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
315 Documents
<![CDATA[Peramalan Tingkat Pengangguran Terbuka Di Provinsi Jawa Barat Menggunakan Metode DMA Dan DES ]]>
<![CDATA[Erin Heristian]]>;
<![CDATA[Teti Sofia Yanti]]>
<![CDATA[ Bandung Conference Series: Statistics 133-142 ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v6i2.24757
<![CDATA[Abstract. The Open Unemployment Rate is an important part in describing the employment and economic conditions of a region. West Java Province has shown a decline in recent years, but in 2025 it will be in the top three provinces with the highest unemployment rates in Indonesia. Therefore, forecasting is needed to provide an overview of the condition of the Open Unemployment Rate in the future period as supporting material for planning and evaluating employment policies. This study aims to apply the Double Moving Average (DMA) and Double Exponential Smoothing (DES) methods, determine the best model, and predict the Open Unemployment Rate of West Java Province in 2026–2027. The study uses a quantitative approach with secondary data on the percentage of the Open Unemployment Rate in 2009–2025 obtained from the Central Bureau of Statistics. The analysis was carried out through descriptive statistics, the Augmented Dickey-Fuller (ADF) test, DMA modeling, Brown's DES, and Holt's DES, then model evaluation using the Mean Absolute Percentage Error (MAPE). The results of the ADF test show that the data is non-stationary with a p-value of 0.3596. The best model was obtained from Holt's Double Exponential Smoothing with α = 0.9 and γ = 0.05, resulting in a MAPE of 6.184% and an accuracy of 88.28%, categorized as very good. The forecast results indicate an estimated Open Unemployment Rate of 6.299% in 2026 and 5.872% in 2027. These results indicate a downward trend in the Open Unemployment Rate and can be used as supporting information in employment policy planning in West Jawa. Abstrak. Tingkat Pengangguran Terbuka (TPT) merupakan salah satu bagian penting dalam menggambarkan kondisi ketenagakerjaan dan perekonomian suatu wilayah. Provinsi Jawa Barat dalam beberapa tahun terakhir menunjukkan penurunan namun pada tahun 2025 berada di tiga besar Provinsi dengan angka pengangguran tertinggi di Indonesia, sehingga diperlukan peramalan untuk memberikan gambaran kondisi TPT pada periode mendatang sebagai bahan pendukung perencanaan dan evaluasi kebijakan ketenagakerjaan. Penelitian ini bertujuan menerapkan metode Double Moving Average (DMA) dan Double Exponential Smoothing (DES), menentukan model terbaik, serta meramalkan TPT Provinsi Jawa Barat tahun 2026–2027. Penelitian menggunakan pendekatan kuantitatif dengan data sekunder persentase TPT tahun 2009–2025 yang diperoleh dari Badan Pusat Statistik. Analisis dilakukan melalui statistik deskriptif, uji Augmented Dickey-Fuller (ADF), pemodelan DMA, Brown’s DES, dan Holt’s DES, kemudian evaluasi model menggunakan Mean Absolute Percentage Error (MAPE). Hasil uji ADF menunjukkan data tidak stasioner dengan p-value 0,3596. Model terbaik diperoleh dari Holt’s Double Exponential Smoothing dengan α = 0,9 dan γ = 0,05, menghasilkan MAPE 6,184% dan akurasi 88,28% dengan kategori sangat baik. Hasil peramalan menunjukkan TPT diperkirakan sebesar 6,299% pada 2026 dan 5,872% pada 2027. Hasil ini menunjukkan kecenderungan penurunan TPT dan dapat menjadi informasi pendukung dalam perencanaan kebijakan ketenagakerjaan di Jawa Barat.]]>
<![CDATA[Klasifikasi Provinsi di Indonesia Berdasarkan IPM 2025 Menggunakan K-Medoids Clustering ]]>
<![CDATA[Zakiyah Romadhoni]]>;
<![CDATA[Reny Rian Marliana]]>
<![CDATA[ Bandung Conference Series: Statistics 143-150 ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v6i2.24814
