cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Aceng Komarudin Mutaqin
Contact Email
uptpublikasi@unisba.ac.id
Phone
+6285294008040
Journal Mail Official
jrs@unisba.ac.id
Editorial Address
Gedung Rektorat Lantai 4, Jl. Tamansari No. 20 Bandung 40116
Location
Kota bandung,
Jawa barat
INDONESIA
Jurnal Riset Statistika
Published by Universitas Islam Bandung
ISSN : 28083148     EISSN : 27986578     DOI : https://doi.org/10.29313/jrs.v1i2
Core Subject : Science, Education,
Decision Sciences, Operations Research & Management Mathematics
Jurnal Riset Statistika (JRS) adalah jurnal peer review dan dilakukan dengan double blind review yang mempublikasikan kajian teoritik dan hasil riset terhadap isu-isu empirik dalam sub kajian statistika. JRS ini dipublikasikan pertamanya 2021 dengan eISSN 2798-6578 yang diterbitkan oleh UPT Publikasi Imiah, Universitas Islam Bandung. Semua artikel diperiksa plagiasinya dengan perangkat lunak anti plagiarisme. Jurnal ini ter-indeks di Google Schoolar, Garuda, Crossref, dan DOAJ. Terbit setiap Juli dan Desember.
Arjuna Subject : Matematika - Statistik dan Probabilitas
Articles 117 Documents
 8   9   10   11   12 
Klasifikasi Gambar Ras Kucing Menggunakan Gaussian Naive Bayes dengan Ekstraksi Fitur CNN MobileNetV2 Rafif Naufal Oktiardi; Teti Sofia Yanti
Jurnal Riset Statistika Volume 6, No. 1, Juli 2026, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jrs.v6i1.10024

Abstract

Abstract. With the rapid advancement of digital image processing technology, image-based object classification has become increasingly important across various application domains. This study examines the performance of Gaussian Naive Bayes in classifying cat breeds based on image data. The dataset consists of 2,800 images covering 13 cat breeds and one non-cat class, with 200 images per class. Images were preprocessed through resizing to 224×224 pixels, pixel-value normalisation, and conversion to numeric arrays. Feature extraction was performed using a pre-trained MobileNetV2 CNN, followed by Global Average Pooling to produce 1,280-dimensional feature vectors. Dimensionality reduction via Principal Component Analysis (PCA) reduced the features to 557 components, retaining approximately 95% of the data variance. The resulting feature vectors were fed into a Gaussian Naive Bayes classifier. Evaluation on an 80:20 train-test split yielded a training accuracy of 82.54% and a Testing accuracy of 71.61%, with a macro-average F1-score of 0.72. Several breeds Persian, Bombay, Siamese, and Birman achieved high classification performance, whereas breeds with visually similar characteristics showed lower scores. The findings confirm that Gaussian Naive Bayes, when supported by CNN-based feature extraction and PCA, is capable of classifying cat-breed images with reasonable accuracy. Abstrak. Seiring dengan berkembangnya teknologi pengolahan citra digital, klasifikasi objek berbasis data gambar menjadi semakin penting dalam berbagai bidang aplikasi. Penelitian ini bertujuan untuk mengevaluasi kinerja metode Gaussian Naive Bayes dalam melakukan klasifikasi ras kucing dengan data gambar. Dataset yang digunakan terdiri dari 2.800 gambar yang mencakup 13 ras kucing dan satu kelas bukan kucing, dengan masing-masing kelas memiliki 200 gambar. Setiap gambar melalui tahapan preprocessing berupa resize ke ukuran 224×224 piksel, normalisasi nilai piksel, serta konversi ke bentuk array numerik. Ekstraksi fitur dilakukan menggunakan CNN MobileNetV2 yang telah dilatih sebelumnya (pre-trained), diikuti oleh Global Average Pooling untuk menghasilkan vektor fitur berdimensi 1.280. Reduksi dimensi menggunakan Principal Component Analysis (PCA) kemudian diterapkan sehingga menghasilkan 557 komponen utama yang mampu menjelaskan sekitar 95% variasi data. Model Gaussian Naive Bayes dilatih dan dievaluasi dengan rasio pembagian data 80:20, menghasilkan akurasi sebesar 82,54% pada data training dan 71,61% pada data Testing, dengan nilai F1-score rata-rata sebesar 0,72. Beberapa ras kucing seperti Persian, Bombay, Siamese, dan Birman menunjukkan performa klasifikasi yang cukup baik. Hasil penelitian mengonfirmasi bahwa Gaussian Naive Bayes, yang didukung oleh ekstraksi fitur berbasis CNN dan reduksi dimensi PCA, mampu mengklasifikasikan gambar ras kucing dengan akurasi yang cukup baik.
Identifikasi Pola Konfigurasi Mahasiswa Menggunakan First-Order Configural Frequency Analysis Rafi Fitra; Nusar Hajarisman
Jurnal Riset Statistika Volume 6, No. 1, Juli 2026, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jrs.v6i1.10025

