ac.id
Editorial Address
Department of Statistics Faculty of Science and Data Analytics Institut Teknologi Sepuluh Nopember (ITS) Kampus ITS Keputih Sukolilo Surabaya Indonesia 60111
Location
Kota surabaya,
Jawa timur
INDONESIA
Inferensi
Published by Institut Teknologi Sepuluh Nopember Surabaya
ISSN : 0216308X     EISSN : 27213862     DOI : http://dx.doi.org/10.12962/j27213862
Core Subject : Science, Education, Social, Engineering,
Computer Science & IT Decision Sciences, Operations Research & Management Engineering Mathematics Social Sciences
The aim of Inferensi is to publish original articles concerning statistical theories and novel applications in diverse research fields related to statistics and data science. The objective of papers should be to contribute to the understanding of the statistical methodology and/or to develop and improve statistical methods; any mathematical theory should be directed towards these aims; and any approach in data science. The kinds of contribution considered include descriptions of new methods of collecting or analysing data, with the underlying theory, an indication of the scope of application and preferably a real example. Also considered are comparisons, critical evaluations and new applications of existing methods, contributions to probability theory which have a clear practical bearing (including the formulation and analysis of stochastic models), statistical computation or simulation where the original methodology is involved and original contributions to the foundations of statistical science. It also sometimes publishes review and expository articles on specific topics, which are expected to bring valuable information for researchers interested in the fields selected. The journal contributes to broadening the coverage of statistics and data analysis in publishing articles based on innovative ideas. The journal is also unique in combining traditional statistical science and relatively new data science. All articles are refereed by experts.
Arjuna Subject : Matematika - Statistik dan Probabilitas
Articles 7 Documents
 1 
Search results for , issue "Vol 2, No 1 (2019): Inferensi" : 7 Documents clear
Klasifikasi Pasien Penderita Penyakit Liver dengan Pendekatan Machine Learning Elly Pusporani; Siti Qomariyah; Irhamah Irhamah
Inferensi Vol 2, No 1 (2019): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (798.153 KB) | DOI: 10.12962/j27213862.v2i1.6810

Abstract

Liver atau hati adalah organ yang perannya sangat vital dalam tubuh manusia. Penyakit liver sering dianggap sebagai silent killer (pembunuh diam-diam) karena adanya kemungkinan tidak timbul gejala. Permasalahan yang terjadi adalah sulitnya mengenali penyakit liver sejak dini., bahkan saat penyakit ini sudah menyebar pun masih sulit untuk dideteksi. Padahal penderita perlu mengetahui adanya gejala penyakit liver sejak dini agar dapat segera melakukan pengobatan. Adanya diagnosa penyakit liver sejak dini mampu meningkatkan kelangsungan hidup pasien. Pada penelitian ini diterapkan metode untuk klasifikasi penyakit liver menggunakan machine learning dan dibandingkan hasilnya dengan metode klasik. Data yang digunakan adalah Indian liver patients dataset (ILPD)yang diambil dari UCI machine learning. Terdapat beberapa tahapan preprocessing yang dilakukan, antara lain pengecekan missing value, imputasi, feature selection, dan resampling untuk mengatasi data imbalance. Setelah dilakukan preprocessing, selanjutnya dilakukan analisis menggunakan metode regresi logistik, decision tree, naïvebayes, k-nearest neighbor, dan support vector machine. Berdasarkan nilai akurasi dan presisi, maka metode SVM memberikan hasil yang terbaik, tapi berdasarkan recall maka metode K-Nearest Neighbor memberikan hasil terbaik. Walaupun SVM memberikan hasil nilai akurasi dan presisi tertinggi tetapi terdapat ketimpangan yang besar antara nilai presisi dan recall yang dihasilkan, jika dibandingkan selisih nilai akurasi dan recall dari metode K-Nearest Neighbor.
Pemodelan Jumlah Persediaan Suku Cadang Mesin ATM di Provinsi Jawa Timur dengan Regresi Spasial Mohammad Naufal Abdullah; Rifda Zukhrufi Almas; Amelia Kurnia Salwa; Sutikno Sutikno
Inferensi Vol 2, No 1 (2019): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (921.853 KB) | DOI: 10.12962/j27213862.v2i1.6811

