Bandung Conference Series: Statistics
Bandung Conference Series: Statistics (BCSS) menerbitkan artikel penelitian akademik tentang kajian teoritis dan terapan serta berfokus pada Statistika dengan ruang lingkup sebagai berikut: Alternating Least Square, Analisis Konjoin, Autoregressive, Auxiliary Variabel, Baby Birth, Block Maxima, Churn Distribusi Skellam, Cox Regression, Data spasial, DBD Ordinal Logistic Regression, Diagram kendali, Discrete Choice Experiment Method, Discrete Time Logistic, empirical likelihood, Fisher Scoring, Generalized Structured Component Analysis, Geographically Weighted Regression, GEV, GJR GARCH, Infant Mortality Preferensi, Insurance Claim, Kaplan-Meier, Kernel Bi-Square, Gaussian, Logistic Regression, Maternal Mortality, Mixed Geographically Weighted Regression Model GSTAR, MLE, Model ARIMAX, MSE. Multiple linear regression analysis, Nadaraya Watson, Newton Raphson Method, Nonparametrik Spline Confidence Interval, Optimasi Multi-Objek, orde Spasial, Outlier, Pareto Optimal, Partial Proportional Odds Model, Pemodelan Indeks Pembangunan Manusia. Penduga Rasio dan Produk Tipe Eksponensial, Peramalan, Poisson Bivariate Regression, Poisson Regression, Rata-rata Populasi berhingga, Regresi, Return Period Exogenous Variable, RMSE, Structural Equation Modeling, Survival Analysis, Threshold, Vibrasi Bearing, zero-inflated. Prosiding ini diterbitkan oleh UPT Publikasi Ilmiah Unisba. Artikel yang dikirimkan ke prosiding ini akan diproses secara online dan menggunakan double blind review minimal oleh dua orang mitra bebestari.
Articles
36 Documents
Search results for
, issue
"Vol. 4 No. 1 (2024): Bandung Conference Series: Statistics"
:
36 Documents
clear
<![CDATA[Pengelompokan Data Jenis Kejahatan di Indonesia Menggunakan Metode Agglomerative Hierarchical Clustering (AHC) pada Tahun 2021 ]]>
<![CDATA[Faustina Alifah Mardhiyah]]>;
<![CDATA[Herlina, Marizsa]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 4 No. 1 (2024): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v4i1.9740
<![CDATA[Abstract. The development of technology makes it easier for the public to receive information, one of which is news abour crimes tha are occurring. This causes public unrest because many lives have been lost so people feel unsafe. This research aims to make it easier for law enforcement and the public to anticipate criminal acts. To find out the results of these objectives, the Agglomerative Hierarchical Clustering (AHC) method is used, where grouping is caried out to determine crime-prone areas. The data source used is the result of publications issued by the Central Statistics Agency. The data used is data on the number of crimes in 2021 consisting of 34 regional police forces in Indonesia where the data used is carried out by simple imputation first using the average due to missing data. Based on the results of cluster analysis of single linkage, complete linkage, average linkage, ward’s method and centroid method, 2 clusters were obtained each. The results of the cluster analysis were compared eith the k-means method which esulted in the AHC method being the best mehod eith better index values compared to k-means. Abstrak. Berkembangnya teknologi memudahkan masyarakat dalam menerima informasi, salah satunya adalah pemberitaan mengenai tindakan kejahatan yang sedang terjadi. Hal tersebut membuat keresahan masyarakat dikarenakan banyaknya nyawa yang hilang sehingga masyarakat merasa tidak aman. Tujuan dari penelitian ini adalah untuk memudahkan penegak hukum dan masyarakat dalam melakukan antisipasi tindakan kejahatan. Untuk mengetahui hasil dari tujuan tersebut digunakanlah metode Agglomerative Hierarchical Clustering (AHC) dimana dilakukan pengelompokan dalam menentukan daerah rawan kejahatan. Sumber data yang digunakan merupakan hasil publikasi yang dikeluarkan oleh Badan Pusat Statistik. Data yang digunakan adalah data jumlah kejahatan tahun 2021 ynag terdiri dari 34 kepolisian daerah di Indonesia dimana data yang digunakan dilakukan imputasi sederhana terlebih dahulu menggunakan rata-rata dikarenakan adanya data missing. Berdasarkan hasil analisis cluster single linkage, complete linkage, average linkage, ward’s method dan centroid method masing-masing diperoleh 2 cluster. Hasil analisis cluster tersebut dibandingkan dengan metode k-means yang menghasilkan bahwa metode AHC merupakan metode terbaik dengan nilai indeks yang lebih baik dibandingkan dengan k-means.]]>
