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
 2   3   4   5   6 
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.
Time Management Analysis Using the Cpm and Pert Methods on the Jogja-Solo Toll Road Construction Project Emilia Novitasari; Wijayaningrum, Taswati
Journal of Applied Statistics and Data Mining Vol. 5 No. 2 (2024): 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.v5i2.68

Abstract

Jalan merupakan salah satu fasilitas yang paling vital guna melakukan komunikasi daerah satu dengan yang lain. Menggambarkan suatu jaringan kerja, hubungan urutan pekerjaan proyek yang harus mendahului dan didahului diidentifikasi dalam kaitannya dengan waktu dan dapat menentukan kritisnya suatu kegiatan. Berdasarkan hasil analisis data perbandingan menggunakan metode CPM dan PERT pada penelitian ini yaitu, metode CPM durasi yang digunakan lebih cepat yaitu 319, dibandingkan dengan metode PERT selama 345 hari dan target perencana proyek yaitu 365 hari. Sehingga penjadwalan yang efesien durasinya yaitu menggunakan metode CPM ini dapat menunjukan kegiatan-kegiatan yang kritis dan memiliki total float yang bisa dimanfaatkan untuk memajukan durasi pada proyek Pembangunan Jalan Tol Jogja-Solo. Dari hasil analisa metode PERT mendapatkan durasi lebih lama dibandingkan menggunakan metode CPM, dikarenakan metode PERT menggunakan tiga dugaan waktu yaitu waktu optimis, waktu paling mungkin dan waktu pesimis.
Modeling the Number of Poor People in East Java Province Salmaa Shafira; Khikmah, Laelatul
Journal of Applied Statistics and Data Mining Vol. 5 No. 1 (2024): 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.v5i1.69

Abstract

Kemiskinan merupakan masalah utama bagi banyak negara di dunia, terutama di negara-negara berkembang. Jumlah penduduk miskin di Indonesia pada Maret 2022 adalah 26,16 juta jiwa, provinsi dengan jumlah penduduk miskin tertinggi adalah Provinsi Jawa Timur sebesar 4,23 juta jiwa. Provinsi Jawa Timur memiliki tingkat kemiskinan tertinggi dibandingkan dengan provinsi lain di Pulau Jawa. Peningkatan angka kemiskinan di Jawa Timur disebabkan oleh jumlah penduduk yang besar namun tidak diimbangi dengan persebaran penduduk dan peningkatan kesempatan kerja. Oleh karena itu, untuk menanggulangi kemiskinan diperlukan suatu analisis untuk mengetahui pengaruh lokasi, analisis yang lebih tepat menggunakan analisis regresi spasial. Daerah yang termasuk dalam kategori tingkat kemiskinan sangat tinggi adalah Kabupaten Malang, Kabupaten Jember, Kabupaten Probolinggo, Kabupaten Tuban, Kabupaten Bangkalan, Kabupaten Sampang, dan Kabupaten Sumenep. Variabel Upah Minimum Kabupaten/Kota (X2) berpengaruh positif terhadap jumlah penduduk miskin sedangkan variabel Rata-rata Lama Sekolah (X4) berpengaruh negatif terhadap jumlah penduduk miskin.
Grouping Cleanliness of Daop 4 Semarang Region Stations Based on SLA Values Using Cluster Analysis Using the K-Means Method Heni Sulistiyowati; Ambarwati, Atika Nurani
Journal of Applied Statistics and Data Mining Vol. 5 No. 2 (2024): 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.v5i2.71

