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[Penerapan Metode Geographically and Temporally Weighted Regression pada Persentase Penduduk Miskin di Papua Tahun 2019-2020 ]]>
<![CDATA[10060119071, Mila Atikah Nur Faizah]]>;
<![CDATA[Nur Azizah Komara Rifai]]>
<![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.v4i1.12394
<![CDATA[Abstract. Linear regression analysis is a method used to model the relationship between the dependent variable and the independent variable. The parameters of the resulting regression model will have the same value (global). In data that contains spatial heterogeneity, linear regression analysis is not appropriate to use because there is variation between observation locations. A suitable method is Geographically Weighted Regression (GWR). However, GWR is only limited to cross-section data. If the data used is panel data, a more appropriate method is Geographically and Temporally Weighted Regression (GTWR). GTWR takes into account time variability (temporal heterogeneity), so that the resulting parameters will be different for each location and time of observation. Estimating regression parameters in this method uses Weighted Least Square (WLS). This research will discuss the application of the GTWR method to the Percentage of Poor Population in Papua, with the dependent variable used being the Percentage of Poor Population, while the independent variables used are School Enrollment Rate (16-18 Years), Labor Force Participation Rate, Morbidity Rate, Ratio Gini in Papua Province in 2019-2020. The results of applying GTWR produced 58 models and grouping of significant factors to form 6 groups in 2019 and 1 group in 2020. Abstrak. Analisis regresi linear adalah metode yang digunakan untuk memodelkan hubungan antara variabel dependen dengan variabel independen. Parameter model regresi yang dihasilkan akan bernilai sama (global). Pada data yang mengandung heterogenitas spasial, analisis regresi linear kurang tepat digunakan karena terdapat keragaman antar lokasi pengamatan. Metode yang cocok adalah Geographically Weighted Regression (GWR). Namun, GWR hanya terbatas pada data cross-section. Apabila data yang digunakan adalah data panel, metode yang lebih tepat adalah Geographically and Temporally Weighted Regression (GTWR). GTWR ini memperhatikan adanya keragaman waktu (heterogenitas temporal), sehingga parameter yang dihasilkan akan berbeda untuk setiap lokasi dan waktu pengamatan. Pendugaan parameter regresi pada metode ini menggunakan Weighted Least Square (WLS). Pada penelitian ini akan membahas penerapan metode GTWR pada Persentase Penduduk Miskin di Papua, dengan variabel dependen yang digunakan adalah Persentase Penduduk Miskin, sedangkan variabel independen yang digunakan adalah Angka Partisipasi Sekolah (16-18 Tahun), Tingkat Partisipasi Angkatan Kerja, Angka Kesakitan, Rasio Gini di Provinsi Papua pada tahun 2019-2020. Hasil penerapan GTWR menghasilkan 58 model dan pengelompokkan faktor-faktor yang signifikan membentuk 6 kelompok pada tahun 2019 dan 1 kelompok pada tahun 2020.]]>
<![CDATA[Penerapan SMOTE untuk Mengatasi Imbalance Class dalam Klasifikasi Sentimen Genosida Palestina Menggunakan Multinomial Naive Bayes ]]>
<![CDATA[Fajar Sidik]]>;
<![CDATA[Ilham Faishal Mahdy]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v4i2.12693
<![CDATA[Abstract. Social media, including the X platform (formerly known as Twitter), has become an important source of information in understanding public sentiment towards various issues, including the Palestinian genocide. Text data obtained from social media is often unbalanced, with more negative sentiment than positive and neutral sentiment because people do not agree with the genocide. This imbalance can interfere with the accuracy of the sentiment classification model. Therefore, this research aims to overcome the problem of data imbalance by applying the SMOTE (Synthetic