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
284 Documents
<![CDATA[Uji Proporsi Pasien Berdasarkan Jenis Kelamin dan Peramalan Kunjungan Pasien RSAU ]]>
<![CDATA[Nur Rizkia, Bilqis]]>;
<![CDATA[Abdul Kudus]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 5 No. 2 (2025): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v5i2.19596
<![CDATA[Abstract. Along with the continuous increase in population, the demand for healthcare services is also rising, causing the number of hospital visits to continue increasing. One characteristic that influences the utilization of health services is gender. The author observed differences in outpatient visits at RSAU dr. M. Salamun, where female patients were more numerous than male patients. To determine whether this difference is statistically significant, a proportion comparison test was conducted. In addition, to anticipate the increasing number of patients, the hospital needs to plan effectively by predicting future outpatient visits. Therefore, this study also conducted forecasting using the ARIMA (Autoregressive Integrated Moving Average) method. The results showed that the proportion comparison test produced a Z value of 66.9078 with a p-value of 0.000, meaning that the proportion of female patients is significantly higher than that of male patients. Furthermore, ARIMA modeling resulted in the best model, ARIMA (1,1,0), with the smallest MSE value of 1,081,351. The forecasting results for outpatient visits from August to December 2024 showed a fluctuating pattern, but indicated signs of recovery compared to the previous period. Abstrak. Seiring dengan terus meningkatnya jumlah penduduk, permintaan terhadap layanan kesehatan juga mengalami peningkatan, sehingga menyebabkan jumlah kunjungan ke rumah sakit semakin bertambah. Salah satu karakteristik yang memengaruhi pemanfaatan layanan kesehatan adalah jenis kelamin. Penulis mengamati adanya perbedaan jumlah kunjungan rawat jalan di RSAU dr. M. Salamun, di mana jumlah pasien perempuan lebih banyak dibandingkan pasien laki-laki. Untuk mengetahui apakah perbedaan ini signifikan secara statistik, dilakukan uji perbandingan proporsi. Selain itu, untuk mengantisipasi peningkatan jumlah pasien, pihak rumah sakit perlu melakukan perencanaan yang efektif dengan memprediksi jumlah kunjungan rawat jalan pada periode mendatang. Oleh karena itu, penelitian ini juga melakukan peramalan menggunakan metode ARIMA (Autoregressive Integrated Moving Average). Hasil penelitian menunjukkan bahwa uji perbandingan proporsi menghasilkan nilai Z sebesar 66,9078 dengan p-value 0,000, yang berarti proporsi pasien perempuan secara signifikan lebih tinggi dibandingkan pasien laki-laki. Selain itu, pemodelan ARIMA menghasilkan model terbaik yaitu ARIMA (1,1,0) dengan nilai MSE terkecil sebesar 1.081.351. Hasil peramalan jumlah kunjungan pasien rawat jalan pada bulan Agustus hingga Desember 2024 menunjukkan pola yang fluktuatif, tetapi mengindikasikan adanya tanda-tanda pemulihan dibandingkan dengan periode sebelumnya.]]>
<![CDATA[Penerapan Model Vector Autoregression dalam Peramalan CAR dan ROA Bank BJB ]]>
<![CDATA[Salsabila, Felisha]]>;
<![CDATA[Teti Sofia Yanti]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 5 No. 2 (2025): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v5i2.20186
<![CDATA[Abstract. In facing increasingly complex economic dynamics, banks are expected to maintain their financial stability through the management of various financial indicators. Some of the key indicators include the Capital Adequacy Ratio (CAR) and Return on Assets (ROA). This study aims to analyze the dynamic relationship and forecast CAR and ROA at Bank BJB for the period 2016–2024 using the Vector Autoregression (VAR) model. The data used consists of quarterly financial reports of Bank BJB from 2016 to 2024, obtained from the official website of Bank BJB. The data is processed using EViews 10 software through several stages, including descriptive statistics, stationarity testing, cointegration