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 120 Documents
 8   9   10   11   12 
Klasifikasi Tingkat Kesejahteraan Kabupaten/Kota di Jawa Barat, Jawa Tengah, dan Jawa Timur Menggunakan Regresi Logistik Multinomial: Klasifikasi Tingkat Kesejahteraan Kabupaten/Kota di Jawa Barat, Jawa Tengah, dan Jawa Timur Menggunakan Regresi Logistik Multinomial Firqi Nashrullah, Ahmad; Kresna Wira Yudha, I Nyoman; Terza Damaliana, Aviolla; Shindi Shella May Wara; Dwi Mahardhika, Rivaldi
Emerging Statistics and Data Science Journal Vol. 3 No. 3 (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.3.art23

Abstract

Tingkat kesejahteraan daerah menjadi salah satu indikator utama dalam menilai kemajuan Pembangunan wilayah. Penelitian ini bertujuan untuk mengklasifikasikan kesejahteraan seluruh daerah setingkat kabupaten dan kota yang berada di wilayah Provinsi Jawa Barat, Jawa Tengah, serta Jawa Timur berdasarkan kelompok Indeks pembangunan manusia yang terdiri atas empat kategori, yaitu rendah, sedang, tinggi, mdan sangat tinggi menggunakan regresi logistik multinomial. Analisis melibatkan persentase penduduk miskin, rasio ketimpangan, angka harapan hidup, pengeluaran per kapita, kepadatan penduduk, dan akses sanitasi layak. Data diperoleh dari Badan Pusat Statistik tahun 2023. Hasil deskriptif menunjukkan 69 wilayah termasuk kategori tinggi, 17 kategori sedang, dan 14 kategori sangat tinggi. Uji statistik mengonfirmasi hubungan signifikan semua variabel dan menunjukkan bahwa perbaikan akses sanitasi serta peningkatan harapan hidup meningkatkan indeks pembangunan manusia suatu wilayah. Model menghasilkan akurasi 86,67 persen. Hasil analisis ini dapat dimanfaatkan landasan objektif untuk menyusun strategi pembangunan wilayah yang efektif.
Analisis Tingkat Kemiskinan di Indonesia Menggunakan Pendekatan PCA dan K-Medoids Clustering Tahun 2022-2023: Analisis Tingkat Kemiskinan di Indonesia Menggunakan Pendekatan PCA dan K-Medoids Clustering Tahun 2022-2023 Dewati, Nabila Ratna; Nowi, Nurul Aulia; Mutia, Sani; Saraswasti, Lidya Palupi; Widodo, Edy
Emerging Statistics and Data Science Journal Vol. 3 No. 3 (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.3.art26

Abstract

Kemiskinan menjadi tantangan utama pembangunan di Indonesia, terutama akibat ketimpangan sosial-ekonomi antar wilayah. Penelitian ini bertujuan untuk mengidentifikasi pola sosial-ekonomi dan infrastruktur dasar di 34 provinsi Indonesia dengan pendekatan Principal Component Analysis (PCA) dan K-Medoids clustering. Data yang digunakan meliputi persentase penduduk miskin, Indeks Pembangunan Manusia (IPM), rata-rata lama sekolah, pengeluaran per kapita, dan akses sanitasi layak untuk tahun 2022–2023. Hasil PCA menunjukkan bahwa dua komponen utama dapat menjelaskan 84,7% variabilitas data pada 2022 dan 90,4% pada 2023. Metode K-Medoids menghasilkan tiga kelompok provinsi dengan karakteristik yang berbeda. Kelompok provinsi termiskin, seperti Papua dan Nusa Tenggara Timur, ditandai oleh rendahnya IPM, akses sanitasi yang terbatas, dan pengeluaran per kapita rendah, sehingga memerlukan perhatian lebih dalam pembangunan infrastruktur dasar dan akses pendidikan. Studi ini memberikan wawasan untuk merumuskan kebijakan pembangunan yang lebih efektif guna mengurangi ketimpangan dan mendukung pencapaian visi Indonesia Emas 2045.
Pengelompokan Kabupaten/Kota di Provinsi Jawa Tengah Berdasarkan Indikator Pendidikan Menggunakan K-Medoids: Pengelompokan Kabupaten/Kota di Provinsi Jawa Tengah Berdasarkan Indikator Pendidikan Menggunakan K-Medoids Alfarid, Muhammad Ridho Alfarid; Azanzi Bagus Pratama; Lintang Amir Faiq; Surya Purnama; Muhammad Irfan Hayyi; Muhammad Raihan Al Anshori; Edy Widodo
Emerging Statistics and Data Science Journal Vol. 4 No. 1 (2026): 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.vol4.iss.1.art04