<![CDATA[Abstract. The rapid development of information technology and the availability of large-scale data have encouraged the application of analytical methods to better understand social conditions and human development. This study aims to classify the provinces of Indonesia based on the 2025 Human Development Index (HDI) indicators using the K-Medoids Clustering method. Secondary data obtained from Statistics Indonesia (Badan Pusat Statistik) include four variables: Life Expectancy at Birth (LEB), Mean Years of Schooling (MYS), Expected Years of Schooling (EYS), and Adjusted Per Capita Expenditure (APCE). The analysis involved data preprocessing, including missing value detection, outlier identification using the Z-Score method, data standardization. The results showed no missing values or multicollinearity, although several outliers were identified. Based on the highest silhouette coefficient (0.263), three optimal clusters were obtained: a good cluster (5 provinces), a moderate cluster (16 provinces), and a poor cluster (17 provinces). These clustering results can serve as a reference for formulating more targeted regional development policies to improve equity in education, health, and community welfare across Indonesia.Abstrak. Perkembangan teknologi informasi dan ketersediaan data dalam skala besar mendorong penerapan berbagai metode analisis untuk memahami kondisi sosial dan pembangunan manusia. Penelitian ini bertujuan mengelompokkan provinsi di Indonesia berdasarkan indikator Indeks Pembangunan Manusia (IPM) tahun 2025 menggunakan metode K-Medoids Clustering. Data yang digunakan merupakan data sekunder dari Badan Pusat Statistik yang meliputi Usia Harapan Hidup (UHH), Rata-Rata Lama Sekolah (RRLS), Harapan Lama Sekolah (HLS), dan Pengeluaran Per Kapita yang Disesuaikan (PPKD). Tahapan analisis meliputi pemeriksaan missing value, penanganan outlier menggunakan metode Z-Score, standarisasi data. Hasil penelitian menunjukkan tidak terdapat missing value maupun multikolinearitas, meskipun ditemukan beberapa outlier. Berdasarkan nilai silhouette coefficient tertinggi sebesar 0,263, diperoleh tiga cluster optimal, yaitu cluster baik (5 provinsi), cluster cukup (16 provinsi), dan cluster kurang baik (17 provinsi). Hasil pengelompokan ini diharapkan menjadi acuan dalam penyusunan kebijakan pembangunan daerah yang lebih tepat sasaran guna meningkatkan pemerataan pendidikan, kesehatan, dan kesejahteraan masyarakat di Indonesia.]]>
<![CDATA[Klasifikasi Kabupaten/Kota di Jawa Barat Berdasarkan Tingkat Kemiskinan Menggunakan K-Means Clustering ]]>
<![CDATA[Rida Ashari]]>
<![CDATA[ Bandung Conference Series: Statistics 151-160 ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v6i2.24820
<![CDATA[Abstract. Poverty remains a persistent socio-economic problem in Indonesia, and its distribution varies considerably across regions. This study aims to classify 27 districts/cities in West Java Province based on their poverty characteristics using the K-Means clustering algorithm. Secondary data were obtained from the Central Statistics Agency (BPS), consisting of four indicators: the percentage of poor population, the poverty line, the poverty gap index (P1), and the poverty severity index (P2). Prior to clustering, the data were standardized using Z-score transformation to equalize the scale of variables, and the optimal number of clusters was determined using the silhouette method. The analysis produced two clusters with a silhouette score of 0.421, indicating a reasonable cluster structure. Cluster 1 consists of 15 regions, mostly regencies, characterized by a high percentage of poor population and deeper, more severe poverty. Cluster 2 consists of 12 regions, mostly cities, characterized by a lower percentage of poor population despite a higher poverty line. These findings can serve as a basis for local governments in designing region-specific poverty alleviation policies.Abstrak. Kemiskinan masih menjadi permasalahan sosial-ekonomi yang persisten di Indonesia, dengan tingkat penyebaran yang bervariasi antarwilayah. Penelitian ini bertujuan untuk mengelompokkan 27 kabupaten/kota di Provinsi Jawa Barat berdasarkan karakteristik kemiskinannya menggunakan algoritma K-Means. Data sekunder diperoleh dari Badan Pusat Statistik (BPS), terdiri atas empat indikator, yaitu persentase penduduk miskin, garis kemiskinan, indeks kedalaman kemiskinan (P1), dan indeks keparahan kemiskinan (P2). Sebelum dilakukan clustering, data terlebih dahulu distandarisasi menggunakan transformasi Z-score untuk menyetarakan skala antarvariabel, dan jumlah klaster optimal ditentukan menggunakan metode silhouette. Hasil analisis menghasilkan dua klaster dengan nilai silhouette sebesar 0,421, yang menunjukkan struktur klaster yang cukup baik. Klaster 1 terdiri atas 15 wilayah, didominasi oleh kabupaten, dengan karakteristik persentase penduduk miskin tinggi serta kemiskinan yang lebih dalam dan parah. Klaster 2 terdiri atas 12 wilayah, didominasi oleh kota, dengan persentase penduduk miskin lebih rendah meskipun garis kemiskinannya lebih tinggi. Hasil penelitian ini dapat menjadi dasar bagi pemerintah daerah dalam merancang kebijakan penanggulangan kemiskinan yang sesuai dengan karakteristik masing-masing wilayah.]]>
