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. 4 No. 2 (2023): Journal Applied Statistics and Data Mining" : 5 Documents clear
Panel Data Regression Modeling of the GRDP of Banten Province for the Years 2016-2020 Alfa Puspita Swasti Anggraini; Khikmah, Laelatul
Journal of Applied Statistics and Data Mining Vol. 4 No. 2 (2023): 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.v4i2.30

Abstract

Banten is one of the provinces on the island of Java. Banten's Economy in 2020 decreased by 3.38 percent, even though in 2019 it still grew to 5.29 percent. This decline was also deeper than the National which only decreased 2.07 percent. Gross Regional Domestic Product (GDP) is one of the important indicators to determine the economic condition in an area or province in a certain period. Panel data is a combination of time data series and cross sections. Panel data regression is a regression by combining data cross section and time series in an equation. In this study, analysis was carried out panel data regression to determine the variables that affect the GRDP of Banten Province. The results of the analysis show that the best panel data regression model is Random Effect Model (REM). Variables that affect the GRDP of Banten Province are Total Residents and Domestic Investment.
Modeling the Stock Price of PT Bank Rakyat Indonesia Tbk with ARCH/GARCH Method Maula Sufiana; Virgania Sari
Journal of Applied Statistics and Data Mining Vol. 4 No. 2 (2023): 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.v4i2.63

Abstract

Harga penutupan adalah harga akhir yang dicatat ketika pasar saham ditutup. Harga penutupan ini digunakan sebagai acuan untuk harga pembukaan saham keesokan harinya. Sejak pandemi Covid-19 berdampak pada perekonomian suatu negara, termasuk industri keuangan khususnya perbankan. Salah satu bentuk investasi di pasar modal yang dapat diperjualbelikan adalah saham. PT. Bank Rakyat Indonesia Tbk. Cenderung berfluktuasi dari waktu ke waktu yang mengindikasikan bahwa data runtun waktu mengalami dluktuasi varians. Volatilitas ditunjukkan dengan adanya suatu fase dimana fluktuasi relatif tinggi kemudian diikuti dengan fluktuasi yang rendah dan tinggi lagi. Sehingga menyebabkan terjadinya heteroskedastisitas, maka metode yang digunakan adalah ARCH/GARCH. Data yang digunakan dalam penelitian ini adalah data harga saham PT. Bank Rakyat Indonesia Tbk. berupa data harian dari bulan Januari 2020 sampai dengan September 2021. Hasil penelitian menunjukkan bahwa dari beberapa estimasi model, model terbaik adalah ARIMA (0,1,2) ARCH(1) dengan hasil peramalan penutupan harga saham pada periode 15/09/2021 sebesar 3696 dengan nilai MAPE sebesar 0,036, dapat disimpulkan bahwa ketetapan pemodelan sangat baik karena nilai MAPE < 10%.
Stock Price Forecasting Pt Gudang Garam Tbk Using Arch/Garch Mochamad Aqil Sahibul Hikam; Virgania Sari
Journal of Applied Statistics and Data Mining Vol. 4 No. 2 (2023): 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.v4i2.64

Abstract

Investasi dilakukan untuk memenuhi kebutuhan dan keinginan masyarakat, baik secara individu, kelompok maupun negara, investasi sangat dibutuhkan untuk membantu perekonomian suatu negara. Investor perlu mengetahui kondisi keuntungan di masa yang akan datang yang dihitung dari harga saham penutupan. Volatilitas yang tinggi menggambarkan tingkat risiko yang dihadapi oleh investor, karena mencerminkan fluktuasi pergerakan harga saham. Sehingga kemungkinan terjadinya intervensi saham memiliki risiko yang tinggi. Model yang dapat mengatasi masalah volatilitas adalah model Autoregressive Conditional Heteroscedasticity (ARCH) dan Generalized Autoregressive Conditional Heteroscedasticity (GARCH). Data yang digunakan dalam penelitian ini adalah data harga saham mingguan PT. Gudang Garam Tbk pada bulan Januari 2018 hingga Juli 2022 dengan nilai tertinggi pada bulan Juli 2022. Dari hasil analisis, model terbaik adalah ARIMA (0,1,3) ARCH(1) dilihat dari hasil peramalan yang menunjukkan penurunan pada tanggal 24 Juli 2022 yaitu sebesar 29686 dengan nilai MAPE sebesar 0,97428%.
Predicting The Closing Of The Stock Price Of PT. Astra Agro Lestari Tbk With Autoregressive Fractionally Inegreted Moving Average Model Ulfatus Sholihah; Sulistijanti, Wellie
Journal of Applied Statistics and Data Mining Vol. 4 No. 2 (2023): 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.v4i2.65

