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 7 Documents
 1 
Search results for , issue "Vol. 3 No. 1 (2025): Emerging Statistics and Data Science Journal" : 7 Documents clear
Prediksi Peluang Transisi Data Pendaftaran ICE Institute Menggunakan Metode Rantai Markov: Prediksi Peluang Transisi Data Pendaftaran ICE Institute Menggunakan Metode Rantai Markov -, Nabilah Aniq Fauziyah; Rahmadi Yotenka
Emerging Statistics and Data Science Journal Vol. 3 No. 1 (2025): 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.vol3.iss.1.art1

Abstract

Indonesia Cyber Education (ICE) Institute menyediakan mata kuliah daring dari Perguruan Tinggi ternama Nasional dan Internasional serta penyedia pembelajaran daring. ICE Institute mempunyai visi misi untuk dapat berperan dalam peningkatan perluasan akses dan pemerataan kualitas pendidikan untuk mendorong Angka Partisipasi Kasar (APK). Penelitian ini bertujuan untuk mengetahui peluang terjadinya kenaikan atau penurunan data pendaftar di ICE Institute pada 17 periode ke depan. Peramalan ini dilakukan menggunakan metode rantai Markov, perhitungan dengan metode ini dilakukan berdasarkan fenomena di masa yang akan datang tidak dipengaruhi oleh fenomena di masa lalu melainkan hanya dipengaruhi oleh fenomena saat ini saja. Dari penelitian ini, didapatkan hasil bahwa peluang terjadinya kenaikan jumlah pendaftar jika saat ini jumlah pendaftar dengan status naik adalah sebesar 46,57%. Jika saat ini jumlah pendaftar dengan status tetap maka peluang terjadinya jumlah pendaftar tetap sebesar 13,33% dan peluang terjadinya penurunan jumlah pendaftar pada minggu ke-4 bulan Maret 2023 jika saat ini jumlah pendaftar dengan status turun adalah sebesar 40%
Analisis Perbandingan Decision Tree dan Random Forest dalam Klasifikasi Penjualan Produk pada Supermarket: Analisis Perbandingan Decision Tree dan Random Forest dalam Klasifikasi Penjualan Produk pada Supermarket Putri Ayu Firnanda; Litasya Shofwatillah; Fauziah Rahma; Fatkhurokhman Fauzi
Emerging Statistics and Data Science Journal Vol. 3 No. 1 (2025): 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.vol3.iss.1.art2

Abstract

Penelitian ini bertujuan untuk mendapatkan model klasifikasi terbaik antara model algoritma Decision Tree dan Random Forest untuk melihat apakah sebuah produk laris atau tidak laris berdasarkan data dari Supermarket ASDA. Kedua metode tersebut menggunakan teknik klasifikasi pohon keputusan dengan pendekatan top-down untuk memecah masalah menjadi keputusan yang sederhana. Metode Random Forest merupakan pengembagan dari Decision Tree dengan menggunakan ensemble untuk meningkatkan akurasi dan mengurangi resiko overfitting. Sebagai sebuah bisnis retail, Supermarket ASDA memerlukan informasi-informasi tersebut untuk melihat pola konsumsi pelanggan sehingga dapat digunakan dalam membuat strategi dan keputusan yang tepat. Sumber data penelitian meliputi data penjualan dari Supermarket ASDA yang terdiri dari variabel harga, harga per unit, nama produk, tanggal, kategori dan kepemilikan merek untuk melatih model klasifikasi. Penelitian ini akan melibatkan pengujian kedua model pada dataset untuk mengukur kemampuan prediksi model dalam memprediksi produk yang laris dan tidak laris.Berdasarkan hasil penelitian, model algoritma Random Forest memiliki performa lebih baik dari model algoritma Decision Tree baik pada pemodelan dasar maupun setelah dilakukan hyperparameter tuning dengan presentasi akurasi sebesar 99%. Hasil dari matrik evaluasi (precision, recall, F1-Score) model algoritma Random Forest juga menunjukkan nilai yang lebih tinggi sehingga menjadikan model algoritma Random Forest lebih akurat dalam mengklasifikasikan penjualan laris dan tidak laris di Supermarket ASDA.
Implementasi Algoritma K-Means dalam Analisis Cluster Usaha Pertanian Perorangan di Provinsi D. I Yogyakarta Tahun 2023: Implementasi Algoritma K-Means dalam Analisis Cluster Usaha Pertanian Perorangan di Provinsi D. I Yogyakarta Tahun 2023 Muttaqin, Faza Izzatul; Ramadani, Zahra Rizky; Rahmadi Yotenka; Suparna
Emerging Statistics and Data Science Journal Vol. 3 No. 1 (2025): 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.vol3.iss.1.art4