testing, model estimation and stability testing, diagnostic checking, optimal lag determination, Granger causality testing, forecasting, and accuracy evaluation using the Mean Absolute Percentage Error (MAPE) value. The results show that two parameters are significant at the 10% level: ΔCAR(-2) on ΔCAR and ΔROA(-1) on ΔROA. The forecasting model in this study is able to capture the historical patterns of CAR and ROA quite well, as indicated by a MAPE value of 3.56% for CAR which is considered very good and 22.37% for ROA, which falls into the fair category. Abstrak. Dalam menghadapi dinamika ekonomi yang semakin kompleks, bank diharapkan menjaga stabilitas keuangannya melalui pengelolaan berbagai indikator keuangan. Beberapa indikator penting tersebut antara lain adalah Capital Adequacy Ratio (CAR) dan Return on Assets (ROA). Penelitian ini bertujuan untuk menganalisis hubungan dinamis serta meramalkan CAR dan ROA pada Bank BJB tahun 2016–2024 menggunakan model VAR. Data yang digunakan merupakan laporan keuangan triwulanan Bank BJB selama periode tahun 2016 hingga 2024 yang diperoleh melalui website resmi Bank BJB. Data diolah menggunakan software Eviews 10 melalui tahapan statistik deskriptif, uji stasioneritas, uji kointegrasi, estimasi dan stabilitas model, uji diagnostik, penentuan lag optimal, uji kausalitas Granger, peramalan, serta evaluasi akurasi menggunakan nilai MAPE. Hasil menunjukkan bahwa terdapat dua parameter yang signifikan pada taraf nyata 10%, yaitu ΔCAR(-2) terhadap ΔCAR dan ΔROA(-1) terhadap ΔROA. Model peramalan dalam penelitian ini mampu menangkap pola historis CAR dan ROA dengan cukup baik, yang ditunjukkan oleh nilai MAPE sebesar 3,56% untuk CAR yang tergolong sangat baik, dan 22,37% untuk ROA yang berada dalam kategori cukup.]]>
<![CDATA[Penerapan Diagram Kendali Shewhart pada Model ARMA-GARCH dalam Memantau Proses Keuangan di Pasar Modal Indonesia ]]>
<![CDATA[Maharani, Renita]]>;
<![CDATA[Suwanda]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 5 No. 2 (2025): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v5i2.20556
<![CDATA[Abstract. The capital market has significant potential to drive the country's economic growth. The Indonesian capital market is inseparable from market uncertainty which influences risk considerations in investing. Financial data modeling using time series methods is effective in modeling stock market returns and volatility. The ARMA model is unable to handle the problem of non-constant residual variance, requiring advanced modeling, namely ARMA-GARCH. However, this model has limitations in monitoring the stability of financial processes. Therefore, a statistical method capable of monitoring financial process stability, namely the Shewhart control chart, is applied. This study uses the ARMA-GARCH model and the Shewhart control chart to model returns and volatility with statistical control tools useful for providing an overview of investment risk in the Indonesian capital market. This study uses data from the Jakarta Composite Index for the period January 2000 to December 2024, totaling 6,089 observations. The results show that the ARMA (1,2) - GARCH (2,1) model is the best model with the smallest AIC and SIC values. The Shewhart control chart for the ARMA (1,2) - GARCH (2,1) model shows 101 uncontrolled signals. This indicates that there were at least 101 market volatility shocks in the Indonesian capital market from January 2000 to December 2024. Abstrak. Pasar modal memiliki potensi besar menjadi motor penggerak pertumbuhan ekonomi negara. Pasar modal Indonesia tidak terlepas dari ketidakpastian pasar yang berpengaruh pada pertimbangan risiko dalam berinvestasi. Pemodelan data keuangan menggunakan metode deret waktu sangat efektif dalam memodelkan return dan volatilitas pasar saham. Model ARMA tidak mampu menangani masalah ragam sisaan yang tidak konstan sehingga diperlukan pemodelan lanjutan yaitu ARMA-GARCH. Namun, model ini memiliki keterbatasan dalam memantau stabilitas proses