cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Unang arifin
Contact Email
bcss@unisba.ac.id
Phone
+6282121749429
Journal Mail Official
bcss@unisba.ac.id
Editorial Address
UPT Publikasi Ilmiah, Universitas Islam Bandung. Jl. Tamansari No. 20, Bandung 40116, Indonesia, Tlp +62 22 420 3368, +62 22 426 3895 ext. 6891
Location
Kota bandung,
Jawa barat
INDONESIA
Bandung Conference Series: Statistics
Published by Universitas Islam Bandung
ISSN : -     EISSN : 2828206X     DOI : https://doi.org/10.29313/bcss.v2i2
Core Subject : Science, Education,
Decision Sciences, Operations Research & Management Education Mathematics
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.
Arjuna Subject : Matematika - Statistik dan Probabilitas
Articles 279 Documents
 11   12   13   14   15 
Analisis Pengaruh Bullying terhadap Kepercayaan Diri Mahasiswa Fakultas Mipa Universitas Islam Bandung Angkatan 2019 Avin Rahmadian; Aceng Komarudin Mutaqin
Bandung Conference Series: Statistics Vol. 3 No. 2 (2023): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v3i2.8204

Abstract

Abstract. Bullying is an act of using power to hurt a person or group of people verbally, physically or psychologically so that the victim feels depressed, traumatized and helpless. In addition, bullying does affect an individual's self-confidence and interferes with the happiness of the subject or victim concerned. This study aims to determine whether there is an effect of bullying on the self-confidence of statistics students of the 2019 Islamic University of Bandung. The research method used is descriptive quantitative using a Likert scale and the number of samples taken is 100 respondents from Faculty of Mathematics and Natural Sciences Unisba class of 2019. The analysis technique used is regression analysis where the research results are significant regression coefficients or it can be said that bullying has a significant effect on Confidence of students of the Faculty of Mathematics and Natural Sciences, Bandung Islamic University class of 2019. Abstrak. Bullying adalah tindakan penggunaan kekuasaan untuk menyakiti seseorang atau sekelompok orang baik secara verbal, fisik maupun psikologis sehingga korban merasa tertekan, trauma dan tak berdaya. Selain itu bullying memang mempengaruhi kepercayaan diri seorang individu dan mengganggu kebahagiaan dari subjek atau korban yang bersangkutan. Penelitian ini bertujuan untuk mengetahui apakah terdapat pengaruh bullying terhadap kepercayaan diri mahasiswa statistika Angkatan 2019 Universitas Islam Bandung. Metode penelitian yang digunakan yaitu deskriptif kuantitatif dengan menggunakan skala likert dan jumlah sampel yang diambil yaitu sebanyak 100 responden dari Mahasiswa Fakultas FMIPA Unisba angkatan 2019. Teknis analisis yang digunakan yaitu analisis regresi dimana hasil penelitiannya yaitu koefisien regresi signifikan atau dapat dikatakan Bullying berpengaruh secara signifikan terhadap Kepercayaan diri Mahasiswa Fakultas MIPA Universitas Islam Bandung angkatan 2019.
Penerapan Model Regresi Log-Binomial untuk Menduga Risiko Relatif Kemacetan Kredit Berdasarkan Karakteristik Debitur Risma Nur Ismayani; Abdul Kudus
Bandung Conference Series: Statistics Vol. 3 No. 2 (2023): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v3i2.8215