Minority Over-sampling Technique) method in the sentiment classification of the Palestinian genocide using the Multinomial Naive Bayes algorithm. The data used in this study was collected from X social media platform, consisting of 1000 posts related to the Palestinian genocide taken backward on February 29, 2024. The classification method used is Multinomial Naive Bayes, which was chosen for its ability to handle text data by considering the frequency of occurrence of words. The results showed that the sentiment analysis mostly showed negative sentiments towards the Palestinian genocide issue. The application of SMOTE successfully balanced the data distribution, increasing the representation of positive and neutral sentiments. Model performance evaluation shows that the resulting model is able to achieve an accuracy rate of 80%, with a precision of 43%, recall of 54%, and F1-score of 46%. In conclusion, the application of SMOTE can optimize text classification performance in unbalanced data conditions, providing more insight into public sentiment towards the Palestinian genocide on X social media. Abstrak. Media sosial, termasuk platform X (sebelumnya dikenal sebagai Twitter), telah menjadi sumber informasi yang penting dalam memahami sentimen masyarakat terhadap berbagai isu, termasuk genosida Palestina. Data teks yang diperoleh dari media sosial seringkali tidak seimbang, adanya kecenderungan lebih banyak sentimen negatif dibandingkan sentimen positif dan netral karena masyarakat tidak setuju dengan adanya genosida. Ketidakseimbangan ini dapat mengganggu keakuratan model klasifikasi sentimen. Oleh karena itu, penelitian ini bertujuan untuk mengatasi masalah ketidakseimbangan data dengan menerapkan metode SMOTE (Synthetic Minority Over-sampling Technique) dalam klasifikasi sentimen genosida Palestina menggunakan algoritma Multinomial Naive Bayes. Data yang digunakan dalam penelitian ini dikumpulkan dari platform media sosial X, terdiri dari 1000 post terkait genosida Palestina yang diambil mundur pada tanggal 29 Februari 2024. Metode klasifikasi yang digunakan adalah Multinomial Naive Bayes, yang dipilih karena kemampuannya dalam menangani data teks dengan mempertimbangkan frekuensi kemunculan kata-kata. Hasil penelitian menunjukkan bahwa analisis sentimen mayoritas menunjukkan sentimen negatif terhadap isu genosida Palestina. Penerapan SMOTE berhasil menyeimbangkan distribusi data, meningkatkan representasi sentimen positif dan netral. Evaluasi kinerja model menunjukkan bahwa model yang dihasilkan mampu mencapai tingkat akurasi sebesar 80%, dengan precision sebesar 43%, recall sebesar 54%, dan F1-score sebesar 46%. Kesimpulannya, penerapan SMOTE dapat mengoptimalkan performa klasifikasi teks dalam kondisi data yang tidak seimbang, memberikan wawasan lebih mengenai sentimen masyarakat terhadap genosida Palestina di media sosial X.]]>
<![CDATA[Pemodelan Multiscale Geographically Weighted Regression (MGWR) pada Tingkat Pengangguran Terbuka di Provinsi Jawa Barat Tahun 2022 ]]>
<![CDATA[Annisa Mutiara Priliyan]]>;
<![CDATA[Ilham Faishal Mahdy]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v4i2.12708
<![CDATA[Abstract. Spatial analysis with Multiscale Geographically Weighted Regression (MGWR) method is a development of the Geographically Weighted Regression (GWR) method. This method is used when data has spatial heterogeneity, spatial autocorrelation, and multicollinearity. MGWR allows for different spatial scales and allows the neighborhood around each variable to vary. These differences are accommodated through different optimum bandwidth values for each covariate. The MGWR method is applied to data on the open unemployment rate (TPT) in West Java Province in 2022 because West Java is the province with the highest TPT value in that year. MGWR parameter estimation is performed using the Backfitting Algorithm method by reformulating GWR as Generalized Additive