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[Analisis Konten Portal Berita DetikCom Mengenai Headline Pemberitaan Acara MotoGP Mandalika pada Media Sosial X Menggunakan Konsep Vector Space Model (VSM) dengan Metode TF-IDF dan Cosine Similarity ]]>
<![CDATA[Regitha Gladiul Krisnasukma]]>;
<![CDATA[Marizsa Herlina]]>
<![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.v4i2.13159
<![CDATA[Abstract. MotoGP is back in Indonesia after 25 years. During the preparation until the end of the event, many incidents were highlighted by the community which were then used by DetikCom to upload tweets about news headlines. In processing news, it is not uncommon for a news headline to be uploaded repeatedly. Therefore, content analysis was carried out using the concept of Vector Space Model (VSM) with the TF-IDF method and Cosine Similarity to identify the diversity of uploaded news headlines. Data processing includes 4 stages of analysis, namely text preprocessing, VSM analysis, content analysis, and visualization. The result of this study is that news portals that upload MotoGP Mandalika news include DetikCom, DetikSport, DetikOto, DetikFinance, DetikTravel, and DetikHealth with a total of 261 tweets of news headlines from all portals. A total of 855 unique words with an average cosine similarity result of 0.0128 shows that the similarity of content in news headlines across the DetikCom is very low. Abstrak. MotoGP kembali diadakan di Indonesia setelah 25 tahun lalu. Pergelaran acara tersebut mengundang antusiasme besar di masyarakat yang diungkapkan pada media sosial X. Selama persiapan sampai dengan selesainya acara, banyak kejadian yang disoroti masyarakat yang kemudian dimanfaatkan oleh DetikCom untuk mengunggah tweet mengenai cuplikan berita atau headline berita. Dalam memproses berita, tidak jarang suatu headline berita diunggah berulang kali. Maka dari itu, dilakukan analisis konten menggunakan konsep Vector Space Model (VSM) dengan metode TF-IDF dan Cosine Similarity untuk mengidentifikasi keberagaman headline berita yang diunggah. Pengolahan data mencakup 4 tahap analisis yaitu text preprocessing, analisis VSM, analisis konten, dan visualisasi. Hasil dari penelitian ini adalah portal yang mengunggah pemberitaan MotoGP Mandalika meliputi DetikCom, DetikSport, DetikOto, DetikFinance, DetikTravel, dan DetikHealth dengan total unggahan headline berita dari seluruh portal sebanyak 261 tweet. Total kata unik sebanyak 855 kata dengan hasil rata-rata cosine similarity bernilai 0.0128 menunjukkan bahwa kemiripan konten pada headline berita di seluruh portal DetikCom sangat rendah.]]>
<![CDATA[Peramalan Volume Perdagangan Saham pada Bank X Menggunakan Extreme Learning Machine (ELM) ]]>
<![CDATA[Rizki Arya Ramadhan]]>;
<![CDATA[Marizsa Herlina]]>
<![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.v4i2.13199
<![CDATA[Abstract. The Indonesian stock market represented by the Indonesia Stock Exchange (IDX) has become an important part of national economic development. The IDX plays a very important role in supporting economic activities in Indonesia so that investors can reduce the risk of loss on the shares they own. Bank X is one of the largest private banking companies that plays a central role in the Indonesian capital market which has a capitalization value of $79.8 billion at the end of April 2023. Scientists, especially in the field of Artificial Intelligence (AI) are trying to develop and find methods in predicting stock price movements using technical analysis as science develops. Huang et al. (1) found a new learning method in Artificial Neural Networks, namely Extreme Learning Machine (ELM). ELM is a machine learning method developed for Artificial Neural Networks (JST). ELM focuses on artificial neural networks with a single hidden layer. The results of research on Extreme Learning Machine obtained the best hidden layer value of 60 with a MAPE value of 28.98% where the comparison