Abstract

Abstract. Relative risk is the ratio of odds between binary exposures or the ratio of odds between the exposed and unexposed groups. The concept of relative risk is often introduced in a simple way, using a 2 x 2 cross tabulation of binary exposure and binary outcome. Then go further with the use of regression to estimate relative risk. A log-binomial regression model has been recommended which can directly estimate relative risk. The data used is data on credit debtors for Bhakti to determine the ratio of the risk of credit default based on the characteristics of the debtor using a log-binomial regression model. The results of this study obtained a log-binomial regression model is π = (-1,1032640 -0,6335250x1 + 1,0977941x2 - 0,3544660x3 - 1,2765607x4 + 1,7367890x5 + 1,0244938x6). The relative risk outcomes using the log-binomial regression model based on significant interval estimates were the number of dependents (RR=3.00; 95%Cl 1.68-5.36), employment status ( RR=0.28; 95%Cl 0.16-0.48), debtor type (RR =5.68; 95%Cl 3.47-9.31) and length of working (RR =2.79; 95%Cl 1.46-5.33) meaning that if the number of group members compared is the same, then, 1) in the group of dependents ≤ 2 people there are 300 debtors who experience credit missed payment, while in the group of dependents > 2 there are only 100 debtors who are in missed payment, 2) in the group of permanent employees there are 28 who are in missed payment, while in the CPNS group there are 100 who are in missed payment, 3) in the group of new debtors there are 568 who are in missed payment, while in the group of repeat debtors there are only 100 debtors who are in missed payment, and 4 ) in the group of debtors who worked ≤ 2 years there were 279 missed payment, while those who had worked > 2 years there were 100 missed payment debtors. Abstrak. Risiko relatif adalah perbandingan peluang antara paparan biner atau perbandingan peluang antara kelompok yang terpapar dan kelompok yang tidak terpapar. Konsep risiko relatif sering kali diperkenalkan dengan menggunakan cara yang sederhana yaitu menggunakan tabulasi silang dari paparan biner dan hasil biner. Lalu lebih lanjut lagi dengan menggunakan penggunaan dari regresi untuk menduga risiko relatif. Model regresi log-binomial telah direkomendasikan yang secara langsung dapat menduga risiko relatif. Data yang digunakan adalah data debitur kredit Guna Bhakti untuk mengetahui perbandingan risiko kemacetan kredit berdasarkan karakteristik debitur menggunakan model regresi log-binomial. Adapun hasil penelitian ini diperoleh model regresi log-binomial yaitu π = (-1,1032640 -0,6335250x1 + 1,0977941x2 - 0,3544660x3 - 1,2765607x4 + 1,7367890x5 + 1,0244938x6). Hasil risiko relatif menggunakan model regresi log-binomial berdasarkan taksiran interval yang signifikan adalah jumlah tanggungan (RR =3,00 ; 95%Cl 1,68-5,36), status kepegawaian ( RR=0,28; 95%Cl 0,16-0,48), tipe debitur ( RR=5,68; 95%Cl 3,47-9,31) dan lama kerja ( RR=2,79; 95%Cl 1,46-5,33) artinya jika jumlah anggota kelompok yang dibandingkan besarnya sama maka, 1) pada kelompok jumlah tanggungan ≤ 2 orang terdapat 300 debitur yang mengalami kemacetan kredit, sedangkan pada kelompok jumlah tanggungan > 2 hanya ada 100 debitur yang macet, 2) pada kelompok pegawai tetap terdapat 28 yang macet, sedangkan pada kelompok CPNS terdapat 100 yang macet, 3) pada kelompok debitur baru terdapat 568 yang macet, sedangkan pada kelompok debitur yang mengulang hanya terdapat 100 debitur yang macet, dan 4) pada kelompok debitur yang bekerja ≤ 2 tahun terdapat 279 yang macet, sedangkan yang sudah bekerja > 2 tahun terdapat 100 debitur yang macet.
Penerapan Model Regresi Zero-One Inflated Beta (BEINF) pada Proporsi Pemain Sepak Bola yang dimainkan dalam Satu Musim Rida Faridah; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 3 No. 2 (2023): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v3i2.8223