Models (GAMs). The weighting function used is a fixed Gaussian kernel function because the farthest region still has a weight even though it is not as large as the weight of the closest region. The optimum bandwidth search is by minimizing the Akaike Information Criterion Corrected (AICc) value using golden section search method. Based on the analysis, 27 MGWR local models are produced for each observation area. There are differences in the independent variables that affect TPT for each observation area and are divided into four groups. The resulting MGWR model proved to be the best model when compared to the GWR model based on the highest adjusted R2 value and the lowest AICc value. Abstrak. Analisis spasial dengan metode Multiscale Geographically Weighted Regression (MGWR) merupakan pengembangan dari metode Geographically Weighted Regression (GWR). Metode ini digunakan ketika data memiliki heterogenitas spasial, autokorelasi spasial, dan adanya multikolinearitas. MGWR mengizinkan skala spasial yang berbeda dan memungkinkan lingkungan di sekitar setiap variabel bervariasi. Perbedaan tersebut diakomodasi melalui nilai bandwidth optimum yang berbeda-beda untuk setiap kovariat. Metode MGWR diterapkan pada data tingkat pengangguran terbuka (TPT) di Provinsi Jawa Barat tahun 2022 karena Jawa Barat menjadi provinsi dengan nilai TPT tertinggi pada tahun tersebut. Estimasi parameter MGWR dilakukan dengan menggunakan metode Backfitting Algorithm dengan memformulasi ulang GWR sebagai Generalized Additive Models (GAMs). Fungsi pembobot yang digunakan adalah fungsi kernel fixed gaussian karena wilayah terjauh tetap memiliki bobot walaupun tidak sebesar bobot wilayah terdekat. Pencarian bandwidth optimum dilakukan dengan meminimumkan nilai Akaike Information Criterion Corrected (AICc) menggunakan metode golden section search. Berdasarkan analisis yang telah dilakukan maka dihasilkan sebanyak 27 model MGWR yang bersifat lokal untuk setiap wilayah pengamatannya. Terdapat perbedaan variabel bebas yang berpengaruh terhadap TPT untuk setiap wilayah pengamatan dan terbagi menjadi empat kelompok. Model MGWR yang dihasilkan terbukti menjadi model terbaik jika dibandingkan dengan model GWR berdasarkan nilai adjusted R2 yang tertinggi dan nilai AICc terendah.]]>
<![CDATA[Perbandingan Interval pada Fuzzy Time Series Cheng untuk Peramalan Jumlah Kasus ISPA ]]>
<![CDATA[Lathifah]]>;
<![CDATA[Teti Sofia Yanti]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v4i2.12752
<![CDATA[Abstract. Forecasting for number of ARI (Acute Respiratory Infection) cases needs to be used for planning and evaluation of health decisions or policies to reach a healthy Indonesian society. Fuzzy Time Series is one of the statistical methods can be used for forecasting. Cheng's Fuzzy Time Series method develops Chen's Fuzzy Time Series model which has the disadvantage of not consider FLR (Fuzzy Logical Relationship) repetition. Therefore, Cheng's Fuzzy Time Series method assigns weights to individual fuzzy relationships and modifies the forecasting value with an adaptive model. The purpose of this study is to determine the forecasting results and accuracy level regarding the number of ARI cases at the Margahayu Raya Health Center using the Average-based and Sturges interval methods in Cheng's Fuzzy Time Series. This study uses data on the number of ARI cases from September 01, 2023 to January 30, 2024 which has the best model using the Average-based interval method with MAPE for adaptive forecasting of 12%, indicating that the forecasting results have an accuracy of 88% with a good forecasting category. Abstrak. Peramalan untuk jumlah kasus ISPA (Infeksi Saluran Pernafasan Akut) perlu dilakukan sebagai acuan dalam perencanaan dan evaluasi mengenai keputusan ataupun kebijakan kesehatan untuk mewujudkan masyarakat Indonesia yang sehat. Fuzzy Time Series adalah salah satu metode statistika yang dapat