cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Dr. Atina Ahdika, M.Si
Contact Email
146110101@uii.ac.id
Phone
+62 817-2384-386
Journal Mail Official
esds@uii.ac.id
Editorial Address
Universitas Islam Indonesia. Jl. Kaliurang KM 14,5, Sleman Yogyakarta
Location
Kab. sleman,
Daerah istimewa yogyakarta
INDONESIA
Emerging Statistics and Data Science Journal
Published by Universitas Islam Indonesia
ISSN : 29884004     EISSN : 29864178     DOI : https://doi.org/10.20885.25
Core Subject : Science, Education,
Computer Science & IT Mathematics
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
Arjuna Subject : Matematika - Statistik dan Probabilitas
Articles 10 Documents
 1 
Search results for , issue "Vol. 2 No. 3 (2024): Emerging Statistics and Data Science Journal" : 10 Documents clear
Analisis K-Means Clustering terhadap Data Pengeluaran Perkapita menurut Kelompok Telur dan Susu per Kabupaten/Kota di Pulau Jawa Tahun 2022: Analisis K-Means Clustering terhadap Data Pengeluaran Perkapita menurut Kelompok Telur dan Susu per Kabupaten/Kota di Pulau Jawa Tahun 2022 Deffy Selandiana Sari, Azzahra Shafira Salsa Aulia; Sidiq Kurniawan, Muhammad Hasan
Emerging Statistics and Data Science Journal Vol. 2 No. 3 (2024): Emerging Statistics and Data Science Journal
Publisher : Statistics Department, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/esds.vol2.iss.3.art25

Abstract

Protein sebagai salah satu zat gizi makro tentunya memiliki fungsi yang penting dalam tubuh diantaranya untuk membantu proses pembentukan sel dan jaringan tubuh baru atau menjaga fungsi kognitif otak. Hasil Susenas 2022 menyatakan bahwa rata-rata pengeluaran perkapita dan konsumsi protein hewani kelompok telur dan susu masih rendah dari kelompok protein hewani lainnya yaitu sebesar Rp6,138 dan 3.37 gram. Padahal dalam kehidupan sehari-hari, telur dan susu termasuk protein hewani yang cukup mudah didapat oleh anggota keluarga tetapi konsumsi dan rata-rata pengeluarannya merupakan yang terendah dari kelompok protein hewani lainnya. Oleh karena itu, tujuan dari penelitian ini adalah mengetahui pengelompokan kabupaten/kota dan mengetahui karakteristik dari kelompok tersebut. Metode penelitian yang digunakan yaitu analisis komponen utama dan k-means clustering menggunakan aplikasi R Studio, Ms. Excel, dan QGis. Hasil pengelompokan rata-rata pengeluaran menghasilkan 3 kelompok dimana kelompok I terdiri dari 29 kabupaten/kota, kelompok II terdiri dari 34 kabupaten/kota, dan kelompok III terdiri dari 56 kabupaten/kota.
Implementasi K-Medoids Clustering Dalam Pengelompokan Provinsi Di Indonesia Berdasarkan Kepesertaan Aktif Jaminan Sosial Tenaga Kerja: Implementasi K-Medoids Clustering Dalam Pengelompokan Provinsi Di Indonesia Berdasarkan Kepesertaan Aktif Jaminan Sosial Tenaga Kerja Sulistyawati, Yuni
Emerging Statistics and Data Science Journal Vol. 2 No. 3 (2024): Emerging Statistics and Data Science Journal
Publisher : Statistics Department, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/esds.vol2.iss.3.art28

