cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Deden Istiawan
Contact Email
deden.istiawan@itesa.ac.id
Phone
+6282229161672
Journal Mail Official
lppm@itesa.ac.id
Editorial Address
Jl. Prof. Dr. Hamka Km. 01 Ngaliyan Semarang
Location
Kota semarang,
Jawa tengah
INDONESIA
Journal of applied statistics and data mining
Published by Institut Teknologi Statistika dan Bisnis Muhammadiyah Semarang
ISSN : ""     EISSN : 27210332     DOI : -
Core Subject : Economy, Science, Social,
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Social Sciences
Journal of applied statistics and data mining provide open access, which in principle makes research open and freely available to the public so that it becomes a means of global knowledge exchange. Published twice a year, in June and December. This journal publishes scientific articles as research results, case studies, or literature reviews on various aspects of statistics, data mining and its applications. Such as Computing, Time Series, Multivariate, Biostatistics, Survival Analysis, Econometrics, Spatial Analysis, Actuarial, Quality Control, Bayesian Analysis, Development Research in Statistics, Natural Language Processing, Applied Mathematics, and Applied Statistics. The editor does not rule out other topics in statistics and data mining.
Arjuna Subject : Matematika - Matematika Komputer
Articles 5 Documents
 1 
Search results for , issue "Vol. 2 No. 1 (2021): Journal Applied Statistics and Data Mining" : 5 Documents clear
Penentuan Pusat Awal Klaster Algoritma K-Means Untuk Pengelompokan Kabupaten/Kota Di Jawa Timur Berdasarkan Tingkat Kemiskinan Zilfi, Elok Maria; Istiawan, Deden; Ngatimin; Zaenah; Nahdluddin
Journal of Applied Statistics and Data Mining Vol. 2 No. 1 (2021): Journal Applied Statistics and Data Mining
Publisher : Institut Teknologi Statistika dan Bisnis Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63229/jasdm.v2i1.18

Abstract

Kemiskinan merupakan masalah klasik yang umum dan bersifat multidimensional serta sering dialami oleh berbagai negara didunia. Kemiskinan dipandang sebagai ketidakmampuan dari segi ekonomi untuk memenuhi kebutuhan dasar yaitu makanan dan bukan makanan yang mana diukur dari sisi pengeluaran. Kemiskinan menjadi masalah fenomenal yang mana dialami oleh berbagai negara. Indonesia sendiri merupakan salah satu negara yang mengalami masalah kemiskinan. Negara Indonesia memiliki ribuan pulau, dan pulau dengan angka kemiskinan tertinggi adalah Pulau Jawa. Sedangkan Jawa Timur merupakan provinsi dengan jumlah penduduk miskin tertinggi di Pulau Jawa dengan total penduduk miskin sebesar 4.617,01 ribu jiwa, selain itu Jawa Timur juga memiliki kesenjangan sosial yang tinggi. Dalam hal ini mempelajari masalah kemiskinan sangatlah penting, dengan tujuan membantu pemerintah menentukan arah kebijakan dalam menanggulangi kemiskinan. Untuk menunjang keberhasilan pelaksanaan program pembangunan terutama yang bersangkutan dengan penanggulangan kemiskinan di Provinsi Jawa Timur diperlukan suatu penelitian yang dapat mengelompokkan kabupaten/kota yang mempunyai ciri-ciri atau karakteristik kemiskinan yang hampir sama atau homogen. Sehingga pada penelitian ini, peneliti menggunakan metode GK Algorithm dalam mengatasi kekurangan pada metode K-Means dalam pemetaan kabupaten/kota di Jawa Timur berdasarkan tingkat kemiskinan. Dimana jenis data yang digunakan adalah data sekunder yang diambil dari BPS Provinsi Jawa Timur pada tahun 2016 yang diunduh pada website https://jatim.bps.go.id/. Dengan variabel yang digunakan adalah angka harapan hidup, angka kematian bayi, angka harapan lama sekolah, angka melek huruf, fasilitas BAB tidak ada jamban, sumber penerangan listrik, sumber air tidak dilindungi, bahan bakar memasak non gas, dan rata-rata luas lantai. Kemudian data dianalisis dengan menggunakan beberapa tahap yaitu: analisa permasalahan, pengumpulan data, metode usulan, dan eksperimen pengujian. Setelah dianalisis kemudian diperoleh kesimpulan bahwa kemiskinan di Jawa Timur terbentuk menjadi 3 klaster dan didapatkan bahwa GK-Algorithm lebih baik daripada algoritma K-Means.
PEMODELAN INDEKS PEMBANGUNAN MANUSIA (IPM) KABUPATEN/KOTA DI PULAU KALIMANTAN MENGGUNAKAN PENDEKATAN REGRESI SPASIAL Bikriyah; Safaat Yulianto
Journal of Applied Statistics and Data Mining Vol. 2 No. 1 (2021): Journal Applied Statistics and Data Mining
Publisher : Institut Teknologi Statistika dan Bisnis Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63229/jasdm.v2i1.35

