cover
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
ISSN : 0216308X     EISSN : 27213862     DOI : http://dx.doi.org/10.12962/j27213862
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.
Articles 136 Documents
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.
Model Evaluation for Logistic Regression and Support Vector Machines in Diabetes Problem Baiq Siska Febriani Astuti; Neni Alya Firdausanti; Santi Wulan Purnami
Inferensi Vol 1, No 2 (2018): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (557.911 KB) | DOI: 10.12962/j27213862.v1i2.6728

Abstract

Machine learning is a method or computational algorithm to solve problems based on data that already available from the database. Classification is one of the important methods of supervised learning in machine learning. Support Vector Machine and Logistic Regression are some supervised learning methods that can be used both for classification and regression. In datamining process, Preprocessing is an important part before doing further analysis. In preprocessing data, feature selection and deviding training and testing data are important part of preprocessing data. In this research will be compared some evaluation model of deviding method for training and testing data, namely Random Repeated Holdout, Stratified Repeated Holdout, Random Cross-Validation, and Startified Cross-Validation. Evaluation model would be implying in logistic regression and Support Vector Machines (SVMs). From the analysis, can be concluded that by selecting features can improve the accuracy of classification with logistic regression, but opposite of Support Vector Machines (SVMs). For training and testing data pertition method can not be sure what method is better, because each method of partition training and testing data using the concept of random selection. Model evaluation cannot sure influence to increase best perform for SVMs model in particular this case.
Pengendalian Kualitas Gula Kristal Putih (GKP) di PG Tjoekir Jombang Menggunakan Diagram Kontrol Multivariat Berbasis Time Series Muhammad Salam Taufiqi; Diaz Fitra Aksioma
Inferensi Vol 1, No 1 (2018): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (676.81 KB) | DOI: 10.12962/j27213862.v1i1.6716

Abstract

PG Tjoekir Jombang merupakan salah satu unit usaha dari PTPN X yang bergerak pada bidang pengadaan gula. Salah satu produk utama yang dihasilkan oleh PG Tjoekir Jombang adalah Gula kristal putih yang harus memenuhi kriteria Standar Nasional Indonesia (SNI). Karakteristik kualitas yang digunakan adalah warna larutan gula (ICUMSA) dan Besar Jenis Butir. Kedua karakteristik tersebut memiliki hubungan yaitu jika semakin kecil BJB maka ICUMSA akan semakin putih. hal itu menjelaskan jika semakin putih maka kualitas gula kristal putih semakin baik. Proses monitoring kualitas gula kristal putih dilakukan untuk menjaga kualitas dari gula yang dihasilkan oleh PG Tjoekir Jombang. Pengendalian kualitas menggunakan diagram kontrol multivariat berbasis time series lebih sesuai digunakan karena asumsi yang harus terpenuhi adalah tidak adanya autokorelasi antar pengamatan. Diagram kontrol dibuat berdasarkan residual dari model terbaik. Model terbaik yang diperoleh yaitu dengan menggunakan model VAR (3). Hasil diagram kontrol menunjukkan bahwa variabilitas dan rata-rata proses belum terkendali secara statistik. Salah satu penyebabnya adalah terjadinya kerusakan pada mesin dikarenakan setting mesin dan usia mesin saat sedang beroperasi, faktor tenaga kerja yang kurang teliti dan beberapa faktor yang lainnya.
Pemetaan Jumlah Property Crime di Provinsi Jawa Timur Menggunakan Metode Geographically Weighted Negative Binomial Regression (GWNBR) dan Geographically Weighted Poisson Regression (GWPR) Bagas Wahyu Yoga Priambodo; Irhamah Irhamah
Inferensi Vol 2, No 2 (2019): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (337.802 KB) | DOI: 10.12962/j27213862.v2i2.6818