digunakan untuk peramalan. Metode Fuzzy Time Series Cheng mengembangkan model Fuzzy Time Series Chen yang memiliki kekurangan tidak mempertimbangkan pengulangan FLR (Fuzzy Logical Relationship). Sehingga dalam metode Fuzzy Time Series Cheng menetapkan bobot terhadap hubungan individu fuzzy dan memodifikasi nilai peramalan dengan model adaptif. Tujuan penelitian ini adalah untuk mengetahui hasil peramalan dan tingkat akurasi yang dihasilkan mengenai jumlah kasus ISPA di Puskesmas Margahayu Raya menggunakan metode interval Average-based dan Sturges pada Fuzzy Time Series Cheng. Penelitian ini menggunakan data jumlah kasus ISPA pada 01 September 2023 hingga 30 Januari 2024 yang menghasilkan model terbaik menggunakan metode interval Average-based dengan MAPE untuk peramalan adaptif sebesar 12% yang artinya hasil peramalan memiliki ketepatan sebesar 88% dengan kategori peramalan yang baik.]]>
<![CDATA[Implementasi Support Vector Machine-Genetic Algorithm (SVM-GA) dalam Mengklasifikasikan Kelulusan Tepat Waktu Mahasiswa Statistika Unisba ]]>
<![CDATA[Indah Siti Rahmawati]]>;
<![CDATA[Mahdy, Ilham Faishal]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v4i2.12768
<![CDATA[Abstract. Support Vector Machine (SVM) is a classification method that finds the optimal hyperplane for separating two data classes. However, SVM has weaknesses in determining hyperparameter values, necessitating parameter optimization. The Genetic Algorithm (GA) is an optimization method proven effective in handling complex optimization problems and irregular, complicated solutions. The classification system for the timely graduation of Unisba Statistics students is important for improving the quality and accreditation of study programs. Therefore, this study aims to obtain the best SVM model for classifying the timely graduation of Unisba Statistics students with the help of a Genetic Algorithm (GA). The data used in this study includes the graduation records of Unisba Statistics students from January 24, 2019, to August 29, 2023. By doing SVM-GA modeling using 9 combinations of GA, 10-Cross Validation, and RBF kernels, the best performance model was obtained from the genetic algorithm parameter of a population of 200, the value of 0,8, value of 0,05, an SVM parameter of 2242,1776, and 0,0002. Model performance evaluation showed that the resulting model achieved an average accuracy of 78.2664%, an average recall of 78,3287%, an average precision of 86.2500%, and an average f1-score of 81.92%. Abstrak. Support Vector Machine (SVM) merupakan metode klasifikasi yang menemukan hyperplane optimal dalam memisahkan dua kelas data. SVM memiliki kelemahan dalam menentukan nilai hyperparameter, sehingga perlu dilakukan optimasi parameter. Genetic Algorithm (GA) merupakan metode optimasi yang terbukti efektif dalam menangani masalah optimasi yang kompleks dan solusi yang tidak teratur serta rumit. Sistem klasifikasi dalam kasus kelulusan tepat waktu mahasiswa Statistika Unisba menjadi hal penting untuk meningkatkan kualitas dan akreditasi program studi. Maka dari itu, penelitian ini bertujuan untuk memperoleh model SVM terbaik dalam mengklasifikasikan kelulusan tepat waktu mahasiswa Statistika Unisba dengan bantuan Genetic Algorithm (GA). Data yang digunakan pada penelitian ini merupakan data kelulusan mahasiswa Statistika Unisba pada periode kelulusan sejak tanggal 24 Januari 2019 sampai 29 Agustus 2023. Dengan melakukan pemodelan SVM-GA menggunakan 9 kombinasi parameter GA, 10-Cross Validation, dan kernel RBF, diperoleh model dengan kinerja terbaik dari parameter algoritma genetika berupa populasi sebanyak 200, nilai sebesar 0,8, nilai sebesar 0,05, dengan parameter SVM berupa parameter sebesar 2242,1776 dan sebesar 0,0002. Evaluasi kinerja model menunjukkan bahwa model yang dihasilkan memperoleh rata-rata akurasi sebesar 78,2664%, Rata-rata recall sebesar 78,3287%, rata-rata precision sebesar 86,2500%, dan rata-rata f1-score sebesar 81,9225%.]]>