<![CDATA[Penerapan Algoritma Backpropagation Neural Network dalam Memprediksi Curah Hujan Harian Kota Bandung ]]>
<![CDATA[Shastia Diba Rahmawanti]]>;
<![CDATA[Marizsa Herlina]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 4 No. 1 (2024): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v4i1.9984
<![CDATA[Abstract. Rain is a common natural phenomenon that is very difficult to predict. Many factors can affect the occurrence of rain, ranging from temperature, humidity, sunlight intensity, and rainfall. Rainfall itself is a natural phenomenon that is the most important part for life on earth because when rainfall is categorized as high, it can cause disasters such as floods and other things. Therefore it is very important to do rainfall prediction in an area to anticipate disasters that will occur. In this research, daily rainfall prediction has been carried out using Artificial Neural Network (ANN) with Backpropagation approach method. The data used comes from the Bandung Metrology, Climatology and Geophysics Agency (BMKG) regarding temperature, humidity and daily rainfall from 2021-2023 (January 1 to March 28). This study aims to determine the best Artificial Neural Network architecture and also predict rainfall in Bandung City. From this study, it was found that the best architecture result was 10_32_1 using a learning rate of 0.01 with a MAPE value obtained of 0.537%. Thus it can be concluded that the backpropagation method can be used for daily rainfall prediction in Bandung City, where the results of rainfall prediction for the next 30 days state that there are 8 days of no rain where the highest rainfall intensity is on 04/26/2023 amounting to 0.537%. Abstrak. Hujan merupakan suatu fenomena alam yang umum terjadi namun sangat sulit untuk diprediksi. Banyak faktor yang dapat mempengaruhi terjadinya hujan, mulai dari suhu, kelembaban, intensitas sinar matahari, dan curah hujan. Curah hujan sendiri merupakan gejala alam yang menjadi bagian terpenting bagi kehidupan di bumi karena saat curah hujan dikategorikan tinggi, dapat menyebabkan bencana seperti banjir dan hal lainnya. Karena itu sangatlah penting untuk melalukukan prediksi curah hujan pada suatu daerah untuk pengantisipasian bencana yang akan terjadi. Pada penelitian ini telah dilakukan prediksi curah hujan harian menggunakan Artificial Neural Network (ANN) dengan metode pendekatan Backpropagation. Data yang digunakan berasal dari Badan Metrologi, Klimatalogi dan Geofisika (BMKG) Kota Bandung tentang suhu, kelembapan dan curah hujan harian dari tahun 2021-2023 (1 Januari sampai 28 Maret). Penelitian ini bertujuan untuk menentukan arsitektur Artificial Neural Network terbaik dan juga memprediksi curah hujan di Kota Bandung. Dari penelitian ini ditemukan hasil arsitektur terbaik yaitu 10_32_1 menggunakan learning rate 0.01 dengan niali MAPE yang didapat sebesar 0.537%. Dengan demikian dapat disimpulkan metode backpropagation dapat digunakan untuk prediksi curah hujan harian di Kota Bandung, dimana pada hasil prediksi curah hujan untuk 30 hari kedepan menyatakan terdapat 8 hari tidak terjadi hujan dimana intensitas curah hujan paling tinggi berada pada tanggal 26/04/2023 sebesar 32.9826.]]>
<![CDATA[Hubungan antara Inflasi, Jakarta Islamic Index (JII), dan Indeks Harga Saham Gabungan (IHSG) Menggunakan Metode Vector Error Correction Model (VECM) ]]>
<![CDATA[Farhan Dzul Fiqar]]>;
<![CDATA[Herlina, Marizsa]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 4 No. 1 (2024): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v4i1.10183
