cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Dania Siregar
Contact Email
jsamtk.unj@gmail.com
Phone
+6281316044605
Journal Mail Official
jsa@unj.ac.id
Editorial Address
Kampus A Universitas Negeri Jakarta, Lt.6 Gd. Dewi Sartika Jalan Rawamangun Muka, Jakarta Timur.
Location
Kota adm. jakarta timur,
Dki jakarta
INDONESIA
Jurnal Statistika dan Aplikasinya
Published by Universitas Negeri Jakarta
ISSN : -     EISSN : 26208369     DOI : https://doi.org/10.21009/JSA.041
Core Subject : Economy, Science, Education, Agriculture, Social,
Agriculture, Biological Sciences & Forestry Computer Science & IT Economics, Econometrics & Finance Social Sciences Other
Jurnal Statistika dan Aplikasinya JSA is dedicated to all statisticians who wants to publishing their articles about statistics and its application. The coverage of JSA includes every subject that using or related to statistics.
Arjuna Subject : Matematika - Statistik dan Probabilitas
Articles 169 Documents
 6   7   8   9   10 
Perbandingan Metode SAE EBLUP dan SAE HB Pada Pendugaan Area Kecil (Studi Kasus Pendugaan Kemiskinan di Provinsi Jawa Timur) Novia Permatasari; Widya Larasati
Jurnal Statistika dan Aplikasinya Vol 6 No 1 (2022): Jurnal Statistika dan Aplikasinya
Publisher : Program Studi Statistika FMIPA UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/JSA.06109

Abstract

Permintaan estimasi pada level area kecil semakin meningkat, sedangkan keberhasilan pendugaan menggunakan metode tidak langsung dalam menurunkan RSE sangat bergantung pada kondisi data dan pemilihan metode yang tepat. Penelitian ini bertujuan untuk membandingkan hasil pendugaan persentase penduduk miskin menggunakan metode EBLUP dan HB Beta dalam menurunkan RSE hasil pendugaan langsung menggunakan studi kasus data kemiskinan level kecamatan Provinsi Jawa Timur. Data yang digunakan yaitu Susenas 2019 dan Podes 2019. Teknik clustering digunakan untuk mengestimasi beberapa kecamatan yang tidak tersampel dalam Susenas 2019. Distribusi prior yang digunakan pada metode SAE HB di penelitian ini adalah distribusi Beta. Hasilnya, metode EBLUP dan HB dapat mengatasi pendugaan pada area yang tidak tersampel dengan memanfaatkan informasi cluster. Selain itu, baik metode SAE EBLUP maupun HB mampu menurunkan nilai rata-rata dan median dari RSE hasil estimasi jika dibandingkan dengan pendugaan langsung. Dari 173 kecamatan hasil pendugaan langsung yang memiliki RSE >50%, metode EBLUP dapat mereduksinya menjadi 116 kecamatan. Sedangkan, metode HB mampu menurun RSE seluruh kecamatan menjadi dibawah 50%. Sehingga, dapat disimpulkan bahwa metode HB mampu memperbaiki hasil estimasi langsung lebih baik dari metode EBLUP pada pendugaan persentase penduduk miskin level kecamatan Provinsi Jawa Timur tahun 2019.
Model Kredibilitas Bühlmann dengan Risiko Bersama Muhammad Imanudin Saputra; Siti Nurrohmah; Ida Fithriani
Jurnal Statistika dan Aplikasinya Vol 6 No 1 (2022): Jurnal Statistika dan Aplikasinya
Publisher : Program Studi Statistika FMIPA UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/JSA.06107

Abstract

Penyedia jasa asuransi dalam praktiknya menanggung risiko pemegang polis dengan membayarkan klaim yang diajukan oleh pemegang polis. Sebagai gantinya, pemegang polis perlu membayarkan premi kepada penyedia jasa asuransi. Oleh karena itu diperlukan prediksi besar klaim yang akan diajukan sehingga dapat ditentukan juga besar premi yang perlu dibayarkan oleh pemegang polis. Salah satu cara untuk memprediksi besar klaim adalah dengan menggunakan teori kredibilitas. Teori kredibilitas memungkinkan penyedia jasa asuransi untuk menggunakan informasi dari pengalaman klaim seorang individu dengan informasi lainnya berupa manual rate dalam memprediksi besar klaim di masa yang akan datang. Salah satu model yang dikembangkan dalam teori kredibilitas adalah model kredibilitas Buhlmann. Pada model kredibilitas Buhlmann, diasumsikan risiko antara individu saling independen. Namun dalam beberapa kasus asumsi tersebut tidak terpenuhi. Selain itu, model kredibilitas Buhlmann menggunakan fungsi kerugian berupa squared error loss function untuk mendapatkan estimator kredibilitas model. Pada penelitian ini dijelaskan pembentukan estimator kredibilitas model kredibilitas Buhlmann yang memperhitungkan dependensi risiko antara individunya yang dijelaskan oleh suatu parameter risiko bersama dengan menggunakan proyeksi orthogonal dan fungsi kerugian berupa balanced loss function (BLF). Dengan menggunakan data yang memenuhi asumsi model, dapat diperoleh besar presisi dan goodness of fit dari estimasi klaim yang berbeda-beda dengan mengatur bobot pada BLF.
Metode Bayesian Chain Ladder untuk Memprediksi Cadangan Klaim Nadya Arifani; Siti Nurrohmah; Ida Fithriani
Jurnal Statistika dan Aplikasinya Vol 6 No 1 (2022): Jurnal Statistika dan Aplikasinya
Publisher : Program Studi Statistika FMIPA UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/JSA.06111

