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 56 Documents
 1   2   3   4   5 
Analysis of Online Learning Satisfaction of Students at the Muhammadiyah Semarang Institute of Statistics and Business Technology Using Ordinal Logistic Regression Rahmania Novandra; Khikmah, Laelatul
Journal of Applied Statistics and Data Mining Vol. 4 No. 1 (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.v4i1.31

Abstract

Pada Desember 2019, kasus pneumonia misterius pertama kali dilaporkan di Wuhan, Provinsi Hubei, sampel yang diteliti menunjukkan etiologi coronavirus baru yaitu Corona Virus Disease 2019 (COVID-19) virus ini dapat ditularkan dari manusia ke manusia pemerintah memiliki kebijakan, salah satu kebijakannya dikeluarkan oleh Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi Republik Indonesia, menghimbau kepada semua mahasiswa agar dapat mengikuti pembelajaran secara jarak jauh dari rumah yaitu pembelajaran online. Pembelajaran online dilakukan juga oleh Program Studi Diploma Tiga Statistika Institut Teknologi Statistika dan Bisnis Muhammadiyah Semarang. Banyak kendala yang dialami oleh mahasiswa selama pembelajaran online, sehingga mahasiswa belum merasa puas terhadap pembelajaran online. Penelitian ini bertujuan untuk mengukur kepuasaan seorang mahasiswa terhadap pembelajaran online yang sudah dilakukan. Dengan pendekatan regresi logistik ordinal diperoleh 2 model dimana variabel yang berpengaruh terhadap kepuasan adalah variabel X₃ (Pengetahuan) dengan kategori 3 (Cukup), kategori 4 (Baik), dan kategori 5 (Sangat baik).
PEMODELAN REGRESI LOGISTIK BINER PADA FAKTOR PENYEBAB PERNIKAHAN DINI DI KALIMANTAN SELATAN Meliana hersela; Safaat Yulianto
Journal of Applied Statistics and Data Mining Vol. 1 No. 2 (2020): 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.v1i2.34

Abstract

Menurut UNICEF Indonesia menempati urutan ke-8 di dunia dengan pernikahan dini terbanyak. Di Indonesia sendiri daerah dengan angka pernikahan dini tertinggi adalah Kalimantan Selatan. Pada penelitian kali ini penulis ingin mengetahui faktor-faktor apa saja yang mempengaruhi pernikahan dini di Kalimantan Selatan. Penelitian dilakukan dengan melakukan analisis Regresi Logistik Biner dengan data Survei Demografi dan Kesehatan Indonesia (SDKI) 2017. Berdasarkan hasil penelitian dapat disimpulkan bahwa variabel independent yang berpengaruh terhadap variabel dependent yaitu variabel pendidikan wanita. Variabel pendidikan wanita yang mempengaruhi variabel status pernikahan dini, yaitu ketegori wanita yang tidak bersekolah, jenjang SD, dan jenjang SMP-SMA.
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.
PENGELOMPOKAN TINGKAT KEMISKINAN KABUPATEN/KOTA DI PROVINSI JAWA TIMUR MENGUNAKAN ALGORITMA K-MEANS++ Chintya Devi Panglipuring Sriaji; Zaenah; Istiawan, Deden; Sukmono Yogi Prayogi; Adiyah Mahiruna
Journal of Applied Statistics and Data Mining Vol. 2 No. 2 (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.v2i2.39