<![CDATA[Abstract. Stock indices are very important as a benchmark for capital market performance and investment products. The index that describes the performance of the capital market is the Jakarta Composite Index (IHSG). Apart from the IHSG, there is also a sharia-based stock price index. One of the sharia stock indexes is the Jakarta Islamic Index (JII). The stock price index is fluctuating, where the fluctuation can be influenced by internal factors, one of which is inflation. The Vector Autoregressive (VAR) method was introduced as an alternative model in macroeconomic analysis. The VAR method is a multivariate time series analysis for time series data that will be modeled stationary. If the data is not stationary, then the method used is the Vector Error Correction Model (VECM). With VECM (1) it can be seen that in inflation there is a long-term relationship that is positive. However, there is no short-term relationship. For the IHSG and JII variables, these two variables do not have a long-term or short-term relationship. Then the Impulse Response Function (IRF) results show that the response to the IHSG and JII variables for 12 months has a tendency to move steadily. The inflation variable response to the three variables tends to experience a positive trend. However, the inflation response to the IHSG and JII variables increased while the inflation variable decreased. Abstrak. Indeks saham adalah hal yang sangat penting sebagai tolak ukur kinerja pasar modal dan produk investasi. Indeks yang menggambarkan kinerja pasar modal adalah Indeks Harga Saham Gabungan (IHSG). Selain IHSG, ada pula indeks harga saham berbasis syariah. Salah satu indeks saham syariah adalah Jakarta Islamic Index (JII). Indeks harga saham bersifat fluktuatif, dimana fluktuasi tersebut dapat dipengaruhi oleh faktor internal, salah satunya inflasi. Metode Vector Autoregressive (VAR) dikenalkan sebagai model alternatif dalam analisis ekonomi makro. Metode VAR adalah analisis deret waktu multivariat untuk data deret waktu yang akan dimodelkan stasioner. Bila data tersebut tidak stasioner, maka metode yang digunakan adalah Vector Error Correction Model (VECM). Dengan VECM (1) dapat diketahui bahwa pada Inflasi terdapat hubungan jangka panjang yang bernilai positif. Akan tetapi, tidak terdapat hubungan jangka pendek. Untuk variabel IHSG dan JII, kedua variabel tersebut tidak memiliki hubungan jangka panjang serta jangka pendek. Kemudian hasil Impulse Response Function (IRF), menunjukkan bahwa untuk respon variabel IHSG dan JII selama 12 bulan memiliki kecenderungan bergerak stabil. Untuk respon variabel inflasi terhadap ketiga variabel cenderung mengalami trend positif. Akan tetapi respon inflasi terhadap variabel IHSG dan JII bergerak meningkat sedangkan terhadap variabel Inflasi menurun.]]>
<![CDATA[Penentuan Industri Unggulan Provinsi Papua dan Daya Saingnya di Tingkat Nasional Menggunakan Metode Lagrange dan Analisis Shift-Share ]]>
<![CDATA[Putriyanto, Jasmine Salsabila]]>;
<![CDATA[Yanti, Teti Sofia]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 4 No. 1 (2024): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v4i1.10228
<![CDATA[Abstract. The analysis of input output is an analysis based on economic outcomes in country or region, including examining the interconnection among economic sectors in country or region as whole, where it can depicted potential economic that contribute significant. Papua Province is one of the regions experiencing positive economic growth. The research will examine changes in the economic structure and identify priority sectors in the economic development of Papua Province using input-output analysis. Two analyses are employed: multiplier analysis, and shift-share analysis. When compared to the economic growth of each sector in Papua Province with that of Indonesia, as many as 9 economic sectors in Papua Province have competitive at the national level. Abstrak. Analisis input output merupakan analisis yang didasarkan pada hasil perekonomian di suatu negara atau wilayah, diantaranya