Abstract

Perusahaan asuransi perlu mempersiapkan sejumlah uang yang disebut dengan cadangan klaim untuk membayar klaim yang akan terjadi di masa depan. Salah satu metode yang sering digunakan untuk memprediksi cadangan klaim adalah metode Chain Ladder. Metode ini memprediksi cadangan klaim menggunakan estimasi development factor yang menyatakan perkembangan besar klaim pada setiap periode penundaan pembayaran klaim. Namun, metode Chain Ladder hanya murni menggunakan kumpulan data pembayaran klaim-klaim masa lalu. Padahal, tidak menutup kemungkinan ada informasi penting lainnya yang dapat digunakan untuk memprediksi cadangan klaim. Salah satu informasi tersebut adalah informasi masa lalu yang diperoleh dari pengalaman serupa ataupun dari sesuatu yang dipercaya oleh para ahli. Wüthrich and Merz (2015) mengembangkan metode Bayesian Chain Ladder yang menerapkan teori Bayesian untuk menambahkan informasi masa lalu ke dalam metode Chain Ladder. Untuk memprediksi cadangan klaim, metode Bayesian Chain Ladder menggunakan Bayesian development factor dengan mengonstruksikan distribusi pada informasi prior (informasi masa lalu) dan distribusi dari data yang diamati. Distribusi yang digunakan adalah distribusi Gamma sebagai distribusi prior dan distribusi data. Secara umum, makalah ini membahas mengenai penerapan teori Bayesian pada metode Chain Ladder serta ditampilkan juga simulasi numerik menggunakan data perusahaan asuransi umum di Amerika Serikat. Didapatkan hasil bahwa metode Bayesian Chain Ladder memberikan prediksi cadangan klaim yang bergantung pada bobot kepercayaan dalam mempertimbangkan informasi masa lalu yang digunakan dalam model. Bobot kepercayaan yang berbeda akan selalu menghasilkan prediksi cadangan klaim yang berbeda. Perbedaan bobot kepercayaan yang dipilih tergantung dari pendapat para ahli, sehingga prediksi cadangan klaim dengan menggunakan metode Bayesian Chain Ladder bersifat subjektif.
Model Kredibilitas Bühlmann Berdasarkan Data Terpancung Vicko Regenio Widodo; Siti Nurrohmah; Sindy Devila
Jurnal Statistika dan Aplikasinya Vol 6 No 1 (2022): Jurnal Statistika dan Aplikasinya
Publisher : Program Studi Statistika FMIPA UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/JSA.06110

Abstract

Setiap orang pasti menghadapi suatu risiko di masa depan. Seseorang dapat mengurangi besarnya kerugian akibat risiko tertentu dengan membeli asuransi. Asuransi mewajibkan seorang pemegang polis membayar premi secara periodik. Salah satu model yang dapat digunakan dalam penentuan premi adalah model kredibilitas Bühlmann. Paper ini membahas model kredibilitas yang didasarkan pada model kredibilitas Bühlmann tetapi melibatkan pemancungan data kerugian asli di kuantil ke-p dan kuantil ke-q. Model ini menggunakan trimmed mean untuk memprediksi besar kerugian di periode berikutnya yaitu ekspektasi kerugian untuk suatu risiko tertentu dengan syarat kerugian tersebut sudah terpancung. Model kredibilitas ini memiliki beberapa kelebihan, salah satunya yaitu premi kredibilitas yang didapat tidak terlalu terpengaruh terhadap outlier. Pembahasan pada paper ini berfokus pada penjabaran hasil teoritis untuk membangun model kredibilitas berdasarkan data terpancung dan pengestimasian parameter dengan menggunakan metode non-parametrik pada model kredibilitas berdasarkan data terpancung. Model kredibilitas berdasarkan data terpancung ini diimplementasikan pada suatu sampel data kerugian terurut. Sampel ini merupakan data kerugian asli untuk 30 individu dengan periode 20 tahun yang telah diurutkan dari yang terkecil hingga terbesar. Analisis dilakukan terhadap perhitungan parameter model di berbagai kasus. Selain itu, dibahas perbandingan sensitivitas premi pada model kredibilitas berdasarkan data terpancung dan model kredibilitas Bühlmann jika terdapat outlier. Berdasarkan hasil penelitian, model kredibilitas berdasarkan data terpancung dapat menentukan risk loading dan tidak terlalu terpengaruh terhadap outlier dibandingkan dengan model kredibilitas Bühlmann.
Perbandingan Model RNN, Model LSTM, dan Model GRU dalam Memprediksi Harga Saham-Saham LQ45 Andrew Nilsen
Jurnal Statistika dan Aplikasinya Vol 6 No 1 (2022): Jurnal Statistika dan Aplikasinya
Publisher : Program Studi Statistika FMIPA UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/JSA.06113