Abstract

Abstract. Linear regression is usually used to model the relationship between a dependent variable and one or more independent variables where the response is continuous and normally distributed. However, if the assumption of normality of the response is not met, and the estimation for the linear regression model is not accurate, then zero-one inflated beta (BEINF) regression is an alternative method to model the relationship between the response variable and predictors where the response is a mixture of beta distribution and bernouli distribution. The results of this research are that there are several factors that affect the response variable, namely the BMI variable (X1), Forty Yard Run (X2), Vertical Jump (X3), Wide Jump (X4) and for predicting the chances of soccer players it can be said that, in the model 0 < Y < 1 the chance that a soccer player will be chosen to play in the match is equal to =0.4514 times more than before assuming the value of the other predictor variables is fixed. In the Y = 1 model, the chance that a soccer player will be chosen to play in the match increases by f(y=1)= 0.2086 times compared to before assuming the value of the other predictor variables remains constant. In the Y = 0 model, the chance that a soccer player will not be chosen to play in the match increases by f(y=0)=0,7576 times compared to before, assuming the values of the other predictor variables remain constant. Abstrak. Regresi linier biasanya digunakan untuk memodelkan hubungan antara variabel dependen dengan satu atau lebih variabel independen yang dimana respon bersifat kontinu dan berdistribusi normal. Namun apabila asumsi normalitas respon tidak terpenuhi, dan estimasi untuk model regresi linier tidak akurat, maka regresi zero-one inflated beta (BEINF) adalah metode alternatif untuk memodelkan hubungan antara variabel respon dan prediktor dimana respon berdistribusi campuran antara distribusi beta dan distribusi bernouli. Hasil dari penelitan ini adalah terdapat beberapa faktor yang mempengaruhi variabel respon yaitu variabel BMI (X1), Lari Empat Puluh Yard (X2), Lompat Vertikal (X3), Lompat Lebar (X4) dan untuk prediksi peluang pemain sepak bola dapat dikatakan bahwa, pada model 0 < Y < 1 peluang pemain sepak bola akan dipilih untuk bermain di pertandingan adalah sebesar =0.4514 kali lipat dibanding sebelumnya dengan asumsi nilai variabel prediktor lain tetap. Pada model Y = 1 peluang pemain sepak bola akan dipilih untuk bermain di pertandingan meningkat sebesar f(y=1)= 0.2086 kali lipat dibanding sebelumnya dengan asumsi nilai variabel prediktor lain tetap. Pada model Y = 0 peluang pemain sepak bola tidak akan dipilih untuk bermain di pertandingan meningkat sebesar f(y=0)=0,7576 kali lipat dibanding sebelumnya dengan asumsi nilai variabel prediktor lain tetap.
Regresi Logistik Dua Level Respon Biner untuk Pemodelan Data Status Kelulusan Mata Kuliah Statistika Mahasiswa Fakultas X, Y dan Z Universitas Islam Bandung Angkatan 2019 Alma Mariana Sofiah; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 3 No. 2 (2023): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v3i2.8228

