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 147 Documents
 1   2   3   4   5 
Generalized Additive Logistic Pada Pemodelan Faktor-Faktor Yang Mempengaruhi Keuntungan PT. PDC Kartika Fithriasari; Soehardjoepri Soehardjoepri; Nur Iriawan
Inferensi Vol 1, No 1 (2018): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (293.023 KB) | DOI: 10.12962/j27213862.v1i1.6720

Abstract

Generalized Additive Models (GAM) merupakan kombinasi dari model additive dan generalized linear models (GLMs). GAM dengan variabel respon bertipe biner disebut model generalized additive logistic. Perbedaan hasil  model regresi logistik pada GLMs dan GAM didapatkan pada pemodelan faktor-faktor yang mempengaruhi keuntungan PT.PDC. Dari studi kasus PT.PDC. terlihat bahwa GLMs hanya menangkap hubungan linier antara log-odds dan variabel prediktor, sedangkan GAM dapat menangkap hubungan kuadratik yang digambarkan dalam grafik prediksi parsial.  Sehingga dapat disimpulkan bahwa GAM mampu memodelkan hubungan yang lebih kompleks dibanding GLMs.
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.
Quantile Regression Neural Network Model For Forecasting Consumer Price Index In Indonesia Dwi Rantini; Made Ayu Dwi Octavanny; Rumaisa Kruba; Heri Kuswanto; Kartika Fithriasari
Inferensi Vol 1, No 1 (2018): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (696.316 KB) | DOI: 10.12962/j27213862.v1i1.6719

Abstract

The main purpose of time series analysis is to obtain the forecasting result from an observation for future values. Quantile Regression Neural Network is a statistical method that can model data with non-homogeneous variance with artificial neural network approach that can capture nonlinear patterns in the data. Real data that allegedly have such characteristics is Consumer Price Index (CPI).  CPI forecasting is important to assess price changes associated with cost of living as well as identifying periods of inflation or deflation. The purpose of this research is to compare several method of forecasting CPI in Indonesia. The data used in this study during January 2007 until April 2018 period. QRNN method will be compared with Neural Network with RMSE evaluation criteria. The result is QRNN is the best method for forecasting CPI with RMSE 0.95.
Pengendalian Kualitas Produk Billet Baja KS1008 Di PT Krakatau Steel, Cilegon Menggunakan Grafik Kendali Max-MEWMA Tubagus Elgi Faturahman Syahputra; Muhammad Mashuri; Ni Luh Putu Satyaning Pradnya Paramitha
Inferensi Vol 2, No 2 (2019): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (423.546 KB) | DOI: 10.12962/j27213862.v2i2.6822

Abstract

Industri baja sebagai industri strategis yang digunakan sebagai bahan baku penting bagi industri-industri secara keseluruhan. PT Krakatau Steel merupakan produsen baja terpadu yang pertama di Indonesia dan menjadi pemimpin pasar di industri baja dalam negeri. Unit produksi yang menjadi fokus penelitian ini adalah pabrik billet baja. Pada penelitian ini digunakan grafik kendali Max-MEWMA. Hasil grafik kendali Max-MEWMA pada fase satu telah terkendali secara statistik pada iterasi 3 setelah menghilangkan 11 pengamatan sehingga dilanjutkan pada pengendalian fase dua. Pada penerapan fase dua grafik kendali belum terkendali secara statistik. Mangan (Mn) merupakan variabel yang berkontribusi besar dalam menyebabkan pengamatan out of control pada penelitian ini. Dengan diperkuat dengan 6 faktor penyebab utama proses produksi billet baja KS1008 tidak terkendali secara statistik. Kapabilitas dengan indeks MP_p kinerja proses produksi billet baja KS1008 potensi sudah baik dan mencapai ragam atau sebaran yang diinginkan Perusahaan, sedangkan dengan menggunakan indeks MP_pk secara multivariat proses memiliki aktual yang rendah sehingga kinerja proses produksi billet baja di PT Krakatau Steel tidak kapabel.
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.
Pemodelan Inflasi Di Indonesia Menggunakan Pendekatan Model Generalized Autoregressive Conditional Heteroskedasticity (GARCH) Vita Ratnasari; Maulidiah Nitivijaya
Inferensi Vol 1, No 2 (2018): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (577.639 KB) | DOI: 10.12962/j27213862.v1i2.6727

Abstract

Inflasi merupakan kenaikan harga barang dan jasa secara umum dimana barang dan jasa tersebut merupakan kebutuhan pokok masyarakat atau turunnya daya jual mata uang suatu Negara. Tingkat inflasi/deflasi diukur dari persentase perubahan IHK dan diumumkan ke publik setiap awal bulan oleh BPS yang disebut sebagai Inflasi umum atau inflasi IHK. Inflasi ini merupakan inflasi seluruh barang/jasa yang dimonitor harganya secara periodik. Penelitian ini bertujuan untuk memodelkan inflasi umum bulanan di Indonesia dari Januari 2009 sampai dengan September 2014 dengan model GARCH. Hasil analisis menunjukkan bahwa inflasi di Indonesia dapat dimodelkan menggunakan model ARCH(1). Model ini dibentuk dari data yang sudah tidak mengandung heteroskedastik, artinya varians residual konstan sehingga layak digunakan.
Klasifikasi Kabupaten di Provinsi Jawa Timur Berdasarkan Indikator Daerah Tertinggal dengan metode Support Vector Machine (SVM) dan Entropy Based Fuzzy Support Vector Machine (EFSVM) Jefry Pranata Maulana; Irhamah Irhamah
Inferensi Vol 1, No 1 (2018): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (602.612 KB) | DOI: 10.12962/j27213862.v1i1.6715

