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
279 Documents
<![CDATA[Pemodelan Geographically Weighted Generalized Poisson Regression (GWGPR) pada Jumlah Kematian Ibu Hamil di Jawa Barat Tahun 2021 ]]>
<![CDATA[Panji Lokajaya Arifa]]>;
<![CDATA[Nur Azizah Komara Rifai]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 3 No. 2 (2023): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v3i2.9459
<![CDATA[Abstract. One method to overcome overdispersion or underdispersion is Generalized Poisson Regression (GPR). The development of GPR that takes into account spatial factors in the form of lattitude and longitude coordinates is Geographically Weighted Generalized Poisson Regression (GWGPR) which produces parameter estimators that are local to each observation location. The number of maternal deaths is the number of women who die during their pregnancy. In this study, the GWGPR method was applied to model the number of maternal deaths in West Java Province. The most pregnant women deaths occurred in Karawang Regency with 57 deaths and the average of pregnant women deaths in West Java was 17.04 deaths with a high variance of 122.2678. Modeling with the GWGPR method has different parameter estimation values for each district/city and shows that the factors that have a significant effect on the number of maternal deaths in all districts/cities in West Java are the percentage of pregnant women who have had K4 visits (X1), the percentage of obstetric complications (X2), the number of poor people (X5) and the percentage of PHBS households (X6). The mapping performed from the GWGPR model produces 3 groups of districts/cities in West Java that have similar variables that have a significant effect on the number of maternal deaths. Abstrak. Salah satu metode untuk mengatasi overdispersi atau underdispersi adalah Generalized Poisson Regression (GPR). Pengembangan GPR yang memperhitungkan faktor spasial berupa koordinat lattitude dan longitude adalah Geographically Weighted Generalized Poisson Regression (GWGPR) yang menghasilkan penaksir parameter yang bersifat lokal untuk setiap lokasi pengamatan. Jumlah kematian ibu hamil adalah banyaknya perempuan yang meninggal ketika dalam masa kehamilannya. Dalam penelitian diterapkan metode GWGPR untuk melakukan pemodelan terhadap jumlah kematian ibu hamil di Provinsi Jawa Barat. Kematian ibu hamil terbanyak terjadi di Kabupaten Karawang dengan 57 kematian dan rata-rata dari kematian ibu hamil di Jawa Barat sebesar 17,04 kematian dengan variansi yang tinggi yaitu 122,2678. Pemodelan dengan metode GWGPR memiliki nilai estimasi parameter yang berbeda untuk setiap kabupaten/kota dan menunjukkan bahwa faktor-faktor yang berpengaruh signifikan terhadap jumlah kematian ibu hamil di semua kabupaten/kota di Jawa barat adalah persentase ibu hamil yang pernah melakukan kunjungan K4 (X1), persentase komplikasi kebidanan (X2), jumlah penduduk miskin (X5) dan persentase rumah tangga PHBS (X6). Pemetaan yang dilakukan dari model GWGPR menghasilkan 3 kelompok wilayah kabupaten/kota di Jawa Barat yang memiliki kesamaan variabel yang berpengaruh signifikan terhadap jumlah kematian ibu hamil.]]>
<![CDATA[Penerapan Model Bivariat Menggunakan Copula Frank pada Jumlah Gol Hasil Pertandingan Liga 1 Indonesia 2019 ]]>
<![CDATA[Naufal Fajar]]>;
<![CDATA[Aceng Komarudin Mutaqin]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 3 No. 2 (2023): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v3i2.9463
<![CDATA[Abstract. Indonesia is one of the countries that always organizes soccer competitions. Liga 1 is an Indonesian football league that brings together 18 of the best soccer teams from Indonesia. Each team played 34 times on a home-away system. The purpose of this thesis is to improve the quality of Indonesian football and mark the gradual league system of Indonesian football at a competitive level. Many studies have been conducted by researchers in various countries to process data on the number of goals scored in soccer matches for home and away teams from a soccer league. Joel Liden (2016) discusses the Copula Frank distribution followed by the marginal distribution, namely the Poisson distribution and the negative Binomial distribution, a distribution for data from discrete random variables. This thesis will discuss the application of the Copula Frank distribution