<![CDATA[Kekuatan Hubungan antara Faktor-Faktor Kualitas Pembelajaran SMK di DKI Jakarta Tahun 2023 Menggunakan Metode Chatterjee ]]>
<![CDATA[Nailil Mala Candra]]>;
<![CDATA[Suliadi]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v4i2.12820
<![CDATA[Abstract. Correlation is a measure the strength of linear relationship between two or more variables. The correlations commonly used are Pearson correlation, Rank Spearman, and Kendall tau. Pearson correlation gives good results for linear relationships and the data do not contain outliers. Chatterjee (2020), proposes a rank based method method to examine the degree of non-independence or the strength of the relationship between variables that is consistent with all alternative patterns of relationships between two possible variables and possible data contains outliers. This method is simple, consistent, and has a simple asymptomatic theory under the assumption that the two variables are mutually independent. The degree of dependence here refers to how strongly the variable is truly independent. In this research, we apply this method to evaluate the strength of relationship between learning quality factors of vocational schools DKI Jakarta in 2023. We obtained that the relationship between the learning quality factors of vocational schools DKI Jakarta in 2023 was mutually independent with a value between learning quality and reflection and learning improvement is ξ(X1, X2) = 0.0093; between the quality of learning and instructional leadership is ξ(X1, X3) = 0.0164; between reflection and improvement of learning with instructional leadership is ξ(X2, X3) = 0.0027. There is no relationship among all three variables. Abstrak. Korelasi merupakan ukuran kekuatan hubungan antara dua variabel kuantitaif atau lebih. Korelasi yang sering digunakan pada data kuantitatif yaitu korelasi Pearson, Rank Spearman, dan Kendall tau. Korelasi Pearson memberikan hasil yang baik untuk hubungan yang linear dan data yang tidak mengandung outlier. Chatterjee (2020), mengusulkan metode untuk memeriksa derajat ketidakbebasan atau kekuatan hubungan antar variabel yang berbasis peringkat yang juga konsisten terhadap semua alternatif pola hubungan antara dua variabel yang mungkin terjadi, dan mengandung pencilan. Metode ini sederhana, konsisten, dan memiliki teori asimptotik sederhana di bawah asumsi bahwa kedua variabel saling bebas. Derajat ketidakbebasan disini mengacu pada seberapa kuat variabel benar-benar independen. Pada penelitian ini, peneliti menggunakan metode tersebut untuk melihat kekuatan hubungan antara faktor-faktor kualitas pembelajaran SMK di DKI Jakarta tahun 2023 dan diperoleh hasil bahwa hubungan antara faktor-faktor kualitas pembelajaran SMK di DKI Jakarta tahun 2023 saling bebas dengan nilai antara kualitas pembelajaran dengan refleksi dan perbaikan pembelajaran yaitu ξ (X1, X2) = 0,0093; antara kualitas pembelajaran dengan kepemimpinan instruksional yaitu ξ(X1, X3) =0,0164; antara refleksi dan perbaikan pembelajaran dengan kepemimpinan instruksional yaitu ξ(X2, X3) = 0,0027. Tidak ada hubungan diantara ketiga variabel tersebut.]]>
<![CDATA[Deteksi Pemalsuan Minyak Zaitun Menggunakan Spektroskopi FTIR dengan Metode Kemometrika PCA-SVM ]]>
<![CDATA[Ghassany Fathiyah Kamal]]>;
<![CDATA[Sutawanir Darwis]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v4i2.12869