keuangan. Maka diterapkan metode statistik yang mampu memantau stabilitas proses keuangan yaitu diagram kendali Shewhart. Penelitian ini menggunakan model ARMA-GARCH dan diagram kendali Shewhart untuk memodelkan return dan volatilitas dengan alat kontrol statistik yang berguna untuk memberikan gambaran risiko investasi di pasar modal Indonesia. Penelitian ini menggunakan data Indeks Harga Saham Gabungan (IHSG) periode Januari 2000 sampai Desember 2024 sebanyak 6.089 pengamatan. Hasil penelitian menunjukkan bahwa model ARMA (1,2) – GARCH (2,1) merupakan model terbaik dengan nilai AIC dan SIC terkecil. Diagram kendali Shewhart pada model ARMA (1,2) – GARCH (2,1) menunjukkan sinyal yang tidak terkendali sebanyak 101 kali. Hal ini menandakan bahwa sepanjang periode Januari 2000 sampai Desember 2024 terjadi setidaknya 101 kali guncangan (market volatility) di pasar modal Indonesia.]]>
<![CDATA[Premi Asuransi Gempa Bumi Pulau Lombok Menggunakan Probabilistic Seismic Hazard Analysis dan Korelasi MMI-PGA ]]>
<![CDATA[Agus Nugraha, Ryan]]>;
<![CDATA[Sutawanir Darwis]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 5 No. 2 (2025): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v5i2.20877
<![CDATA[Abstract. Indonesia is a seismically active country due to its location at the convergence of three major tectonic plates and the Pacific Ring of Fire. Lombok Island is particularly prone to earthquakes, with a history of events causing significant damage to infrastructure and communities. This study aims to estimate earthquake insurance premiums in Lombok using a Probabilistic Seismic Hazard Analysis (PSHA) approach. Earthquake data were declustered and shown to follow a Poisson distribution. Peak Ground Acceleration (PGA) values from PSHA were converted to Modified Mercalli Intensity (MMI) using Pailoplee’s (2012) logarithmic correlation: log10(PGA)=0.2526xMMI-3.1006. The MMI values were applied in a normal-binomial model to estimate seismic hazard, while the Damage Probability Matrix (DPM) was used to calculate the Expected Annual Damage Ratio (EADR). Results showed an EADR of 1.0907% per year, within the premium limits set by the Financial Services Authority (OJK). The estimated Pure Risk Premium (PRP) was IDR 10,907,000 per year for a building insured at IDR 1,000,000,000. After adding a loading factor, the Total Premium (TP) reached IDR 18,178,333.33. This probabilistic approach offers a realistic basis for earthquake insurance pricing and risk management in Lombok. Abstrak. Indonesia merupakan negara dengan aktivitas seismik tinggi karena berada di pertemuan tiga lempeng tektonik utama dan Cincin Api Pasifik. Pulau Lombok dikenal sebagai wilayah aktif secara seismik, dengan catatan sejarah gempa bumi yang berdampak besar terhadap infrastruktur dan kehidupan masyarakat. Penelitian ini bertujuan untuk mengestimasi tarif premi asuransi gempa bumi di Pulau Lombok berdasarkan pendekatan Probabilistic Seismic Hazard Analysis (PSHA). Data gempa dianalisis setelah proses declustering dan terbukti mengikuti distribusi Poisson. Nilai percepatan tanah maksimum (PGA) hasil PSHA dikonversi ke intensitas Modified Mercalli Intensity (MMI) menggunakan korelasi logaritmik dari Pailoplee (2012): log10(PGA)=0,2526xMMI-3,1006. Nilai MMI yang diperoleh digunakan dalam model normal-binomial untuk menghitung Seismic Hazard, dan Damage Probability Matrix (DPM) digunakan untuk menentukan Expected Annual Damage Ratio(EADR). Hasil analisis menunjukkan EADR sebesar 1,0907% per tahun, masih sesuai batas premi yang ditetapkan Otoritas Jasa Keuangan (OJK). Estimasi Pure Risk Premium (PRP) adalah Rp10.907.000 per tahun untuk nilai pertanggungan bangunan sebesar Rp1.000.000.000. Setelah penambahan loading factor, diperoleh Total Premium (TP) sebesar Rp18.178.333,33. Pendekatan probabilistik ini menunjukkan bahwa PSHA dan korelasi MMI–PGA dapat menjadi dasar realistis dan komprehensif dalam perhitungan premi asuransi gempa, serta mendukung pengelolaan risiko kebencanaan di Pulau Lombok.]]>
