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
 2   3   4   5   6 
Pemodelan Faktor-faktor yang Mempengaruhi Tingkat Partisipasi Angkatan Kerja Perempuan di Jawa Barat Menggunakan Regresi Nonparametrik Spline Truncated Nurul Izzah; I Nyoman Budiantara
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.v3i1.6878

Abstract

Tingkat Partisipasi Angkatan Kerja (TPAK) merupakan ukuran proporsi penduduk usia kerja suatu daerah yang bergerak aktif di pasar tenaga kerja dan menjadi faktor penting dalam menggerakan pembangunan. Proses pembangu-nan di suatu negara tidak bisa terlepas dari peran perempuan, khususnya dalam kegiatan ekonomi. Di Jawa Barat, nilai TPAK perempuan sebesar 42,37% tahun 2018. Angka tersebut termasuk rendah jika dibandingkan dengan nilai TPAK perem-puan di daerah lain. Penyebab rendahnya TPAK perempuan dipengaruhi beberapa faktor, untuk mengetahui faktor yang mempengaruhinya dilakukan penelitian menggunakan Regresi Nonparametrik Spline Truncated. Karena pola hubungan yang ditunjukan antara persentase TPAK perempuan dengan faktor-faktor yang diduga mempengaruhinya tidak mengikuti pola tertentu. Berdasarkan nilai GCV yang paling minimum, model terbaik adalah menggunakan kombinasi titik knot (1,2,3,1). Hasil pengujian signifikansi parameter menunjukkan bahwa terdapat empat variabel yang berpengaruh signifikan terhadap persentase TPAK perempuan di Jawa Barat yaitu persentase perempuan dengan pendidikan tertinggi yang dita-matkan minimal SLTA, persentase perempuan berstatus menikah, UMK, dan PDRB per kapita. Serta hasil pengujian asumsi residual menunjukkan semua asumsi terpenuhi dengan nilai koefisien determinasi dari model sebesar 94,59%.
Analisis Regresi Logistik Biner pada Faktor-Faktor yang Mempengaruhi Jenis Perceraian di Kabupaten Lumajang Taufiqotul Masrukha Tesha Nisva; Vita Ratnasari
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.v3i1.6879

Abstract

Angka perceraian di Jawa Timur cukup mengkhawatirkan karena terjadi kenaikan 4.116 kasus pada tahun 2018 dan menyumbang 21,8% dari kasus perceraian di Indonesia. Perceraian di Lumajang dalam tiga tahun terakhir terjadi kenaikan jumlah kasus perceraian. Banyak faktor yang mempengaruhi jenis perceraian. Di antaranya ialah usia saat menikah, tingkat pendidikan, lama pernikahan, jenis pekerjaan, dan variabel lainnya. Untuk mengetahui faktor-faktor apa saja yang mempengaruhi jenis perceraian, riset lebih lanjut dapat dilakukan dengan analisis regresi logistik. Terdapat dua jenis perceraian, yakni cerai gugat dan cerai talak. Penelitian ini menggunakan metode regresi logistik biner untuk mengetahui pengaruh tingkat pendidikan, jenis pekerjaan, lama pernikahan, usia saat menikah, dan variabel lainnya terhadap jenis perceraian yang selanjutnya diperoleh pemodelan faktor yang mempengaruhi jenis perceraian. Hasil yang diperoleh adalah bahwa sebanyak 71,8% kasus cerai di Kabupaten Lumajang merupakan cerai gugat dan sisanya berupa cerai talak. Di Kabupaten Lumajang terdapat kasus pernikahan dini. Variabel yang berpengaruh signifikan terhadap jenis per-ceraian adalah usia pemohon/penggugat dan termohon/tergugat saat menikah, pendidikan pemohon/penggugat, pekerjaan pemohon/penggugat dan termohon/tergugat, keadaan istri saat jatuh talak, dan penyebab perceraian.
Indeks Prognostik Pada Pasien Kanker Serviks di RSUD dr. Soetomo Surabaya Menggunakan Model Regresi Cox Extended Nur Arifiyani; Santi Wulan Purnami
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.v3i1.6880