Abstract

Abstract. Students' academic performance is influenced by a combination of characteristics that are often difficult to identify using conventional variable-oriented statistical approaches. This study applies First-Order Configural Frequency Analysis (CFA) to examine configuration patterns in multivariate categorical data. CFA is a person-oriented statistical method designed to identify configurations of categorical variables that occur significantly more or less frequently than expected under a baseline independence model. Using a dataset of 1,690 students from the 2022 cohort at Universitas Islam Bandung, four categorical variables were analyzed: Grade Point Average (GPA) category, student satisfaction with the university, participation in competitions, and organizational involvement. The global test of independence indicates that the variables are not mutually independent at the 5% significance level. The analysis identifies several statistically significant type configurations, primarily involving low to moderate GPA combined with active participation in competitions and/or student organizations. In contrast, anti-type configurations are characterized by the joint occurrence of inactivity in both competitions and organizations together with dissatisfaction toward the university. These findings demonstrate the ability of First-Order CFA to uncover meaningful configuration patterns in categorical data that are not captured by conventional variable-oriented statistical analyses. Abstrak. Prestasi akademik mahasiswa dipengaruhi oleh kombinasi berbagai karakteristik yang sering kali sulit diidentifikasi menggunakan pendekatan statistika yang berorientasi pada variabel. Penelitian ini menerapkan First-Order Configural Frequency Analysis (CFA) untuk mengkaji pola konfigurasi pada data kategorik multivariat. CFA merupakan metode statistika berorientasi individu (person-oriented) yang dirancang untuk mengidentifikasi konfigurasi variabel kategorik yang muncul secara signifikan lebih sering atau lebih jarang dibandingkan dengan frekuensi yang diharapkan berdasarkan model independensi sebagai model dasar. Data yang dianalisis mencakup 1.690 mahasiswa Angkatan 2022 Universitas Islam Bandung, dengan empat variabel kategorik, yaitu kategori Indeks Prestasi Kumulatif (IPK), kepuasan mahasiswa terhadap universitas, keaktifan dalam lomba, dan keaktifan dalam organisasi. Hasil uji independensi global menunjukkan bahwa keempat variabel tersebut tidak saling bebas pada taraf signifikansi 5%. Analisis CFA mengidentifikasi beberapa konfigurasi bertipe type yang secara statistik signifikan, yang terutama melibatkan mahasiswa dengan IPK rendah hingga sedang yang aktif dalam lomba dan/atau organisasi. Sebaliknya, konfigurasi anti-type ditandai oleh kombinasi ketidakaktifan dalam lomba dan organisasi yang disertai dengan ketidakpuasan terhadap universitas. Temuan ini menunjukkan kemampuan First-Order CFA dalam mengungkap pola konfigurasi bermakna pada data kategorik yang tidak dapat dijelaskan secara memadai melalui pendekatan statistika konvensional yang berorientasi pada variabel.
Optimasi Threshold Support Vector Machine Menggunakan Statistik Youden untuk Klasifikasi Daerah Tertinggal di Indonesia Mohammad Wildan Nurul Haqqi; Abdul Kudus
Jurnal Riset Statistika Volume 6, No. 1, Juli 2026, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jrs.v6i1.10026