dapat melihat keterkaitan antar sektor ekonomi di suatu negara atau wilayah secara keseluruhan sehingga dapat menggambarkan potensi sektor ekonomi yang memberikan kontribusi yang besar. Provinsi Papua merupakan salah satu wilayah dengan pertumbuhan ekonomi yang mengalami peningkatan positif. Dalam penelitian ini akan dilihat perubahan struktur perekonomian dan melihat sektor mana yang menjadi prioritas dalam pembangunan ekonomi di Provinsi Papua dengan menggunakan analisis input output. Terdapat dua analisis yang penulis gunakan yaitu analisis angka pengganda dan analisis shift-share. Jika dibandingkan dengan pertumbuhan ekonomi setiap sektor yang ada di Provinsi Papua dengan di Indonesia, maka sebanyak 9 sektor ekonomi Provinsi Papua mempunyai daya saing di tingkat nasional.]]>
<![CDATA[Penerapan Metode Robust Harmonic Mean – Standard Deviation Harmonic Mean (HM-SDHM) untuk Deteksi Pencilan dalam Data Lama Waktu sampai Keputusan Sidang di PTUN Bandung pada Tahun 2019-2021 ]]>
<![CDATA[10060116095, Abby Mory Pangestu]]>;
<![CDATA[Abdul Kudus]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 4 No. 1 (2024): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v4i1.10308
<![CDATA[Abstract. One important aspect for describing data distribution is the central value of the observation data. When conducting research, especially in analyzing a set of data, we often find outlier data. Outliers are observations that have values that are very far from the general value, or in other words, these observations are located far from the distribution of other data, so they have a negative effect on the results of drawing conclusions. The factors that cause this outlier data to appear are data input errors, sampling errors and so on. The existence of outliers can affect the central value of the data set. Therefore it is necessary to detect outliers. Of the several outlier detection methods that have been developed previously, in this research the robust Harmonic Mean - Standard Deviation Harmonic Mean (HM-SDHM) method will be used. This method was applied to data on the length of time until the trial decision at the Bandung State Administrative Court (PTUN) in 2019-2021. There are several sub-groups in the data on the length of time from daylight until the trial decision at PTUN Bandung in 2019-2021, namely: conventional sub-group, electronic sub-group, personnel sub-group, auction sub-group, licensing sub-group, land sub-group, and sub-group other. The application of the robust method (HM-SDHM) was carried out on all subgroups and produced several outlier data in each group. It was found that there were 34 outlier data in the overall data, 15 outlier data in the conventional data sub-group, 19 outlier data in the electronic data sub-group, 6 outlier data in the personnel data sub-group, no outlier data in the auction data sub-group, 1 outlier data in the licensing data sub-group, 13 outlier data in the land data sub-group, and 14 outlier data in the other data sub-group. Abstrak. Salah satu aspek yang penting untuk menggambarkan distribusi data adalah nilai pusat data pengamatan. Dalam melakukan penelitian khususnya dalam menganalisis sekumpulan data sering kali kita temukan data pencilan. Pencilan adalah pengamatan yang memiliki nilai yang sangat jauh dari nilai umumnya, atau dengan kata lain pengamatan tersebut terletak jauh dari sebaran data yang lainnya, sehingga berpengaruh buruk terhadap hasil penarikan kesimpulan. Faktor-faktor yang menyebabkan munculnya data pencilan ini yaitu pada kesalahan input data, kesalahan pengambilan sampel dan lain sebagainya. Keberadaan pencilan dapat mempengaruhi nilai pusat dari kumpulan data. Oleh karena itu perlu untuk mendeteksi pencilan. Dari beberapa metode deteksi pencilan yang telah dikembangkan sebelumnya, pada penelitian kali ini akan digunakan metode robust Harmonic Mean – Standard Deviation Harmonic Mean (HM-SDHM). Metode tersebut diterapkan pada data lama waktu sampai keputusan sidang di pengadilan tata usaha negara (PTUN) Bandung