<![CDATA[Analisis Segmentasi Mahasiswa Program Studi Statistika Universitas Islam Bandung Tahun 2020-2025 Menggunakan Algoritma K-Modes Clustering ]]>
<![CDATA[Safira Nur Latifah]]>;
<![CDATA[Ilham Faishal Mahdy]]>
<![CDATA[ Bandung Conference Series: Statistics 161-168 ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v6i2.24868
<![CDATA[Abstract. Student segmentation is an important approach for understanding student characteristics and supporting higher education institutions in developing more effective and targeted promotional strategies. This study aims to segment students of the Statistics Study Program at Universitas Islam Bandung using the K-Modes Clustering algorithm. The dataset consisted of 376 student records described by four categorical variables, namely city of origin, high school background, admission pathway, and admission wave. The clustering process was performed by evaluating the number of clusters from k= 2 to k = 5. The clustering performance was assessed using the Silhouette Coefficient based on the Simple Matching Dissimilarity measure. The results indicated that the optimal clustering solution was obtained at k = 2, yielding the highest average Silhouette Coefficient value of 0.2301556. Furthermore, each cluster exhibited distinct characteristics in terms of city of origin, high school background, admission pathway, and admission wave. The findings of this study provide useful insights into student characteristics and may assist the Statistics Study Program at Universitas Islam Bandung in developing more effective and targeted promotional strategies. Abstrak. Segmentasi mahasiswa merupakan salah satu pendekatan yang penting untuk memahami karakteristik mahasiswa serta mendukung perguruan tinggi dalam menyusun strategi promosi yang lebih efektif dan tepat sasaran. Penelitian ini bertujuan untuk melakukan segmentasi mahasiswa Program Studi Statistika Universitas Islam Bandung menggunakan algoritma K-Modes Clustering. Data yang digunakan terdiri dari 376 data mahasiswa dengan empat variable kategori, yaitu asal kota, asal sekolah, jalur seleksi, dan gelombang seleksi. Proses clustering dilakukan dengan menguji jumlah clustermulai dari k = 2 hingga k = 5. Kinerja hasil clustering dievaluasi menggunakan Silhouette Coefficient berdasarkan ukuran Simple Matching Dissimilarity. Hasil penelitian menunjukkan bahwa jumlah cluster optimal diperoleh pada k = 2 dengan nilai rata-rata Silhouette Coefficient tertinggi sebesar 0.2301556. Selain itu, masing-masing cluster menunjukkan karakteristik yang berbeda berdasarkan asal kota, asal sekolah, jalur seleksi, dan gelombang seleksi. Hasil penelitian ini memberikan informasi mengenai karakteristik mahasiswa dan diharapkan dapat menjadi bahan pertimbangan bagi Program Studi Statistika Universitas Islam Bandung dalam menyusun strategi promosi yang lebih efektif dan tepat sasaran.]]>
<![CDATA[Pengelompokan Wilayah Rentan Kebakaran Hutan di Indonesia menggunakan Algoritma I-CLARANS ]]>
<![CDATA[Nanda Annisa Tsaniya]]>;
<![CDATA[Abdul Kudus]]>;
<![CDATA[Iing Lukman]]>
<![CDATA[ Bandung Conference Series: Statistics 169-178 ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v6i2.24994