Abstract

Abstract. Regional disparities in development and economic conditions in Indonesia have led to the emergence of underdeveloped regions with socioeconomic characteristics that differ substantially from non-underdeveloped regions. This condition results in class imbalance, where the number of underdeveloped regions is relatively smaller, causing classification models to be biased toward the majority class. Support Vector Machine (SVM) is a classification method that performs well in high-dimensional data and is robust to feature correlation; however, its performance on imbalanced data is highly influenced by hyperparameter selection and threshold determination. This study aims to identify the best SVM model through hyperparameter optimization using Grid Search and to optimize the classification threshold using Youden’s Statistic on underdeveloped region status data defined in Presidential Regulation No. 63 of 2020. The results indicate that the best model is obtained using a linear kernel with C = 1 and an optimal threshold of −0.401. The application of this threshold increases the F1-score from 0.917 to 0.923 and reduces the number of false negatives to zero, indicating an improved ability of the model to detect the minority class, namely underdeveloped regions. These findings provide practical implications for supporting more targeted decision-making by the government in prioritizing development and interventions for underdeveloped areas. Abstrak. Ketimpangan pembangunan dan kondisi ekonomi antarwilayah di Indonesia menyebabkan adanya daerah tertinggal dengan karakteristik sosial ekonomi yang berbeda dibandingkan daerah tidak tertinggal. Kondisi tersebut menimbulkan permasalahan ketidakseimbangan kelas atau kategori, di mana jumlah daerah tertinggal relatif lebih sedikit sehingga model cenderung bias terhadap kelas mayoritas. Penelitian ini bertujuan untuk menentukan model SVM terbaik melalui optimasi hyperparameter menggunakan Grid Search serta mengoptimalkan threshold menggunakan Statistik Youden pada data status daerah tertinggal yang ditetapkan dalam Peraturan Presiden No. 63 Tahun 2020. Support Vector Machine (SVM) merupakan metode klasifikasi yang optimal pada data berdimensi tinggi dan robust terhadap korelasi antarfitur, namun kinerjanya pada data tidak seimbang sangat dipengaruhi oleh pemilihan hyperparameter dan penentuan threshold yang tepat. Hasil penelitian menunjukkan bahwa model SVM terbaik adalah kernel linear, C = 1, dan threshold optimal sebesar -0,401. Threshold optimal tersebut meningkatkan F1-Score dari 0,917 menjadi 0,923 serta menurunkan jumlah False Negative hingga nol, yang menunjukkan peningkatan kemampuan model dalam mendeteksi kelas minoritas atau daerah tertinggal. Temuan ini memberikan implikasi praktis dalam mendukung pengambilan keputusan yang lebih tepat sasaran bagi pemerintah dalam menentukan prioritas pembangunan dan intervensi pada daerah tertinggal.
Penerapan Support Vector Regression untuk Prediksi Indeks Harga Saham Gabungan (IHSG) di Indonesia Fanny Ahdasabilla; Fitri Amanah
Jurnal Riset Statistika Volume 6, No. 1, Juli 2026, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jrs.v6i1.10027