Abstract

Saat ini masalah yang rentan dihadapi oleh wanita adalah timbulnya sel kanker dalam tubuh. Tak lain adalah kanker leher Rahim atau biasa disebut kanker serviks. Kanker serviks merupakan kanker yang disebabkan oleh infeksi virus HPV (Human Papillomavirus). Virus tersebut menyerang dalam tubuh wanita dikarenakan beberapa factor. Peningkatan kejadian kanker serviks semakin bertambah namun diagnosis dini atau inisiasi melakukan pengobatan kurang diperhatikan oleh masyarakat, sehingga berpengaruh pada prognosis buruk pasien kanker serviks. Dalam penelitian ini digunakan metode regresi Cox Extended untuk mengetahui prognosis pasien dimasa datang yang disebut prognostik indeks. Hasil penelitian menunjukkan model yang signifikan terhadap ketahanan hidup pasien kanker serviks dengan metode regresi Cox Extended adalah variabel jenis pengobatan lainnya atau pasien kanker serviks tidak melakukan pengobatan kemoterapi, operasi, tranfusi PRC, dan kombinasi antar ketiga jenis pengobatan tersebut. Prognosis pasien yang tidak melakukan jenis pengobatan tersebut memiliki resiko terjadinya meninggal sangat tinggi dibandingkan pasien yang melakukan kemoterapi, operasi, tranfusi PRC, dan kombinasi antar ketiga jenis pengobatan tersebut yang memiiliki resiko terjadinya meninggal rendah.
The Performance of Ramsey Test, White Test and Terasvirta Test in Detecting Nonlinearity Hendri Prabowo; Suhartono Suhartono; Dedy Dwi Prastyo
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.v3i1.6876

Abstract

The objective of this research is to compare Ramsey test, White test and Terasvirta test in the identification of nonlinearity. Ramsey test is a test based on the regression specification error test. While White test and Terasvirta test are based on neural network models. The difference between White test and Terasvirta test is in determining its weight, White test based on random sampling, while Terasvirta test based on Taylor expansion. Simulation studies are carried out with various scenarios in each test by generating linear models, linear models with outliers and nonlinear models. The results of the simulation study showed that Terasvirta test had better power than Ramsey test and White test in detecting nonlinearity. Terasvirta test is also more sensitive to the presence of outliers in linear models.
Analisis Likuiditas Saham Sektor Perbankan di BEI Menggunakan Analisis Intervensi dan Autoregressive Conditional Duration Luh Putu Shintya Handayani; Dedy Dwi Prastyo
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.v3i1.6881

Abstract

Tax Amnesty merupakan Undang-Undang yang menjadi isu hangat 2016  dan berakhir pada Maret 2017. Kebijakan Tax Amnesty mengharuskan pihak bank menjadi pihak penerima dana repatriasi. Terkait hal itu, berdasarkan isu ekonomi finansial 2015 hingga 2016 terdapat saham bank yang selalu diburu oleh investor karena saham yang likuid. Saham perbankan yang paling dipertimbangkan untuk diperdagangkan yaitu Bank Central Asia (BBCA), Bank Mandiri (BMRI), Bank Rakyat Indonesia (BBRI), dan Bank Negara Indonesia (BBNI) karena masuk dalam kelompok saham LQ45. Tujuan penelitian ini adalah mengetahui gambaran data volume, mengetahui efek adanya intervensi akibat Tax Amnesty, dan mendapat kesimpulan mengenai likuiditas saham sebelum dan selama Tax Amnesty dari model ACD. Model ACD merupakan model alternatif lain di luar intervensi. Analisis intervensi yang dilakukan menunjukkan bahwa terdapat efek intervensi diberlakukannya Tax Amnesty pada volume saham perusahaan BMRI dan BBNI, namun tidak pada BBCA dan BBRI. Model intervensi yang terbentuk belum memenuhi distribusi normal. Model ACD menghasilkan bahwa volume transaksi lebih likuid dilihat dari durasi yang tinggi pada periode Tax Amnesty. Durasi menunjukkan kejadian volume transaksi yang rendah, jadi bila nilai durasi tinggi maka volume transaksi rendah jarang terjadi. Hanya saja, pada saham BBRI tidak dapat dibandingkan sebelum Tax Amnesty dan setelah Tax Amnesty karena data tidak terdapat efek ACD dilihat dari parameter konstanta saja yang signifikan dalam model.
Pemodelan Multivariate Adaptive Generalized Poisson Regression Spline pada Kasus Jumlah Kematian Ibu di Provinsi Jawa Timur Euodia Putri Prastika; Bambang Widjanarko Otok; Purhadi Purhadi
Inferensi Vol 4, No 1 (2021): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j27213862.v4i1.7747

