Emerging Statistics and Data Science Journal
ESDS publishes scientific articles on statistics and its applications, and also in terms of big data and data science. The article can be a research result, a case study, or a literature review, with coverage: - Statistical Methodology – Articles dealing with new and innovative data analysis techniques and methodologies include, but are not limited to: bootstrapping, classification techniques, design of experiments, parametric and nonparametric methods, functional data, fuzzy statistical analysis, nonlinear models, partial least squares, structural equation models, Bayesian analysis, survey sample analysis, and statistics computation. - Applied Statistics in Business, Industry and Social Studies – Articles dealing with econometrics, demography, spatial analysis, time series analysis, longitudinal analysis, spatio-temporal analysis, quality control, and other subjects related to Applied Statistics in Business, Industry and Social Studies. - Data Science – Articles dealing with big data, data exploration, data mining, data science, data visualisation, and machine learning. - Another field which is related to statistics and the applications
Articles
15 Documents
Search results for
, issue
"Vol. 1 No. 3 (2023): Emerging Statistics and Data Science Journal"
:
15 Documents
clear
<![CDATA[Perbandingan Metode Double Exponential Smoothing dan Triple Exponential Smoothing untuk Menganalisis Klaim Asuransi Pada Masa Pandemi Covid-19 (Studi Kasus: Klaim Asuransi PT. BNI Life Insurance Jakarta Tahun 2017 - 2022): Perbandingan Metode Double Exponential Smoothing dan Triple Exponential Smoothing ]]>
<![CDATA[Indi, Indina Isyfi Annie Widyan]]>;
<![CDATA[Muhammad Hasan Sidiq Kurniawan]]>
<![CDATA[ Emerging Statistics and Data Science Journal Vol. 1 No. 3 (2023): Emerging Statistics and Data Science Journal ]]>
Publisher : <![CDATA[Statistics Department, Universitas Islam Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.20885/esds.vol1.iss.3.art40
<![CDATA[Covid-19, which has become a global pandemic, has had an adverse impact on various industrial sectors. One of them is the insurance industry. During the Covid-19 pandemic, the submission of Health and Life insurance claims increased significantly. Insurance companies need to make maximum preparations. Thus, it is very important for insurance companies to know how the condition of submitting claims was before and during the Covid-19 pandemic. Not only that, but insurance companies also need to know how to submit claims in the next several periods. To find out this, it is necessary to carry out an analysis, namely forecasting analysis. Based on the cases being investigated, the existing claim data shows trend and seasonal patterns. So that the proper forecasting analysis used is Double Exponential Smoothing and Triple Exponential Smoothing. Then, based on research on this case, the Covid-19 pandemic has had an impact on insurance claims since June 2020]]>
<![CDATA[Peramalan Indeks Harga Konsumen di Kota Mataram Menggunakan Metode Double Exponential Smoothing dengan Damped Parameter: Peramalan Indeks Harga Konsumen di Kota Mataram ]]>
<![CDATA[Azzahra, Afaf Amirah]]>;
<![CDATA[Mujiati Dwi Kartikasari]]>
<![CDATA[ Emerging Statistics and Data Science Journal Vol. 1 No. 3 (2023): Emerging Statistics and Data Science Journal ]]>
Publisher : <![CDATA[Statistics Department, Universitas Islam Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.20885/esds.vol1.iss.3.art42
<![CDATA[Indeks Harga Konsumen (IHK) merupakan salah satu indikator ekonomi yang dapat mengalami tingkat kenaikan (inflasi) atau tingkat penurunan (deflasi) dari barang/jasa. Faktor penting yang harus dilakukan untuk memantau atau meramalkan perkembangan IHK agar menghasilkan data yang valid yaitu dengan metode peramalan. Penelitian ini bertujuan untuk mengetahui peramalan IHK di Kota Mataram pada masa yang akan datang yaitu untuk 12 periode kedepan pada tahun 2023. Data yang digunakan pada penelitian ini adalah data sekunder Indeks Harga Konsumen pada bulan Januari 2021 sampai bulan Desember 2022. Pada penelitian ini metode yang digunakan adalah Double Exponential Smoothing karena pada data IHK di Kota Mataram memiliki pola data trend yang cenderung naik dan ditambahkan Damped Parameter, Damped parameter pada penelitian ini digunakan untuk meredam pertumbuhan secara eskponensial. Berdasarkan hasil yang diperoleh, didapatkan hasil peramalan pada data Indeks Harga Konsumen tahun 2023 mengalami peningkatan dan didapatkan nilai ukuran kesalahan atau error peramalan menggunakan nilai Mean Absolute Percentage Error (MAPE) sebesar 0.29%. Dengan nilai MAPE <10% maka peramalan dengan metode Double Exponential Smoothing dengan Damped Parameter hasil kemampuan peramalan sangat baik.]]>