Abstract

Abstract. The Composite Stock Price Index (IHSG) is the main indicator of capital market performance in Indonesia and is influenced by macroeconomic factors such as inflation, interest rates, and exchange rates. The high volatility of the IHSG highlights the need for accurate prediction methods. This study aims to model and predict the IHSG using Support Vector Regression (SVR) with three types of kernels: linear, polynomial, and Radial Basis Function (RBF). The data used consist of monthly observations from January 2016 to September 2025, which underwent outlier detection and treatment, min-max scaling normalization, training and testing data partitioning, and optimal parameter selection using grid search. Model performance was evaluated using Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), and the coefficient of determination (R^2). The results indicate that the Radial Basis Function (RBF) kernel with optimal parameters C = 4, ε = 0,1, dan γ = 0,5 provides the best performance compared to the other kernels. The SVR model using the RBF kernel is able to produce accurate predictions and demonstrates good generalization ability on both training and testing data. These findings contribute to the advancement of machine learning-based forecasting methods in financial time series and provide valuable insights for investors and policymakers in making more informed decisions regarding investment strategies and capital market stability. Abstrak. Indeks Harga Saham Gabungan (IHSG) merupakan indikator utama kinerja pasar modal di Indonesia yang dipengaruhi oleh faktor makroekonomi, seperti inflasi, suku bunga, dan nilai tukar. Fluktuasi IHSG yang tinggi mendorong perlunya metode prediksi yang akurat. Penelitian ini bertujuan untuk memodelkan dan memprediksi IHSG menggunakan Support Vector Regression (SVR) dengan tiga jenis kernel, yaitu linear, polinomial, dan Radial Basis Function (RBF). Data yang digunakan adalah data bulanan periode Januari 2016 hingga September 2025, yang melalui tahapan deteksi dan penanganan outlier, normalisasi min-max scaling, pembagian data training dan testing, serta penentuan parameter optimal menggunakan grid search. Kinerja model dievaluasi menggunakan Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), dan koefisien determinasi (). Hasil penelitian menunjukkan bahwa kernel Radial Basis Function (RBF) dengan parameter optimal C = 4, ε = 0,1, dan γ = 0,5 menghasilkan performa terbaik dibandingkan kernel lainnya. Model SVR dengan menggunakan kernel RBF mampu memberikan hasil prediksi yang akurat serta memiliki kemampuan generalisasi yang baik pada data training dan testing. Temuan ini memberikan kontribusi dalam pengembangan metode prediksi berbasis machine learning pada data keuangan serta dapat menjadi referensi bagi investor dan pembuat kebijakan dalam mengambil keputusan yang lebih tepat terkait investasi dan stabilitas pasar modal.
Interpolasi Spasial Salinitas Air Sumur DKI Jakarta Menggunakan Trend Surface Analysis Dhimas Muhamad Fakhrian; Dwi Agustin Nuriani Sirodj
Jurnal Riset Statistika Volume 6, No. 1, Juli 2026, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jrs.v6i1.10028

Abstract

Abstract. Seawater intrusion into groundwater is a critical environmental issue in Jakarta. This is exacerbated by excessive groundwater extraction and land subsidence. Therefore, monitoring water quality in DKI Jakarta is crucial. However, due to limited monitoring points, the study used spatial interpolation to estimate values at unsampled locations. This study aims to map the spatial pattern of groundwater salinity in Jakarta using the Trend Surface Analysis (TSA) method. The research data consists of salinity values from 262 monitoring wells in 2024 obtained from the DKI Jakarta Water Resources Agency. TSA is used as a global interpolation method to model regional trends in salinity distribution. The results show that the Cubic Polynomial Model based on the Latitude variable is significantly able to explain spatial variations in salinity (R² = 34.05%). The resulting spatial map reveals a clear trend where the highest salinity levels are in the northern coastal areas (Penjaringan, Kamalmuara) and gradually decrease southward. This confirms the strong influence of seawater intrusion on groundwater quality in North Jakarta. Abstrak. Intrusi air laut pada air tanah merupakan isu lingkungan kritis di Jakarta. Hal ini diperparah oleh ekstraksi air tanah berlebih dan penurunan muka tanah. Oleh karena itu, pemantauan kualitas air di DKI Jakarta menjadi sangat penting. Namun, akibat adanya keterbatasan titik pantau maka penelitian dilakukan dengan menggunakan metode interpolasi spasial untuk menaksir nilai pada lokasi yang tidak tersampel. Penelitian ini bertujuan untuk memetakan pola spasial salinitas air tanah di Jakarta menggunakan metode Trend Surface Analysis (TSA). Data penelitian terdiri dari nilai salinitas dari 262 sumur pantau pada tahun 2024 yang diperoleh dari Dinas Sumber Daya Air DKI Jakarta. TSA digunakan sebagai metode interpolasi global untuk memodelkan tren regional distribusi salinitas. Hasil penelitian menunjukkan bahwa Model Polinomial kubik berdasarkan variabel Lintang secara signifikan mampu menjelaskan variasi spasial salinitas (R² = 34,05%). Peta spasial yang dihasilkan mengungkapkan tren tegas di mana tingkat salinitas tertinggi berada di wilayah pesisir utara (Penjaringan, Kamalmuara) dan menurun secara bertahap ke arah selatan. Hal ini mengonfirmasi kuatnya pengaruh intrusi air laut terhadap kualitas air tanah di Jakarta Utara.
Analisis Skor Evaluasi Kebijakan Daerah tentang Kota/Kabupaten Layak Anak di Kota Sukabumi Tahun 2024 Fadhilla Amanda Fattuwarisa; Muthia Nadhira Faladiba
Jurnal Riset Statistika Volume 6, No. 1, Juli 2026, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jrs.v6i1.10029