Abstract

Pemerintah menetapkan 4 Kabupaten dari 29 kabupat-en di Provinsi Jawa Timur masuk dalam kategori dae-rah tertinggal pada tahun 2015. Penelitian ini akan digunakan metode Entropy Based Fuzzy Support Vector Machine (EFSVM) dan Support Vector Machine (SVM) untuk mengklasifikasikan kabupaten di Provinsi Jawa Timur dengan dan tanpa seleksi variabel. Terdapatnya imbalance pada data deerah tertinggal dimana kabu-paten tertinggal jauh lebih sedikit dibandingkan kabu-paten tidak tertinggal memerlukan metode klasifikasi untuk data imbalance, Salah satunya adalah EFSVM. Hasil menunjukan EFSVM memiliki Kinerja yang lebih baik pada AUC dibandingkan dengan SVM.. Seleksi variabel mampu meningkatkan AUC pada EFSVM na-mun tidak meningkatkan AUC pada SVM.
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. 
Model Inhomogeneous Spatial Cox Processes Untuk Pemetaan Risiko Gempabumi di Pulau Jawa Finola Trisnisa; Rahma Metrikasari; Rifqi Rabbanie; Khalimatus Sakdiyah; Achmad Choiruddin
Inferensi Vol 2, No 2 (2019): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (286.576 KB) | DOI: 10.12962/j27213862.v2i2.6825

Abstract

Pulau Jawa menjadi salah satu wilayah dengan risiko gempabumi yang tinggi karena terdapat zona subduksi di sepanjang selatan wilayah pulau Jawa. Metode Statistika untuk pemodelan kejadian gempabumi berdasarkan spatial point processes menjadi metode popular untuk memodelkan persebaran gempabumi, diantaranya adalah model Gibbs dan Hawkes point processes (conditional intensity-based modeling) dan Cox point processes (intensity-based modeling). Pemodelan gempabumi menggunakan Hawkes dan Gibbs point processes dengan memperhatikan faktor geologi seperti sesar aktif, gunung berapi, dan subduksi telah dikembangkan. Namun demikian, Pemodelan berdasarkan conditional intensity dinilai kurang sesuai untuk pemodelan kejadian gempabumi di Jawa. Sementara itu, belum ada penelitian yang menggunakan Cox processes untuk memodelkan distribusi dari gempabumi dengan mempertimbangkan faktor geologi. Pada model Cox processes, estimasi parameter sangat sulit dilakukan karena fungsi likelihoodnya bergantung pada fungsi intensitas yang merupakan proses stokastik. Pada penelitian ini, kami mengembangkan salah satu model Cox point processes yakni Neyman-Scott Cox Process untuk analisis data lokasi gempabumi di pulau Jawa dengan memperhatikan faktor geologi seperti gunung berapi dan subduksi. Estimasi parameter dilakukan dengan membangun composite likelihood sehingga estimasi parameter lebih mudah dilakukan. Hasil analisis menunjukkan bahwa kejadian gempabumi di pulau Jawa membentuk pola kluster. Selain itu, jarak menuju gunung berapi dan subduksi terdekat dianggap signifikan berpengaruh terhadap distribusi gempabumi di pulau Jawa.
Klasifikasi Kategori Pengaduan Masyarakat Melalui Kanal LAPOR! Menggunakan Artificial Neural Network Mochamad Ihsan Ananto; Wiwiek Setya Winahju; Kartika Fithriasari
Inferensi Vol 2, No 2 (2019): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (545.771 KB) | DOI: 10.12962/j27213862.v2i2.6821

Abstract

LAPOR! merupakan sarana aspirasi dan pengaduan masyarakat terkait kinerja pemerintah berbasis media sosial. Oleh karena laporan pengaduan masyarakat yang masuk tersebut berbentuk teks, maka dapat diselesaikan dengan cara text mining. Sehingga dilakukan analisis klasifikasi teks menggunakan Artificial Neural Network serta SMOTE untuk mengatasi data imbalance dan Chi-Square untuk proses seleksi variabel. Data yang digunakan adalah data historis aduan masyarakat melalui kanal LAPOR! tahun 2015. Melalui proses seleksi variabel, didapatkan sejumlah 428 term atau kata yang memberikan pengaruh terhadap kategori aduan masya-rakat. Ketepatan klasifikasi yang dihasilkan melalui metode Artificial Neural Network dengan feature selection dan 3 nodes hidden layer adalah precision 0,794, sensitivity 0,818 dan F1-Score 0,800. Selain itu didapatkan topik permasalahan yang patut mendapatkan perhatian lebih pada setiap kategori aduan dengan menggunakan word cloud.

Page 2 of 15 | Total Record : 147

 1   2   3   4   5 

Filter by Year

2018 2025


Reset
Filter By Issues
All Issue Vol 8, No 3 (2025) 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