to data on the number of goals for home and away teams from the highest caste Indonesian football league matches for 2018-2019 and to find out whether the Copula Frank distribution is a suitable opportunity distribution for modeling the case of the number of goals data. the. The distribution fit test used is the Chi-square test. As research material, secondary data from recording results obtained from PSSI.com will be used and presented as data on the results of the 2018-2019 Indonesian League 1 football match. The maximum likelihood estimator method is used to estimate the parameters of the discrete distribution. While the distribution fit test to be used is the chi-square test. As an application material, secondary data will be used as a result of recording obtained from rsssf.com and flashscore.com. The data that will be used contains information on the number of goals for the home team and the number of goals for the away team in the 2018-2019 Indonesian League 1 matches. The results of the application show that the bivariate Poisson distribution using Copula Frank is not suitable for modeling bivariate data on the number of goals for the home and away team in the Indonesian League 1 in 2018-2019. Abstrak. Indonesia merupakan salah satu negara yang selalu menyelenggarakan kompetisi sepak bola. Liga 1 merupakan liga sepak bola Indonesia yang mempertemukan 18 tim sepak bola terbaik dari Indonesia. Masing-masing tim bertanding sebanyak 34 kali dengan sistem kandang-tandang. Tujuan dibuat skripsi ini untuk meningkatkan kualitas sepak bola Indonesia dan menandai sistem liga bertahap sepak bola Indonesia di tingkat kompetitif. Sudah banyak penelitian yang dilakukan oleh para peneliti di berbagai negara untuk mengolah data jumlah gol hasil pertandingan sepak bola untuk tim kandang dan tim tandang dari suatu liga sepak bola. Joel Liden (2016) membahas distribusi Copula Frank diikuti oleh distribusi marjinal yaitu distribusi Poisson dan distribusi Binomial negatif, suatu distribusi untuk data dari peubah acak diskrit. Dalam Skripsi ini akan dibahas mengenai penerapan distribusi Copula Frank pada data jumlah gol tim kandang dan tim tandang hasil pertandingan Liga sepak bola Indonesia kasta tertinggi untuk tahun 2018-2019 dan untuk mengetahui apakah distribusi Copula Frank merupakan distribusi peluang yang cocok untuk memodelkan kasus data jumlah gol tersebut. Uji kecocokan distribusi yang digunakan adalah uji Chi-kuadrat. Sebagai bahan penelitian akan digunakan data sekunder hasil pencatatan yang diperoleh dari PSSI.com dan disajikan menjadi data hasil pertandingan sepakbola Liga 1 Indonesia tahun 2018-2019. Metode penaksir kemungkinan maksimum digunakan untuk menaksir parameter distribusi diskrit tersebut. Sedangkan uji kecocokan distribusi yang akan digunakan adalah uji chi-kuadrat. Sebagai bahan aplikasi akan digunakan data sekunder hasil pencatatan yang diperoleh dari yaitu rsssf.com dan flashscore.com. Data yang akan digunakan tersebut berisi informasi jumlah gol tim kandang dan jumlah gol tim tandang pertandingan Liga 1 Indonesia tahun 2018-2019. Hasil penerapan menunjukkan bahwa distribusi Poisson bivariat menggunakan Copula Frank tidak cocok untuk memodelkan data bivariat jumlah gol tim kandang dan tim tandang Liga 1 Indonesia tahun 2018-2019.]]>
<![CDATA[Penerapan Distribusi Zero Modified Poisson pada Data Jumlah Gol Tim Tandang Liga Sepak Bola Indonesia ]]>
<![CDATA[Maulana Ilham Pratama]]>;
<![CDATA[Aceng Komarudin Mutaqin]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 3 No. 2 (2023): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v3i2.9477
<![CDATA[Abstract. The Indonesian League, which is currently known as the Indonesia Super League (ISL) or Liga 1, is the highest caste football competition between clubs in Indonesia. The Indonesian League was held for the first time in 1994 (the competition system was divided into 2 regions) which was a merger between the previous major competitions. Many researchers from various countries have carried out the application of distributions to football sports data cases to find out what odds distributions are suitable for modeling the number of goals scored in home and away games in a league. Distributions that can be used to model data on the number of goals scored in soccer matches include the Poisson distribution, negative