Abstract

Berdasarkan data dari Portal Data Ketenagakerjaan RI, jumlah peserta BPJS Ketenagakerjaan di Indonesia hingga Desember 2022 mencapai 55,38 juta orang, baik aktif maupun non-aktif. Ini menunjukkan pentingnya BPJS Ketenagakerjaan dalam melindungi kesejahteraan tenaga kerja. Progam jaminan sosial sudah diatur dalam undang-undang, namun banyak pekerja yang belum terdaftar sebagai peserta atau peserta non-aktif. Oleh karena itu, diperlukan analisis untuk mengidentifikasi pengelompokan peserta aktif berdasarkan karakteristiknya. Salah satu cara untuk melakukan analisis tersebut adalah dengan menggunakan metode clustering atau pengelompokan data. Tujuan dari penelitian ini adalah untuk menganalisis secara deskriptif data kepesertaan dan mengelompokan provinsi di Indonesia berdasarkan jumlah kepesertaan aktif menggunakan metode K-Medoids Clustering. Analisis ini menghasilkan 3 cluster, cluster 1 terdiri dari 29 provinsi dengan tingkat kepesertaan terendah, cluster 2 terdiri dari provinsi DKI Jakarta, dengan tingkat kepesertaan tertinggi, dan cluster 3 terdiri dari 4 provinsi yaitu Jawa Barat, Jawa Tengah, Jawa Timur, dan Banten dengan tingkat kepesertaan sedang.
Analisis Sentimen Terhadap Komentar Aplikasi Allstats BPS Dengan Klasifikasi Naïve Bayes: Analisis Sentimen Terhadap Komentar Aplikasi Allstats BPS Dengan Klasifikasi Naïve Bayes Luthfiatun Nisa, Husna; Muhammad Hasan Sidiq Kurniawan
Emerging Statistics and Data Science Journal Vol. 2 No. 3 (2024): Emerging Statistics and Data Science Journal
Publisher : Statistics Department, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/esds.vol2.iss.3.art24

Abstract

Peningkatan volume data dan pemaanfaatannya untuk berbagai macam kebutuhan menuntut para penyedia data dan informasi memberikan data yang akurat dan informasi yang kredibel. Seiring dengan hal tersebut, kemudahan akses pada data dan informasi juga sangat dibutuhkan. Salah satu layanan yang memberikan kemudahan tersebut adalah layanan dalam bentuk digital. Badan Pusat Statistik sebagai lembaga pemerintah non kementerian yang menyediakan data dan informasi statistik Indonesia telah memberikan kemudahan bagi pengguna data dan informasi statistik untuk mengakses berbagai macam produk BPS melalui sebuah aplikasi bernama Allstats BPS. Aplikasi tersebut telah diunduh lebih dari 100 ribu pengguna, mendapat penilaian 4.3 dari 5 bintang, serta mendapat berbagai macam ulasan positif maupun negatif. Penelitian ini ditujukan untuk menganalisis sentimen komentar pada aplikasi tersebut dengan metode klasifikasi Naïve Bayes. Hasil penelitian menunjukkan bahwa tingkat akurasi dari klasifikasi menggunakan Naïve Baye Classifier baik, yaitu sebesar 86.83%. Komentar aplikasi Allstat BPS lebih banyak mengandung sentimen positif, dimana kata-kata yang sering ditulis pada komentar merupakan kata apresiasi terhadap aplikasi dan data yang disediakan di aplikasi. Sementara itu, komentar dengan sentimen negatif lebih banyak mengandung kata-kata yang menunjukkan sesuatu yang tidak dapat dilakukan oleh pengguna aplikasi dalam menggunakan aplikasi.
Analisis Kepuasan Pengunjung Terhadap Pelayanan Statistik Terpadu dengan Metode Importance Performance Analysis (IPA) di BPS RI: Analisis Kepuasan Pengunjung Terhadap Pelayanan Statistik Terpadu dengan Metode Importance Performance Analysis (IPA) di BPS RI Hadha Akbar, Mochammad Robby; Fauzy, Akhmad
Emerging Statistics and Data Science Journal Vol. 2 No. 3 (2024): Emerging Statistics and Data Science Journal
Publisher : Statistics Department, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/esds.vol2.iss.3.art27