Abstract

Abstract. Two-level binary logistic regression is a multilevel analysis used to analyze data that has a two-level hierarchical structure with binary response data. Hierarchical data structure is data with observation units nested in higher units. Two-level regression is the simplest multilevel model where the first level is individual data and the second level is group data. In this study, we will discuss the use of two-level binary logistic regression on data on the Passing Status of Statistics Courses of Bandung Islamic University Students Class of 2019. The data used is secondary data obtained from PSITEK Bandung Islamic University, with a total data of 1173 students nested into 3 groups (Faculty). The research variable in this study is the status of passing the statistics course as the dependent variable (Y), with two categories, namely 0 for students who do not pass and 1 for students who pass, as well as gender, regional origin and GPA as predictor variables (X) at level 1 and science clumps as predictor variables (Z) at level 2. The parameter estimator is carried out using the Maximum Likelihood via Quadrature method. Based on the results of the application of 2-level binary logistic regression, the factors that influence the response are the variables of regional origin and GPA (level 1/student) and clumps of knowledge (level 2/Faculty). Abstrak. Regresi logistik biner dua-level merupakan analisis multilevel yang digunakan untuk menganalisis data yang mempunyai struktur hirarki dua level dengan data respon biner. Struktur data hirarki adalah data dengan unit-unit observasi yang bersarang pada unit yang lebih tinggi. Regresi dua-level merupakan model multilevel yang paling sederhana dimana level kesatu data individu dan level kedua data kelompok. Dalam penelitian ini, akan membahas penggunaan regresi logistik biner dua level pada data Status Kelulusan Mata Kuliah Statistika Mahasiswa Universitas Islam Bandung Angkatan 2019. Data yang digunakan adalah data sekunder yang diperoleh dari PSITEK Universitas Islam Bandung, dengan total data sebanyak 1173 mahasiswa yang tersarang kedalam 3 kelompok (Fakultas). Variabel penelitian dalam penelitian ini adalah status lulus mata kuliah statistika sebagai variabel dependen (Y), dengan dua kategori yaitu 0 untuk mahasiswa yang tidak lulus dan 1 untuk mahasiswa yang lulus, serta jenis kelamin, asal daerah dan IPK sebagai variabel prediktor (X) pada level 1 dan rumpun ilmu sebagai variabel prediktor (Z) pada level 2. Penaksir parameter dilakukan menggunakan metode Maximum Likelihood via Quadrature. Berdasarkan hasil penerapan regresi logistik biner 2-level menyatakan bahwa fakor-faktor yang mempengaruhi respon adalah variabel asal daerah dan IPK (level 1/mahasiswa) dan rumpun ilmu (level 2/Fakultas).
Pengaruh Infrastruktur dan Inovasi Hybrid Learning terhadap Kepuasan Mahasiswa Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Islam Bandung Angkatan 2020-2021 M Dziqri Nur Rohiim; Aceng Komarudin Mutaqin
Bandung Conference Series: Statistics Vol. 3 No. 2 (2023): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v3i2.8236

Abstract

Abstract. The COVID-19 pandemic has an impact on all aspects of the world, including education in Indonesia. The Indonesian government together with the Ministry of Education and Culture then decides to implement a limited Face-to-Face Learning, namely Hybrid Learning. This makes University of Islam Bandung carry out Limited Face-to-Face Learnig for the even semester of the 2021/2022 academic year, the learning applied is hybrid, online, and offline. This certainly affects the satisfaction of students who are taking Hybrid Learning for the first time. Therefore, the researcher wants to examine the “Effect of Hybrid Learning Infrastructure and Innovation on Student Satisfaction of the Faculity of Mathematics and Science University of Islam Bandung Class of 2020-2021”. The population of this research is FMIPA student class 2020-2021 with a sample of 100 students. The analysis technique in this study is Multiple Linear Regression Analysis by testing several classical intruments and assumptions. Based on the results of the study, it can be concluded that infrastructure has no significant effect on satisfaction, innovation does have a significant effect on satisfaction. Obtained a value of 14,1% diversity of satisfaction can be explained by infrastructure and innovation. Meanwhile (100% - 14,1% = 86,9%) the rest is explained by other reasons outside the model. Abstrak. Pandemi COVID-19 berdampak terhadap segala aspek di dunia, termasuk pada pendidikan di Indonesia. Pemerintah Indonesia bersama dengan Kementrian Pendidikan dan Kebudayaan kemudian memutuskan untuk menerapkan PTM terbatas, yaitu Hybrid Learning. Hal itu membuat Unversitas Islam Bandung melaksanakan Pembelajaran Tatap Muka Terbatas untuk semester genap tahun ajaran 2021/2022, pembelajaran yang diterapkan yaitu hybrid, daring, dan luring. Hal ini tentunya berpengaruh terhadap kepuasan mahasiswa yang baru pertama kali mengikuti Hybrid Learning. Maka dari itu, peneliti ingin meneliti mengenai “Pengaruh Infrastruktur dan Inovasi Hybrid Learning terhadap Kepuasan Mahasiswa Fakultas MIPA Unisba Angkatan 2020-2021”. Populasi penelitian ini adalah mahasiswa FMIPA angkatan 2020-2021 dengan sampel sebanyak 97 mahasiswa. Teknik analisis dalam penelitian ini adalah Analisis Regresi Linear Berganda dengan menguji beberapa uji Instrumen dan Asumsi Klasik. Berdasarkan hasil penelitian, dapat disimpulkan bahwa infrastruktur tidak berpengaruh secara signifikan terhadap kepuasan, inovasi benar-benar berpengaruh secara signifikan terhadap Kepuasan. Didapat nilai 14,1% keragaman kepuasan dapat dijelaskan oleh infrastruktur dan inovasi. Sedangkan (100% - 14,1% = 86,9%) sisanya dijelaskan oleh sebab-sebab lain di luar model.
Penerapan Diagram Kendali EWMA (Exponentially Weighted Moving Average) Berbasis Pearson Residual pada Data Jumlah Penundaan Keberangkatan Pesawat Aulia Yasmin; Suwanda
Bandung Conference Series: Statistics Vol. 3 No. 2 (2023): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v3i2.8264

