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
3 Documents
Search results for
, issue
"Vol. 5 No. 1 (2025): Bandung Conference Series: Statistics"
:
3 Documents
clear
<![CDATA[Pengaruh Indeks Pembangunan Manusia (IPM) dan Laju Pertumbuhan Ekonomi terhadap Kemiskinan di Kabupaten Bandung Barat Tahun 2010-2022 ]]>
<![CDATA[10060120068, Nabilah Disya Arviani]]>;
<![CDATA[Suliadi]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 5 No. 1 (2025): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v5i1.15881
<![CDATA[Abstract. Poverty is a condition in which an individual or a group of individuals is unable to fulfill their basic rights to lead a decent life. A low Human Development Index (HDI) will result in low work productivity, consequently leading to lower income. Low income will increase the number of people living in poverty. Similarly, economic growth will increase the number of people living in poverty when there is income inequality that will benefit the wealthy compared to the poor. This study aims to find out the impact of the Human Development Index and the rate of economic growth on poverty in West Bandung Regency 2010-2022. The method used in this study is multiple linear regression analysis with the Human Development Index (HDI) and the economic growth rate as independent variables, and the percentage of the poor population as the dependent variable. Based on the study results, it was found that the Human Development Index (HDI) affects poverty in West Bandung Regency 2010-2022, while the economic growth rate does not affect poverty in West Bandung Regency 2010-2022. Where 91.4% of poverty can be explained by the Human Development Index (HDI) and the economic growth rate. Abstrak. Kemiskinan merupakan keadaan di mana seseorang atau sekelompok orang tidak dapat memenuhi hak-hak dasar mereka untuk menjalani kehidupan yang layak. Indeks Pembangunan Manusia (IPM) yang rendah akan mengakibatkan produktivitas kerja yang rendah sehingga perolehan pendapatan akan semakin rendah. Pendapatan yang rendah akan mengakibatkan naiknya jumlah penduduk miskin. Begitu pula dengan pertumbuhan ekonomi yang akan meningkatkan jumlah penduduk miskin ketika terjadi ketimpangan pendapatan yang akan menguntungkan penduduk kaya dibandingkan penduduk miskin. Penelitian ini dilakukan untuk mengetahui pengaruh indeks pembangunan manusia dan laju pertumbuhan ekonomi terhadap kemiskinan di Kabupaten Bandung Barat tahun 2010-2022. Metode yang digunakan dalam penelitian ini yaitu analisis regresi linier berganda dengan variabel independen yaitu Indeks Pembangunan Manusia (IPM) dan laju pertumbuhan ekonomi, serta variabel dependen yaitu persentase penduduk miskin. Berdasarkan hasil penelitian, diperoleh hasil bahwa Indeks Pembangunan Manusia (IPM) mempengaruhi kemiskinan di Kabupaten Bandung Barat pada tahun 2010-2022, sedangkan laju pertumbuhan ekonomi tidak mempengaruhi kemiskinan di Kabupaten Bandung Barat pada tahun 2010-2022. Di mana 91,4% kemiskinan dapat dijelaskan oleh Indeks Pembangunan Manusia (IPM) dan laju pertumbuhan ekonomi.]]>
<![CDATA[Pengelompokan Perangkat Daerah di Jawa Barat Berdasarkan Jenis Pajak Menggunakan Metode K-Medoids ]]>
<![CDATA[10060120027, Alma Zahra Sartono]]>;
<![CDATA[Abdul Kudus, M.Si., Ph.D.]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 5 No. 1 (2025): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v5i1.16792
<![CDATA[Abstract. The management of regional taxes is one of the critical aspects of increasing locally generated revenue (PAD) that supports regional development. In West Java, with a large and diverse number of regional agencies, an effective strategy is needed to understand the characteristics of each agency in terms of contributions and the types of taxes managed. One approach that can be utilized is grouping regional agencies based on tax types using cluster analysis. Among the many clustering algorithms available, the K-Medoids algorithm stands out due to its robustness against outliers. This method is considered highly suitable as tax data often contains extreme values that can influence clustering results. Based on the clustering analysis conducted, two clusters were formed: Cluster 1 consists of 1 regional agency, PD1, while Cluster 2 includes 37 regional agencies. The average value for each type of tax in Cluster 1 is higher than in Cluster 2, indicating that members of Cluster 1 are high-tax contributors, whereas members of Cluster 2 are low-tax contributors. Abstrak. Pengelolaan pajak daerah merupakan salah satu aspek penting dalam meningkatkan pendapatan asli daerah (PAD) yang mendukung pembangunan wilayah. Di Jawa Barat, dengan jumlah perangkat daerah yang tidak sedikit dan beragam, diperlukan strategi yang efektif untuk memahami karakteristik masing-masing perangkat daerah dalam hal kontribusi dan jenis pajak yang dikelola. Salah satu pendekatan yang dapat digunakan adalah pengelompokan perangkat daerah berdasarkan jenis pajak menggunakan analisis klaster. Dalam konteks pengelompokan perangkat daerah, di antara banyaknya algoritma analisis klaster, algoritma K-Medoids menarik perhatian karena sifatnya yang lebih tahan terhadap pencilan. Metode ini dirasa sangat cocok karena data pajak sering kali mengandung nilai ekstrim yang dapat memengaruhi hasil klasterisasi. Berdasarkan hasil pengelompokan yang telah dilakukan, diperoleh sebanyak 2 klaster dengan jumlah anggota klaster 1 sebanyak 1 perangkat daerah yaitu PD1 dan anggota klaster 2 sebanyak 37 perangkat daerah. Nilai rata-rata tiap jenis pajak pada klaster 1 lebih tinggi dibandingkan dengan klaster 2, sehingga dapat dikatakan bahwa anggota klaster 1 merupakan anggota klaster dengan tarikan pajak yang tinggi, sedangkan anggota klaster 2 merupakan anggota klaster dengan tarikan pajak yang rendah.]]>
<![CDATA[Penerapan Analisis Deret Waktu Arima dalam meramalkan Wisatawan Mancanegara Asal Malaysia Tahun 2024 ]]>
<![CDATA[10060117091, Rido Julistio]]>;
<![CDATA[Ilham Faishal Mahdy, S.Stat.,M.Stat]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 5 No. 1 (2025): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v5i1.18280
<![CDATA[Abstract. Forecasting is an activity aimed at predicting future events, covering short-term, medium-term, and long-term periods using time series data. Time series data refers to a collection of data arranged continuously over a specific period. Forecasting techniques in time series data analysis involve statistical modeling methods, including exponential smoothing, moving average, regression, and autoregressive integrated moving average (ARIMA). The ARIMA model is categorized into three groups: autoregressive (AR), moving average (MA), and the combined ARMA (autoregressive moving average) model, which incorporates characteristics of the first two models. Stationarity checks on data can be conducted using time series plots, the Augmented Dickey-Fuller (ADF) test, and the autocorrelation function (ACF) test. The Box-Cox transformation is applied when time series data exhibit non-stationarity in variance, requiring an assessment of stationarity issues through the ADF test and ACF test. Differencing is performed after the data achieve stationarity in variance. If the data remain non-stationary in the mean, further differencing is applied. International tourists are defined as individuals traveling to a country outside their place of residence. Using the Akaike Information Criterion (AIC) test, the best-fitting model was determined to be ARIMA (1,2,1) based on the smallest AIC value. This study concludes that the ARIMA time series analysis can be utilized to forecast the number of Malaysian international tourists in 2024. Abstrak. Peramalan adalah kegiatan untuk memprediksi kejadian yang akan datang yang meliputi jangka pendek, menengah dan panjang menggunakan data deret waktu. Data deret waktu merupakan kumpulan data yang disusun pada waktu tertentu secara terus menerus. Teknik peramalan analisis data deret waktu dengan model peramalan berdasarkan pemodelan statistik yaitu (exponential smoothing, moving average, regresi dan autoregressive integrated moving average (ARIMA)). Model ARIMA dibagi ke dalam 3 kelompok, yaitu: model autoregressive (AR), moving average (MA), dan model campuran ARMA (autoregresive moving average) yang mempunyai karakteristik dari dua model pertama. Pengecekan staioner data bisa dilakukan dengan plot time series, uji ADF dan uji ACF. Transformasi Box Cox digunakan ketika data deret waktunya mengandung masalah adanya ketidakstasioneran data dalam varians, sehiggga harus ada proses pemeriksaan masalah kestasioneran yang dapat diperiksa menggunakan statistik ADF dan uji ACF. Proses pembedaan (differencing) dilakukan setelah data stasioner dalam varians. Proses pembedaan dilakukan jika data tidak stasioner dalam rata- rata. wisatawan secara internasional yakni setiap orang yang mengunjungi suatu negara di luar tempat tinggalnya. Dengan menggunakan Uji AIC dengan nilai terkecil didapatkan model terbaik ARIMA (1, 2, 1). Berdasarkan penelitian ini diketahui bahwa Analisis Deret Waktu ARIMA dapat digunakan untuk melakukan peramalan jumlah wisatawan mancanegara asal Malaysia tahun 2024.]]>