Abstract

Pelayanan ATM (Automated Teller Machine) adalah layanan perbankan yang dilakukan melalui mesin ATM yang dapat melayani selama 24 jam. Selain dapat membantu nasabah terkadang mesin ATM seringkali mengalami masalah kerusakan mesin. Pengalokasian persediaan suku cadang dari supplier ke gudang penyimpanan suku cadang (warehouse) yang berada di berbagai wilayah harus dilakukan dengan optimum dan efisien. Kasus ini mengandung informasi spasial, maka analisis data tidak akurat jika hanya menggunakan analisis regresi sederhana Penelitian ini akan membahas pemodelan jumlah persediaan suku cadang mesin ATM di Provinsi Jawa Timur. Sumber data pada penelitian ini adalah dari tugas akhir “Pemodelan Alokasi Persediaan Suku Cadang dengan Mempertimbangkan Pengaruh Spasial” oleh Siti Nur Afifah (1213100083). Metode yang akan digunakan adalah regresi spasial, karena diduga terdapat dependensi spasial pada variabelnya, sehingga dapat diketahui variabel prediktor yang berpengaruh signifikan terhadap jumlah persediaan suku cadang mesin ATM di Provinsi Jawa Timur. Berdasarkan analisis yang telah dilakukan, dapat diketahui bahwa jumlah persediaan suku cadang setiap kabupaten/kota di Jawa Timur berdistribusi normal dan terdapat dependensi spasial. Setelah dilakukan uji Lagrange Multiplier, dilanjutkan pemodelan menggunakan Spatial Lag Model (SLM) dan Spatial Error Model (SEM). Jumlah kerusakan suku cadang dan lifetime suku cadang  berpengaruh signifikan terhadap jumlah persediaan suku cadang Provinsi Jawa Timur pada taraf signifikan 10%. Harga suku cadang tidak memberikan pengaruh yang signifikan terhadap jumlah persediaan suku cadang. Spatial Error Model adalah model terbaik dalam pemodelan jumlah persediaan suku cadang mesin ATM di Provinsi Jawa Timur.
Peramalan Jumlah Penumpang dan Barang di Bandar Udara Internasional Juanda dan Pelabuhan Tanjung Perak Menggunakan Model Hybrid ARIMAX dan Deep Learning Neural Networks Bella Puspa Dewani; Suhartono Suhartono; Muhammad Sjahid Akbar
Inferensi Vol 2, No 1 (2019): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (888.03 KB) | DOI: 10.12962/j27213862.v2i1.6805

Abstract

Arus penumpang dan barang di Bandar Udara Internasional Juanda dan Pelabuhan Tanjung Perak cenderung fluktuatif dan tidak menentu. Oleh karena itu diperlukan pengetahuan akan keadaan arus penumpang dan barang di masa depan, agar pengembangan yang dilakukan tepat dan berguna. Penelitian ini dilakukan bertujuan untuk memodelkan serta mendapatkan peramalan mengenai jumlah penumpang dan barang di Bandar Udara Internasional Juanda dan Pelabuhan Tanjung Perak dengan membandingkan 5 model. Model tersebut antara lain model ARIMAX, model FFNN, model DLNN dengan 2 hidden layer, model hybrid ARIMAX-FFNN dan model hybrid ARIMAX-DLNN untuk mendapatkan hasil peramalan terbaik. Data yang digunakan dalam penelitian ini merupakan data sekunder yang diperoleh dari Badan Pusat Statistika (BPS). Data yang digunakan adalah data bulanan mulai Januari 2001 hingga Desember 2017 untuk Bandar Udara Internasional Juanda, sedangkan Pelabuhan Tanjung Perak mulai Januari 2006. Hasil penelitian menunjukkan model hybrid ARIMAX-DLNN memiliki kemampuan yang baik untuk menangkap pola data yang beragam dan menghasilkan ramalan yang baik pada data training. Hal tersebut dilihat dari nilai RMSEP yang lebih kecil dibandingkan dengan model lainnya. Namun model DLNN memiliki kemampuan yang baik dalam meramalkan data testing. Model terbaik untuk 8 variabel yang digunakan, terdapat 7 variabel dengan model terbaik yaitu model DLNN, sedangkan sisanya model hybrid ARIMAX-DLNN.
Spline Truncated Nonparametric Regression Modeling for Maternal Mortality Rate in East Java Fadhlul Rahim; I Nyoman Budiantara; Erma Oktania Permatasari
Inferensi Vol 2, No 1 (2019): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (489.519 KB) | DOI: 10.12962/j27213862.v2i1.6812

Abstract

Maternal Mortality is the number of maternal deaths recorded during pregnancy, childbirth, and childbirth caused by pregnancy and childbirth, but not caused by accidents or falls. Since 2012 until 2015 it has been noted that maternal mortality rate has decreased from 359 to 305 maternal deaths per 100,000 live births. Despite the decline, the figure is still far from the target of the Sustainable Development Goals (SDGs) of 70 deaths per 100,000 live births. The analytical method used to determine the factors that influence maternal mortality rate is Nonparametric Spline Truncated Regression because the pattern of correlation between maternal mortality rate and each predictor variable obtained does not form a particular pattern. Based on the model obtained, the results are that all predictor variables have a significant effect on maternal mortality rate, namely the percentage of households with clean and healthy behavior, percentage of obstetric complications handling, percentage of pregnant women visits, percentage of households receiving cash assistance, and ratio of health centers and hospitals with a determination coefficient is 88 ,13 percent.
Predicting Popularity of Movie Using Support Vector Machines Dwi Rantini; Rosyida Inas; Santi Wulan Purnami
Inferensi Vol 2, No 1 (2019): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (411.243 KB) | DOI: 10.12962/j27213862.v2i1.6806