of actual data and prediction data on Stock Trading Volume data at Bank X with Extreme Learning Machine method the data is not much different when using seed = 100 and random 1x. Abstrak. Pasar saham Indonesia yang diwakili oleh Bursa Efek Indonesia (BEI) telah menjadi bagian penting dalam pembangunan perekonomian nasional. BEI sangat berperan penting dalam mendukung kegiatan perekonomian di Indonesia sehingga investor dapat mengurangi risiko kerugian atas saham yang dimilikinya. Bank X merupakan salah satu perusahaan perbankan swasta terbesar yang berperan sentral di pasar modal Indonesia yang memiliki nilai kapitalisasi mencapai $79,8 miliar pada akhir April 2023. Para ilmuwan, khususnya di bidang Artificial Intelligence (AI) berusaha mengembangkan dan mencari metode dalam memprediksi pergerakan harga saham menggunakan analisis teknikal seiring berkembangnya ilmu pengetahuan. Huang et al. (1) menemukan metode pembelajaran yang baru pada Jaringan Syaraf Tiruan yaitu Extreme Learning Machine (ELM). ELM merupakan sebuah metode pembelajaran machine yang dikembangkan untuk Jaringan Syaraf Tiruan (JST). ELM berfokus pada jaringan syaraf tiruan dengan satu lapisan tersembunyi (single hidden layer). Hasil penelitian pada Extreme Learning Machine diperoleh nilai hidden layer terbaik yaitu 60 dengan nilai MAPE sebesar 28,98% dimana perbandingan data aktual dan data prediksi pada data Volume Perdagangan Saham pada Bank X dengan metode Extreme Learning Machine datanya tidak jauh berbeda ketika menggunakan seed = 100 dan acak 1x.]]>
<![CDATA[Diagram Kendali EWMA untuk Memantau Rata-Rata Proses pada Proses Spinning Benang PT XYZ ]]>
<![CDATA[Rahmania Marwah Darmawan]]>;
<![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.v4i2.13220
<![CDATA[Abstract. The textile industry plays a crucial role in the global economy, including in Indonesia. This sector is one of the main contributors to exports and employment. As market competition intensifies and consumer demand for high-quality textile products increases, quality control becomes a crucial factor for every manufacturer. In statistics, the approach to monitoring quality is called Statistical Quality Control (SQC). SQC is the monitoring of shifts that occur so that improvements can be made quickly before many defective products are produced. A tool that can be used to monitor process shifts is a control chart. In this study, an Exponentially Weighted Moving Average (EWMA) control chart is used which can detect small process shifts (< 1,5σ). Applying the EWMA control chart with a weight value = 0,2 and results in the yarn spinning process carried out by PT XYZ in a controlled state on the average process. Abstrak. Industri tekstil memiliki peran yang sangat penting dalam ekonomi global termasuk di Indonesia. Sektor ini menjadi salah satu penyumbang utama ekspor dan lapangan kerja. Persaingan pasar yang semakin ketat dan meningkatnya permintaan konsumen terhadap produk tekstil berkualitas tinggi maka pengendalian kualitas menjadi faktor yang krusial bagi setiap produsen. Dalam statistika, pendekatan untuk memantau kualitas disebut dengan pengendalian kualitas statistik. Pengendalian kualitas statistik adalah proses untuk memantau pergeseran proses yang terjadi agar dapat dilakukan perbaikan secara cepat sebelum banyak produk cacat yang diproduksi. Alat yang dapat digunakan untuk memantau pergeseran proses adalah diagram kendali. Pada penelitian ini digunakan diagram kendali Exponentially Weighetd Moving Average (EWMA) yang dapat mendeteksi pergeseran proses yang kecil (< 1,5σ). Penerapan diagram kendali EWMA dengan nilai pembobot = 0,2 dan nilai menghasilkan proses spinning benang yang dilakukan oleh PT XYZ dalam keadaan terkendali pada rata-rata proses.]]>
<![CDATA[Analisis Pengaruh Belajar tentang Pembelajaran, Dukungan Psikologis, dan Metode Pembelajaran terhadap Kualitas Pembelajaran SMK di Provinsi DKI Jakarta pada Tahun 2023 ]]>