binomial, Poisson-Lindley, and Zero-Inflated Poisson. In a football match, it is generally difficult for the away team to score goals. One of the discrete distributions for the case of the Poisson distribution when there are many zeros is the Zero-Modified Poisson distribution. In this thesis, the ZMP distribution will be applied to the data on the number of goals scored by the away team in the Indonesian Football League. The maximum likelihood estimator method is used to estimate the parameters of the discrete distribution. While the distribution fit test to be used is the chi-square test. As the application material, data on the results of the 2017-2018 Indonesian League football matches will be used. Based on the results of an analysis of the application of the Zero-Modified Poisson distribution to data on the number of goals scored by the Indonesian League 1 away team in 2017-2018, it can be concluded that the Zero-Modified Poisson distribution is suitable for modeling the frequency data of the number of goals scored by the Indonesian League 1 away team in 2017-2018. Abstrak. Liga Indonesia yang pada saat ini dikenal dengan Indonesia Super League (ISL) atau liga 1 adalah kompetisi sepak bola kasta tertinggi antar klub di Indonesia. Liga Indonesia diselenggarakan pertama kali pada tahun 1994 (sistem kompetisi dibagi 2 wilayah) yang merupakan penggabungan antara kompetisi besar sebelumnya. Penerapan distribusi pada kasus data olahraga sepak bola sudah banyak dilakukan oleh peneliti-peneliti dari berbagai negara untuk mengetahui distribusi peluang apa yang cocok untuk memodelkan jumlah gol dalam pertandingan kandang dan tandang dalam suatu Liga. Distribusi yang bisa digunakan untuk memodelkan data jumlah gol hasil pertandingan sepak bola diantaranya adalah distribusi Poisson, binomial negatif, Poisson-Lindley, dan Zero-Inflated Poisson. Dalam suatu pertandingan sepakbola, umumnya tim tandang selalu kesulitan untuk mencetak gol. Salah satu distribusi diskrit untuk kasus distribusi Poisson ketika nilai nol-nya banyak adalah distribusi Zero-Modified Poisson. Dalam skripsi ini akan diterapkan distribusi ZMP pada data jumlah gol tim tandang Liga sepak bola Indonesia. Metode penaksir kemungkinan maksimum digunakan untuk menaksir parameter pada distribusi diskrit tersebut. Sedangkan uji kecocokan distribusi yang akan digunakan adalah uji chi-kuadrat. Sebagai bahan aplikasi akan digunakan data hasil pertandingan sepak bola Liga Indonesia tahun 2017-2018. Berdasarkan hasil analisi penerapan distribusi Zero-Modified Poisson pada data jumlah gol tim tandang Liga 1 Indonesia tahun 2017-2018 dapat disimpulkan bahwa distribusi Zero-Modified Poisson cocok untuk memodelkan data frekuensi jumlah gol tim tandang Liga 1 Indonesia tahun 2017-2018.]]>
<![CDATA[Pemodelan Hurdle Poisson Regresion pada Jumlah Kasus Kematian Akibat Penyakit HIV/AIDS di Provinsi Jawa Barat ]]>
<![CDATA[Adinda Zahrotul Rizkiah]]>;
<![CDATA[Nusar Hajarisman]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 3 No. 2 (2023): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v3i2.9487
<![CDATA[Abstract. To model discrete data related to Poisson events, one way is to use Poisson Regression. If a data contains many zero values, the data can experience overdispersion. This overdispersion problem will increase type I errors, to model the overdispersion data, Hurdle Poisson Regression modeling is needed. Transmission of HIV/AIDS is caused by receiving HIV positive blood donors, through the mother's placenta to her fetus, and sexually transmitted infections. AIDS causes the human body's ability to fight infection to disappear, which can lead to someone's death. However, AIDS-related deaths do not always occur, especially in the districts/cities of West Java Province. So it is necessary to model Hurdle Poisson Regression in cases of death from AIDS. Data obtained through the official website of Open Data Jabar. The processed data includes: Number of AIDS-related Death Cases (Y), Number of HIV Positive Blood Donor Cases (X1), and Number of Syphilis Disease Cases (X2). Based on the research results, two models were formed, for the truncated model and for the logit model, but in the truncated model, HIV Positive Blood Donors (X1) and Syphilis Disease Cases (X2) have an effect on Death Cases due to AIDS in West Java Province, while in the logit