<![CDATA[Abstract. Wildfire was a serious environmental problem in Indonesia, causing ecosystem damage, biodiversity loss, health problems from haze, reduced air quality, and economic losses. Wildfire monitoring widely utilizes satellite-based hotspot data from global monitoring systems. The objective of study is to find some region clusters in Indonesia based on wildfire vulnerability levels using hotspot data including three characteristics which are confidence, brightness temperature, and Fire Radiative Power (FRP). The Improved Clustering Large Applications based on Randomized Search (I-CLARANS) method was demonstrated to fo find the region clusters. The advantage of method was on initial medoid selection quality improvements, clustering efficiency on large datasets, and robustness againts outliers. The searching of cluster optimal number was tried by 2, 3, 4, 5 and 6 clusters by using silhouette coefficient criteria. The results show that 2 clusters was an optimal number of cluster with a maximum silhouette coefficient which is 0.5249, indicating good cluster structure. The first cluster consists of 2,411 hotspots with relatively low brightness, confidence, and FRP values. This cluster was labeled as low to moderate wildfire vulnerability. The second cluster consists of 742 hotspots with higher values, labeled as areas with high wildfire vulnerability. Abstrak. Kebakaran hutan dan lahan (karhutla) merupakan permasalahan lingkungan serius di Indonesia yang berdampak pada kerusakan ekosistem, hilangnya keanekaragaman hayati, gangguan kesehatan akibat kabut asap, penurunan kualitas udara, dan kerugian ekonomi. Pemantauan karhutla banyak memanfaatkan data titik panas (hotspot) berbasis satelit dari sistem pemantauan global. Penelitian ini bertujuan mengelompokkan wilayah di Indonesia berdasarkan tingkat kerentanan karhutla menggunakan data hotspot dengan variabel confidence, brightness temperature, dan Fire Radiative Power (FRP). Metode yang digunakan adalah Improved Clustering Large Applications based on Randomized Search (I-CLARANS), pengembangan dari CLARANS yang mampu meningkatkan kualitas pemilihan medoid awal, efisiensi pengelompokan pada dataset besar, serta ketahanan terhadap outlier. Jumlah klaster optimal ditentukan dengan menguji nilai k = 2 hingga 6 berdasarkan silhouette coefficient tertinggi. Hasil penelitian menunjukkan dua klaster optimal dengan silhouette coefficient 0,5249, mengindikasikan struktur klaster yang baik. Klaster pertama terdiri dari 2.411 titik panas dengan nilai brightness, confidence, dan FRP relatif rendah, dikategorikan sebagai wilayah berkerentanan karhutla rendah hingga sedang. Klaster kedua terdiri dari 742 titik panas dengan nilai yang lebih tinggi, dikategorikan sebagai wilayah berkerentanan karhutla tinggi.]]>
<![CDATA[Peramalan Jumlah Kunjungan Wisatawan Mancanegara di Indonesia Periode Pra-Pandemi COVID-19 Menggunakan Model SARIMA ]]>
<![CDATA[Tiara Ambarwati Rahman]]>;
<![CDATA[Reny Rian Marliana]]>
<![CDATA[ Bandung Conference Series: Statistics 179-188 ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v6i2.25012
<![CDATA[Abstract. The number of international tourist arrivals is an important indicator in the tourism sector that needs to be forecast to support planning and policy-making. Analyzing pre-COVID-19 data is important because it represents the normal pattern of tourist arrivals without external disturbances and provides a baseline for evaluating the impact of the pandemic and developing intervention models. This study aimed to obtain the best Seasonal Autoregressive Integrated Moving Average (SARIMA) model and forecast international tourist arrivals in Indonesia. A quantitative approach was employed using secondary monthly data from January 2010 to February 2020 obtained from Statistics Indonesia (BPS). The analysis included stationarity testing, model identification using ACF and PACF plots, parameter estimation, significance testing, residual diagnostic checking, model selection based on the Akaike Information Criterion (AIC), and ten-period forecasting. The results showed that SARIMA was the best model because all parameters were significant, the residuals satisfied the white noise and normality assumptions, and the model had the lowest AIC value. The model produced an RMSE of 71,770.53. The forecasts followed the historical seasonal pattern but could not represent actual conditions after the COVID-19 pandemic. Therefore, they provide a baseline for subsequent intervention analysis. Abstrak. Jumlah kunjungan wisatawan mancanegara merupakan salah satu indikator penting dalam sektor pariwisata yang perlu diprediksi untuk mendukung perencanaan dan pengambilan kebijakan. Analisis terhadap data sebelum pandemi