<![CDATA[Tarisyah]]>;
<![CDATA[Muthia Nadhira Faladiba]]>
<![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.v4i2.13230
<![CDATA[Abstract. Education is one of the things that is highly considered by the Indonesian government at all levels, including at the Vocational High School (SMK) level. Judging from data from the Ministry of Education, Culture, Research and Technology, the quality of learning at Vocational High Schools in DKI Jakarta Province often fluctuates. This can be influenced by various factors experienced by various Vocational High Schools in DKI Jakarta Province, such as learning objectives, teachers, students, facilities and infrastructure, learning activities, environment, evaluation materials and tools, evaluation atmosphere, learning about learning, psychological support, and learning methods. One way to find out the factors that influence and are related to the quality of learning in Vocational High Schools in DKI Jakarta Province is to use multiple linear regression analysis so as to produce a regression model that can be used to describe the relationship between factors that affect the quality of learning in all vocational high schools in DKI Jakarta Province in 2023. This study aims to analyze and see how learning about learning, psychological conditions, and learning methods affect the quality of learning in DKI Jakarta Province in 2023. The results of this study show that the three factors affect the quality of learning but the magnitude of the influence of each factor is different. The factor that has the greatest influence is the learning method with the largest Standardized Coefficient Beta value of 0.616. With the estimated model that is Y^ = -12,309 + 0,149X1 + 0,333X2 + 0,618X3. Abstrak. Pendidikan merupakan salah satu hal yang sangat diperhatikan oleh pemerintah Indonesia di segala jenjang, termasuk pada jenjang Sekolah Menengah Kejuruan (SMK). Dilihat dari data Kementrian Pendidikan, Kebudayaan, Riset, dan Teknologi, kualitas pembelajaran Sekolah Menengah Kejuruan di Provinsi DKI Jakarta seringkali mengalami fluktuasi. Hal tersebut dapat dipengaruhi oleh berbagai faktor yang dialami oleh berbagai Sekolah Menengah Kejuruan di Provinsi DKI Jakarta, seperti tujuan pembelajaran, guru, siswa, sarana dan prasarana, kegiatan pembelajaran, lingkungan, bahan dan alat evaluasi, suasana evaluasi, belajar tentang pembelajaran, dukungan psikologis, dan metode pembelajaran. Salah satu cara untuk mengetahui faktor yang mempengaruhi dan berkaitan dengan kualitas pembelajaran Sekolah Menengah Kejuruan di Provinsi DKI Jakarta yaitu dengan menggunakan analisis regresi linier berganda sehingga menghasilkan model regresi yang dapat digunakan untuk menggambarkan keterkaitan antara faktor-faktor yang mempengaruhi kualitas pembelajaran di seluruh SMK di Provinsi DKI Jakarta pada tahun 2023. Penelitian ini bertujuan untuk menganalisis dan melihat bagaimana pengaruh belajar tentang pembelajaran, kondisi psikologis, dan metode pembelajaran terhadap kualitas pembelajaran di Provinsi DKI Jakarta pada tahun 2023. Hasil penelitian ini menunjukkan bahwa ketiga faktor tersebut mempengaruhi kualitas pembelajaran tetapi besarnya pengaruh dari setiap faktornya berbeda. Faktor yang mempunyai pengaruh terbesar adalah metode pembelajaran dengan nilai Standardized Coefficient Beta paling besasr yaitu 0,616. Dengan estimasi model yaitu Y^ = -12,309 + 0,149X1 + 0,333X2 + 0,618X3.]]>
<![CDATA[Pemodelan Produk Domestik Bruto (PDB) dengan Metode Seemingly Unrelated Regression (SUR) di Indonesia, Malaysia, Singapura, Filipina, dan Vietnam ]]>
<![CDATA[Enu Ainun Isni]]>;
<![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.v4i2.13246