<![CDATA[Abstract. The issue of extra virgin olive oil adulteration in Europe in November 2023 has negatively impacted consumer safety and trust in the product. To address this problem, a study was conducted to detect adulteration using Fourier Transform Infrared (FTIR) spectroscopy combined with chemometrics Principal Component Analysis (PCA) and Support Vector Machine (SVM). FTIR is a spectroscopic technique that analyzes functional groups and molecular structures by examining the interaction of molecules with infrared radiation. PCA was employed to reduce the dimensionality and visualize the FTIR spectral data. SVM was used to classify the samples into their appropriate categories. The data used in this study was secondary, namely olive oil, pork oil, and their mixtures, which were tested using FTIR spectroscopy. The results indicated that the PCA-SVM multiclass one-against-one, using a polynomial kernel with a cost of 0.1, gamma of 0.01, and degree of 4, successfully detected olive oil adulteration with an average accuracy of 91.11%. The combination of FTIR spectroscopy with PCA-SVM chemometrics is effective in detecting olive oil adulteration. This research is expected to help combat olive oil adulteration, thereby protecting consumer safety and restoring trust in the product. Abstrak. Isu pemalsuan minyak zaitun ekstra virgin yang terjadi di Eropa pada November 2023 menimbulkan dampak negatif terhadap keamanan dan kepercayaan konsumen pada produk. Dalam upaya mengatasi masalah ini, dilakukan penelitian untuk mendeteksi pemalsuan tersebut menggunakan metode spektroskopi Fourier Transform Infra Red (FTIR) dengan kemometrika Principal Component Analysis (PCA) dan Support Vector Machine (SVM). FTIR adalah teknik spektroskopi yang memanfaatkan interaksi molekul dengan radiasi inframerah untuk menganalisis gugus fungsi dan struktur kimia molekul. Metode PCA digunakan untuk mengurangi dimensi dan visualisasi data spektra FTIR. Metode SVM digunakan untuk mengklasifikasikan sampel ke dalam kategori yang tepat. Data yang digunakan dalam penelitian ini adalah data sekunder, yaitu minyak zaitun, minyak babi, dan campurannya yang diuji menggunakan alat spektroskopi FTIR. Hasil penelitian menunjukkan bahwa metode PCA-SVM multiclass one agains one menggunakan kernel polinomial dengan parameter cost sebesar 0,1, gamma sebesar 0,01, dan degree sebesar 4 berhasil mendeteksi pemalsuan minyak zaitun dengan rata-rata akurasi 91,11%. Metode spektroskopi FTIR yang digabungkan dengan kemometrika PCA-SVM ini efektif untuk mendeteksi pemalsuan minyak zaitun. Dengan adanya penelitian ini, diharapkan dapat membantu mengatasi masalah pemalsuan produk minyak zaitun guna melindungi keamanan konsumen dan memulihkan kepercayaan terhadap produk.]]>
<![CDATA[Pemodelan Geographically Weighted Panel Regression untuk Data Kemiskinan di Provinsi Jawa Barat ]]>
<![CDATA[Marcha Naurah Ilhamsyah]]>;
<![CDATA[Nur Azizah Komara Rifai]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v4i2.12932
<![CDATA[Abstract. Regression analysis aims to understand the impact of one dependent variable on one or more independent variables. The panel regression model combines time series and cross-sectional data. For parameter estimation in the Fixed Effect Model, the least squares method with dummy variables, or Ordinary Least Squares Dummy Variables (LSDV), is used. The Random Effect Model employs the Generalized Least Squares method or the Weighted Least Squares method. However, due to differences in characteristics or phenomena between various locations or regions, known as spatial heterogeneity, conditions may vary. To address spatial heterogeneity, Geographically Weighted Panel Regression is utilized, allowing for the modeling of each research area over time. This study used factors such as households with access to decent drinking water, expected years of schooling, and open unemployment, with the Fixed Effect Model being the chosen approach. The goal was to develop a Geographically Weighted Panel Regression model based on the selected Fixed Effect Model. The optimal model, with a minimum cross-validation value of 45704.40 and a minimum Akaike Information Criterion value of 1135.954, was found using the Bisquare Kernel function. The significance tests indicated that the factors influencing poverty rates in the districts and cities of West Java vary by location due to spatial differences. Abstrak. Analisis