Abstract

Pertanian merupakan kegiatan yang sangat penting, tidak hanya sebagai penghasil pangan untuk kebutuhan pokok, tetapi juga memberikan kontribusi besar terhadap perekonomian. Penelitian ini bertujuan untuk mengoptimalkan potensi usaha perorangan pada subsektor pertanian di tiap kecamatan di Provinsi D.I Yogyakarta. Data yang digunakan dalam penelitian ini yaitu data jumlah usaha pertanian perorangan menurut kecamatan dan subsektor di provinsi D.I Yogyakarata 2023 yang diambil di publikasi Hasil Pencacahan Lengkap Sensus Pertanian D.I Yogyakarta. Hasil dari statiska deskriptif menunjukkan bahwa subsektor Perkebunan dan Jasa Pertanian memiliki jumlah usaha terendah, sementara subsektor Tanaman Pangan memiliki jumlah usaha tertinggi dengan nilai maksimal 10.481. Subsektor Hortikultura memiliki rata-rata tertinggi, sedangkan subsektor Kehutanan menunjukkan variasi jumlah usaha yang signifikan. Berdasarkan analisis clustering menggunakan k-means, terbentuk enam cluster dengan karakteristik unik. Cluster 1 menonjol dengan aktivitas pertanian kuat dan beragam, sementara Cluster 2 menghadapi tantangan signifikan. Cluster 3 dan 4 memiliki nilai sedang dan seimbang, menunjukkan potensi baik dengan kebutuhan dukungan tambahan. Cluster 5 unggul pada subsektor Tanaman Pangan, Peternakan, dan Kehutanan, sementara Cluster 6 memiliki kekuatan di subsektor Hortikultura, Perkebunan, dan Kehutanan, menjadikannya cluster tertinggi. Disarankan pemerintah provinsi D.I Yogyakarta memfokuskan dukungan spesifik pada masing-masing cluster untuk memaksimalkan potensi pertumbuhan. Cluster 1 memerlukan dukungan berkelanjutan, Cluster 2 memerlukan evaluasi mendalam, sementara Cluster 3, 4, 5, dan 6 membutuhkan program-program terarah sesuai sektor unggulan mereka.
Studi Klasterisasi Usaha Pertanian Perorangan di Kabupaten Bantul Tahun 2023 dengan Pendekatan Hirarki: Studi Klasterisasi Usaha Pertanian Perorangan di Kabupaten Bantul Tahun 2023 dengan Pendekatan Hirarki Nafri, Tania Chelsia; Pinasty, Salsabila; Kartika Dini, Sekti; Nurcahayani, Helida
Emerging Statistics and Data Science Journal Vol. 3 No. 1 (2025): 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.vol3.iss.1.art3

Abstract

Penelitian ini bertujuan untuk menganalisis struktur dan pengelompokkan usaha pertanian perorangan di Kabupaten Bantul menggunakan pendekatan hirarki dengan metode Ward. Data yang digunakan merupakan data sekunder dari hasil pencacahan lengkap Sensus Pertanian 2023. Metode Ward dipilih karena kemampuannya dalam mengelompokkan data berdasarkan kesamaan karakteristik dan meminimalkan jumlah kuadrat dalam setiap klaster yang terbentuk. Hasil penelitian menunjukkan bahwa terdapat tiga klaster utama usaha pertanian di Kabupaten Bantul. Klaster pertama didominasi oleh usaha pertanian dengan intensitas rendah di hampir semua sektor kecuali peternakan dan perikanan. Klaster kedua menunjukkan intensitas usaha pertanian yang sedang dengan sektor perikanan sebagai sektor unggulan. Klaster ketiga memiliki intensitas usaha pertanian yang tinggi di hampir semua sektor kecuali perikanan. Hasil analisis ini diharapkan dapat memberikan wawasan yang lebih mendalam mengenai dinamika usaha pertanian di Kabupaten Bantul dan mendukung pengambilan kebijakan yang lebih tepat guna oleh pemerintah daerah.
Analisis Cluster Luas Lahan Panen Tanaman Biofarma di Indonesia Tahun 2022: Analisis Cluster Luas Lahan Panen Tanaman Biofarma di Indonesia Tahun 2022 Zulkarnaen Anas, Irfan; Yotenka, Rahmadi
Emerging Statistics and Data Science Journal Vol. 3 No. 1 (2025): 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.vol3.iss.1.art5