<![CDATA[Abstract. Seemingly Unrelated Regression (SUR) is a system consisting of two or more linear regression equations that can be used to address violations of assumptions in panel data regression, namely heteroskedasticity in the variance of residuals and the presence of correlation between residuals of different individuals, also known as contemporaneous correlation. The independent variables used are Foreign Direct Investment (FDI), inflation, and the labor force, while the dependent variable is the Gross Domestic Product (GDP) in Indonesia, Malaysia, Singapore, Philippines, and Vietnam from 2000 to 2022. In the assumption check for the best panel data regression model, the Random Effect Model (REM) with different intercepts and slopes for each country, heteroskedasticity and contemporaneous correlation were found. Therefore, an alternative method, SUR, was used. Based on the SUR model, it can be concluded that GDP in Indonesia and the Philippines is influenced by FDI and the labor force. GDP in Malaysia is only influenced by the labor force. Additionally, GDP in Singapore and Vietnam is influenced by all independent variables, namely FDI, inflation, and the labor force. The McElroy's coefficient of determination (R2) for the SUR model is 97.68%, and the coefficient of determination for REM is 96,49%. This means that, because the R2 value of the SUR model is closer to 100%, it can be said that the SUR model is better to apply than the REM. Abstrak. Seemingly Unrelated Regression (SUR) adalah sistem yang terdiri dari dua atau lebih persamaan regresi linear yang bisa digunakan untuk mengatasi pelanggaran asumsi pada regresi data panel yaitu heteroskedastisitas pada ragam residual dan terdapat korelasi antar residual pada individu yang berbeda atau yang disebut korelasi kesebayaan (contemporaneous correlation). Variabel independen yang digunakan yaitu Foreign Direct Investement (FDI), inflasi, dan angkatan kerja, serta variabel dependen yaitu Produk Domestik Bruto (PDB) di Negara Indonesia, Malaysia, Singapura, Filipina, dan Vietnam tahun 2000-2022. Dalam pemeriksaan asumsi pada model regresi data panel terbaik, yaitu Random Effect Model (REM) dengan intercept dan slope berbeda untuk setiap negara, ditemukan adanya heteroskedastisitas dan korelasi kesebayaan. Oleh karena itu, digunakan metode alternatif lain yaitu SUR. Berdasarkan model SUR, dapat disimpulkan bahwa PDB di Indonesia dan Filipina dipengaruhi oleh FDI dan angkatan kerja. PDB di Malaysia hanya dipengaruhi oleh angkatan kerja. Serta PDB di Singapura dan Vietnam dipengaruhi oleh semua variabel independen yaitu FDI, inflasi, dan angkatan kerja. Diperoleh juga koefisien determinasi (R2) McElroy’s untuk model SUR sebesar 97,68%, dan koefisien determinasi untuk REM sebesar 96,49%. Artinya karena nilai R2 dari model SUR lebih mendekati 100%, maka dapat dikatakan bahwa model SUR lebih baik untuk diterapkan daripada REM.]]>
<![CDATA[Penerapan Analisis Regresi Data Panel pada Kasus Kemiskinan Menurut Kabupaten/Kota di Provinsi Jawa Barat Tahun 2013-2022 ]]>
<![CDATA[Didis Dwiputri Sundara]]>;
<![CDATA[Marizsa Herlina]]>
<![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.v4i2.13270
<![CDATA[Abstract. Poverty is a global issue that occurs today, including in Indonesia, which is one of developing countries that often face several issues which one of them is poverty. The West Java Provincial Government aims to reduce the number of poverties by making poverty alleviation one of the agendas in the 2018-2023 Regional Medium-Term Development Plan. In a study of quantitative, research should be conduct in several time periods. To accommodate this problem, the panel data regression method was developed, which is a regression method to model time series data and cross-section data. This study aims to identify the factors that effect the poverty rate in West Java Province in 2013-2022 with the method used, namely Panel Data Regression with Random Effect Model. The results found that this study is expected to help the government in designing policies to decrease poverty rate. From the estimated model, it can be concluded that the variables of open unemployment rate, life expectancy, and mean years of