Abstract

Abstrak. Tujuan dari pengendalian kualitas statistik adalah untuk mencapai, mempertahankan serta meningkatkan suatu alat kualitas. Alat yang biasa digunakan adalah diagram kendali shewart, namum diagram tersebut kurang efektif dalam mendeteksi pergeseran rata-rata yang relatif kecil. Salah satu alternatifnya yakni menggunakan diagram kendali EWMA (Exponentially Weighted Moving Average) yang memiliki asumsi data berdistribusi normal. Pada praktiknya terkadang variabel terikat mengikuti distribusi poisson dan karakteristik kualitas proses dicirikan sebagai fungsi linier atau non-linier yang dimodelkan menggunakan Generalized Linear Model (GLM). Sehingga diagram kendali berbasis residu diusulkan oleh beberapa peneliti karena menghasilkan kinerja yang lebih baik. Residu yang akan digunakan pada penelitian kali ini adalah pearson residual yang didapat dari model regresi poisson. Pearson residual akan digunakan sebagai nilai statistik pemantauan dalam diagram kendali EWMA. Diagram kendali EWMA berbasis pearson residual ini akan diaplikasikan pada data jumlah penundaan pesawat terbang dengan rute bandara Soekarno Hatta - I Gusti Ngurah Rai sebagai variabel terikat dan kecepatan angin serta suhu sebagai variabel bebas. Hasil pengujian pada Fase I diperoleh nilai λ = 0.05 sebagai λ yang efektif dalam mendeteksi pergeseran proses yang kecil. Kemudian dengan nilai σ ̂_r^P = 0.7527 dan L = 2.615 dihasilkan diagram terkendali secara statistik. Serta pada Fase II dengan menggunakan nilai batas kendali pada Fase I dihasikan bahwa diagram sudah terkendali secara statistik. Abstract. The purpose of statistical quality control is to achieve, maintain and improve a quality tool. A commonly used tool is the shewart control chart, but the diagram is less effective in detecting relatively small average shifts. One alternative is to use the EWMA (Exponentially Weighted Moving Average) control chart which assumes normally distributed data. In practice, sometimes dependent variables follow the poisson distribution and process quality characteristics are characterized as linear or non-linear functions modeled using the Generalized Linear Model (GLM). So the residue-based control diagram was proposed by some researchers because it produces better performance. The residue that will be used in this study is pearson residual obtained from the Poisson regression model. Pearson residuals will be used as monitoring statistical values in the EWMA control chart. This residual pearson-based EWMA control diagram will be applied to data on the number of aircraft delays with the Soekarno Hatta - I Gusti Ngurah Rai airport route as a bound variable and wind speed and temperature as independent variables. The test results in Phase I obtained a value of λ = 0.05 as λ which is effective in detecting small process shifts. Then with a value of σ ̂_r^P = 0.7527 and L = 2.615 a statistically controlled diagram is produced. And in Phase II using the control limit value in Phase I, it was found that the diagram was statistically controlled.
Perkiraan Migrasi Neto Perkelompok Umur antar Provinsi Jawa Barat dengan Provinsi DKI Jakarta Tahun 2021 Ferdi Herdiansyah; Yayat Karyana
Bandung Conference Series: Statistics Vol. 3 No. 2 (2023): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v3i2.8321