Abstract

Kereta api merupakan salah satu moda transportasi nasional yang memiliki karakteristik kapasitas angkutan masal, mempunyai keunggulan tersendiri, dan terintegrasi dengan moda transportasi lainnya, sedangkan stasiun merupakan tempat beroperasinya kereta api, oleh karena itu stasiun yang bersih dan nyaman akan memberikan kesan positif kepada penumpang, dengan tujuan penelitian ini untuk mengetahui pola pengelompokan stasiun di kawasan Daop 4 Semarang berdasarkan tingkat kebersihannya. Sehingga tidak ada kesenjangan kebersihan di setiap stasiun di kawasan Daop 4 Semarang. Metode yang digunakan dalam penelitian ini adalah algoritma K-Means, yaitu metode pengelompokan data yang membagi data menjadi beberapa cluster secara iteratif berdasarkan karakteristik yang serupa. Data yang digunakan dalam penelitian adalah data SLA (Service Level Agreement) kebersihan yang diambil setiap hari kemudian dijumlahkan dan kemudian digunakan untuk clustering stasiun di wilayah Daop 4 Semarang. Hasil penelitian menunjukkan jumlah cluster sebanyak 4 cluster dengan karakteristik pada cluster 1 lebih tinggi pada ketiga variabel pada cluster 2 dan 3 dengan rata-rata masing-masing cluster, dan pada cluster 4 tidak mempunyai nilai variabel yang rendah.
Analysis of User Satisfaction of the Tokopedia Application Using the Importance Performance Analysis (Ipa) Method Aulia Hasna; Wijayaningrum, Taswati
Journal of Applied Statistics and Data Mining Vol. 5 No. 1 (2024): 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.v5i1.73

Abstract

Penelitian ini bertujuan untuk mengukur tingkat kepuasan pengguna aplikasi Tokopedia menggunakan metode End-User Computing Satisfaction (EUCS) dan analisis Importance-Performance Analysis (IPA). Pengumpulan data dilakukan melalui penyebaran kuesioner melalui social media yang melibatkan sejumlah pengguna aplikasi Tokopedia untuk menilai kepuasan mereka berdasarkan lima variabel utama: content, accuracy, format, timeliness, dan ease of use. Hasil penelitian menunjukkan bahwa variabel ease of use memiliki tingkat kepuasan tertinggi sebesar 95%, diikuti oleh variabel content sebesar 94%, accuracy dan format masing-masing sebesar 93%, serta timeliness sebesar 92%. Secara keseluruhan, tingkat kepuasan pengguna terhadap aplikasi Tokopedia mencapai 94%. Namun ada beberapa aspek yang harus ditingkatkan oleh Tokopedia agar aplikasi lebih dapat berjalan dengan baik. Aspek yang perlu ditingkatkan dalam pengembangan aplikasi Tokopedia meliputi dua indikator utama: konsistensi dan kejelasan. Konsistensi, yang berkaitan dengan kesesuaian antara input pengguna dan output informasi, masih memerlukan perbaikan. Selain itu, kejelasan tampilan sistem juga perlu ditingkatkan, karena terdapat kesenjangan antara harapan pengguna yang tinggi dan persepsi mereka yang rendah terhadap tampilan aplikasi. Aspek-aspek yang perlu dipertahankan dalam pengembangan aplikasi Tokopedia mencakup relevansi konten, kemudahan mendapatkan informasi, kelengkapan dan keakuratan informasi yang selalu diperbarui, serta kemudahan akses dan penggunaan sistem, termasuk navigasi yang intuitif bagi pengguna awam.
K-Means Analysis on Grouping Regency / City in Papua Province Based on Human Development Index in 2023 Lisa Novia Fitriasari; Ambarwati, Atika Nurani
Journal of Applied Statistics and Data Mining Vol. 5 No. 1 (2024): 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.v5i1.74

Abstract

Indeks Pembangunan Manusia merupakan indeks untuk mengukur perkembangan dan pembangunan manusia yang dikur berdasarkan aspek kesehatan, pendidikan, dan kemampuan ekonomi. Penelitian ini bertujuan mengidentifikasi kelompok kabupaten/kota di Provinsi Papua berdasarkan kemiripan Indeks Pembangunan Manusia (IPM) menggunakan metode clustering K- Means. K-Means juga tidak terpengaruh terhadap urutan objek yang digunakan, hal ini dibuktikan ketika peneliti mencoba menentukan secara acak titik awal pusat cluster dari salah satu objek pada permulaan perhitungan. Algoritma K-Means clustering dapat digunakan dalam mengelompokkan data dengan efisien dan efektif dengan hasil yang diharapkan . Analisis dilakukan terhadap empat indikator utama IPM: umur harapan hidup, harapan lama sekolah, rata-rata lama sekolah, dan pengeluaran per kapita. Hasil penelitian menunjukkan adanya 2 kelompok kabupaten/kota dengan karakteristik yang berbeda-beda. Kelompok dengan IPM tertinggi umumnya memiliki akses yang lebih baik terhadap layanan kesehatan dan pendidikan, sementara kelompok dengan IPM terendah menghadapi tantangan dalam hal pembangunan infrastruktur dan kesejahteraan masyarakat. Hasil penelitian ini dapat menjadi dasar bagi pemerintah dalam merumuskan kebijakan pembangunan yang lebih tertarget dan efektif untuk mengurangi kesenjangan pembangunan di Provinsi Papua
Analysis of the Satisfaction Level of Students at the Semarang Muhammadiyah Orphanage Using the Natural Science Method Dani Ramdani; Sulistijanti, Wellie
Journal of Applied Statistics and Data Mining Vol. 5 No. 1 (2024): 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.v5i1.75