schooling have a significant influence on the poverty rate in West Java in 2013-2022. The open unemployment rate variable has a positive relationship while the life expectancy and mean years of schooling variables have a negative relationship. To overcome the problem of poverty, it is expected that the government can pay attention to factors that affect poverty, by reducing the open unemployment rate, and increasing life expectancy and mean years of schooling. Abstrak. Kemiskinan menjadi isu global yang terjadi saat ini, termasuk di Indonesia yang merupakan salah satu negara berkembang, permasalahan yang kerap kali dihadapinya adalah masalah kemiskinan. Pemerintah Daerah Provinsi Jawa Barat memiliki tujuan untuk menurunkan jumlah penduduk miskin dengan menjadikan pengentasan kemiskinan sebagai salah satu agenda dalam Rencana Pembangunan Jangka Menengah Daerah 2018-2023. Dalam sebuah penelitian tidak cukup hanya mengamati satu unit dalam satu periode waktu, tetapi juga perlu mengamati satu unit dalam beberapa periode waktu. Untuk mengakomodasi masalah tersebut dikembangkan metode regresi data panel, yaitu metode regresi untuk memodelkan data time series dan data cross-section. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang memengaruhi tingkat kemiskinan di Provinsi Jawa Barat Tahun 2013-2022 dengan metode yang digunakan yaitu Regresi Data Panel dengan Random Effect Model. Dari hasil yang diperoleh, diharapkan dapat membantu pemerintah dalam merancang kebijakan untuk mengentaskan kemiskinan. Dari taksiran model dapat diambil kesimpulan bahwa variabel tingkat pengangguran terbuka, angka harapan hidup, dan rata-rata lama sekolah memberikan pengaruh yang signifikan terhadap tingkat kemiskinan di Jawa Barat pada Tahun 2013-2022. Variabel tingkat pengangguran terbuka memiliki hubungan yang positif sedangkan variabel angka harapan hidup dan rata-rata lama sekolah memiliki hubungan yang negatif. Dengan demikian dalam rangka mengatasi masalah kemiskinan diharapkan pemerintah dapat memperhatikan faktor-faktor yang berpengaruh terhadap kemiskinan, dengan cara menurunkan tingkat pengangguran terbuka, dan meningkatkan angka harapan hidup dan rata-rata lama sekolah.]]>
<![CDATA[Identifikasi Sektor Unggulan Enam Provinsi di Pulau Jawa Melalui Analisis Input Output terhadap Tabel IRIO ]]>
<![CDATA[Fariz Andinur Aziz]]>;
<![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.v4i2.13578
<![CDATA[Abstract. Input output analysis provides information on transactions of goods and services between economic sectors in a region. Due to differences in resources between regions, an Interregional Input-Output (IRIO) Table is needed to explain economic linkages between regions more comprehensively. This table is very important to understand the economic performance of various regions by looking at the linkages between sectors and regions, both in terms of backward and forward linkages. However, just knowing the linkages is not enough to develop the economy of a region. Therefore, further analysis is needed to identify leading sectors that have the potential to drive economic growth. Java Island is known as the main center of economic growth in Indonesia. This study aims to determine the inter-sectoral and regional linkages of six provinces in Java Island, and identify the leading sectors in each province using the IRIO Table. Based on the linkages in DKI Jakarta, sectors 4 (electricity and gas procurement) and 11 (corporate services) have the highest backward and forward linkages. In West Java, Central Java, and East Java, sectors 3 (manufacturing industry) and 4 (electricity and gas procurement) are the highest. In DI Yogyakarta, sectors 4 (electricity and gas procurement) and 8 (transportation and storage) are highest, and in Banten, sector 4 (electricity and gas procurement) is highest. By leading sector, sector 3 (manufacturing industry) is leading in all provinces except Banten, sector 4 (electricity