Abstract

Harga saham selalu mengalami fluktuasi, dapat naik dan dapat turun. Ketidakpastian tersebut dapat menyebabkan kerugian, jika salah dalam memprediksi arah pergerakan harga saham. Prediksi arah pergerakan harga saham yang lebih akurat dapat mengurangi risiko kerugian. Pada penelitian ini, prediksi arah pergerakan harga saham menggunakan faktor yang mempengaruhi arah pergerakan saham itu sendiri, yaitu harga saham sebagai variabel prediktor. Pada penelitian ini dilakukan perbandingan antara model Recurrent Neural Network (RNN), model Long Short-Term Memory (LSTM), dan model Gated Recurrent Unit (GRU) dalam memprediksi harga saham. Data harga saham yang digunakan pada penelitian ini adalah data harga saham-saham yang terdaftar di indeks LQ45. Performa model-model yang digunakan dievaluasi dengan Root Mean Squared Error, Mean Squared Error, dan Mean Absolute Error. Pada penelitian digunakan hyperparameter yang sama untuk semua model yaitu {epoch = 200, batch size = 32, dan units = 24}. Dari rata-rata RMSE, rata-rata MSE, dan MAE yang dihasilkan dari 3 model yang digunakan, disimpulkan bahwa model GRU memiliki akurasi yang lebih baik dari model Recurrent Neural Network (RNN) dan model Long Short-Term Memory (LSTM).
Pemodelan Regresi Logisitik Biner pada Faktor-Faktor yang Memengaruhi Indeks Pembangunan Manusia di Pulau Jawa Ilham Azagi; Erfiani; Indahwati; Anwar Fitrianto; Reni Amelia
Jurnal Statistika dan Aplikasinya Vol 6 No 1 (2022): Jurnal Statistika dan Aplikasinya
Publisher : Program Studi Statistika FMIPA UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/JSA.06101

Abstract

Indeks Pembangunan Manusia dibangun dari tiga dimensi dasar, dimensi ini merupakan pendekatan yang dipilih dalam penggambaran kualitas hidup manusia dan tidak mengalami perubahan hingga saat ini. Ketiga dimensi ini mencakup umur panjang dan hidup sehat, pengetahuan, dan standar hidup layak Penelitian ini bertujuan untuk menentukan model regresi logistik biner dan faktor-faktor yang mempengaruhi Indeks Pembangunan Manusia di Pulau Jawa menggunakan regresi logistik biner. Regresi logistik biner adalah analisis statistika yang digunakan untuk mengetahui pengaruh suatu satu atau lebih variabel independen terhadap satu variabel dependen, dimana variabel dependen bersifat biner atau dichotomous. Hasil penelitian ini menunjukkan model regresi logistik biner yang terbentuk adalah Y = -111.32025 + 0.58148X1 + 3.07145X2 + 2.40689X3 + 0.79014X4 – 0.87295X5 + 0.02139X6 + 0.11445X7. Faktor-faktor yang berpengaruh terhadap kategori pada nilai IPM terhadap variabel bebas dengan taraf nyata α = 5% adalah Persentase umur harapan hidup (X1), Persentase harapan lama sekolah (X2), dan Persentase rata-rata lama sekolah (X3). Evaluasi model diperoleh nilai balanced accuracy sebesar 96.43%, yang berarti model baik digunakan.
Penerapan Regresi Least Absolute Shrinkage And Selection Operator (LASSO) Untuk Mengidentifikasi Variabel Yang Berpengaruh Terhadap Kejadian Stunting di Indonesia Tesa Trilonika Pardede; Bagus Sumargo; Widyanti Rahayu
Jurnal Statistika dan Aplikasinya Vol 6 No 1 (2022): Jurnal Statistika dan Aplikasinya
Publisher : Program Studi Statistika FMIPA UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/JSA.06104

