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. 3 No. 1 (2022): Journal Applied Statistics and Data Mining" : 5 Documents clear
Prediksi Jumlah Kasus Demam Berdarah Dengue di Kota Semarang dengan Metode ARIMA (Autoregressive Integrated Moving Average) Diana, Arista Fitri; Sakti, Ayutdi Purbo; Sari, Virgania; Romadon, Gilang
Journal of Applied Statistics and Data Mining Vol. 3 No. 1 (2022): 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.v3i1.26

Abstract

Demam berdarah dengue (DBD) adalah penyakit menular yang disebabkan oleh virus yang dibawa oleh nyamuk Aedes aegypti. Penyakit ini disebabkan oleh salah satu dari empat jenis virus dengue. Dulu, DBD dikenal sebagai penyakit “break-bone” karena dapat menyebabkan nyeri pada sendi dan otot yang terasa seperti tulang retak (Kemenkes, 2019). DBD masih menjadi masalah serius di Provinsi Jawa Tengah, dengan 35 kabupaten/kota yang telah terjangkit penyakit ini. Di Indonesia, kelompok terbanyak yang terkena DBD berada di Provinsi Sumatera Selatan, diikuti oleh Provinsi Jawa Tengah, dan kemudian Provinsi Bengkulu di posisi ketiga (Depkes, 2016). Berdasarkan data dari Dinas Kesehatan Provinsi Jawa Tengah, kasus DBD di provinsi ini terus mengalami peningkatan yang signifikan dari tahun 2013 hingga 2015. Tingginya angka kematian akibat DBD menuntut masyarakat untuk tetap waspada terhadap kemungkinan penyebaran penyakit ini di lingkungan mereka. Sangat penting bagi masyarakat untuk secara bersama-sama menciptakan lingkungan yang sehat dan bebas jentik guna mengurangi angka kejadian DBD. Sejak tahun 2006 hingga 2015, angka kejadian (Incident Rate/IR) DBD di Kota Semarang selalu lebih tinggi dibandingkan dengan IR DBD di Jawa Tengah dan nasional. Target nasional untuk pencapaian IR DBD adalah ≤ 51 per 100.000 penduduk. Oleh karena itu, penelitian diperlukan untuk memperkirakan jumlah penderita DBD pada tahun-tahun mendatang, agar pemerintah dapat menetapkan kebijakan yang tepat untuk mengatasi masalah ini. Metode yang digunakan dalam penelitian ini adalah ARIMA. Hasil penelitian menunjukkan bahwa selama periode 2006-2015, jumlah penderita DBD tertinggi terjadi pada bulan Maret 2010 dengan 1.125 kasus, sedangkan jumlah terendah terjadi pada bulan Oktober 2015 dengan 26 kasus. Rata-rata jumlah penderita DBD tertinggi terjadi pada tahun 2010 dengan 463 kasus, sementara rata-rata terendah tercatat pada tahun 2012 dengan 104 kasus. Rata-rata jumlah penderita DBD di Kota Semarang selama periode 2006 hingga 2016 adalah 104 kasus. Model terbaik yang digunakan untuk meramalkan jumlah penderita DBD adalah ARIMA (2,1,3), dengan nilai MSE sebesar 0,1947. Prediksi menggunakan model ARIMA (2,1,3) menunjukkan bahwa pada tahun 2016, jumlah penderita DBD tertinggi terjadi pada bulan Maret, sementara jumlah terendah terjadi pada bulan September.
Penerapan Metode ARIMA-ARCH/GARCH untuk Meramalkan Harga Saham Hanjaya Mandala Sampoerna Tbk Wulandari, Ratri; Sidik; Sari, Virgania; Laksita, One Triska
Journal of Applied Statistics and Data Mining Vol. 3 No. 1 (2022): 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.v3i1.29

Abstract

Pergerakan harga saham di suatu negara dapat digunakan sebagai indikator untuk menilai kondisi perekonomian negara tersebut. PT Hanjaya Mandala Sampoerna Tbk. adalah salah satu perusahaan rokok terbesar di Indonesia dan termasuk dalam kategori saham blue chip. Saham Sampoerna menawarkan potensi capital gain yang signifikan bila dijadikan investasi jangka panjang. Harga saham umumnya mengikuti fenomena fluktuasi berkelompok atau volatility clustering. Fenomena ini terjadi ketika harga aset finansial mengalami perubahan drastis selama periode tertentu, sementara pada periode lainnya harga tetap stabil. Volatilitas sering ditandai dengan fase fluktuasi tinggi yang kemudian diikuti oleh periode fluktuasi rendah, dan kembali meningkat. Untuk data time series yang menunjukkan variasi fluktuatif, model yang digunakan adalah ARCH/GARCH. Penelitian ini menggunakan data harga saham PT Hanjaya Mandala Sampoerna Tbk. dari Januari 2017 hingga Desember 2020, dengan nilai tertinggi tercatat pada tahun 2018. Hasil analisis menunjukkan bahwa model terbaik adalah ARIMA (1,1,1) ARCH (1), yang memprediksi penutupan harga saham pada 4 Januari 2021 mengalami keuntungan sebesar 1504 dengan nilai error 11.
Stock Return Modeli Using the Generalized Autoregressive Conditional Heteroscedasticity (Garch) Method at Bank Rakyat Indonesia Toyib Abdullah; Sulistijanti, Wellie
Journal of Applied Statistics and Data Mining Vol. 3 No. 1 (2022): 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.v3i1.41