Abstract

Pelayanan Statistik Terpadu (PST) merupakan layanan perpustakaan, konsultasi data, rekomendasi kegiatan statistik, dan penjualan publikasi/data mikro/peta wilayah kerja statistik.  Kepuasan pelanggan adalah manfaat produk yang didapatkan sesuai dengan harapan yang dimiliki seorang pelanggan. Penelitian ini bertujuan untuk mengetahui persentase, jumlah pengunjung PST menurut jenis kelamin dan pekerjaan dengan metode analisis deskriptif, untuk mengetahui atribut Pelayanan Statistik Terpadu yang harus diperbaiki dengan metode Importance Performance Analysis (IPA) dan untuk mengetahui tingkat kepuasan konsumen terhadap PST menggunakan Indeks Kepuasan Konsumen. Data yang digunakan yaitu data sekunder dari Perpustakaan BPS RI. Berdasarkan persentase jumlah pengunjung terdapat terdapat 61,67% atau 37 pengunjung berjenis kelamin perempuan dan 38,33% atau sebanyak 23 pengunjung laki-laki, sedangkan berdasarkan jenis pekerjaan, pengunjung didominasi oleh pelajar/mahasiswa, hal tersebut memberikan indikasi bahwa data BPS banyak digunakan untuk menunjang dunia pendidikan. Berdasarkan hasil Importance Performance Analysis disimpulkan bahwa atribut yang menjadi prioritas utama untuk ditingkatkan kinerjanya yaitu atribut yang berada pada kuadran A, atribut tersebut yaitu kesesuaian biaya pelayanan serta ketersediaan sarana dan prasarana. Atribut yang menjadi prioritas kedua untuk dilakukan adanya perbaikan berada pada kuadran C, atribut tersebut yaitu perilaku petugas. Sedangkan atribut yang sudah baik sehingga perlu dipertahankan kinerjanya yaitu berada pada kuadran B, atribut tersebut yaitu kesesuaian produk pelayanan, waktu penyelesaian pelayanan, dan kompetensi petugas pelayanan. Atribut yang dianggap berlebihan berada pada kuadran D, atribut tersebut yaitu respon, kesesuaian prosedur, dan kesesuaian persyaratan. Melalui perhitungan Indeks Kepuasan Konsumen, diperoleh nilai IKK sebesar 94,07% yang menunjukkan bahwa pengunjung Pelayanan Statistik Terpadu Badan Pusat Statistik Republik Indonesia “sangat puas”.
Perbandingan Analisis Pengaruh IPM Versi BPS dan UNDP Terhadap TFR di Indonesia Menggunakan Model Koyck: Perbandingan Analisis Pengaruh IPM Versi BPS dan UNDP Terhadap TFR di Indonesia Menggunakan Model Koyck R. Kasim, Anandita
Emerging Statistics and Data Science Journal Vol. 2 No. 3 (2024): Emerging Statistics and Data Science Journal
Publisher : Statistics Department, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/esds.vol2.iss.3.art26