Abstract

Linear regression analysis is an analytical method that can be used to analyze data and draw meaningful conclusions about the dependence of one variable on another variable. In linear regression analysis there are several assumptions that must be met, namely normal distribution, there is no correlation between errors. There are several obstacles that cause the assumption to be unfulfilled, for example the occurrence of correlations between independent variables (multicollinearity). The analysis in this study uses the Least Absolute Shrinkage And Selection Operator (LASSO) regression method with the Least Angle Regression (LAR) algorithm because the stunting data in Indonesia has multicollinearity problems among the independent variables used. LASSO which can solve the case of multicollinearity in the regression at the same time it is possible to reduce the regression coefficient from the highly correlated independent variable to exactly zero. The LASSO coefficient obtained uses quadratic so that the LAR algorithm is used which is more efficient in LASSO computing. Based on the analysis that has been carried out, it is concluded that the variables of exclusive breastfeeding (X1), protein consumption (X2), DPT-HB exercise (X5), maternal height (X8) and diarrhea (X9) had an effect on stunting in Indonesia in 2018.
Penerapan Metode SMOTE CHAID dalam Klasifikasi Tuberkulosis Relapse Vera Maya Santi; Lina Nafisah; Qorry Meidianingsih
Jurnal Statistika dan Aplikasinya Vol 6 No 1 (2022): Jurnal Statistika dan Aplikasinya
Publisher : Program Studi Statistika FMIPA UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/JSA.06103

Abstract

DKI Jakarta Province is one of the provinces with the highest tuberculosis cases, and a person's chance of contracting tuberculosis is the greatest among other provinces. Tuberculosis can be cured with regular treatment within a certain period of time, but after recovering, some tuberculosis sufferers may relapse so that it can cause new problems. This study aims to build a classification model and determine which factors influence tuberculosis relapse using the CHAID method. SMOTE with majority undersampling is applied as a solution to deal with the problem of patient categories (relapse and non-relapse) who have an unbalanced number of observations. Based on the CHAID classification tree, the results show that the factors that influence relapse in tuberculosis patients include the type of diagnosis, age, gender, and place of residence. In addition, the application of SMOTE can improve the performance of the CHAID classification tree in classifying patients based on their categories. These results were indicated by an increase in the values of accuracy, sensitivity, and specificity to 76,153; 26,667; and 82,608 compared to the performance of CHAID without SMOTE. Based on these results, the SMOTE CHAID classification model has better performance than CHAID
Front Matter JSA Volume 6 Issue 1, June 2022 Journal Editor JSA
Jurnal Statistika dan Aplikasinya Vol 6 No 1 (2022): Jurnal Statistika dan Aplikasinya
Publisher : Program Studi Statistika FMIPA UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/JSA.06100

Abstract

Back Matter JSA Volume 6 Issue 1, June 2022 Journal Editor JSA
Jurnal Statistika dan Aplikasinya Vol 6 No 1 (2022): Jurnal Statistika dan Aplikasinya
Publisher : Program Studi Statistika FMIPA UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/JSA.06114

Abstract

Page 8 of 17 | Total Record : 169

 6   7   8   9   10 

Filter by Year

2017 2025


Reset
Filter By Issues
All Issue Vol. 9 No. 1 (2025): Jurnal Statistika dan Aplikasinya Vol. 8 No. 2 (2024): Jurnal Statistika dan Aplikasinya Vol. 8 No. 1 (2024): Jurnal Statistika dan Aplikasinya Vol. 7 No. 2 (2023): Jurnal Statistika dan Aplikasinya Vol 7 No 1 (2023): Jurnal Statistika dan Aplikasinya Vol 6 No 2 (2022): Jurnal Statistika dan Aplikasinya Vol 6 No 1 (2022): Jurnal Statistika dan Aplikasinya Vol 5 No 2 (2021): Jurnal Statistika dan Aplikasinya Vol 5 No 1 (2021): Jurnal Statistika dan Aplikasinya Vol 4 No 2 (2020): Jurnal Statistika dan Aplikasinya Vol 4 No 1 (2020): Jurnal Statistika dan Aplikasinya Vol 3 No 2 (2019): Jurnal Statistika dan Aplikasinya Vol 3 No 1 (2019): Jurnal Statistika dan Aplikasinya Vol 2 No 2 (2018): Jurnal Statistika dan Aplikasinya Vol 2 No 1 (2018): Jurnal Statistika dan Aplikasinya Vol 1 No 1 (2017): Jurnal Statistika dan Aplikasinya More Issue