pada tahun 2019-2021. Terdapat beberapa sub kelompok pada data lama waktu siang sampai keptusan sidang di PTUN Bandung pada tahun 2019-2021, yaitu: sub kelompok konvensional, sub kelompok elektronik, sub kelompok kepegawaian, sub kelompok lelang, sub kelompok perizinan, sub kelompok pertanahan, dan sub kelompok lainnya. Penerapan metode robust (HM-SDHM) dilakukan terhadap semua sub kelompok dan menghasilkan beberapa data pencilan di setiap kelompoknya. Diperoleh bahwa ada 34 data pencilan pada data keseluruhan, 15 data pencilan pada sub kelompok data konvensional, 19 data pencilan pada sub kelompok data elektronik, 6 data pencilan pada sub kelompok data kepegawaian, tidak ada data pencilan pada sub kelompok data lelang, 1 data pencilan pada sub kelompok data perizinan, 13 data pencilan pada sub kelompok data pertanahan, dan 14 data pencilan pada sub kelompok data lainnya.]]>
<![CDATA[Penerapan Spatial Autoregressive Model (SAR) untuk Menentukan Faktor-Faktor Penyebab Kemiskinan di Jawa Barat ]]>
<![CDATA[10060118104, Muhammad Reinaldy Tifasi]]>;
<![CDATA[Marizsa Herlina]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 4 No. 1 (2024): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v4i1.10356
<![CDATA[Abstract. Spatial Autoregressive Model (SAR) is an approach model for spatial regression analysis. Spatial regression analysis is used to determine a relationship based on attribute information and location or geographic location information. The estimator of the SAR model uses the Maximum Likeli hood Estimation (MLE) method. The aim of this research is to model SAR spatial regression to determine the factors that influence the occurrence of poverty in West Java. To explain the spatial relationship between observation locations, a spatial weighting matrix based on neighborhood (contiguity) is used, namely the Queen Contiguity matrix. A total of 27 districts/cities were used as observation units with the dependent variable (Y) being the number of poverty cases from each district/city in West Java. The independent variables used are suspected factors related to poverty cases. The independent variables (X) are the average wage of formal workers, the percentage of the population without a diploma, the percentage of population health, the population, total expenditure per capita, the percentage of open unemployment rate, and the West Java UMR. The independent variables that have a significant effect on the number of poverty cases in West Java based on the SAR model are the percentage of the population without a diploma, the amount of expenditure per capita, and the percentage of open unemployment. Abstrak. Spatial Autoregressive Model (SAR) merupakan model pendekatan dari analisis regresi spasial. Analisis regresi spasial digunakan untuk mengetahui suatu hubungan berdasarkan informasi atribut dan informasi lokasi atau letak geografis. Penduga dari model SAR menggunakan metode penduga kemungkinan maksimum atau Maximum Likelihood Estimation (MLE). Tujuan dari penelitian ini adalah memodelkan regresi spasial SAR untuk mengetahui faktor-faktor yang mempengaruhi terjadinya kemiskinan di Jawa Barat. Untuk menjelaskan hubungan spasial antar lokasi pengamatan digunakan matriks pembobot spasial berdasarkam ketetanggaan (contiguity) yaitu matriks Queen Contiguity. Sebanyak 27 kabupaten/kota digunakan sebagai unit pengamatan dengan variabel dependennya (Y) adalah jumlah kasus kemiskinan dari setiap kabupaten/kota di Jawa Barat. Variabel independen yang digunakan merupakan faktor dugaan yang berhubungan dengan kasus kemiskinan. Variabel independennya (X) yaitu rata-rata upah pekerja formal, persentase penduduk tidak memiliki ijazah, persentase kesehatan penduduk, jumlah penduduk, jumlah pengeluaran per kapita, persentase tingkat pengangguran terbuka, dan UMR Jawa Barat. Variabel independen yang berpengaruh signifikan terhadap jumlah kasus kemiskinan di Jawa Barat berdasarkan model SAR, yaitu variabel persentase penduduk tidak memiliki ijazah, jumlah pengeluaran per kapita, dan persentase tingkat pengangguran terbuka.]]>