Abstract

PT. Astra Agro Lestari Tbk yang merupakan perusahaan go public di Indonesia yang bergerak di bidang perkebunan yang juga merupakan investor saham di Bursa Efek Indonesia. Pergerakan harga saham pada masa yang akan datang merupakan hal sulit untuk diprediksi, maka salah satu upaya yang bisa dilakukan adalah dengan peramalan. Data yang digunakan untuk peramalan adalah data mingguan dari tanggal 5 Januari 2015 sampai 31 Desember 2018 yang di peroleh dari website Yahoo Finance. Karena data mengandung long memory maka metode yang digunakan untuk meramalkan data saham yaitu Autoregressive Fractionally Integreted Moving Average (ARFIMA). Suatu proses dikatakan mengikuti model ARFIMA jika nilai d adalah riil. ARFIMA disebut juga ARIMA yang nilai d tidak hanya berupa nilai integer, melainkan termasuk juga nilai-nilai riil yang disebabkan oleh adanya memori jangka panjang. Hasil penelitian menunjukkan bahwa dari beberapa pendugaan model terpilih 1 model terbaik dengan nilai AIC terkecil yaitu -14.25299 dengan model yang terbentuk ARFIMA ([1,2],d,1). Dapat dilihat bahwa, hasil ramalan minggu pertama bulan Januari tahun 2019 sebesar Rp. 11.841,- berada tidak jauh dari data aktual, yang berarti model yang didapatkan cukup baik untuk meramalkan penutupan harga (Close Price) saham PT Astra Agro Lestari Tbk
Forecasting Foreign Tourist Arrivals Through International Airports in Java Using Backpropagation Neural Network Monica Hellen Dwi Pramesti; Sulistijanti, Wellie
Journal of Applied Statistics and Data Mining Vol. 4 No. 2 (2023): 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.v4i2.67

Abstract

Pariwisata adalah sektor yang sangat berkontribusi dalam menyumbang devisa negara dengan kedatangan wisatawan mancanegara maupun wisatawan lokal. Pulau Jawa memiliki potensi kekayaan alam yang besar dan memiliki banyak peninggalan prasejarah yang membuat daya tarik tersendiri wisatawan yang ingin berkunjung ke Pulau Jawa. Wisatawan sendiri biasanya datang berkunjung kesuatu destinasi wisata dengan menggunakan pesawat terbang karena lebih efisien dalam waktu perjalanannya, dan Pulau Jawa memiliki 5 Bandara Internasional guna memfasilitasi wisatawan mancanegara yang berkunjung menggunakan pesawat terbang. Karena pentingnya sektor pariwisata dalam pertumbuhan ekonomi disuatu negara, maka dari itu diperlukan suatu estimasi untuk mengetahui jumlah wisatawan yang datang dan nantinya estimasi ini berguna bagi pemerintah untuk mengantisipasi lonjakan wisatawan yang datang. Data yang akan diestimasi adalah data jumlah wisatawan mancanegara yang datang melalui Bandara Internasional di Pulau Jawa yang bersumber dari Badan Pusat Statistik (BPS Pusat) tahun 2010-2017. Algoritma yang digunakan untuk melakukan estimasi adalah jaringan syaraf tiruan BackpropagationLevenberg Marquardt. Dari penelitian ini akan dipilih model terbaik yang menghasilkan MSE terkecil untuk peramalan kunjungan wisatawan dimasa mendatang. Diperoleh model 12-12-1 dengan MSE 1,0430 untuk Bandara Soekarno Hatta, 12-14-1dengan MSE0,3265 untuk Bandara Hussein Sastranegara, 12-14-1dengan MSE0.3317 untuk Bandara Adi Sutjipto, 12-14-1dengan MSE0,7133untuk Bandara Adi Sumarmo dan 12-10-1dengan MSE0,8794 untuk Bandara Juanda.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2023 2023


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