Abstract

Sebagai salah satu negara berkembang dengan populasi terbesar di dunia, Indonesia menghadapi kompleksitas dalam mengelola pertumbuhan penduduk. Menurut proyeksi BPS dari sensus penduduk 2020, populasi Indonesia mencapai 278.696.200 jiwa pada tahun 2023. Salah satu hal yang sangat berkaitan erat dengan pertumbuhan penduduk adalah angka kelahiran atau fertilitas, yang diukur dengan Total Fertility Rate (TFR). Setiap tahunnya TFR Indonesia menurun 0.01 – 0.02 indeks. Penurunan ini memang tidak terlalu besar, dan jika dilihat dari sisi penerapan kebijakan program Keluarga Berencana yang dilaksanakan oleh Indonesia selama ini, justru memberikan suatu “hal positif”, karena itu artinya penerapan kebijakan tersebut seiring waktu berjalan sesuai target. Akan tetapi, apabila TFR terus dibiarkan menurun, jumlah anak masa depan Indonesia juga akan terus mengalami penurunan, yang kemudian juga pasti akan berdampak pada penurunan jumlah penduduk di masa depan, seperti yang terjadi di Korea Selatan. Dalam permasalahan ini, Indeks Pembangunan Manusia (IPM) menjadi salah satu tolak ukur yang penting. Penelitian-penelitian sebelumnya menunjukkan hasil yang beragam mengenai hubungan antara IPM dan TFR, sehingga perlu adanya pengkajian lebih lanjut. Terdapat perbedaan metode perhitungan antara IPM yang diukur oleh BPS dan UNDP. Perbedaan tersebut mempengaruhi analisis pengaruh IPM terhadap TFR. Penelitian ini menggunakan metode distributed time lag model koyck dengan memperhitungkan efek lag untuk memberikan gambaran yang lebih dinamis.
Analisis Pengaruh Indeks Pembangunan Manusia Terhadap Jumlah Penduduk Miskin di Provinsi D. I. Yogyakarta Tahun 2011-2023 dengan Model Almon: Analisis Pengaruh Indeks Pembangunan Manusia Terhadap Jumlah Penduduk Miskin di Provinsi D. I. Yogyakarta Tahun 2011-2023 dengan Model Almon agung, Ismail Dwi Agung Nugroho; Kartika Dini, Sekti
Emerging Statistics and Data Science Journal Vol. 2 No. 3 (2024): Emerging Statistics and Data Science Journal
Publisher : Statistics Department, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/esds.vol2.iss.3.art23

Abstract

Penelitian ini menggunakan Model Almon, suatu model distribusi lag yang mempertimbangkan respons perubahan variabel bebas terhadap nilai-nilai lag variabel bebas. Metode Almon, berdasarkan teorema Weierstrass dalam matematika, mengasumsikan bahwa koefisien lag dapat didekati dengan polinomial berderajat yang sesuai. Tujuan penelitian adalah mengevaluasi dampak Indeks Pembangunan Manusia (IPM) terhadap jumlah penduduk miskin di Daerah Istimewa Yogyakarta (DIY) menggunakan Model Almon pada data BPS tahun 2011-2023. Pemilihan panjang lag maksimum (k) dan order polynomial (m) sebesar 4 didasarkan pada pertimbangan statistik. Hasil analisis menunjukkan bahwa IPM signifikan memengaruhi jumlah penduduk miskin di DIY, dengan model ini menjelaskan 99,36% variasi jumlah penduduk miskin. Pemilihan parameter model didasarkan percobaan yang menghasilkan nilai koefisien determinasi yang tinggi dan seluruh variabel  yang signifikan, memastikan keakuratan dan relevansi model. Model ini memenuhi asumsi klasik, menegaskan peran krusial IPM dalam upaya mengentaskan kemiskinan. Temuan ini memberikan landasan yang kuat untuk pertimbangan kebijakan yang lebih lanjut, menyoroti pentingnya IPM dalam meningkatkan kualitas hidup masyarakat DIY.
Analisis Investasi Energi Terbarukan di ASEAN-5: Pemodelan Panel Dinamis: Analisis Investasi Energi Terbarukan di ASEAN-5: Pemodelan Panel Dinamis Hidayat, Arief Ramadhan Rifky; Wahyudin
Emerging Statistics and Data Science Journal Vol. 2 No. 3 (2024): Emerging Statistics and Data Science Journal
Publisher : Statistics Department, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/esds.vol2.iss.3.art31