<![CDATA[Pemodelan Degradasi Bearing Menggunakan Proses Wiener ]]>
<![CDATA[10060119122, Jelita Ardilla]]>;
<![CDATA[Darwis, Sutawanir]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 4 No. 1 (2024): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v4i1.10392
<![CDATA[Abstract. Bearing are important driving parts in mechanical systems. Therefore, degradation modeling can predict future performance declines. Degradation modeling is a nonlinear pattern, some of the models are the gamma process and the Wiener process. This research aims to model bearing degradation using the Wiener process. The data used is bearing data set 1_1 from XJTU-SY. By carrying out a distribution fit test, the features used are the peak value features in the horizontal and vertical directions. Parameter estimation using the MLE method produces parameter estimates and , for the peak values in the horizontal direction and vertical . Degradation modeling, namely carrying out the equation with being tested 2 times. Modeling accuracy can be seen through the best MAPE, value, namely 21%. The accuracy of is better than . This proves that the Wiener process is random, so the accuracy of the Wiener process simulation for predicting degradation models will vary. Abstrak. Bearing adalah bagian penggerak yang penting dalam sistem mekanis. Maka dari itu pemodelan degradasi dapat memprediksi penurunan kinerja di masa depan. Pemodelan degradasi merupakan pola nonlinear, beberapa modelnya yaitu proses gamma dan proses Wiener. Penelitian ini bertujuan melakukan pemodelan degradasi bearing menggunakan proses Wiener. Data yang digunakan yaitu data set bearing 1_1 dari XJTU-SY. Dengan melakukan uji kecocokan distribusi diperoleh fitur yang digunakan yaitu fitur nilai puncak arah horizontal dan vertikal. Estimasi parameter dengan metode MLE menghasilkan taksiran parameter dan , untuk nilai puncak arah horizontal dan vertikal . Pemodelan degradasi yaitu melakukan persamaan dengan dilakukan pengujian 2 kali. Akurasi pemodelan dilihat melalui nilai MAPE, yang paling baik yaitu 21%. Keakurasian lebih baik dibanding . Hal ini membuktikan proses Wiener bersifat acak, maka akurasi simulasi proses Wiener untuk prediksi model degradasi akan berbeda-beda.]]>
<![CDATA[Peramalan Jumlah Penumpang Kereta Api di Pulau Jawa Menggunakan Model BATS dan Model TBATS ]]>
<![CDATA[10060119113, Fitria Nurjanah]]>;
<![CDATA[Herlina, Marizsa]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 4 No. 1 (2024): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v4i1.10395
<![CDATA[Abstract. Time series forecasting aims to find patterns in historical data series and extrapolate these patterns into the future. The success of a forecast depends on the use of forecasting methods, which must be adapted to the available data. Time series data that contains several seasonalities or has a dual-calendar effect is called data with complex seasonality, but not all forecasting methods can handle seasonal complexity. The methods that are able to handle seasonal complexity are the BATS (Box-Cox transform, ARMA errors, Trend, and Seasonal components) and TBATS (Trigonometric, Box-Cox transform, ARMA errors, Trend, and Seasonal components) models. Based on the results of the analysis carried out, it was found that the BATS model was better at predicting the number of train passengers on the island of Java compared to the TBATS model, as evidenced by the AIC value of 4318,364 and the RMSE of 1875,887 which were smaller than the AIC and RMSE values of the TBATS model. The results of forecasting using the BATS model showed that the highest number of train passengers was in December, namely 31,107,740 people and the lowest was in February 27,959,460 people. Abstrak. Peramalan deret waktu bertujuan untuk menemukan pola dalam deret data historis dan mengekstrapolasikan pola tersebut ke masa depan. Keberhasilan suatu peramalan bergantung pada penggunaan metode peramalan yang harus disesuaikan