regresi bertujuan untuk melihat pengaruh satu variabel terikat dengan satu atau lebih variabel bebas. Model regresi data panel adalah salah satu model regresi yang berisikan data gabungan time series dan cross section.Metode estimasi parameter untuk Fixed Effect Model adalah metode kuadrat terkecil dengan Dummy variables atau Ordinary Least Square Dummy variables (LSDV). Untuk model acak Random Effect Model menggunakan metodeGeneralized Least Squares atau metode Weighted Least Squares. Namun, pada kenyataannya, kondisinya mungkin berbeda dari satu lokasi ke lokasi lainnya karena perbedaan dalam karakteristik atau fenomena antara berbagai lokasi atau wilayah dalam suatu ruang geografis, hal ini disebut dengan heterogenitas spasial. Pada Geographically Weighted Panel Regressiondigunakan untuk menangkap heterogenitas spasial di seluruh wilayah atau titik dalam analisis data spasial, serta dapat memodelkan masing-masing wilayah penelitian sepanjang periode waktu tertentu. Berdasarkan hasil penelitian model estimasi regresi data panel menggunakan faktor-faktor yang digunakan dalam penelitian ini, yaitu rumah tangga yang memiliki akses terhadap sumber air minum layak, harapan lama sekolah, dan pengangguran terbuka dengan model yang terpilih yaitu Fixed Effect Model. Tujuan penelitian ini adalah untuk menghasilkan model Geographically Weighted Panel Regression menggunakan model yang terpilih yaitu fixed effect model. Berdasarkan perhitungan nilai cross validationpaling minimum sebesar 45704.40 dan nilai Akaike Information Criterion paling minimum sebesar 1135.954 terdapat pada model GWPR dengan menggunakan fungsi pembobot Bisquare Kernel. Pada uji signifikansi parameter diperoleh hasil bahwa model untuk setiap lokasi dan faktor-faktor yang memengaruhi persentase penduduk miskin di kabupaten/kota Jawa Barat berbeda-beda untuk setiap lokasinya karena adanya variasi spasial.]]>
<![CDATA[Pengujian Kesamaan Profil ASN PPPK Kabupaten Bandung dan Kabupaten Sumedang Berdasarkan Gaji Pokok ]]>
<![CDATA[Mufika Reviana Hidayat]]>;
<![CDATA[Suwanda]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v4i2.12977
<![CDATA[Abstract. A Branch Office is a part of the Regional Government Unit responsible for managing governmental affairs in the fields of secondary education, maritime affairs and fisheries, energy and mineral resources, and forestry. It is established as a working unit of the department with a specific area of jurisdiction. The Branch Office of Education for Region VIII of West Java has duties that include the distribution of salaries and allowances for ASN teachers (civil servants) with the status of Government Employees with Employment Agreements (PPPK) in Bandung Regency and Sumedang Regency. The salary components consist of Basic Salary, General Allowance, Position Allowance, and Performance Allowance. The amount of the basic salary is stipulated in Presidential Regulation No. 98 of 2020, which is determined by rank and years of service. Therefore, the profile of ASN PPPK in the regencies/cities can be reflected in their basic salary. This paper compares the profile of ASN PPPK in Bandung Regency and Sumedang Regency based on a test of equality of the average or median basic salary. The research results show that the data does not come from a normal distribution at a 5% significance level. Using the Mann-Whitney Test at a 5% significance level, it can be concluded that the median basic salary of ASN PPPK between Bandung Regency and Sumedang Regency is not significantly different. Abstrak. Cabang Dinas adalah bagian dari Perangkat Daerah yang bertanggung jawab atas penyelenggaraan Urusan Pemerintahan di bidang pendidikan menengah, kelautan dan perikanan, energi dan sumber daya mineral, serta kehutanan, yang dibentuk sebagai unit kerja dinas dengan wilayah kerja tertentu. Kantor Cabang Dinas Pendidikan Wilayah VIII Jawa Barat memiliki tugas antara lain penyaluran