and gas procurement) in all provinces, sector 8 (transportation and storage) in West Java, DI Yogyakarta, and East Java, and sector 10 (information and communication) in DI Yogyakarta and East Java. Abstrak. Analisis input output memberikan informasi tentang transaksi barang dan jasa antar sektor ekonomi di suatu wilayah. Karena perbedaan sumber daya antar wilayah, diperlukan Tabel Interregional Input-Output (IRIO) untuk menjelaskan keterkaitan ekonomi antar wilayah secara lebih komprehensif. Tabel ini sangat penting untuk memahami performa ekonomi berbagai wilayah dengan melihat keterkaitan antar sektor dan wilayah, baik dari sisi keterkaitan ke belakang (backward linkage) maupun ke depan (forward linkage). Namun, hanya mengetahui keterkaitan saja tidak cukup untuk mengembangkan perekonomian suatu wilayah. Oleh karena itu, perlu dilakukan analisis lebih lanjut untuk mengidentifikasi sektor-sektor unggulan yang berpotensi mendorong pertumbuhan ekonomi. Pulau Jawa dikenal sebagai pusat pertumbuhan ekonomi utama di Indonesia. Penelitian ini bertujuan untuk mengetahui keterkaitan antar sektor dan wilayah enam provinsi di Pulau Jawa, serta mengidentifikasi sektor unggulan di masing-masing provinsi tersebut menggunakan Tabel IRIO. Berdasarkan keterkaitan di DKI Jakarta, sektor 4 (pengadaan listrik dan gas) dan 11 (jasa perusahaan) memiliki keterkaitan ke belakang dan ke depan paling tinggi. Di Jawa Barat, Jawa Tengah, dan Jawa Timur, sektor 3 (industri pengolahan) dan 4 (pengadaan listrik dan gas) paling tinggi. Di DI Yogyakarta, sektor 4 (pengadaan listrik dan gas) dan 8 (transportasi dan pergudangan) paling tinggi, dan di Banten, sektor 4 (pengadaan listrik dan gas) paling tinggi. Berdasarkan sektor unggulan, sektor 3 (industri pengolahan) unggul di semua provinsi kecuali Banten, sektor 4 (pengadaan listrik dan gas) di semua provinsi, sektor 8 (transportasi dan pergudangan) di Jawa Barat, DI Yogyakarta, dan Jawa Timur, serta sektor 10 (informasi dan komunikasi) di DI Yogyakarta dan Jawa Timur.]]>
<![CDATA[Analisis Faktor- Faktor yang Berpengaruh terhadap Gizi Buruk di Kota Bandung ]]>
<![CDATA[Nadia Ruhul Mujahadah]]>;
<![CDATA[Sirodj, Dwi Agustin Nuriani]]>
<![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.v4i2.13784
<![CDATA[Abstract. Malnutrition remains one of the most significant health issues in Indonesia, with its impact being particularly evident in Bandung City. This problem primarily affects toddlers, who are the most vulnerable group to malnutrition. This study aims to identify and analyze the factors influencing the incidence of malnutrition in Bandung City, with a specific focus on three independent variables: Complete Immunization, Exclusive Breastfeeding, and Low Birth Weight (LBW). The secondary data used in this study covers the period from 2014 to 2022 and was analyzed using multiple regression methods to assess the influence of each variable on malnutrition rates. The analysis results show that Exclusive Breastfeeding and LBW have a significant impact on the incidence of malnutrition, while Complete Immunization does not show a significant effect. The resulting regression model has an R-Square value of 0.847, indicating that 84.7% of the variation in malnutrition cases can be explained by this model. These findings highlight the importance of interventions focused on increasing exclusive breastfeeding and preventing LBW as efforts to reduce malnutrition rates. This study provides valuable insights that are expected to serve as a foundation for policymakers in Bandung City in formulating effective strategies to address malnutrition, particularly among toddlers. Abstrak. Gizi buruk tetap menjadi salah satu masalah kesehatan yang signifikan di Indonesia, dengan dampak yang sangat terasa di Kota Bandung. Masalah ini terutama terjadi di kalangan balita, yang merupakan kelompok paling rentan terhadap kekurangan gizi. Penelitian ini bertujuan untuk mengidentifikasi dan