Abstract

ASEAN-5 yang merupakan lima negara anggota dari kawasan Association of Southeast Asian Nations (ASEAN) yang terdiri dari Indonesia, Vietnam, Laos, Malaysia, dan Thailand merupakan produsen energi terbarukan yang dominan di ASEAN dan memiliki salah satu potensi energi terbarukan yang termasuk salah satu yang terbesar di dunia. Namun, investasi energi terbarukannya berjalan relatif lambat, fluktuatif, dan tertinggal dibandingkan dengan investasi energi terbarukan dunia, baik dengan kawasan negara maju maupun berkembang. Penelitian ini bertujuan untuk menggambarkan investasi energi terbarukan dan menganalisis faktor-faktor yang berpengaruh terhadap investasi energi terbarukan di ASEAN-5. Data investasi energi terbarukan yang digunakan berupa share kapasitas pembangkit listrik energi terbarukan yang bersumber dari The International Renewable Energy Agency (IRENA) dengan metode analisis deskriptif (analisis kuadran dan boxplot) dan analisis inferensia pemodelan panel dinamis karena investasi merupakan variabel yang dipengaruhi oleh observasi periode sebelumnya. Analisis deskriptif menunjukkan investasi energi terbarukan di beberapa negara ASEAN-5 relatif masih rendah dan secara umum terdapat indikasi kesenjangan di antara negara-negara tersebut. Adapun analisis inferensia menunjukkan bahwa lag investasi energi terbarukan berpengaruh terhadap investasi energi terbarukan, ukuran pasar tidak terbukti berpengaruh positif terhadap investasi energi terbarukan, penanganan korupsi dan kebebasan investasi berpengaruh positif terhadap investasi energi terbarukan. Adapun inflasi tidak terbukti berpengaruh negatif terhadap investasi energi terbarukan.
Peramalan dan Permodelan Volatilitas Harga Penutupan Crypto Tether dengan Metode GARCH pada Periode Januari - Juni 2024: Peramalan dan Permodelan Volatilitas Harga Penutupan Crypto Tether dengan Metode GARCH pada Periode Januari - Juni 2024 Syaharani, Nabbila Dyah; Khikman, Muhammad Alvaro; Wahid, Siti Nurasriyanti; Watur, Annisa Cahyaningrum; Amri, Ihsan Fathoni; HARIS, M. AL
Emerging Statistics and Data Science Journal Vol. 2 No. 3 (2024): Emerging Statistics and Data Science Journal
Publisher : Statistics Department, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/esds.vol2.iss.3.art29

Abstract

Penelitian ini bertujuan untuk memodelkan dan meramalkan volatilitas harga penutupan cryptocurrency Tether (USDT) menggunakan metode Generalized Autoregressive Conditional Heteroscedasticity (GARCH) pada periode Januari - Juni 2024. Data diperoleh dari platform investing.com. Metode GARCH digunakan karena volatilitas tinggi dalam harga cryptocurrency. Hasil analisis menunjukkan bahwa harga penutupan Tether memiliki rata-rata sebesar 1.000016 dengan standar deviasi 0.000446812. Uji Augmented Dickey-Fuller (ADF) menunjukkan bahwa data harga penutupan sudah stasioner. Model Autoregressive Moving Average (ARMA) digunakan untuk mendukung model GARCH, dan model ARIMA terbaik yang ditemukan adalah ARMA (1,0). Uji signifikansi parameter, uji normalitas, dan uji autokorelasi menunjukkan bahwa model tersebut valid untuk prediksi. Model GARCH digunakan untuk mengestimasi volatilitas dan hasilnya menunjukkan bahwa model ini mampu menangani fluktuasi dan heteroskedastisitas dalam data. MAPE GARCH terbaik yang ditemukan sebesar 0.0264701, menunjukkan bahwa model ini sangat akurat dalam meramalkan volatilitas harga penutupan Tether. Penelitian ini memberikan panduan bagi investor dalam mengelola risiko dan mengoptimalkan return investasi di pasar cryptocurrency.
Penerapan Metode Hierarchical Clustering untuk Klasterisasi Provinsi di Indonesia berdasarkan Indikator Status Gizi Anak Baduta (Bawah Dua Tahun) Tahun 2023: Penerapan Metode Hierarchical Clustering untuk Klasterisasi Provinsi di Indonesia berdasarkan Indikator Status Gizi Anak Baduta (Bawah Dua Tahun) Tahun 2023 Raihannabil, Syfriza Davies
Emerging Statistics and Data Science Journal Vol. 2 No. 3 (2024): Emerging Statistics and Data Science Journal
Publisher : Statistics Department, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/esds.vol2.iss.3.art32