Abstract

Sebuah kepuasan dapat di definisikan sebagai persepsi tehadap sesuatu yang telah memenuhi harapanya, oleh karena itu seseorang tidak akan puas apabila mempunya persepsi terhadap sesuatu yang telah memenuhi kebutuhan nya. Seseoranga akan merasa puas jika persepsi nya sama atau lebih besar di harapkan Tidak hanya di produk atau jasa tapi kepuasan juga bisa mengacu pada Pendidikan. Pendidikan itu sendiri adalah proses pembelajaran yang di dapat oleh setiap manusia (peserta didik) untuk membuat manusia (peserta didik) untuk dapat membuat manusia (peserta didik) itu mengerti,paham dan bisa lebih dewasa serta bisa membuat manusia (peserta didik) lebih kritis dalam berfikir. Menurut Ahmad D. Marimba Pendidikan adalah bimbingan atau pimpinan secara sadar oleh pendidik terdapat perkembangan jasmani dan rohani terdidik menuju terbentuknya kepribadian yang utama. Menuntut lembaga pendidikan itu sendiri memperhatikan mutu pendidikan dan kelembagaan sehingga mampu serta unggul dalam persaingan tersebut. Di dalam tingkat kepuasan dalam Pendidikan mahasiswa akan merasa puas apabila seseorang telah membuat perbandingan Metode Importance Performance Analysis (IPA) digunakan untuk menganalisis tingkat kepuasan santri panti asuhan muhammadiyah Semarang.
Forecasting Tobacco Production And Planting Area In Indonesia With Artificial Neural Network Method Fakta Liza; Sulistijanti, Wellie
Journal of Applied Statistics and Data Mining Vol. 5 No. 2 (2024): 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.v5i2.76

Abstract

Tembakau merupakan komoditas unggulan pada sektor perkebunan yang sangat penting dalam perekonomian indonesia. Produk yang dapat dihasilkan atau diperdagangkan ialah daun tembakau dan rokok. Pada tahun 2012, negara produsen tembakau terbesar dunia adalah Tiongkok, Brazil, China, serta Amerika Serikat. Indonesia menempati posisi ke-5 sebagai produsen tembakau terbesar dunia dengan jumlah produksi 226.704 ton atau 3,0% dari total produksi tembakau secara global. Keberhasilan Indonesia dalam memproduksi tembakau dapat diketahui dengan cara melakukan peramalan untuk beberapa tahun mendatang. Data yang digunakan merupakan data produksi dan luas area tanam tembakau di Indonesia dari tahun 1975 – 2018. Metode yang digunakan adalah Backpropagation yang merupakan metode pelatihan terawasi (supervised training) yang diterapkan pada Artificial Neural Network. Salah satu algoritma dari Backpropagation adalah algoritma Levenberg Marquardt yang dikembangkan oleh Donald Marquardt dan Kenneth Marquardt, memberikan solusi untuk masalah meminimalisasi fungsi non linier. Dalam penelitian ini dapat disimpulkan bahwa model terbaik produksi tembakau adalah 1-6-1 dengan nilai MSE training 0,153 sehingga peramalan pada tahun 2019 adalah 160.240 ton. Sedangkan model terbaik untuk luas area tanam tembakau adalah 1-16-1 dengan nilai MSE training 0,102 sehingga peramalan pada tahun 2019 adalah 190.000 Ha.
Analysis of Factors Affecting HDI Using Moderate Regression Analysis (Mra) Anggie Utami Widya Asrifa; Safaat Yulianto
Journal of Applied Statistics and Data Mining Vol. 5 No. 2 (2024): 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.v5i2.77