COVID-19 penting dilakukan karena dapat menggambarkan pola normal kunjungan wisatawan tanpa adanya gangguan eksternal serta menjadi baseline dalam mengevaluasi dampak pandemi dan mengembangkan model intervensi pada penelitian selanjutnya. Penelitian ini bertujuan memperoleh model Seasonal Autoregressive Integrated Moving Average terbaik serta menghasilkan peramalan jumlah kunjungan wisatawan mancanegara di Indonesia. Penelitian menggunakan metode kuantitatif dengan data sekunder berupa data bulanan jumlah kunjungan wisatawan mancanegara periode Januari 2010-Februari 2020 yang diperoleh dari Badan Pusat Statistik. Tahapan analisis meliputi identifikasi pola data, pengujian stasioneritas, identifikasi model melalui plot ACF dan PACF, estimasi parameter, pengujian signifikansi parameter, pemeriksaan diagnostik residual, pemilihan model terbaik berdasarkan nilai AIC, serta peramalan untuk 10 periode ke depan. Hasil penelitian menunjukkan model SARIMA merupakan model terbaik karena seluruh parameternya signifikan, residual memenuhi asumsi white noise dan berdistribusi normal, serta memiliki nilai AIC terkecil. Evaluasi model menghasilkan nilai RMSE sebesar 71,770.53. Hasil peramalan menunjukkan pola musiman, namun tidak sesuai dengan kondisi aktual setelah pandemi karena adanya intervensi COVID-19. Oleh karena itu, hasil peramalan sebelum pandemi digunakan sebagai baseline untuk analisis intervensi pada penelitian selanjutnya.]]>
<![CDATA[Analisis Korelasi Valid Day, Duration, dan Diamond Dalam Live Streaming TikTok ]]>
<![CDATA[Nadya Ayu Aprilia]]>;
<![CDATA[Fitri Amanah]]>
<![CDATA[ Bandung Conference Series: Statistics 189-196 ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v6i2.25072
<![CDATA[Abstract. TikTok is a social networking application used as an entertainment platform that offers various features, one of which is live streaming, where creators can interact directly with viewers in real time. This study aims to analyze the relationship among the variables valid day, duration, and diamond in TikTok live streaming. Valid day refers to the number of verified days within a month during which a creator conducts live streaming. Duration refers to the total amount of time accumulated over one month while a creator performs live streaming. Diamond refers to the accumulation of virtual gifts received by creators during live streaming. The data used in this study are secondary data which were obtained from one of the agency's worksheets under PT Media Generasi Group for June 2025. The method employed in this study is the Spearman Rank correlation, a nonparametric statistical method used to determine the direction and strength of the relationship between variables when the data are not normally distributed. The results indicate significant relationships between valid day and diamond, duration and diamond, as well as valid day and duration. Therefore, it can be concluded that these three variables are positively correlated and serve as supporting factors in increasing the number of diamonds earned by creators during live streaming. Abstrak. TikTok merupakan aplikasi jejaring sosial yang digunakan sebagai media hiburan yang memiliki beberapa fitur salah satunya live streaming, dimana kreator dapat berinteraksi secara langsung dengan penonton dalam waktu nyata. Penelitian ini bertujuan untuk menganalisis hubungan antara variabel valid day, duration, dan diamond dalam live streaming TikTok. Valid day merupakan jumlah hari yang tervalidasi selama satu bulan apabila kreator melakukan live streaming. Duration merupakan akumulasi waktu yang tercapai selama satu bulan ketika kreator melakukan live streaming. Diamond merupakan akumulasi dari hadiah virtual yang didapat oleh kreator selama melakukan live streaming. Data yang digunakan merupakan data sekunder yang berasal dari salah satu lembar kerja Agensi dalam PT. XYZ pada bulan Juni tahun 2025. Metode yang digunakan pada penelitian ini yaitu Rank Spearman, yang merupakan metode statistik nonparameterik untuk mengetahui arah dan kekuatan hubungan antar variabel ketika data tidak berdistribusi normal. Hasil analisis menunjukkan bahwa terdapat hubungan yang signifikan antara variabel valid day dengan diamond, duration dengan diamond, dan valid day dengan duration, sehingga dapat disimpulkan bahwa antar ketiga variabel memiliki hubungan yang positif yang menjadi faktor pendukung dalam perolehan diamond bagi kreator dalam melakukan live streaming.]]>