model is only Cases of Syphilis (X2) which affect Cases of AIDS-related Deaths in West Java Province. Abstrak. Untuk memodelkan data diskrit yang menyangkut pada kejadian Poisson, salah satunya ialah menggunakan Regresi Poisson. Apabila suatu data mengandung banyak nilai nol, data tersebut dapat mengalami overdispersi. Permasalahan overdispersi ini akan memperbesar kesalahan jenis I, untuk memodelkan data yang mengalami overdispersi tersebut perlu pemodelan Hurdle Poisson Regression. Penularan HIV/AIDS disebabkan oleh penerimaan donor darah positif HIV, melalui plasenta Ibu ke janinnya, dan Penyakit Infeksi Menular Seksual. AIDS menyebabkan kemampuan tubuh manusia untuk melawan infeksi hilang, sehingga dapat menyebabkan kematian seseorang. Akan tetapi kematian akibat AIDS tidak selalu terjadi khususnya di Kabupaten/Kota Provinsi Jawa Barat. Maka perlu pemodelan Hurdle Poisson Regression pada kasus kematian akibat AIDS ini. Data diperoleh melalui website resmi Open Data Jabar. Data yang diolah tersebut antara lain: Jumlah Kasus Kematian Akibat AIDS (Y), Jumlah Kasus Donor Darah Positif HIV ( ), dan Jumlah Kasus Penyakit Sifilis ( ). Berdasarkan hasil penelitian dimana terbentuk dua model, yakni untuk model truncated dan untuk model logit. Akan tetapi pada model truncated, Donor Darah Positif HIV ( ) dan Kasus Penyakit Sifilis ( ) berpengaruh terhadap Kasus Kematian akibat AIDS di Provinsi Jawa Barat, sedangkan pada model logit hanya Kasus Penyakit Sifilis ( ) yang berpengaruh terhadap Kasus Kematian akibat AIDS di Provinsi Jawa Barat).]]>
<![CDATA[Pemodelan Metode Fuzzy Time Series Stevenson-Porter pada Nilai Peramalan Ekspor Non-Migas di Indonesia ]]>
<![CDATA[Muhammad Rofiq Firdaus]]>;
<![CDATA[Suwanda]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 3 No. 2 (2023): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v3i2.9512
<![CDATA[Abstract. Forecasting is the science of predicting events in the future, There are several kinds of methods used to project forecasting, since Zadeh's pioneering work in 1965, Fuzzy set theory has been applied to various fields. including Fuzzy Time Series, Fuzzy Time Series methods have been proven to improve classical forecasting methods such as handling data fluctuations, inappropriate environments, subjectivity uncertainty in data. By having the privilege of not requiring the fulfillment of special assumptions. This method was developed by Meredith Stevenson and John E. Porter. This research uses the "Fuzzy Time Series Algorithm Using Percentage Change as the Universe of Discourse" forecasting method proposed by Stevenson and Porter. The data component required for research using this method is trend data. In its application, research using Fuzzy Time Series Stevenson Porter forecasting results in a forecasting value of 276,193.25 million US dollars with the calculation of the error value using MAPE getting a result of 36.17% for the Stevenson Porter fuzzy time series method in modeling Indonesia's non-oil and gas export forecasting. Abstrak. Permalan (forecasting) adalah ilmu pengetahuan dalam memprediksi peristiwa pada masa yang akan dating, Terdapat beberapa macam metode yang digunakan untuk memproyeksikan peramalan, sejak karya perintis Zadeh pada tahun 1965, teori himpunan Fuzzy telah diterapkan kedalam berbagai bidang. diantaranya Fuzzy Time Series, metode Fuzzy Time Series telah terbukti dapat memperbaiki metode peramalan klasik seperti menangani fluktuasi data, lingkungan yang tidak tepat, ketidakpastian subjektivitas dalam data. Dengan memiliki keistimewaan tidak memutuhkan pemenuhan asumsi khusus. Metode ini salah satunya dikembangkan Meredith Stevenson dan John E.Porter. Penelitian ini menggunakan metode peramalan Algoritma “Fuzzy Time Series Menggunakan Perubahan Persentase Sebagai Universe of Discourse” yang diusulkan oleh Stevenson dan Porter. Komponen data yang diperlukan untuk penelitian menggunakan metode ini berupa data yang bersifat trend. Pada penerapannya penelitian menggunakan peramalan Fuzzy Time Series Stevenson Porter ini mendapatkan hasil nilai peramalan sebesar 276.193,25 juta US$ dengan perhitungan nilai error menggunakan MAPE mendapatkan hasil sebesar 36,17% untuk metode fuzzy time series Stevenson Porter pada pemodelan peramalan ekspor nonmigas Indonesia.]]>
<![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.]]>