Abstract

Tanaman biofarmaka adalah tanaman yang digunakan sebagai bahan dasar untuk obat-obatan, kosmetik, dan produk kesehatan lainnya. Tanaman ini menghasilkan simplisia, yaitu bahan alamiah yang dipergunakan sebagai obat yang belum mengalami pengolahan apapun, biasanya berupa bagian tanaman seperti akar, daun, batang, atau eksudat tanaman (zat yang keluar dari tanaman). Jenis-jenis tanaman biofarmaka antara lain jahe, laos/lengkuas, kencur, kunyit, lempuyangan, temulawak, temuireng, kapulaga, mengkudu/pace, makota dewa, kejibeling, sambiroto, dan lidah buaya. Tujuan dari penelitian ini adalah untuk mengetahui perbedaan jumlah cluster dengan menggunakan metode elbow dan silhouette, dengan menggunakan algoritma k-means untuk analisis clusternya, dari data luas lahan panen tanaman biofarmaka tahun 2022 dari BPS. dari hasil analisis diperoleh untuk metode elbow optimal dengan 3 cluster sedankan untuk metode silhouette optimal dengan 2 cluster. Untuk hasil dari metode elbow pada cluster pertama terdiri dari 31 provinsi dan untuk anggota cluster kedua yaitu Jawa Timur, dan untuk anggota cluster ke tiga yaitu Jawa barat dan Jawa Tengah. Dan untuk hasil metode silhouette pada cluster pertama terdiri dari 31 provinsi dan untuk anggota cluster kedua terdapat 3 provinsi.
Penerapan Algoritma K-Medoids untuk Pengelompokkan Provinsi di Indonesia Berdasarkan Status Gizi Anak Balita Nikmah, Annisatul; Nisa, Choirun; Riefky, Muhammad
Emerging Statistics and Data Science Journal Vol. 3 No. 1 (2025): 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.vol3.iss.1.art7

Abstract

Masalah gizi masih menjadi tantangan besar di Indonesia, terutama dalam hal stunted, wasted, dan underweight. Perbaikan status gizi menjadi salah satu fokus utama pembangunan nasional yang tercantum dalam RPJM 2020-2024, dengan target penurunan prevalensi stunted hingga 14%. Salah satu pendekatan yang dapat dilakukan adalah mengelompokkan provinsi berdasarkan status gizinya untuk mendukung pengambilan kebijakan yang lebih efektif dalam menekan prevalensi masalah gizi, terutama pada kasus stunted. Metode K-Medoids digunakan untuk melakukan pengelompokan provinsi berdasarkan indikator gizi, dengan evaluasi jumlah cluster terbaik menggunakan indeks validitas Davies-Bouldin Index (DBI). Hasil analisis menunjukkan Indonesia terbagi menjadi dua cluster utama, yakni cluster pertama terdiri dari provinsi dengan status gizi yang kurang baik sebanyak 22 provinsi, sementara cluster kedua mencakup provinsi dengan status gizi yang baik sebanyak 12 provinsi. Sehingga pemerintah Indonesia perlu mengadakan edukasi kepada ibu hamil dan keluarga dengan anak balita berupa kampanye pentingnya keseimbangan gizi melalui media massa dan penggalakan pemberian ASI eksklusif selama 6 bulan pertama pada bayi lahir terutama pada provinsi dengan status gizi kurang baik. Kata Kunci: Balita, Gizi, K-Medoids, Cluster
Pengelompokan Provinsi di Indonesia Berdasarkan Tingkat Pengangguran Tahun 2023 Menggunakan K-Medoids : Pengelompokan Provinsi di Indonesia Berdasarkan Tingkat Pengangguran Tahun 2023 Menggunakan K-Medoids Soesmono, Salma; Pertiwi, Riezki; Saputri, Bening; Putri, Naomighina; Widodo, Edy
Emerging Statistics and Data Science Journal Vol. 3 No. 1 (2025): 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.vol3.iss.1.art6

Abstract

Pengangguran di Indonesia mencapai 5.32% pada tahun 2023, lebih rendah dibandingkan tahun sebelumnya, namun masih belum mencapai target RPJM 2020-2024 yang berkisar antara 3.6-4.3%. Penelitian ini bertujuan untuk mengelompokkan provinsi-provinsi di Indonesia berdasarkan tingkat pengangguran menggunakan metode K-Medoids, serta menganalisis karakteristik pengangguran di setiap kelompok provinsi. Data yang digunakan mencakup tingkat pengangguran, jumlah angkatan kerja, dan indikator ekonomi lainnya yang diambil dari Badan Pusat Statistik (BPS). Analisis dilakukan dengan menggunakan K-Medoids clustering untuk mengidentifikasi kelompok provinsi yang memiliki pola pengangguran serupa. Hasil penelitian menunjukkan bahwa terdapat tiga cluster provinsi: Cluster 1 (24 provinsi) dengan pengangguran rendah, Cluster 2 (7 provinsi) dengan pengangguran sedang, dan Cluster 3 (3 provinsi) dengan pengangguran tinggi. Temuan ini diharapkan dapat menjadi dasar bagi kebijakan ketenagakerjaan berbasis data yang lebih tepat sasaran dalam mengurangi pengangguran dan mendukung pencapaian Visi Indonesia Emas 2045.

Page 1 of 1 | Total Record : 7

 1 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue 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