<![CDATA[Implementasi Metode K-Means Clustering dalam Pengelompokan Kabupaten/ Kota di Provinsi NTB Berdasarkan Indikator Pendidikan: Implementasi Metode K-Means Clustering dalam Pengelompokan Kabupaten/ Kota di Provinsi NTB ]]>
<![CDATA[Hanifah, Salsabila]]>;
<![CDATA[Primandari, Arum Handini]]>
<![CDATA[ Emerging Statistics and Data Science Journal Vol. 1 No. 3 (2023): Emerging Statistics and Data Science Journal ]]>
Publisher : <![CDATA[Statistics Department, Universitas Islam Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.20885/esds.vol1.iss.3.art44
<![CDATA[Pendidikan merupakan salah satu bidang yang mempunyai peran penting dalam pembangunan suatu daerah. Pentingnya pendidikan sebagai indikator pembangunan juga terbukti dengan adanya poin Pendidikan menjadi menjadi salah satu tujuan pada Sustainable Development Goals (SDGs) yaitu “Menjamin kualitas pendidikan yang inklusif dan merata, serta mendukung kesempatan belajar seumur hidup bagi semua”. Upaya yang dapat dilakukan untuk mencapai hal tersebut adalah dengan menjalankan program wajib belajar untuk memajukan pendidikan. Data yang digunakan dalam penelitian ini adalah data indikator pendidikan SMA sederajat tahun ajaran 2021 yang meliputi Angka Partisipasi Sekolah (APS), Angka Partisipasi Kasar (APK), Angka Partisipasi Murni (APM) dan Rata-rata Lama Sekolah (RLS). Data tersebut merupakan data sekunder yang diperoleh dari website NTB Satu Data. Metode yang digunakan adalah menggunakan K-Means Clustering. K-Means clustering adalah metode pengelompokan yang berusaha mempartisi n individu dalam sebuah dataset multivariate kedalam k kelompok. Dari hasil analisis, diperoleh empat cluster. Cluster pertama terdiri dari 2 kabupaten atau kota dengan indikator pendidikan sedang, cluster kedua terdiri dari 2 kabupaten atau kota dengan indikator pendidikan tinggi, cluster ketiga terdiri dari 4 kabupaten atau kota dengan indikator pendidikan sangat rendah dan cluster keempat terdiri dari 2 kabupaten atau kota dengan indikator pendidikan yang masih rendah.]]>
<![CDATA[Pengelompokan Kabupaten/Kota di Sumatera Utara Menggunakan Algoritma Average Linkage dan K-Means Berdasarkan Indikator Pendidikan: Pengelompokan Kabupaten/Kota di Sumatera Utara Menggunakan Algoritma Average Linkage dan K-Means ]]>
<![CDATA[Simanjorang, Susan Patricia]]>;
<![CDATA[Yanti, Maulida]]>
<![CDATA[ Emerging Statistics and Data Science Journal Vol. 1 No. 3 (2023): Emerging Statistics and Data Science Journal ]]>
Publisher : <![CDATA[Statistics Department, Universitas Islam Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.20885/esds.vol1.iss.3.art46
<![CDATA[Pendidikan tidak bisa terlepas dari kehidupan manusia karena merupakan kunci/dasar pengimprovisasian kualitas dalam berbagai sektor/bidang. Gurbernur Sumatera Utara menyatakan bahwa pemerataan pendidikan harus terus dioptimalkan. Pengelompokan (clustering) kabupaten berdasarkan ciri/ karakteristik yang sama akan membantu dalam penentuan daerah prioritas yang harus ditangani untuk pemerataan pendidikan oleh pemerintah Sumatera Utara. Penelitian ini bertujuan untuk menentukan pengelompokan kabupaten di Sumatera Utara berdasarkan indikator pendidikan menggunakan dua algoritma pengklasteran yang sering digunakan yaitu K-Means dan Average Linkage. Data pendidikan yang digunakan terdiri dari tiga variabel yaitu jumlah guru bersertifikasi, jumlah sekolah terakreditasi unggul dan jumlah siswa berprestasi tahun 2022. Nilai rasio simpangan baku untuk K-Means dan Average Linkage masing-masing adalah 0,261 dan 0,196. Berdasarkan nilai rasio simpangan baku, Average Linkage lebih baik dalam mengklasterkan data ini dibandingkan K-Means.]]>
<![CDATA[Cover ESDS Volume 1 Issue 3, 2023: Cover ESDS Volume 1 Issue 3, 2023 ]]>
<![CDATA[ Emerging Statistics and Data Science Journal Vol. 1 No. 3 (2023): Emerging Statistics and Data Science Journal ]]>
Publisher : <![CDATA[Statistics Department, Universitas Islam Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Cover ESDS Volume 1 Issue 3, 2023]]>