Abstract

Kematian ibu menjadi salah satu masalah besar bagi negara Indonesia, karena ibu berperan penting dalam regenerasi manusia. Indonesia memiliki angka kematian ibu (AKI) tertinggi kedua di ASEAN. Nilai yang tinggi tersebut dipengaruhi oleh AKI provinsi-provinsi di Indonesia, termasuk Jawa Timur. Provinsi Jawa Timur termasuk tiga besar AKI tertinggi di Indonesia dengan nilai 91,45 per 100.000 kelahiran hidup pada tahun 2018. Tingginya AKI berbanding positif dengan jumlah kematian ibu, artinya semakin tinggi AKI, maka semakin banyak jumlah kematian ibu. Salah satu upaya yang dapat dilakukan untuk mengurangi AKI adalah pemodelan faktor-faktor yang mempengaruhi jumlah kematian ibu dengan metode regresi. Penelitian ini menggunakan metode Multivariate Adaptive Regression Splines (MARS) dengan estimator generalized Poisson, sehingga menjadi metode Multivariate Adaptive Generalized Poisson Regression Splines (MAGPRS). Model terbaik dari hasil analisis MAGPRS adalah model dengan BF=28, MI=2, dan MO=2. Setelah dilakukan backward stepwise,  fungsi basis dari model tersebut menjadi 24, dimana akan menyusun persamaan MAGPRS. Variabel prediktor yang paling berpengaruh terhadap model secara berurutan adalah variabel persentase ibu nifas mendapat vitamin A, persentase peserta aktif KB, dan persentase kunjungan ibu hamil K4.
Analisis Risiko Penyebaran Kasus Covid-19 di Surabaya Raya Menggunakan Model Thomas Cluster Process Tiza Ayu Virania; Achmad Choiruddin; Vita Ratnasari
Inferensi Vol 4, No 1 (2021): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j27213862.v4i1.8874

Abstract

COVID-19 menyebar cepat di Jawa Timur khususnya daerah Surabaya Raya yang memiliki jumlah pasien terkonfirmasi positif tertinggi dibandingkan kota/kabupaten lainnya di Jawa Timur.  Kota Surabaya merupakan kota dengan jumlah pasien terkonfirmasi positif terbanyak dibandingkan Kabupaten Sidoarjo dan Gresik, dimana pada tanggal 20 Maret hingga 9 Juli 2020 68% dari jumlah kasus di Surabaya Raya merupakan kasus COVID-19 di Kota Surabaya. Hasil eksplorasi data menunjukkan bahwa data COVID-19 di Surabaya Raya tidak homogeny dan cenderung membentuk kelompok. Pemodelan kasus COVID-19 dengan Inhomogeneous Thomas Cluster Process menunjukkan kepadatan pabrik dan kepadatan tempat ibadah secara signifikan mempengaruhi persebaran COVID-19 di Surabaya Raya, dimana setiap penambahan 1 pabrik dalam 1 km2 akan meningkatkan risiko COVID-19 sebanyak  2 kali lipat. Sedangkan jika dalam 1 km2 terjadi penambahan sebanyak 1 tempat ibadah maka risiko meningkatnya kasus COVID-19 di Surabaya Raya sebesar 4 kali lipat jika dibandingkan dengan tidak ada penambahan tempat ibadah, sehingga diantara kedua variabel tersebut yang memberikan pengaruh besar terhadap  risiko peningkatan kasus positif COVID-19 di Surabaya Raya adalah kepadatan tempat ibadah. Estimasi jumlah kasus positif COVID-19 di Surabaya Raya adalah sebesar 161 kasus dengan standar deviasi kasus positif COVID-19 baru tersebar disekitar lokasi early case adalah sebesar 1,21 km. Validasi model dengan plot envelope K-Function menunjukkan bahwa Inhomogeneous Thomas Cluster Process baik digunakan untuk memodelkan data COVID-19 di Surabaya Raya pada 20 Maret 2020 hingga 9 Juli 2020.
Pemodelan Faktor-faktor yang Mempengaruhi Angka Kematian Bayi dan Angka Kematian Ibu di Provinsi Jawa Timur Tahun 2017 dan Tahun 2018 Menggunakan Bivariate Gamma Regression Barep Adji Widhi Pangestu; Purhadi Purhadi
Inferensi Vol 3, No 2 (2020): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j27213862.v3i2.7363