Abstract

There are many movies performed, from low until high rating, which is the movie maybe popular or not popular. If many people watched that movie maybe it is popular, in other hand if a movie is watched by a little person so that movie can called as not popular movie. Popularity of movie can determined by several factors, such as likes, ratings, comments, etc. To determine popular or not popular of movie based on features, will use two classification methods that is logistic regression and Support Vector Machine (SVM). In this research, the data are Conventional and Social Media Movies Dataset 2014 and 2015. To get the best model and without ignoring the principle of parsimony, will do feature selection. The selected features are genre, sentiment, likes, and comments. That features will be used to classify the popularity of movies. This research used two classification methods namely logistic regression and Support Vector Machine (SVM). When used logistic regression, the accuracy is 77.29%, while used SVM the accuracy is 83.78%. Based on the accuracy of both methods, it is found that SVM gives the highest accuracy for CSM dataset. The highest accuracy is obtained from the SVM method with non-stratified holdout training-testing strategy. 
The Clustering of Households in Madura Based on Factors Affecting Their Ingestion of Clean Water Using Similarity Weight and Filter Method Astarani Wili Martha; Ismaini Zain
Inferensi Vol 2, No 1 (2019): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (687.199 KB) | DOI: 10.12962/j27213862.v2i1.6813

Abstract

Clean Water and Sanitation is one of SDGs’ indicators that relates to human’ demand for clean water. Three of four regencies in Madura Island reportedly have suffered in drought, thus it leads this research to fulfill Madura people need of water. Madura Island has 3097 households in need of water. However, not all households could fetch their need. This research aims to classify the households of Madura Island regarding factors which affect their ingestion of clean water using cluster analysis. There are clustering numerical data and categorical data. Therefore, this research uses Similarity Weight and Filter Method. SWFM is one of clustering mix methods in which there are clustering numerical, using hierarchical ward, and clustering categorical, using k-modes. To analyze the clustering numerical data, there are 3 variables and it gains two optimum groups by using ward method with pseudo-F 1001,172. Clustering categorical analysis uses 6 variables with k-modes and gains three groups and SWFM gains five groups. Five groups are selected because they produced the smallest ratio 0,006627 in the group.
Pengelompokan Kabupaten/Kota di Jawa Timur berdasarkan Faktor-Faktor yang Mempengaruhi AIDS Rakhmah Wahyu Maya; Anisa Ramadhan; Ikacipta Mega Ayuputri; Bambang Widjanarko Otok
Inferensi Vol 2, No 1 (2019): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (933.089 KB) | DOI: 10.12962/j27213862.v2i1.6807

Abstract

Acquired Immune Deficiency Syndrome (AIDS) merupakan salah satu penyakit mematikan yang sampai saat ini belum ditemukan vaksin pencegahan atau obat untuk menyembuhkannya. AIDS disebabkan oleh virus Human Immunodeficiency Virus (HIV). Virus tersebut menyerang sistem kekebalan tubuh manusia. Sebagian besar orang tertular AIDS dikarenakan faktor pendidikan, kemiskinan, kesehatan yang didapatkan oleh masyarakat dan tenaga kesehatan. Oleh karena itu, peneliti menganalisis cluster faktor-faktor yang mempengaruhi penyakit AIDS di Jawa Timur pada tahun 2008. Analisis Cluster digunakan untuk mengelompokkan wilayah terjadinya penyakit AIDS. Penelitian tersebut membandingkan hasil pengujian analisis cluster Hirarki dengan menggunakan metode single linkage , complete linkage dan average linkage. Berdasarkan hasil analisis dapat diketahui bahwa jumlah cluster optimum yang  terbentuk adalah 3 cluster. Selanjutnya dilakukan analisis manova. Berdasarkan hasil manova dapat diketahui bahwa faktor Cluster berpengaruh terhadap variabel yang mempengaruhi penyakit AIDS di Jawa Timur.

Page 1 of 1 | Total Record : 7

 1 

Filter by Year

2019 2019


Reset
Filter By Issues
All Issue Vol 8, No 2 (2025) Vol 8, No 1 (2025) Vol 7, No 3 (2024) Vol 7, No 2 (2024) Vol 7, No 1 (2024) Vol 6, No 2 (2023) Vol 6, No 1 (2023) Vol 5, No 2 (2022) Vol 5, No 1 (2022): Inferensi Special Issue: Seminar Nasional Statistika XI 2022 Vol 4, No 2 (2021): Inferensi Vol 4, No 1 (2021): Inferensi Vol 3, No 2 (2020): Inferensi Vol 3, No 1 (2020): Inferensi Vol 2, No 2 (2019): Inferensi Vol 2, No 1 (2019): Inferensi Vol 1, No 2 (2018): Inferensi Vol 1, No 1 (2018): Inferensi More Issue