<![CDATA[K-Medoids Clustering untuk Pengelompokan Faktor Perceraian di Jawa Barat Tahun 2023 ]]>
<![CDATA[Amelia Ayu Izzaty]]>;
<![CDATA[Sutawanir Darwis]]>
<![CDATA[ Bandung Conference Series: Statistics 197-206 ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v6i2.25188
<![CDATA[Abstract. Divorce rates in West Java, Indonesia, continue to rise annually, driven primarily by economic issues and disputes. To support targeted policy solutions, this study categorizes districts and cities in West Java based on 2023 divorce data using the K-Medoids Clustering algorithm. The clustering process begins with collecting and pre-processing divorce data, addressing missing values, outliers, and standardizing the variables. The Kaiser-Meyer-Olkin (KMO) test was conducted to verify sample adequacy and ensure the absence of multicollinearity. The optimal cluster number was evaluated using the Silhouette Coefficient, after which the K-Medoids algorithm was applied to group regions according to their divorce profiles. Results were visualized through scatter plots and thematic maps. The findings categorize West Java regions into three distinct clusters: stable areas with low divorce rates, high-divorce regions driven predominantly by economic hardship, and high-divorce regions primarily caused by household disputes. These actionable insights provide a data-driven foundation for local governments to design targeted intervention programs, such as financial management education and conflict mediation services. Keywords: K-Medoids Clustering, Divorce Rate, West Java. Abstrak. Tingkat perceraian di Jawa Barat, Indonesia, terus meningkat setiap tahunnya yang utamanya dipicu oleh faktor masalah ekonomi dan perselisihan. Untuk mendukung solusi kebijakan yang tepat sasaran, penelitian ini mengelompokkan kabupaten dan kota di Jawa Barat berdasarkan data perceraian tahun 2023 menggunakan algoritma K-Medoids Clustering. Proses pengelompokan dimulai dengan pengumpulan dan pra-pemrosesan data perceraian, yang meliputi penanganan data hilang (missing values), pencilan, dan standarisasi variabel. Uji Kaiser-Meyer-Olkin (KMO) dilakukan untuk memverifikasi kecukupan sampel dan memastikan tidak terdapat multikolinearitas. Jumlah cluster optimal dievaluasi menggunakan Silhouette Coefficient, dilanjutkan dengan penerapan algoritma K-Medoids untuk mengelompokkan wilayah berdasarkan profil perceraiannya. Hasil penelitian divisualisasikan melalui scatter plot dan peta tematik. Temuan ini mengategorikan wilayah Jawa Barat ke dalam tiga cluster berbeda: wilayah stabil dengan angka perceraian rendah, wilayah angka perceraian tinggi didominasi faktor ekonomi, dan wilayah angka perceraian tinggi yang disebebkan perselisihan rumah tangga. Insight ini memberikan dasar keputusan berbasis data bagi pemerintah daerah untuk merancang program intervensi terfokus, seperti edukasi manajemen keuangan dan layanan mediasi konflik. Kata Kunci: K-Medoids Clustering, Tingkat Perceraian, Jawa Barat.]]>
<![CDATA[Pengelompokan Kabupaten/Kota di Jawa Barat Berdasarkan Akses Air Minum dan Sanitasi Layak Menggunakan Metode Ward ]]>
<![CDATA[Zelfa Syta Najjiny]]>;
<![CDATA[Aceng Komarudin Mutaqin]]>
<![CDATA[ Bandung Conference Series: Statistics 207-216 ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v6i2.25291
<![CDATA[Abstract. Access to adequate drinking water and sanitation remains uneven across regions in West Java Province. This study aims to cluster the 27 regencies/cities in West Java Province based on the percentage of households with access to adequate drinking water sources and adequate sanitation in 2024 using Agglomerative Clustering with Ward’s Method. The data used were obtained from Statistics Indonesia (BPS). The analysis stages included outlier detection using the Interquartile Range (IQR), multicollinearity testing using the Variance Inflation Factor (VIF), Euclidean distance calculation, and determination of the optimal number of clusters based on the Silhouette Index (SI) and Calinski–Harabasz