Abstract

Kematian Bayi dan Ibu merupakan salah satu indikator kesejahteraan masyarakat yang menjadi tujuan utama dalam Sustainable Development Goals (SDGs). Angka Kematian Bayi dan Angka Kematian Ibu di Jawa Timur dikhawatirkan dapat meningkat melewati target yang ditentukan SDGs. Salah satu upaya untuk menekan angka kematian bayi maupun ibu adalah dengan terus menelaah faktor-faktor penyebabnya. Permasalahan ini dapat diselesaikan dengan metode Bivariat Gamma Regression untuk mengetahui faktor yang mempengaruhi Angka Kematian Bayi dan Angka Kematian Ibu. Data yang digunakan berasal dari Dinas Kesehatan Jawa Timur berupa publikasi Profil Kesehatan Provinsi Jawa Timur tahun 2017 dan 2018. Variabel yang diduga mempengaruhi Angka Kematian Bayi dan Angka Kematian Ibu adalah persentase persalinan oleh tenaga kesehatan, persentase komplikasi kebidanan yang ditangani, persentase bayi lahir berat badan rendah, persentase penduduk miskin, dan persentase perempuan kawin dibawah 17 tahun. Pada pengujian kesamaan model BGR tahun 2017 dan tahun 2018 menghasilkan model yang berbeda.
Intervention Analysis and Machine Learning to Evaluate the Impact of COVID-19 on Stock Prices Hendri Prabowo; Iman Rais Afandy
Inferensi Vol 4, No 1 (2021): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j27213862.v4i1.8626

Abstract

The purpose of this study is to evaluate the impact of the COVID-19 outbreak on composite and individual stock prices in China, the USA, South Korea, and Indonesia by using an intervention model and comparing the results of its predictions with a machine learning model, i.e. neural network (NN) and deep learning neural network (DLNN). This intervention model can be used not only to find out the magnitude of the effect of COVID-19 on the stock price, but also the period of the effect. The composite stock price data used are KS11, 000001.SS, DJI, and JKSE, while the individual stock price data used are TLKM and EXCL. The data used is the daily stock data. The analysis shows that COVID-19 hurts stock prices both in countries that have passed the peak period and are still in the peak period of COVID-19. The impact is not directly after the first case of COVID-19 in each country. The lowest stock price occurred at the end of March 2020 in each country. Different conditions were shown by individual stock prices in the telecommunications sector that showed a positive trend after the end of April 2020. Generally, for all stock prices, intervention models are better for forecasting in-sample data and explanation impact COVID-19 on stock price, whereas machine learning models are better for forecasting out-of-sample data.
Analisis Faktor Resiko Penyebab Diabetes Mellitus dengan Regresi Logistik Biner I Gusti Bagus Ngurah Diksa; Kartika Fithriasari
Inferensi Vol 4, No 1 (2021): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j27213862.v4i1.8480

Abstract

Diabetes Mellitus menjadi salah satu masalah perawatan kesehatan utama di seluruh dunia. Penyakit gula ini merupakan penyakit berbahaya yang mana mengakibatkan kematian akibat komplikasi yang ditimbulkanya. Banyak faktor yang memengaruhi orang menderita diabetes , beberapa diantaranya yaitu usia, merokok,  serum sodium dan platelet dalam badan. Regresi logistik merupakan salah satu alat statistik yang dapat digunakan dalam permodelan klasifikasi tentang ada tidaknya yang mengalami diabetes. Tujuan penelitian ini adalah melihat pengaruh variabel independent usia, merokok, serum sodium dan platelet dalam mengklasifikasikan observasi  antara kategori yang tidak mengalami diabetes dan penderita diabetes.  Hasil yang didapatkan adalah semua variabel independent signfikan berpengaruh di dalam model dimana semakin meningkatnya umur kecenderungan orang menjadi diabetes semakin tinggi. Selain itu,  kegiatan merokok mampu memberikan kecenderungan orang menderita diabetes daripada orang yang tidak merokok. Kemudian semakin bertambahnya serum sodium dalam tubuh maka kecenderungan orang akan tidak menderita diabetes serta untuk bertambahnya platelet memberi kecenderungan sangat kecil orang menderita diabetes. Dalam klasifikasi ini, persentase akurasi klasifikasi sebesar 61,9 persen.  Walupun lebih dari 50 persen namun terjadi misklasifikasi orang yang menderita diabetes sebagai orang tidak mengalami diabetes sebesar 60 persen. Hal itu menyebabkan klasifikasi ini agak beresiko dalam mengelompokkan orang yang diabetes sebagai tujuan penanganan yang lebih cepat.

Page 4 of 15 | Total Record : 147

 2   3   4   5   6 

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