menganalisis faktor-faktor yang mempengaruhi kejadian gizi buruk di Kota Bandung, dengan fokus khusus pada tiga variabel independen: Imunisasi Lengkap, Pemberian ASI Eksklusif, dan Bayi Berat Badan Lahir Rendah (BBLR). Data sekunder yang digunakan dalam penelitian ini mencakup periode dari tahun 2014 hingga 2022, yang kemudian dianalisis menggunakan metode regresi berganda untuk menilai pengaruh masing-masing variabel terhadap tingkat gizi buruk. Hasil analisis menunjukkan bahwa Pemberian ASI Eksklusif dan BBLR memiliki pengaruh signifikan terhadap kejadian gizi buruk, sedangkan Imunisasi Lengkap tidak menunjukkan pengaruh yang signifikan. Model regresi yang dihasilkan memiliki nilai R-Square sebesar 0,847, yang mengindikasikan bahwa 84,7% variasi dalam kasus gizi buruk dapat dijelaskan oleh model ini. Hasil penelitian ini menyoroti pentingnya intervensi yang berfokus pada peningkatan pemberian ASI eksklusif dan pencegahan BBLR sebagai upaya untuk menurunkan angka gizi buruk. Penelitian ini memberikan wawasan berharga yang diharapkan dapat menjadi dasar bagi pembuat kebijakan di Kota Bandung dalam menyusun strategi yang efektif untuk menanggulangi masalah gizi buruk, khususnya di kalangan balita.]]>
<![CDATA[Rekapitulasi Personel TNI Berdasarkan Pangkat dan PNS TNI Berdasarkan Golongan Sesko TNI Bandung Tahun 2022 ]]>
<![CDATA[Muhammad kodar Abd Kohar]]>;
<![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.v4i2.13834
<![CDATA[Abstract. The Internship Program is a mandatory academic activity aimed at developing oneself, acquiring skills, enhancing competencies, and gaining work experience within an organization. The author had the opportunity to undertake an internship for 34 days at Sesko TNI Bandung, where they were assigned to the personnel staff section. The tasks included data entry for personnel and administrative management of personnel records. This research employs a descriptive method, utilizing secondary data from relevant institutions, specifically the personnel recapitulatory data of TNI and TNI civil servants at Sesko TNI for the year 2022. The results of the study indicate that the TNI Army (TNI AD) constitutes 39% with 156 individuals, the TNI Navy (TNI AL) comprises 22% with 90 individuals, and the TNI Air Force (TNI AU) accounts for 11% with 46 individuals, totaling 292 TNI personnel. The TNI civil servants (PNS TNI) make up 28% with 112 individuals. Among the TNI personnel, the highest rank represented is Colonel, with 44 male officers, while there are no female officers at this rank. Additionally, there are no TNI personnel holding the rank of Four-Star General or Second Lieutenant at Sesko TNI Bandung. The total number of PNS TNI at Sesko TNI Bandung in 2022 was 112, with the largest group being those in grade III/b, comprising 22 men and 11 women. This Internship Report can serve as a reference, input, or update for addressing issues or for the placement of TNI personnel and TNI civil servants in relevant institutions. Abstrak. Kuliah Praktik merupakan suatu kegiatan perkuliahan yang bersifat wajib, dengan tujuan untuk mengembangkan diri, keahlian, keterampilan, serta pengalaman bekerja di sebuah instansi. Penulis berkesempatan melakukan Kuliah Praktik selama 34 hari di Sesko TNI Bandung. Penulis ditempatkan pada bagian staf personalia dengan tugas seperti entry data personel dan administrasi data personel. Penelitian ini menggunakan metode deskriptif, data yang digunakan berupa data sekunder dari instansi terkait, yaitu rekapitulasi personel TNI dan PNS TNI Sesko TNI Tahun 2022. Hasil dari penelitian ini menunjukkan TNI AD dengan 39% berjumlah 156 orang, TNI AL dengan 22% berjumlah 90 orang, dan TNI AU dengan 11% berjumlah 46 orang. Keseluruhan Jumlah TNI 292 orang. Sedangkan PNS TNI dengan 28% berjumlah 112 orang. Personel TNI yang menempati anggota terbanyak berdasarkan pangkat Kolonel yaitu sebanyak 44 orang pria sedangkan wanita tidak ada. Selain itu, tidak ada TNI yang memiliki pangkat Bintang-4, dan Prada yang bertugas di Sesko TNI Bandung. Keseluruhan jumlah PNS TNI Sesko TNI Bandung pada tahun 2022 yaitu 112 orang. PNS TNI dengan jumlah terbanyak adalah golongan III/b dengan 22 orang pria sedangkan wanita 11 orang. Laporan Kuliah Praktik ini dapat dijadikan sebagai referensi, masukan ataupun pembaruan dalam pemecahan masalah maupun penempatan personel TNI dan PNS TNI di instansi terkait.]]>