Abstract

Indeks Pembangunan Manusia (IPM) merupakan indeks pembangunan manusia yang dipergunakan untuk pencapaian hasil pembangunan suatu wilayah. Pulau Kalimantan merupakan pulau terbesar di Indonesia yang memiliki kekayaan alam yang melimpah. Pulau Kalimantan merupakan salah satu pulau yang ada di Indonesia yang tingkat perkembangan IPM nya meningkat setiap tahunnya. Hal ini terlihat dari nilai IPM masing – masing provinsi yang ada di Pulau Kalimantan mengalami kenaikan. Meskipun mengalami kenaikan, nilai IPM pada masing – masing provinsi di Pulau Kalimantan masih belum merata masih berada dibawah rata – rata nasional, kecuali provinsi Kalimantan Timur. Besarnya angka IPM diduga dapat mempengaruhi nilai IPM yang berada disekitarnya. Untuk mengatasi hal tersebut, perlu dilakukan analisis regresi dengan memperhatikan faktor lokasi untuk mengatasi hal tersebut. Faktor lokasi/wiayah diduga dapat memberikan efek ketergantungan spasial (wilayah) pada angka IPM. Permasalahan tersebut dapat diatasi dengan memasukkan pengaruh antar wilayah kedalam model menggunakan regresi spasial. Pendekatan regresi spasial yang digunakan dalam penelitian ini adalah Spatial Autoregressive Model (SAR) dan Spatial Error Model (SEM). Matriks pembobot yang digunakan pada penelitian ini yaitu Queen Contiguity. Penelitian ini memberikan hasil bahwa model SEM lebih baik daripada model SAR dengan nilai AIC sebesar 131.36. Variabel yang berpengaruh secara signifikan terhadap IPM yaitu pengeluaran perkapita, harapan lama sekolah, dan angka harapan hidup.
Penerapan Model Logit Pada Variabel-variabel yang Mempengaruhi Bayi Berat Lahir Rendah (BBLR) di Indonesia (Studi Kasus Data SDKI Tahun 2017) Putri Lestariana; Safaat Yulianto
Journal of Applied Statistics and Data Mining Vol. 2 No. 1 (2021): Journal Applied Statistics and Data Mining
Publisher : Institut Teknologi Statistika dan Bisnis Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63229/jasdm.v2i1.36

Abstract

Indonesia sebagai salah satu negara dengan angka kematian bayi (AKB) tertinggi di ASEAN. Salah satu penyebab kematian bayi di Indonesia adalah kejadian Bayi Berat Lahir Rendah (BBLR) sebesar 38,85%. Tujuan dari penelitian ini adalah untuk mengetahui variabel yang mempengaruhi kejadian BBLR di Indonesia berdasarkan data SDKI tahun 2017, dengan menggunakan metode regresi logistik ordinal (Logit). Model logit merupakan model pendekatan yang digunakan dalam regresi logistik yang digunakan saat variabel dependen memiliki lebih dari dua kategorik dan berskala data ordinal atau rangking. Berdasarkan hasil penelitian, variabel yang mempengaruhi kejadian BBLR adalah pendidikan ibu rendah, jenis kelamin anak perempuan dan tingkat ekonomi bawah dan menengah.
PERAMALAN PRODUKSI DAN LUAS PANEN BAWANG MERAH DI KABUPATEN BREBES TAHUN 2018-2020 DENGAN METODE ARIMA (AUTOREGRESSIVE INTEGRATED MOVING AVERAGE) Fajar Ardy Nugroho; Sulistijanti, Wellie
Journal of Applied Statistics and Data Mining Vol. 2 No. 1 (2021): Journal Applied Statistics and Data Mining
Publisher : Institut Teknologi Statistika dan Bisnis Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63229/jasdm.v2i1.37