Abstract

Abstract. The Department of Women’s Empowerment, Child Protection, and Family Planning (DP3AKB) of West Java Province plays a strategic role in administering governmental affairs related to women’s empowerment, child protection, and population and family planning control. This study aims to analyze the differences in assessment results before and after verification and to examine the relationship between these two results. The study uses data from the Regional Policy Evaluation Scores on KLA in Sukabumi City in 2024, applying a quantitative approach through descriptive analysis and inferential analysis using contingency tables (crosstab) and the Chi-Square test. The results indicate a change in the distribution of assessment levels after the verification process, reflecting differences between pre- and post-verification results. Crosstab analysis reveals shifts in several assessment categories, while the Chi-Square test shows a Pearson Chi-Square value of 81.005 with a significance level of 0.000, indicating a statistically significant relationship between the two variables. These findings demonstrate that the verification process plays an important role in improving the accuracy, consistency, and validity of evaluation results. Therefore, this study contributes as a basis for policymakers to maintain and enhance the quality of the verification process in order to achieve more objective and standardized evaluation outcomes. Abstrak. Dinas Pemberdayaan Perempuan, Perlindungan Anak, dan Keluarga Berencana (DP3AKB) Provinsi Jawa Barat memiliki peran strategis dalam penyelenggaraan urusan pemerintahan di bidang pemberdayaan perempuan, perlindungan anak, serta pengendalian penduduk dan keluarga berencana. Tujuan penelitian ini adalah untuk menganalisis perbedaan hasil penilaian sebelum dan sesudah verifikasi serta menguji hubungan antara kedua hasil penilaian tersebut. Penelitian ini menggunakan data Skor Evaluasi Kebijakan Daerah tentang KLA di Kota Sukabumi Tahun 2024 dengan metode kuantitatif melalui analisis deskriptif dan analisis inferensial menggunakan tabel kontingensi (crosstab) serta uji Chi-Square. Hasil penelitian menunjukkan adanya perubahan distribusi pada level penilaian setelah proses verifikasi, yang mengindikasikan perbedaan hasil sebelum dan sesudah verifikasi. Analisis crosstab memperlihatkan adanya pergeseran kategori penilaian, sedangkan hasil uji Chi-Square menunjukkan nilai Pearson Chi-Square sebesar 81.005 dengan signifikansi 0.000, yang berarti terdapat hubungan yang signifikan antara kedua variabel. Temuan ini menunjukkan bahwa proses verifikasi memiliki peran penting dalam meningkatkan keakuratan, konsistensi, serta validitas hasil evaluasi. Oleh karena itu, penelitian ini memberikan kontribusi sebagai dasar pertimbangan bagi pemangku kebijakan dalam mempertahankan dan meningkatkan kualitas proses verifikasi guna menghasilkan evaluasi yang lebih objektif dan sesuai standar.
Pengendalian Harga Komoditas Pangan Menggunakan Diagram CUSUM Data Depth Mahalanobis Nadia Nur Azizah; Suwanda Suwanda
Jurnal Riset Statistika Volume 6, No. 1, Juli 2026, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jrs.v6i1.10071