Abstract

Abstract. Population mobility or population movement exists because the needs of human life cannot always be met by the capabilities of the area where they live. Population mobility occurs partly due to differences in the potential and ability of one region to another in meeting the needs of the population. In this study, population density that occurred in West Java Province and DKI Jakarta Province occurred due to large migration flows and unequal population distribution. Due to the large economic contribution that occurred in the Province of West Java and the Province of DKI Jakarta, it encouraged residents to migrate to these areas to meet economic needs. Therefore this research was conducted to determine the value of the net migration rate per age group between West Java Province and DKI Jakarta Province in 2021. Based on the results obtained, the total net migrants per age group between West Java Province and DKI Jakarta Province in 2021 was 117,078 people, which means that the number of residents of West Java Province and DKI Jakarta Province who migrated in and out migrated was 117,078 people. West Java Province and DKI Jakarta Province in 2021 will produce a positive net migration rate which can be categorized as West Java Province and DKI Jakarta Province as migrant receiving areas for the last five years. The magnitude of the economic contribution that occurs in the province encourages residents to migrate to the area to meet economic needs. Abstrak. Mobilitas penduduk atau perpindahan penduduk ada karena kebutuhan hidup manusia tidak selalu dapat terpenuhi oleh kemampuan wilayah dimana ia bertempat tinggal. Mobilitas penduduk terjadi antara lain karena adanya perbedaan potensi dan kemampuan wilayah yang satu dengan yang lain di dalam memenuhi kebutuhan hidup penduduknya. Dalam penelitian ini kepadatan penduduk yang terjadi di Provinsi Jawa Barat dengan Provinsi DKI Jakarta terjadi karena adanya arus migrasi yang besar dan distribusi penduduk yang tidak merata. Disebabkan karena besarnya kontribusi ekonomi yang terjadi di Provinsi Jawa Barat dengan Provinsi DKI Jakarta tersebut mendorong penduduk melakukan migrasi ke daerah tersebut untuk memenuhi kebutuhan ekonomi. Oleh karena itu penelitian ini dilakukan untuk mengetahui nilai angka migrasi neto perkelompok umur antar Provinsi Jawa Barat dengan Provinsi DKI Jakarta tahun 2021. Berdasarkan hasil yang diperoleh bahwa total migran neto perkelompok umur antar Provinsi Jawa Barat dengan Provinsi DKI Jakarta tahun 2021 sebesar 117.078 jiwa yang artinya banyaknya penduduk Provinsi Jawa Barat dengan Provinsi DKI Jakarta yang melakukan migrasi masuk dan migrasi keluar sebanyak 117.078 orang. Provinsi Jawa Barat dengan Provinsi DKI Jakarta pada tahun 2021 menghasilkan angka migrasi neto bernilai positif yang dapat dikategorikan bahwa Provinsi Jawa Barat dengan Provinsi DKI Jakarta sebagai daerah penerima migran selama lima tahun terakhir. Besarnya kontribusi ekonomi yang terjadi di provinsi tersebut mendorong penduduk untuk melakukan migrasi ke daerah tersebut untuk memenuhi kebutuhan ekonomi.
Pemodelan Tingkat Pengangguran Terbuka Provinsi Jawa Barat Menggunakan Model Spatial Autoregressive Moving Average (SARMA) Anisa Fikriani; Nur Azizah Komara Rifai
Bandung Conference Series: Statistics Vol. 3 No. 2 (2023): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v3i2.8340