dengan data yang tersedia. Data deret waktu yang mengandung beberapa musiman atau terdapat efek dual-calendar disebut data dengan musiman yang kompleks, namun tidak semua metode peramalan dapat menangani kompleksitas musiman. Adapun metode yang mampu menangani kompleksitas musiman adalah model BATS (Box-Cox transform, ARMA errors, Trend, and Seasonal components) dan TBATS (Trigonometric, Box-Cox transform, ARMA errors, Trend, and Seasonal components). Berdasarkan hasil analisis yang dilakukan didapati hasil bahwa model BATS lebih baik dalam meramalkan jumlah penumpang kereta api di pulau jawa dibandingkan dengan model TBATS dibuktikan dengan nilai AIC sebesar 4318.364 dan RMSE sebesar 1875.887 yang lebih kecil dibandingkan dengan nilai AIC dan RMSE dari model TBATS. Adapun hasil peramalan menggunakan model BATS didapat bahwa jumlah penumpang kereta api tertinggi adalah pada bulan Desember yaitu sebanyak 31.107.740 orang dan terendah pada bulan Februari 27.959.460 orang.]]>
<![CDATA[Pengaruh Pembiayaan Bagi Hasil (Mudharabah dan Musyarakah) pada Total Aset Bank Central Asia Syariah dengan Metode Error Correction Model (ECM) ]]>
<![CDATA[10060119044, Aldy Virgiawan]]>;
<![CDATA[Herlina, Marizsa]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 4 No. 1 (2024): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v4i1.10418
<![CDATA[Abstract. Econometrics is a modeling approach that explains the relationship between economic measurements to understand the impact of price values on the demand for goods. This model is a combination of several applied sciences such as economic theory, mathematics, and inferential statistics. In econometrics, one of the methods used is the Error Correction Model (ECM), which aims to depict the relationship between analyzed variables, revealing phenomena in both the long and short term and seeking solutions in the presence of non-stationary data to achieve equilibrium. In its application, this method is employed in various economic aspects, including the calculation of the total assets of banks, both conventional and Sharia. Sharia banks emerged in Indonesia in 1983 with the goal of implementing the profit-sharing concept in their lending activities. With the rapid growth of the Sharia banking industry, PT. Bank Central Asia Tbk (BCA) acquired PT Bank Utama Internasional Bank (UIB), transforming it into PT. Bank BCA Syariah in 2009, which began operating the following year under Sharia principles. The purpose of this research is to examine the influence of profit-sharing (mudharabah and musyarakah) on the total assets of Bank BCA Syariah using the Error Correction Model (ECM). The study, based on monthly data from January 2015 to March 2019 from the Bank BCA Syariah website, reveals that in the long-term model, both mudharabah and musyarakah variables have a significant impact on total assets. However, in the short-term ECM model, the mudharabah variable shows no significant effect, while musyarakah significantly influences total assets. Abstrak. Ekonometrika adalah model yang menjelaskan hubungan dari pengukuran ekonomi untuk melihat pengaruh nilai harga pada sejumlah permintaan barang untuk mengetahui pengaruh nilai harga pada permintaan barang tersebut. Model ini gabungan dari beberapa ilmu terapan seperti ilmu teori ekonomi, matematika, dan statistik inferensial. Dalam pengerjaan ekonometrika salah satunya menggunakan metode Error Correction Model (ECM), bertujuan untuk menggambarkan adanya hubungan dari beberapa variabel yang dianalisis untuk diketahuinya fenomena pada jangka panjang dan jangka pendek serta mencari solusi bila adanya data yang tidak stasioner untuk mencapai keseimbangan. Dalam penggunaannya, metode ini digunakan berbagai aspek perekonomian, seperti perhitungan nilai total aset bank konvesional hingga syariah. Bank syariah hadir di Indonesia pada tahun 1983 yang bertujuan terbentuknya konsep “bagi hasil” bank pada pengkreditannya. Seiring pesatnya industri bank syariah, PT. Bank Central Asia Tbk (BCA) melakukan