Abstract

Abstract. Food commodity prices in Indonesia tend to fluctuate, influenced by imbalances between supply and demand, climate conditions, government policies, and market dynamics. This food price instability directly impacts inflation, public purchasing power, and national food security. Therefore, an effective price monitoring method capable of detecting changes early is needed. This study aims to monitor the price stability of nine major food commodities: medium-sized rice, chicken, beef, chicken eggs, shallots, garlic, red chilies, cayenne peppers, and granulated sugar from January 2019 to December 2024. The method used is the Mahalanobis Data Depth-based CUSUM control chart, which was chosen because it is robust to outliers and able to handle multivariate data that does not meet the assumption of normality. While CUSUM is effective in detecting small shifts cumulatively. The results show that cayenne pepper and red chilies have the highest average prices and fluctuations, while medium-sized rice and granulated sugar are relatively stable. The Mardia test indicates that the data is not multivariately normally distributed. The Mahalanobis CUSUM Data Depth control chart detected an out-of-control condition starting from the 17th period, namely May 2020. Abstrak. Harga komoditas pangan di Indonesia cenderung mengalami fluktuasi yang dipengaruhi oleh ketidakseimbangan antara permintaan dan penawaran, kondisi iklim, kebijakan pemerintah, serta dinamika pasar. Ketidakstabilan harga pangan tersebut berdampak langsung terhadap inflasi, daya beli masyarakat dan ketahanan pangan nasional, sehingga diperlukan metode pemantauan harga yang efektif dan mampu mendeteksi perubahan secara dini. Penelitian ini bertujuan untuk memantau kestabilan harga sembilan komoditas pangan utama, yaitu beras medium, daging ayam, daging sapi, telur ayam, bawang merah, bawang putih, cabai merah, cabai rawit, dan gula pasir pada periode Januari 2019 hingga Desember 2024. Metode yang digunakan adalah diagram kendali CUSUM berbasis Mahalanobis Data Depth, yang dipilih karena bersifat robust terhadap pencilan serta mampu menangani data multivariat yang tidak memenuhi asumsi normalitas, sementara CUSUM efektif dalam mendeteksi pergeseran kecil secara akumulatif. Hasil penelitian menunjukkan bahwa cabai rawit dan cabai merah memiliki rata-rata harga dan fluktuasi tertinggi, sedangkan beras medium dan gula pasir relatif stabil. Uji Mardia menunjukkan data tidak berdistribusi normal multivariat. Diagram kendali CUSUM Data Depth Mahalanobis mendeteksi kondisi tidak terkendali mulai periode ke-17, yaitu Mei 2020.

Page 12 of 12 | Total Record : 117

 8   9   10   11   12 

Filter by Year

2021 2026


Reset
Filter By Issues
All Issue Volume 6, No. 1, Juli 2026, Jurnal Riset Statistika (JRS) Volume 5, No. 2, Desember 2025, Jurnal Riset Statistika (JRS) Volume 5, No. 1, Juli 2025, Jurnal Riset Statistika (JRS) Volume 4, No. 2, Desember 2024, Jurnal Riset Statistika (JRS) Volume 4, No. 1, Juli 2024, Jurnal Riset Statistika (JRS) Volume 3, No. 2, Desember 2023, Jurnal Riset Statistika (JRS) Volume 3, No. 1, Juli 2023, Jurnal Riset Statistika (JRS) Volume 2, No. 2, Desember 2022, Jurnal Riset Statistika (JRS) Volume 2, No. 1, Juli 2022, Jurnal Riset Statistika (JRS) Volume 1, No. 2, Desember 2021, Jurnal Riset Statistika (JRS) Volume 1, No. 1, Juli 2021, Jurnal Riset Statistika (JRS) More Issue