Abstract

Kriminal merupakan suatu kegiatan yang melanggar hukum. Ada beberapa faktor yang mempengaruhi para kriminal melakukan tindakan kejahatan antara lain  kemiskinan, kesempatan kerja, dan karakter pelaku yang melakukan kejahatan. Selain itu ada pula faktor lain yang mempengaruhi timbulnya kejahatan yaitu kepadatan penduduk, jumlah patroli polisi, keadaan jalan dan lingkungan, frekuensi ronda siskamling, dan faktor lainnya. Property crime merupakan kategori kejahatan yang termasuk di dalamnya yaitu pencurian, pengambilan sesuatu yang melanggar hukum, perampokan, kejahatan dengan pembakaran, dan perusakan properti. Seringkali kejadian kriminalitas akan saling berdampak dari satu wilayah ke wilayah yang lainnya. Untuk menyelesaikan kasus tersebut diperlukan suatu pemodelan dengan metode spasial kerena memperhatikan kondisi geografis yang ada di provinsi Jawa Timur. Pemodelan dengan memperhatikan faktor spasial menggunakan GWNBR dan GWPR, dimana setiap wilayah pasti memiliki kondisi geografis yang berbeda sehingga menyebabkan adanya perbedaan jumlah Property crime antara wilayah satu dengan wilayah yang lainnya sesuai dengan karakteristik wilayah tersebut. Hasil pemodelan dengan metode GWNBR terbentuk dua kelompok kabupaten/kota menurut variabel yang berpengaruh signifikan terhadap jumlah kasus Property crime. Hasil pemodelan dengan metode GWPR menunjukkan bahwa kelompok kabupaten/kota menurut variabel yang berpengaruh signifikan terhadap jumlah kasus Property crime sebanyak 16 kelompok. Berdasarkan kriteria AIC terkecil menunjukkan bahwa metode GWNBR merupakan metode yang paling sesuai untuk memodelkan jumlah kasus Property crime setiap kabupaten/kota di Jawa Timur dibandingkan dengan metode regresi Poisson, regresi binomial negatif, dan GWPR.
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.
Pengelompokan Kabupaten/Kota Berdasarkan Indikator Pembangunan Ekonomi dan Potensi Daerah Provinsi Jawa Timur Menggunakan Similarity Weight and Filter Method (SWFM) Renaldy Aprevia Lutfi; Ismaini Zain
Inferensi Vol 1, No 2 (2018): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (712.889 KB) | DOI: 10.12962/j27213862.v1i2.6724

Abstract

Pembangunan ekonomi banyak dilakukan di daerah yang memiliki potensi sumber daya yang lebih baik. Indikator pembangunan ekonomi terbagi menjadi indikator moneter, indikator non-moneter, dan indikator campuran. Terdapat 20 kabupaten/kota di Provinsi Jawa Timur yang berada di dataran rendah dan memiliki potensi pengelolaan di wilayah pesisir. Daerah lainnya di dataran sedang dan tinggi memiliki potensi pertanian yang besar karena merupakan daerah yang relatif subur. Perekonomian Jawa Timur tahun 2017 tumbuh sebesar 5,45 persen, namun kondisi tersebut belum dikatakan baik karena terdapat masalah ketimpangan ekonomi. Untuk mengatasinya, perlu memberikan kebijakan khusus kepada daerah dengan tingkat perekonomian dan potensi daerah yang berbeda. Analisis yang digunakan untuk mengetahui daerah dengan tingkat perekonomian dan potensi daerah yang berbeda adalah dengan analisis klaster. Metode analisis klaster dalam penelitian ini adalah dengan SWFM. SWFM dapat digunakan untuk menggabungkan kelompok data yang berasal dari data numerik dan data kategori. Hasil pengelompokan data numerik dengan metode ward, diperoleh jumlah kelompok optimum sebanyak tiga kelompok. Pada pengelompokan data kategori menggunakan metode k-modes, diperoleh karakteristik yang dapat membedakan antara tiga kelompok yang digunakan. Pengelompokan data numerik dan kategori menggunakan SWFM didapatkan jumlah kelompok optimum sebanyak lima kelompok.
Penentuan Zona Musim di Mojokerto Menurut Karakteristik Curah Hujan Dengan Metode Time Series Based Clustering Iftitah Ayundari; Sutikno Sutikno
Inferensi Vol 2, No 2 (2019): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (564.023 KB) | DOI: 10.12962/j27213862.v2i2.6819

Abstract

Zona musim adalah daerah  yang pos hujan  rata ratanya memiliki perbedaan yang  jelas antara periode musim  hujan dan  musim kemarau. Metode analisis data yang diterapkan dalam pengelompokkan ZOM ini adalah metode analisis cluster, yaitu mengelompokkan suatu objek yang memiliki kesamaan sifat tanpa menghilangkan struktur alami objek. Oleh karena kelompok yang dihasilkan memiliki makna, seperti pola atau klasifikasi. Data curah hujan merupakan data series sehingga dalam melakukan analisis cluster menggunakan jarak basis time series, yaitu pada penelitian ini menggunkan jarak Dynamic Time Warping (DTW) dan autocorrelation function (ACF). Tujuannya adalah mengetahui karateristik zona musim di seluruh wilayah Mojokerto dan memetakan pola zona musim di Mojokerto berdasarkan data curah hujan menggunakan time series based clustering. Pengelompokan dilakukan dengan membentuk 2 hingga 5 kelompok, dan selanjutnya akan dilakukan pemilihan kelompok optimum dengan pseudo-f statistics dan kriteria silhouette. Data curah hujan yang digunakan adalah curah hujan bulanan. Evaluasi kinerja zona musim dilakukan dengan rasio simpangan baku dimana metode yang dibandingkan adalah pengelompokkan dengan jarak ACF, DTW, dan hasil pengelompokkan oleh BMKG. Berdasarkan hasil evaluasi kinerja zona musim dengan rasio simpangan baku metode terbaik yang dipilih adalah pengelompokkan dengan jarak DTW.
Klasifikasi Kinerja Karyawan Terhadap Penjualan Produk Menggunakan Metode Regresi Logistik dan Naïve Bayes (Studi Kasus PT. Gunung Meranti, Kalimantan Selatan) Nursya’bani Hendro Prabowo; Irhamah Irhamah
Inferensi Vol 1, No 2 (2018): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (495.398 KB) | DOI: 10.12962/j27213862.v1i2.6729