Abstract

Pembangunan merupakan salah satu aspek penting bagi suatu negara dan menjadi tolak ukur untuk melihat tingkat kesejahteraan antara negara maju dan negara berkembang. Menurut paradigma ilmu ekonomi, salah satu tolok ukur keberhasilan perekonomian adalah melalui pendekatan pembangunan manusia, yang dilihat dari kualitas hidup manusia dalam suatu negara. Salah satu kriteria untuk melihat kualitas hidup manusia adalah adanya indeks pembangunan manusia atau IPM yang diukur dari berbagai aspek yaitu tingkat kesehatan, pendidikan, dan perekonomian. Indikator dari aspek kesehatan adalah angka harapan hidup, aspek pendidikan adalah lama sekolah yang diharapkan dan aspek ekonomi adalah pengeluaran per kapita. Penelitian ini bertujuan untuk mengetahui apakah variabel pengeluaran per kapita dapat mempengaruhi variabel angka harapan hidup dan variabel harapan lama sekolah terhadap IPM di Kabupaten Boyolali tahun 2010-2021. Analisis yang digunakan adalah Moderate Regression Analysis (MRA) yaitu analisis yang menggunakan variabel moderasi yang berfungsi untuk memperkuat atau memperlemah hubungan variabel independen terhadap variabel dependen. Variabel yang berpengaruh signifikan terhadap indeks pembangunan manusia adalah harapan lama bersekolah dan pengeluaran per kapita. Hasil analisis MRA ini menyimpulkan bahwa variabel pengeluaran per kapita yang digunakan sebagai variabel moderasi tidak dapat memoderasi variabel independen tetapi berperan sebagai variabel independen, dan mempunyai prediktor moderasi variabel yang moderat, artinya variabel moderasi hanya berperan sebagai variabel independen.
Forecasting Harvest Area and Rice Production in East Java Using the Resilient-Backpropagation (RPOP) Neural Network Method Firda Aulia; Sulistijanti, Wellie
Journal of Applied Statistics and Data Mining Vol. 5 No. 2 (2024): 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.v5i2.79

Abstract

Padi (Oryza Sativa L) merupakan tanaman budidaya yang sangat penting bagi manusia. Produksi padi erat kaitannya dengan luas panen, dimana kenaikan dan penurunan luas panen akan mempengaruhi hasil produksi. Jawa Timur adalah provinsi penyumbang produksi padi terbesar di Indonesia. Pada tahun 2017 produksi padi di Jawa Timur mencapai 13.060.464 ton atau sebesar 16,09% dari total produksi padi di Indonesia. Produksi padi pada triwulan III tahun 2017 mengalami penurunan, penurunan tersebut diduga dipengaruhi oleh penurunan luas panen. Oleh karena itu perlu dilakukan peramalan untuk mengetahui pola luas panen dan produksi padi yang akan datang. Penelitian ini menggunakan data luas panen dan produksi padi tahun 2007-2017 dari Dinas Pertanian dan Ketahanan Pangan Provinsi Jawa Timur. Metode peramalan yang digunakan adalah Resilient Backpropagation (Rprop) yang merupakan salah satu modifikasi dalam Backpropagation yang mempunyai teknik konvergensi yang cepat dan tingkat akurasi yang tinggi. Dari tahun 2007 sampai 2017 luas panen terendah berada pada triwulan III tahun 2008 dan luas panen tertinggi berada di triwulan I tahun 2017. Produksi padi terendah berada pada triwulan III tahun 2008 dan produksi padi tertinggi berada di triwulan I tahun 2015. Data luas panen dan produksi padi selalu tinggi di triwulan I dan turun di triwulan III. Rata-rata luas panen dan produksi padi selalu mengalami kenaikan setiap tahunnya. Dari hasil peramalan tahun 2018 dan 2019 dengan model terbaik untuk luas panen yaitu 3-8-1 dan produksi padi yaitu 3-14-1 diketahui bahwa luas panen tertinggi berada di setiap triwulan I, hal ini diikuti dengan kenaikan produksi padi. Luas panen mengalami penurunan di triwulan III dan juga diikuti penurunan produksi padi.

Page 5 of 6 | Total Record : 56

 2   3   4   5   6 

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