akuisisi pada salah satu bank yaitu PT Bank Utama Internasional Bank (UIB) yang diubah menjadi PT. Bank BCA Syariah pada tahun 2009 serta beroperasional ditahun berikutnya dengan sistem syariah. Tujuan dari penelitian ini untuk melihat pengaruh bagi hasil (mudharabah dan musyarakah) terhadap total aset Bank BCA Syariah dengan metode Error Correction Model (ECM), pada penelitian ini menggunakan data bulanan dari Januari 2015 hingga Maret 2019 bersumber pada situs Bank BCA Syariah. Maka, penelitian ini untuk model jangka panjang pada variabel mudharabah dan musyarakah memiliki pengaruh signifikan terhadap total aset, berbeda model ECM atau model jangka pendek bahwa variabel mudharabah tidak pengaruh signifikan sedangkan musyarakah berpengaruh signifikan terhadap total aset.]]>
<![CDATA[Diagram Kendali Wilcoxon Triple Exponential Weighted Moving Average dengan IMFIR dalam Pengendalian Kualitas Produksi Celana PT. XYZ ]]>
<![CDATA[10060119138, Irsan Arisandi]]>;
<![CDATA[Suliadi]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 4 No. 1 (2024): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v4i1.10448
<![CDATA[Abstract. Control diagrams are Statistical Process Control which are used to control the production process. In the case of control charts, there are parametric and non-parametric control charts. One of the SPCs is the EWMA control chart which is capable of detecting small shifts, assuming the data is normally distributed. Then the Wilcoxon EWMA nonparametric control diagram was proposed which can detect small shifts with data that is not normally distributed, then W EWMA was developed into Wilcoxon TEWMA so that it can detect smaller shifts by carrying out the shifting process three times. Control charts have a common problem, namely that shifts at the beginning of time are not quickly detected. To overcome this weakness, Fast Initial Response was implemented to increase sensitivity in the initial period, Letshedi et al. (2021) proposed this feature by developing FIR, becoming IMFIR which is able to produce better out of control performance than the previous feature. In this research, we apply the W TEWMA control chart with IMFIR to the waist circumference data of PT cargo pants production. XYZ. The results of the nonparametric Shewhart control diagram in phase I showed that there were no observation points that were outside the control limits. Next, in phase II, using the W TEWMA IMFIR control diagram with the values λ=0.5, L=2.937, f=0.5 and a=0.3, the W TEWMA control diagram with IMFIR is statistically uncontrolled. Abstrak. Diagram kendali merupakan Statistic Process Control yang digunakan untuk mengontrol proses produksi. Pada kasus diagram kendali terdapat diagram kendali parametrik dan nonparametrik, Salah satu SPC yaitu diagram kendali EWMA yang mampu mendeteksi pergeseran yang kecil, dengan asumsi data berdistribusi normal. Kemudian diusulkanlah diagram kendali nonparametrik Wilcoxon EWMA yang dapat mendeteksi pergeseran kecil dengan data yang tidak berdistribusi normal, lalu W EWMA dikembangkan menjadi Wilcoxon TEWMA sehingga dapat mendeteksi pergeseran lebih kecil dengan melakukan proses pergeseran sebanyak tiga kali. Diagram kendali memiliki permasalahan umum yaitu pergeseran pada awal waktu tidak cepat terdeteksi. Untuk mengatasi kelemahan tersebut, diterapkanlah Fast Initial Response untuk meningkatkan kepekaan pada periode awal, Letshedi et al. (2021) mengusulkan fitur ini dengan mengembangkan FIR, menjadi IMFIR yang mampu menghasilkan kinerja out of control lebih baik dari fitur yang sebelumnya. Dalam penelitian ini menerapkan diagram kendali W TEWMA dengan IMFIR pada data panjang lingkar pinggang produksi celana cargo PT. XYZ. Hasil diagram kendali Shewhart nonparametrik pada fase I, diperoleh bahwa tidak ada titik pengamatan yang berada diluar batas kendali. Selanjutnya pada fase II, menggunakan diagram kendali W TEWMA IMFIR dengan nilai , , dan diperoleh diagram kendali W TEWMA dengan IMFIR tidak terkendali secara statistik.]]>