gaji dan tunjangan bagi Guru ASN berstatus Pegawai Pemerintah dengan Perjanjian Kerja (PPPK) di Kabupaten Bandung dan Kabupaten Sumedang. Komponen Gaji terdiri dari Gaji Pokok, Tunjangan Umum, Tunjangan Jabatan dan Tunjangan Kinerja. Besarnya gaji pokok tertuang dalam Perpres Nomor 98 Tahun 2020 yang ditentukan oleh golongan dan masa kerja. Oleh karena itu, profil ASN PPPK di kabupaten/kota dapat dilihat pada gajih pokoknya. Dalam makalah ini dilakukan perbandingan profil ASN PPPK di Kab. Bandung dan Kab. Sumedang berdasarkan pada pengujian kesamaan rata-rata atau median gajih pokok. Hasil Penelitian menunjukkan bahwa data bukan berasal dari distribusi normal pada taraf nyata 5%. Dengan menggunakan Uji Mann Whitney pada taraf nyata 5% dapat disimpulkan bahwa median gaji pokok ASN PPPK antara Kab. Bandung dan Kab. Sumedang tidak berbeda secara signifikan.]]>
<![CDATA[Pemodelan Arima Intervensi untuk Meramalkan Jumlah Kendaraan Masuk Melalui Tol Pasteur Tahun 2014-2023 ]]>
<![CDATA[Winda Aya Haliza]]>;
<![CDATA[Nusar Hajarisman]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v4i2.13043
<![CDATA[Abstract. Intervention modeling analysis is a time series data analysis model used toforecast data containing interventions or unexpected events from both internal andexternal factors. In general, there are two types of functions in intervention analysis,namely step and pulse. During the Covid-19 pandemic, various policies implementedby the government, one of which is PPKM. Based on the time series data patternof[ the number of vehicles entering through the Pasteur Toll Road, it can be seen thatthere was a significant decrease when the PPKM policy was implemented due to theCovid-19 pandemic. The data used in this study is data on the number of vehiclesentering through the Pasteur Toll gate in the period January 1, 2014 to December 31,2023. The purpose of this study is to assess the effect of the PPKM policy interventiondue to the emergence of the Covid-19 pandemic in Indonesia on the number ofvehicles entering through the Pasteur Toll Road. The results of this study indicate thatthe ARIMA modeling for forecasting the number of vehicles, considering theintervention, is best represented by the ARIMA (0,0,1) model with an interventionorder of (b = 1, r = 3, s = 0), which shows that the intervention effect occurred oneperiod, or one month since the intervention event with a negative influence, leadingto a notable decrease in the number of vehicles entering through the Pasteur Toll Roadover the 2014-2023 period. Abstrak. Analisis pemodelan intervensi adalah suatu model analisis data deret waktuyang digunakan untuk meramalkan data yang mengandung intervensi atau kejadianyang tidak terduga baik dari faktor internal maupun eksternal. Secara umum, terdapatdua jenis fungsi pada analisis intervensi yaitu step dan pulse. Selama pandemi Covid-19, terdapat kebijakan yang diterapkan pemerintah salah satunya adalah PPKM.Berdasarkan pola data deret waktu jumlah kendaraan yang masuk melalui Tol Pasteurterlihat bahwa terdapat penurunan yang signifikan pada saat diterapkan kebijakanPPKM karena pandemi Covid-19. Data yang digunakan dalam penelitian ini adalahdata jumlah kendaraan masuk melalui gerbang Tol Pasteur pada periode 1 Januari2014 sampai dengan 31 Desember 2023. Tujuan dari penelitian ini adalah untukmelihat pengaruh intervensi adanya kebijakan PPKM karena munculnya pandemiCovid-19 di Indonesia pada jumlah kendaraan yang masuk melalui Tol Pasteur. Hasildari penelitian ini adalah didapat bahwa pemodelan ARIMA intervensi untukmeramalkan jumlah kendaraan yang masuk melalui Tol Pasteur adalah modelARIMA (0,0,1) dengan orde intervensi (b=1,r=3,s=0) yang menunjukkan bahwaadanya efek intervensi terjadi satu periode atau 1 bulan sejak terjadinya kejadianintervensi dengan pengaruh negatif yaitu penurunan pada jumlah kendaraan yangmasuk melalui Tol Pasteur pada data tahun 2014-2023.]]>