<![CDATA[Pengelompokan Daerah Rawan Gempa Bumi di Pulau Jawa Menggunakan Metode Density Based Spatial Clustering of Application with Noise (DBSCAN) ]]>
<![CDATA[Naufalia Alfiryal]]>;
<![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.v4i2.13873
<![CDATA[Abstract. In cluster analysis, there are often several problems, such as arbitrary cluster shapes and different cluster sizes and densities. One method that can handle these problems is Density Based Spatial Clustering of Application with Noise (DBSCAN). Java Island is one of the areas in Indonesia that often experiences earthquakes, due to the collision zone of the Indo-Australian plate colliding with the Eurasian plate and the presence of 34 active volcanoes. The earthquakes that occur also vary in terms of magnitude and depth. The greater the magnitude and the shallower the depth, the greater the damage. Java is one of the most populous islands in Indonesia, so it is important to know the earthquake-prone areas in Java to minimize the risk through cluster analysis minimize risk through cluster analysis. The data used in this study is earthquake event data in the January 1, 2021 - January 1, 2024 date range obtained from the United States Geological Survey (USGS). From the cluster analysis or grouping carried out, 2 clusters and 1 noise were obtained with the optimal parameter value ε = 0.2857 and MinPts = 4. Cluster 1 consists of 167 areas prone to medium earthquakes and has an average magnitude of 4.42 mb. Cluster 2 consists of 8 areas prone to deep earthquakes and have an average magnitude of 4.46 mb. Meanwhile, the noise regions are areas prone to deep and high magnitude earthquakes. The Silhouette coefficient of 0.6788 means that the cluster structure formed is already in the good structure category. Abstrak. Dalam analisis klaster seringkali terjadi beberapa permasalahan, seperti bentuk klaster yang tidak beraturan (arbitrary) serta ukuran dan kepadatan klaster yang berbeda. Salah satu metode yang mampu menangani permasalahan tersebut adalah Density Based Spatial Clustering of Application with Noise (DBSCAN). Pulau Jawa merupakan salah satu daerah di Indonesia yang sering mengalami gempa bumi. Hal ini dikarenakan adanya zona tumbukan lempeng Indo-Australia yang bertabrakan dengan lempeng Eurasia serta adanya 34 gunung berapi aktif. Gempa bumi yang terjadi juga bervariasi dari segi magnitudo maupun kedalamannya (depth). Semakin besar magnitudo dan semakin dangkal kedalamannya, maka akan semakin besar pula kerusakan yang terjadi. Pulau Jawa merupakan salah satu pulau terpadat di Indonesia sehingga penting untuk mengetahui daerah rawan gempa bumi di Pulau Jawa untuk meminimalisir risiko melalui analisis klaster. Data yang digunakan pada penelitian ini merupakan data kejadian gempa bumi pada rentang tanggal 1 Januari 2021-1 Januari 2024 yang diperoleh dari United States Geological Survey (USGS). Dari analisis klaster atau pengelompokkan yang dilakukan diperoleh 2 klaster dan 1 noise dengan nilai parameter optimal ε = 0.2857 dan MinPts = 4. Klaster 1 terdiri dari 167 daerah yang rawan akan gempa bumi menengah dan memiliki rata-rata magnitudo 4.42 mb. Klaster 2 terdiri dari 8 daerah yang rawan akan gempa bumi dalam dan memiliki rata-rata magnitudo 4.46 mb. Sedangkan, daerah yang menjadi noise merupakan daerah yang rawan gempa bumi dalam dan magnitudo tinggi. Silhouette coefficient sebesar 0.6788 mengartikan bahwa struktur klaster yang terbentuk sudah dalam kategori struktur yang baik.]]>