Abstract

Abstract. SARMA is one of the spatial regression models that combines the SAR model and the SEM model. The SARMA model is used when there are lag and error dependencies. The SARMA parameter estimator uses the Maximum Likelihood Estimation (MLE) method. To explain the spatial relationship between observation locations, a spatial weighting matrix based on contiguity is used. West Java Province is a province that has the highest open unemployment rate in Indonesia in 2022. The purpose of this study is to model the SARMA regression and find out the factors that significantly influence the open unemployment rate in West Java Province in 2022. The results showed that the data contained lag and error spatial dependencies so that the SARMA model was feasible to use. The model shows that the average length of schooling, labor force participation rate, life expectancy, and GRDP growth rate have a significant effect on the open unemployment rate. The open unemployment rate of the ith districts/cities that are close together has a significant effect on the open unemployment rate of the surrounding districts/cities of -0.5334 and the error between ith adjacent districts/cities has an effect on the open unemployment rate of the surrounding districts/cities of 0.7292. Abstrak. SARMA merupakan salah satu model regresi spasial yang menggabungkan antara model SAR dan model SEM. Model SARMA digunakan apabila terdapat dependensi lag dan dependensi error. Penduga parameter SARMA ini menggunakan metode Maximum Likelihood Estimation (MLE). Untuk menjelaskan hubungan spasial antar lokasi pengamatan digunakan matriks pembobot spasial berdasarkan ketetanggaan (contiguity). Provinsi Jawa Barat merupakan provinsi yang memiliki tingkat pengangguran terbuka tertinggi di Indonesia pada tahun 2022. Tujuan dari penelitian ini yaitu untuk memodelkan regresi SARMA dan mengetahui faktor-faktor yang mempengaruhi tingkat pengangguran terbuka di Provinsi Jawa Barat tahun 2022 secara signifikan. Hasil penelitian menunjukan bahwa data mengandung dependensi spasial lag dan error sehingga model SARMA layak digunakan. Model menunjukan rata-rata lama sekolah, tingkat partisipasi angkatan kerja, angka harapan hidup, dan laju pertumbuhan PDRB berpengaruh secara signifikan terhadap tingkat pengangguran terbuka. Tingkat pengangguran terbuka kabupaten/kota ke-i yang berdekatan berpengaruh secara signifikan terhadap tingkat pengangguran terbuka kabupaten/kota disekitarnya sebesar -0,5334 dan error antar kabupaten/kota ke-i yang berdekatan berpengaruh terhadap tingkat pengangguran terbuka kabupaten/kota disekitarnya sebesar 0,7292.
Metode Random Forest untuk Klasifikasi Penyakit Diabetes Dhea Agustina Hadi; Dwi Agustin Nuriani Sirodj
Bandung Conference Series: Statistics Vol. 3 No. 2 (2023): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v3i2.8354

Abstract

Abstract. Random Forest is a supervised learning algorithm developed from decision trees with the application of boostrap aggregating (bagging). This method grows trees from decision trees to produce a forest or the best model called the random forest model. Tree growth is done with randomly selected data with returns through the bagging process. Random forest is considered to provide better performance results for diabetes data among other supervised learning methods, because random forest and has the lowest error rate compared to other methods. Random forest is also an important technique for medical data classification, especially for diagnosing diabetics. In this study, classification was carried out using Pima Indian Diabetes data, which is an American tribe that lives in Arizona and Mexico. Classification analysis was carried out using an algorithm to see the level of accuracy in random forest classification on Pima Indian diabetes data. The results show that the accuracy value of random forest classification is 74.78%, this value is in the accuracy category at the fair classification level. In this random forest classification, there are three main variables that become importance variables, namely glucose then BMI, and age. Abstract. Random Forest is a supervised learning algorithm developed from decision trees with the application of boostrap aggregating (bagging). This method grows trees from decision trees to produce a forest or the best model called the random forest model. Tree growth is done with randomly selected data with returns through the bagging process. Random forest is considered to provide better performance results for diabetes data among other supervised learning methods, because random forest and has the lowest error rate compared to other methods. Random forest is also an important technique for medical data classification, especially for diagnosing diabetics. In this study, classification was carried out using Pima Indian Diabetes data, which is an American tribe that lives in Arizona and Mexico. Classification analysis was carried out using an algorithm to see the level of accuracy in random forest classification on Pima Indian diabetes data. The results show that the accuracy value of random forest classification is 74.78%, this value is in the accuracy category at the fair classification level. In this random forest classification, there are three main variables that become importance variables, namely glucose then BMI, and age.
Aplikasi Metode Geographically Weighted Negative Binomial Regression dalam Pemodelan Tuberkulosis Paru di Provinsi Jawa Barat Tahun 2019 Hanna Anggreany Putri; Nur Azizah Komara Rifai
Bandung Conference Series: Statistics Vol. 3 No. 2 (2023): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v3i2.8358