Abstract

Bawang merah merupakan salah satu hasil pertanian yang termasuk dalam tiga komoditas strategis di Indonesia. Namun, pada sektor pertanian khususnya produksi bawang merah nasional ternyata masih jauh dari konsep ketahan pangan dimana kondisi kurang terpenuhinya pangan bagi negara sampai perorangan, yang tercermin dari tersedianya pangan yang cukup, baik jumlah maupun mutunya, untuk dapat hidup sehat, aktif, dan produktif secara berkelanjutan. Menurut Badan Pusat Statistik, Kabupaten Brebes merupakan sentra utama produksi bawang merah di Jawa Tengah (BPS, 2018). Produksi bawang merah di Indonesia hanya dilakukan di daerah tertentu (terbatas) dan terkonsentrasi (sekitar 80%) di pulau Jawa dan hampir 50% terkonsentrasi di Jawa Tengah, terutama produksi dan luas lahan terbesar terdapat di Kabupaten Brebes (BPS, 2017), dan urutan produksi bawang merah terbesar ke dua adalah Jawa Timur (sekitar 19,4%). Oleh karena itu diperlukan suatu penelitian untuk memperkirakan jumlah produksi dan luas panen bawang merah pada tahun mendatang, agar pemerintah dapat menetapkan kebijakan apa yang akan diambil dalam mengatasi hal tersebut, serta pemerintah dapat bekerjasama dengan petani dalam melakukan peningkatan hasil produksi dan luas panen bawang merah. Metode penelitian yang digunakan adalah ARIMA. Hasil penelitian menunjukkan selama tahun 1997-2017 nilai tertinggi untuk luas panen bawang merah di Kabupaten Brebes terdapat di tahun 2010 dengan luas lahan 32.680 (Ha) dan untuk produksi berada di tahun 2010 sebesar 4.128128. (Kw). Sedangkan untuk nilai terendah baik luas panen dan produksi bawang merah di Kabupaten Brebes berada di tahun 1997, dengan luas panen 11.559 (Ha) dan produksi sebesar 1.224.191 (Kw). Dari hasil data tersebut bisa disimpulkan bahwa semakin tinggi luas panen, maka produksi yang dihasilkan akan semakin tinggi.,Untuk rata-rata luas panen bawang merah di Kabupaten Brebes pada tahun 1997-2017 yaitu 23.505,8 (Ha) dan produksi sebesar 2.494.262 (Kw). Selanjutnya untuk menentukan model yang terbaik dan dipilih model yang memiliki nilai MSE paling kecil yaitu model ARIMA (0,2,1) yaitu sebesar 122,93 untuk luas panen, serta model yang memiliki nilai MSE paling kecil yaitu model ARIMA (0,1,1) yaitu sebesar 0,036215 untuk produksi. Hasil peramalan luas panen dan produksi bawang merah di Kabupaten Brebes tahun 2018-2020 mengalami peningkatan setiap tahunnya. Untuk tahun 2018 luas panen bawang merah 31.374 hektar dan hasil produksi bawang merah sebesar 3.562.860 kwintal.
PERAMALAN HARGA SAHAM PT SUMBER ALFARIA TRIJAYA TBK MENGGUNAKAN ARCH/GARCH Farhan Alfian Royyan; Virgania Sari
Journal of Applied Statistics and Data Mining Vol. 2 No. 1 (2021): Journal Applied Statistics and Data Mining
Publisher : Institut Teknologi Statistika dan Bisnis Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63229/jasdm.v2i1.38

Abstract

Investasi dapat diartikan sebagai suatu kegiatan penempatan dana pada satu atau lebih dari suatu aset selama periode waktu tertentu dengan harapan akan memperoleh penghasilan atau peningkatan nilai investasi. Untuk mendapatkan hasil investasi yang tepat, Investor perlu mengetahui kondisi keuntungan di masa yang akan datang dihitung dari penutupan harga saham. Volatilitas yang tinggi menggambarkan tingkat risiko yang dihapadi pemodal, karena mencerminkan fluktuasi pergerakan harga saham. Sehingga besa kemungkinan intervensi saham mempunyai risiko yang tinggi. Model yang dapat mengatasi masalah volatilitas adalah model Autoregressive Coditional Heteroscedasticity (ARCH) dan Generalized Autoregressive Coditional Heteroscedasticity (GARCH). Data yang digunakan dalam penelitian ini adalah data harga saham PT Sumber Alfaria Trijaya Tbk pada bulan Agustus tahun 2017 sampai bulan Agustus tahun 2021 dengan nilai tertinggi yaitu pada bulan Agustus tahun 2021. Dari hasil analisis, model yang didapat adalah ARCH (1) dilihat dari hasil peramalan menunjukan peningkatan pada tanggal periode tanggal 25 Agustus 2021 yaitu 1296.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2021 2021


Reset
Filter By Issues
All Issue Vol. 6 No. 1 (2025): Journal Applied Statistics and Data Mining Vol. 5 No. 2 (2024): Journal Applied Statistics and Data Mining Vol. 5 No. 1 (2024): Journal Applied Statistics and Data Mining Vol. 4 No. 2 (2023): Journal Applied Statistics and Data Mining Vol. 4 No. 1 (2023): Journal Applied Statistics and Data Mining Vol. 3 No. 2 (2022): Journal Applied Statistics and Data Mining Vol. 3 No. 1 (2022): Journal Applied Statistics and Data Mining Vol. 2 No. 2 (2021): Journal Applied Statistics and Data Mining Vol. 2 No. 1 (2021): Journal Applied Statistics and Data Mining Vol. 1 No. 2 (2020): Journal Applied Statistics and Data Mining Vol. 1 No. 1 (2020): Journal Applied Statistics and Data Mining More Issue