Abstract

Indonesia sebagai negara dengan geografis yang sangat luas dan kondisi sosial-ekonomi yang beragam menyebabkan ketimpangan status gizi antardaerah. Pada masa baduta (bawah dua tahun), terjadi perbaikan gizi anak yang sangat kritis sehingga intervensi gizi setelah masa ini berdampak kurang signifikan pada perkembangan fisik dan kognitif anak. Penelitian ini menggunakan metode hierarchical clustering untuk klasterisasi provinsi di Indonesia berdasarkan indikator status gizi anak baduta tahun 2023. Analisis menghasilkan jumlah klaster optimum sebanyak 2 klaster dengan algoritma terbaik adalah AGNES. Klaster 1 beranggotakan 16 provinsi dengan permasalahan kekurangan gizi yang tinggi sehingga status gizi pada klaster ini dapat dikategorikan buruk. Sementara itu, klaster 2 beranggotakan 22 provinsi dengan permasalahan kekurangan gizi yang rendah sehingga status gizi pada klaster ini dapat dikategorikan baik. Dengan demikian, pemerintah dapat melakukan evaluasi kebijakan terkait intervensi gizi khususnya pada daerah yang tergolong status gizi buruk, seperti menyediakan program pemberian makanan tambahan (PMT) pada baduta, meningkatkan peran posyandu, dan melakukan pemantauan secara berkala terhadap kondisi status gizi baduta.
Decision Tree-Based Boosting Method with An Application in House Sale Price Prediction: Decision Tree-Based Boosting Method with An Application in House Sale Price Prediction Lisnawati, Intan
Emerging Statistics and Data Science Journal Vol. 2 No. 3 (2024): Emerging Statistics and Data Science Journal
Publisher : Statistics Department, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/esds.vol2.iss.3.art30

Abstract

Metode boosting kembali memberikan inovasi dalam langkahnya, seperti XGBoost yang baru ‘lahir’ pada 2016 lalu. Metode yang nampak powerful ini melatarbelakangi pemilihan metode untuk memberikan prediksi yang dalam artikel ini adalah harga rumah. Dalam penulisan ini, keefektifannya akan diujicobakan kemudian dibandingkan dengan pendahulunya, gradient boosting. Melalui aplikasi beberapa data, nantinya akan memberikan sebuah prediksi berdasarkan data yang dimasukkan. Untuk menghasilkan prediksi yang lebih baik berdasarkan estimator tunggal, metode ensemble mengkombinasikan berbagai estimator tunggal dalam memberikan prediksi. Parameter setiap metode juga dapat diatur sedemikian rupa untuk memperkecil nilai error. Dalam penulisan ini, disajikan data percobaan yang kemudian memberikan prediksi harga rumah. Data testing digunakan untuk menilai metode yang paling rendah memberikan nilai error. Diantara metode yang diterapkan, gradient boosting menunjukkan nilai error terkecil US$ 22,766, disusul XGBoost US$ 24,069, sedangkan error terbesar oleh decision tree US$ 35,637.

Page 1 of 1 | Total Record : 10

 1 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol. 3 No. 3 (2025): Emerging Statistics and Data Science Journal Vol. 3 No. 2 (2025): Emerging Statistics and Data Science Journal Vol. 3 No. 1 (2025): Emerging Statistics and Data Science Journal Vol. 2 No. 3 (2024): Emerging Statistics and Data Science Journal Vol. 2 No. 2 (2024): Emerging Statistics and Data Science Journal Vol. 2 No. 1 (2024): Emerging Statistics and Data Science Journal Vol. 1 No. 3 (2023): Emerging Statistics and Data Science Journal Vol. 1 No. 2 (2023): Emerging Statistics and Data Science Journal Vol. 1 No. 1 (2023): Emerging Statistics and Data Science Journal