Abstract

Stocks are time series data in the financial sector, which usually have a tendency to fluctuate rapidly from time to time so that the variance of the error will always change over time or is not constant, or is often called a case of heteroscedasticity. The time series model to model this condition is the Autoregressive Conditional Heteroscedasticity (ARCH) model. ARCH models require large orders in modeling variations because financial data has a large level of volatility. To overcome orders that are too large in the ARCH model, a generalization of the ARCH model is carried out, this model is known as Generalized Autoregressive Conditional Heteroscedasticity (GARCH). The results of the research show that the general picture of the closing price of BRI shares in the period January 2015 to December 2018 experienced unstable fluctuations and the highest closing price was in 2017. The best model used to print BRI share returns is the ARIMA model (29.0, 1) GARCH (1,1) so that the resulting model is as follows: Z_t=〖-0.084777e〗_(t-26) and σ_t^2=0.000241+〖0.149753α〗_(t-1)^2+ 〖0.334886σ〗_(t-1)^2. From the results of forecasting the return value, there was one period that experienced a loss and four periods that experienced a profit, with a loss in the 11/01/2018 period of 0.000116 and the highest profit in the 10/31/2018 period of 0.000039.
Analisis Variabel Yang Berpengaruh Pada Indeks Pembangunan Manusia (Ipm) Dengan Pendekatan Regresi Linier Berganda Aulia Fadhli Boer; Khikmah, Laelatul
Journal of Applied Statistics and Data Mining Vol. 3 No. 1 (2022): 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.v3i1.42

Abstract

Pembangunan ekonomi adalah suatu proses kenaikan pendapatan total dan pendapatan perkapita dengan mempertimbangkan adanya pertambahan penduduk dan disertai dengan perubahan fundamental dalam struktur ekonomi suatu daerah dan pemerataan pendapatan bagi suatu penduduk disuatu daerah. Pertumbuhan ekonomi yang stabil sangat diharapkan dapat mendongkrak pembangunan disuatu Negara yang sedang mengalami perkembangan seperti Indonesia, karena dapat mengatasi permasalahan ekonomi yang sering dialami oleh Negara kita ini diantaranya: kemiskinan, pengangguran, buta huruf (rendahnya angka Pendidikan), meningkatkan kesejahteraan masyarakat, dan memberikan perhatian lebih dibidang kesehatan dan Pendidikan. Kualitas sumber daya manusia dapat dilihat dari indeks kualitas hidup atau indek pembangunan manusia (IPM). Rendahnya IPM akan berakibat pada rendahnya produktivitas kerja dari penduduk. Produktivitas yang rendah bereakibat pada rendahnya perolehan pendapatan. Data yang digunakan adalah data Indeks Pembangunan Manusia (IPM) di Provinsi Jawa Tengah Pada Priode 2014-2018. Variabel yang digunakan dalam penelitian adalah Pembangunan Manusia (IPM) sebagai variabel dependen (Y), dan data Angka Harapan Hidup (X1), Angka Melek Huruf (X2), serta Pengeluaran Perkapita (X3) sebagai variabel independent. Kemudian analisis yang digunakan adalah metode analisi regresi linier berganda. Diperoleh hasil variabel yang berpengarauh terhadap IPM adalah variabel x1, dan x2. . Untuk variabel Angka Harapan Hidup (AHH) bertambah satu tahun maka nilai IPM akan naik sebesar 0,622 begitu juga dengan variabel Angka Melek Huruf bertambah satu tahun maka nilai IPM akan naik sebesar 3,640 dan variabel pengeluaran perkapita -0,00000001 yang berarti tidak berperngaruh signifikan terhadap kenaikan ataupun penurunan dari Indeks Pembangunan Manusia (IPM).
Analysis of Factors Affecting Economic Growth Rates in Central Java Using Panel Data Analysis Hermin Sika Raharjo; Safaat Yulianto
Journal of Applied Statistics and Data Mining Vol. 3 No. 1 (2022): 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.v3i1.43

Abstract

Pertumbuhan ekonomi merupakan masalah perekonomian suatu negara. Perekonomian suatu negara dikatakan mengalami suatu perubahan apabila tingkat kegiatan ekonomi lebih tinggi daripada yang dicapai pada masa sebelumnya. Pulau Jawa merupakan pusat pertumbuhan ekonomi di Indonesia. Sebagai Provinsi yang berada di Pulau Jawa seharusnya Jawa Tengah memiliki pertumbuhan ekonomi yang lebih tinggi. Oleh karena itu, perlu diketahui faktor-faktor yang mempengaruhi pertumbuhan ekonomi di Jawa Tengah. Untuk mengetahui pengaruh dari faktor-faktor tersebut maka digunakan analisis regresi. Tingkat pertumbuhan ekonomi di Jawa Tengah pada Tahun 2015 tertinggi adalah Kabupaten Kebumen dengan capaian 6.28%. Sementara itu, rata – rata pertumbuhan ekonomi dari tahun 2012 sampai 2015 tertinggi yaitu Kabupaten Banyumas dengan rata-rata pertumbuhan ekonomi sebesar 6.16%. Model regresi data panel yang terbaik dan sesuai untuk pertumbuhan ekonomi di Provinsi Jawa Tengah pada tahun 2012-2015 adalah Fixed Effect Model, dengan model persamaan hasil estimasi sebagai berikut: (Pertumbuhan Ekonomi) it = 14.90783 + 0.078861 (Pengangguran)it -22.09088 (Jumlah Penduduk) it + 0.117781(IPM)it + 0.136197(PDRB)it. Sebesar 59.7% variabel pengangguran, jumlah penduduk, IPM, PDRB mampu menjelaskan variabel pertumbuhan ekonomi sedangkan sisanya 40.3% dijelaskan oleh variabel lain diluar model.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2022 2022


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