Abstract

Abstract. Poisson regression analysis has a condition of equidispersion in which the variance value is equal to the mean value, the average of the Poisson is the true variance. When the variance is greater than the mean value, it is called overdispersion. An alternative that can be used is negative binomial regression. However, Poisson regression and negative binomial regression are less appropriate when applied to spatial data, or data containing geographical conditions. In this thesis, researchers suspect that the data has spatial heterogeneity and has overdispersion. The Geographically Weighted Negative Binomial Regression (GWNBR) method with Adaptive Gaussian Kernel weights is able to estimate the case. The GWNBR method will be applied to the number of pulmonary tuberculosis cases in each district/city with factors that are thought to affect it. Based on the results of the GWNBR model with Adaptive Gaussian Kernel weights, it is categorized as a very good model because it shows that the models formed are different in each district / city in West Java Province, there are 25 models formed based on significant predictor variables and 2 models formed based on insignificant predictor variables. Abstrak. Analisis regresi Poisson memiliki syarat equidispersi yang di mana nilai varians sama dengan nilai rata-ratanya, rata-rata dari Poisson itu merupakan varians yang sebenarnya. Ketika varians lebih besar dari nilai rata-rata dapat disebut dengan overdispersi. Alternatif yang dapat digunakan yaitu regresi binomial negatif. Akan tetapi regresi Poisson maupun regresi binomial negatif kurang tepat jika diterapkan pada data spasial, atau data yang mengandung kondisi geografis. Dalam skripsi ini, peneliti menduga bahwa data memiliki heterogenitas spasial dan memiliki overdispersi. Metode Geographically Weighted Negative Binomial Regression (GWNBR) dengan pembobot Adaptive Gaussian Kernel mampu menduga kasus tersebut. Metode GWNBR akan di aplikasikan ke dalam jumlah kasus penyakit tuberkulosis paru di setiap kabupaten/kota dengan faktor-faktor yang diduga mempengaruhinya. Berdasarkan hasil model GWNBR dengan pembobot Adaptive Gaussian Kernel di kategorikan sebagai model yang sangat baik karena menunjukan model yang terbentuk berbeda-beda di setiap kabupaten/kota di Provinsi Jawa Barat terdapat 25 model yang terbentuk berdasarkan peubah prediktor yang signifikan dan 2 model yang terbentuk berdasarkan peubah prediktor yang tidak signifikan.

Page 13 of 28 | Total Record : 279

 11   12   13   14   15 

Filter by Year

2021 2025


Reset
Filter By Issues
All Issue Vol. 5 No. 2 (2025): Bandung Conference Series: Statistics Vol. 5 No. 1 (2025): Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics Vol. 4 No. 1 (2024): Bandung Conference Series: Statistics Vol. 3 No. 2 (2023): Bandung Conference Series: Statistics Vol. 3 No. 1 (2023): Bandung Conference Series: Statistics Vol. 2 No. 2 (2022): Bandung Conference Series: Statistics Vol. 2 No. 1 (2022): Bandung Conference Series: Statistics Vol. 1 No. 1 (2021): Bandung Conference Series: Statistics