Index (CHI). The results showed that there were no outliers or multicollinearity in the two variables. Evaluation of cluster numbers from 2 to 5 indicated that three clusters were the optimal configuration, with an SI value of 0.55 and a CHI value of 84.87. The clustering results using Ward’s Method formed Cluster 0, consisting of 13 regencies/cities with high and relatively even access to adequate drinking water and sanitation; Cluster 1, consisting of 7 regencies/cities with good access to adequate drinking water but moderate access to adequate sanitation; and Cluster 2, consisting of 7 regencies/cities with the lowest access to adequate drinking water and sanitation. These findings can serve as a basis for formulating more targeted policies for drinking water and sanitation infrastructure development in West Java Province. Keywords: Ward’s Method, adequate drinking water, adequate sanitation. Abstrak. Akses terhadap air minum dan sanitasi layak masih menunjukkan ketimpangan antarwilayah di Provinsi Jawa Barat. Penelitian ini bertujuan mengelompokkan 27 kabupaten/kota di Provinsi Jawa Barat berdasarkan persentase rumah tangga dengan akses sumber air minum layak dan sanitasi layak tahun 2024 menggunakan Agglomerative Clustering dengan Ward’s Method. Data yang digunakan bersumber dari Badan Pusat Statistik (BPS). Tahapan analisis meliputi pemeriksaan outlier menggunakan Interquartile Range (IQR), pengujian multikolinearitas menggunakan Variance Inflation Factor (VIF), perhitungan jarak Euclidean, serta penentuan jumlah klaster optimal berdasarkan Silhouette Index (SI) dan Calinski–Harabasz Index (CHI). Hasil pengujian menunjukkan tidak terdapat outlier maupun multikolinearitas pada kedua variabel. Evaluasi jumlah klaster 2 hingga 5 menunjukkan bahwa tiga klaster merupakan konfigurasi optimal dengan nilai SI sebesar 0,55 dan CHI sebesar 84,87. Hasil clustering dengan Ward’s Method membentuk Klaster 0 sebanyak 13 kabupaten/kota dengan akses air minum dan sanitasi layak yang tinggi dan merata, Klaster 1 sebanyak 7 kabupaten/kota dengan akses air minum baik namun sanitasi pada tingkat menengah, serta Klaster 2 sebanyak 7 kabupaten/kota dengan akses air minum dan sanitasi layak paling rendah. Hasil penelitian ini dapat menjadi dasar dalam perumusan kebijakan pembangunan infrastruktur air minum dan sanitasi yang lebih tepat sasaran di Provinsi Jawa Barat. Kata Kunci: Ward’s Method, air minum layak, sanitasi layak..]]>
<![CDATA[Analisis Value at Risk Dengan Metode Historical, Variance-Covariance, dan Monte Carlo pada Saham Sektor Konsumsi Primer ]]>
<![CDATA[Nur Sugih Aji]]>;
<![CDATA[Fitri Amanah]]>
<![CDATA[ Bandung Conference Series: Statistics 217-224 ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v6i2.25338
<![CDATA[Penelitian ini bertujuan mengestimasi kerugian maksimum pada tiga saham defensif sektor konsumsi primer, yaitu PT Indofood Sukses Makmur Tbk (INDF), PT Indofood CBP Sukses Makmur Tbk (ICBP), dan PT Mayora Indah Tbk (MYOR) untuk memitigasi risiko investasi. Data yang digunakan adalah sekunder berupa harga penutupan mingguan periode 3 Januari 2025 hingga 10 April 2026. Pengukuran risiko dihitung menggunakan metode Value at Risk (VaR) dengan pendekatan Historical, Variance-Covariance, dan Monte Carlo. Spesifikasi risiko ditetapkan pada tingkat kepercayaan 95% dengan asumsi penempatan modal awal Rp10.000.000, di mana metode Monte Carlo dibangkitkan melalui 10.000 iterasi. Uji Kolmogorov-Smirnov diaplikasikan untuk memvalidasi kelayakan distribusi normal dari data return. Hasil penelitian menunjukkan variasi estimasi kerugian maksimum dari ketiga metode yang digunakan. Pada metode Historical, nilai VaR pada saham INDF sebesar -5,79% (Rp579.193), ICBP sebesar -5,78% (Rp578.218) dan MYOR sebesar -7,42% (Rp742.092). Pada metode Variance-Covariance, nilai VaR pada saham INDF sebesar -5,29% (Rp529.397), ICBP sebesar -5,68% (Rp568.235) dan MYOR sebesar -7,89% (Rp788.577). Sementara itu, estimasi melalui metode Monte Carlo nilai VaR pada saham INDF sebesar -5,25% (Rp524.740), ICBP sebesar -6,10% (Rp609.990), dan MYOR sebesar -8,12% (Rp812.188). Estimasi VaR komparatif ini dapat menjadi landasan bagi investor dalam membatasi toleransi kerugian secara terukur.]]>