Abstract

Menurut Badan Perencanaan dan Pembangungan Daerah (BAPPEDA) kemiskinan adalah kondisi dimana seseorang atau sekelompok orang tidak mampu memenuhi hak-hak dasarnya untuk mempertahankan dan mengembangkan kehidupan yang bermartabat, dimana hak-hak dasar tersebut yaitu terpenuhinya kebutuhan pangan, kesehatan, pendidikan, pekerjaan, perumahan, air bersih, pertanahan, sumber daya alam dan lingkungan hidup, rasa aman dari tindak kekerasan dan hak berpartisipasi dalam sosial politik. Kemiskinan di Indonesia dipengaruhi oleh beberapa faktor, salah satunya ialah tingkat pengangguran yaitu karena tingkat pengangguran yang tinggi menyebabkan rendahnya pendapatan yang selanjutnya memicu munculnya kemiskinan. Dimana provinsi dengan jumlah penduduk miskin terbanyak di Pulau Jawa adalah provinsi Jawa Timur yaitu mencapai 4.332.590 jiwa. Tingkat kemiskinan di Jawa Timur dipengaruhi oleh beberapa faktor diantaranya yaitu Indeks Pembangunan Manusia, Produk Domestik Regional Bruto per kapita, dan belanja publik. Untuk mengelompokan data kemiskinan di Jawa Timur penelitian ini menggunakan metode K-Means++. Dimana data yang digunakan adalah data sekunder yang mana diambil pada BDT TNP2K BAPPEDA JawaTimur pada tahun 2015 yang diunduh pada website http://www.tnp2k.go.id/. Metode penelitian yang digunakan meliputi beberapa tahap diantaranya analisa masalah, pengumpulan data, metode usulan, serta eksperimen dan juga pengujian. Data yang didapatkan kemudian dianalisis menggunakan beberapa langkah yaitu: menentukan jumlah klaster K=2, inisialisasi centroid, menghitung jumlah jarak terdekat, menentukan pusat klaster baru, mengalokasikan data sampai datanya tidak berpindah kelompok. Setelah dianalisis diperoleh kesimpulan bahwa data kemiskinan di Jawa Timur terbentuk menjadi 2 klaster dan juga didapat kesimpulan bahwa K-means++ lebih baik dari pada K-Means.
SMALL AREA ESTIMATION TERHADAP PRODUK DOMESTIK REGIONAL BRUTO PER KAPITA ATAS DASAR HARGA KONSTAN PROVINSI JAWA BARAT DENGAN PENDEKATAN KERNEL Fida Fariha Amatullah; Khikmah, Laelatul
Journal of Applied Statistics and Data Mining Vol. 2 No. 2 (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.v2i2.40

Abstract

Jawa Barat merupakan salah satu provinsi di Pulau Jawa. Pertumbuhan Ekonomi Jawa Barat tahun 2019 tumbuh 5,07% melambat dibanding tahun 2018 sebesar 5,66%. PDRB perkapita merupakan indikator yang banyak digunakan untuk mengukur pertumbuhan ekonomi. Small Area Estimation (SAE) atau pendugaan area kecil yaitu suatu teknik statistika untuk menduga parameter-parameter subpopulasi dengan ukuran sampel kecil. Pada penelitian ini dilakukan pendugaan area kecil dengan pendekatan nonparametrik yaitu kernel. Variabel penyerta yang digunakan yaitu, pengeluaran pemerintah Kota/Kabubapaten Provinsi Jawa Barat tahun 2019. Berdasarkan penduga langsung Kota Bandung memiliki nilai PDRB perkapita tertinggi sebesar Rp. 78.808.426 dan Kabupaten Tasikmalaya memiliki nilai PDRB perkapita terendah sebesar Rp. 14.016.644. Hasil penduga tak langsung meunjukkan Kota Bandung memiliki nilai PDRB perkapita tertinggi sebesar Rp. 78.747.914 dan Kabupaten Tasikmalaya memiliki nilai PDRB perkapita terendah sebesar Rp. 14.002.015. Penduga tak langsung menghasilkan nilai varians lebih kecil yaitu sebesar 3,330054 dibanding penduga langsung sebesar 3,331698. Oleh karena itu, penduga tak langsung menunjukkan hasil yang lebih baik.
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).

Page 3 of 6 | Total Record : 56

 1   2   3   4   5 

Filter by Year

2020 2025


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