Abstract

Gunung Meranti merupakan perusahaan perseroan tertutup yang terletak di Kalimantan Selatan.Perusahaan bergerak di bidang industri perhutanan dan agro-tani.Produk perusahaan terdiri dari kayu bulat dan kayu lapis dengan volume meter kubik, serta produksi agro-tani seperti perkebunan kopi, jeruk dan pertanian padi. Produk perusahaan dengan ragam tersebut memerlukan pemasaran yang cukup strategis dan intensitas kerja yang lebih tinggi, hal ini dikarenakan konsumen dari perusahaan bukan merupakan end user  seperti industri rumah tangga ataupun individu, melainkan perusahaan seperti perusahaan konstruksi, properti dan perusahaan pengembangan yang berskala besar. Tingkat intensitas kerja yang tinggi tersebut menyebabkan perusahaan perlu melakukan analisa terhadap performa dari karyawan untuk menentukan target bagi masing-masing karyawan, serta melakukan penilaian terhadap kinerja masing-masing individu dalam hal gaji pokok maupun bonus.Perbandingan ketepatan klasifikasi dan kebaikan model menunjukkan bahwa Regresi Logistik dan Naïve Bayes menghasilkan model yang sama baiknya dengan skema terbaik adalah data training 70% dan data testing 30%. Perbandingan jika dilihat menggunakan RMSE cenderung menunjukkan Naïve Bayes dengan skema 70% merupakan model yang disarankan dengan RMSE yang cenderung rendah dibanding skema dan metode lain.
Monitoring Variabilitas Proses pada Kualitas Semen dengan Diagram Kendali Multivariate Exponentially Weighted Moving Covariance Matrix (MEWMC) based on Regression Adjusted Variables (Studi Kasus PT “X”) Marita Qori’atunnadyah; Wibawati Wibawati
Inferensi Vol 3, No 1 (2020): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j27213862.v3i1.6877

Abstract

PT “X” merupakan Badan Usaha yang bergerak pada bidang pembuatan semen. Secara umum, kualitas semen ditentukan oleh kuat tekan semen yang diukur pada hari ke-3, ke-7 dan ke-28. Sementara itu, kuat tekan semen dipengaruhi oleh beberapa variabel yang merupakan komposisi kimia dan sifat fisika dari semen, diantaranya: SiO2, Al2O3, Fe2O3, CaO, MgO, SO3, C3S, C2S, C3A, C4AF, FCaO, LOI, R45, dan Blaine. Dalam penelitian ini digunakan analisis faktor untuk mengetahui variabel yang berpengaruh secara dominan terhadap kuat tekan semen dan diperoleh variabel Al2O3, Fe2O3, C3A, LOI, dan Blaine. Selanjutnya, dilakukan pengendalian variabilitas proses menggunakan diagram kendali MEWMC based on Regression Adjusted pada variabel hasil analisis faktor. Pada fase dua, nilai pembobot optimum yang digunakan yaitu ???? = 0,1 dan didapatkan hasil bahwa telah terkendali secara statistik atau tidak terjadi pergeseran proses.
SSA and ARIMA for Forecasting Number of Foreign Visitor Arrivals to Indonesia Agustinus Angelaus Ete; Suhartono Suhartono; Raden Mohammad Atok
Inferensi Vol 3, No 1 (2020): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j27213862.v3i1.6882

Abstract

Singular Spectrum Analysis (SSA) is the technique of non-parametric analysis of time series used for forecasting. SSA aims to decompose the original time series into a summation of a small number of components that can be interpreted as the trend, oscillatory components, and noise. The purpose of this research is to understand how the SSA model in forecasting the number of foreign tourist arrivals to Indonesia through four entrances. The result of forecasting obtained by using SSA will be compared with ARIMA method to assess its superiority. The data used in this study are the data of the number of foreign tourist arrivals to Indonesia through four entrances in the period January 1996 to August 2016. Four entrances used in this study are Ngurah Rai Airport, Kualanamu Airport, Soekarno-Hatta Airport, and Juanda Airport. The level of forecasting accuracy generated by each forecasting method is measured using the Mean Absolute Percentage Error (MAPE) criterion. The results showed that SSA method is the best forecasting method for forecasting the number of foreign tourist arrivals through Ngurah Rai Airport with an average MAPE value of 9.6%. Forecasting the number of foreign tourist arrivals through Kualanamu Airport, ARIMA method is the best forecasting method with an average MAPE value of 22.4%. In forecasting the number of foreign tourist arrivals through Soekarno-Hatta Airport, ARIMA method is the best forecasting method with an average MAPE value of 10.5%. In forecasting the number of foreign tourist arrivals through Juanda Airport, ARIMA method is the best forecasting method with an average MAPE value of 9.9%.

Page 3 of 14 | Total Record : 136