Abstract

Pendidikan berperan penting dalam meningkatkan kualitas sumber daya manusia dan daya saing bangsa, sejalan dengan Tujuan Pembangunan Berkelanjutan (SDGs) poin 4 serta visi Indonesia Emas 2045. Namun, Jawa Tengah masih menghadapi tantangan besar, terutama karena memiliki tingkat penyelesaian pendidikan jenjang SMA terendah di Pulau Jawa. Penelitian ini bertujuan mengelompokkan dan menggambarkan kabupaten/kota di Jawa Tengah berdasarkan indikator pendidikan, yaitu Rata-Rata Lama Sekolah (RLS), Angka Partisipasi Sekolah (APS), Angka Partisipasi Kasar (APK), dan Angka Partisipasi Murni (APM), dengan menggunakan metode K-Medoids Clustering. Data sekunder tahun 2023 dari BPS dianalisis secara deskriptif, diuji multikolinearitas menggunakan Variance Inflation Factor (VIF), serta ditentukan jumlah klaster optimal menggunakan metode Elbow. Hasil menunjukkan bahwa APK memiliki nilai rata-rata tertinggi (89,51%) dan RLS terendah (minimum 6,4 tahun), serta tidak ditemukan multikolinearitas antar variabel. Metode Elbow mengidentifikasi tiga klaster optimal, yaitu klaster pertama (14 kabupaten/kota) dengan indikator "sedang", klaster kedua (9 kabupaten/kota) dengan indikator "rendah", dan klaster ketiga (12 kabupaten/kota) dengan indikator "tinggi", yang kemudian divisualisasikan secara spasial menggunakan QGIS. Hasil pengelompokan ini diharapkan menjadi dasar dalam penyusunan kebijakan pendidikan yang lebih inklusif dan tepat sasaran di Jawa Tengah, guna mendukung pencapaian SDGs dan visi Indonesia Emas 2045.
Analisis Statistik Spasial Prevalensi Diabetes Melitus: Penerapan Indeks Moran dan LISA di Kapanewon Sleman Tahun 2020–2023: Analisis Statistik Spasial Prevalensi Diabetes Melitus: Penerapan Indeks Moran dan LISA di Kapanewon Sleman Tahun 2020–2023 Alfana, Muhammad Arif Fahrudin; Madani, Zia Nur; Fadhilah, Ajeng Qonita; Rahmawati, Yasmine Amelia
Emerging Statistics and Data Science Journal Vol. 4 No. 1 (2026): 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.vol4.iss.1.art01

Abstract

Diabetes melitus merupakan penyakit tidak menular dengan prevalensi yang terus meningkat dan menunjukkan variasi antarwilayah, sehingga berpotensi menimbulkan ketimpangan spasial dalam beban penyakit dan pelayanan kesehatan. Penelitian ini bertujuan menganalisis perubahan temporal dan pola spasial prevalensi diabetes melitus di Kapanewon Sleman periode 2020–2023. Data yang digunakan meliputi jumlah kasus diabetes melitus rawat jalan yang diperoleh dari Puskesmas Sleman serta data jumlah penduduk per kelurahan untuk menghitung prevalensi tahunan. Analisis dilakukan secara deskriptif kuantitatif untuk mengkaji tren temporal, serta analisis statistik spasial menggunakan Indeks Moran global dan Local Indicators of Spatial Association (LISA). Hasil menunjukkan bahwa prevalensi diabetes melitus berfluktuasi, dengan tren meningkat pada 2020–2022 dan sedikit menurun pada 2023. Secara spasial, ditemukan autokorelasi spasial positif yang signifikan pada seluruh periode, yang mengindikasikan adanya pengelompokan wilayah berprevalensi tinggi. Pola ini diduga berkaitan dengan kesamaan karakteristik demografis dan akses layanan kesehatan antarwilayah yang berdekatan. Analisis LISA mengidentifikasi perubahan hotspot dan coldspot, terutama pada Kelurahan Trimulyo dan Tridadi.
Analisis Faktor-Faktor Kemiskinan di Provinsi Sulawesi Tengah Tahun 2013-2023 Menggunakan Model Koyck: Analisis Faktor-Faktor Kemiskinan di Provinsi Sulawesi Tengah Tahun 2013-2023 Menggunakan Model Koyck Amna, Faiz Mustafid; Widodo, Edy; Shiddiq, Yazid Mumtaz; Qonita, Rosyada Laili; Safira, Aulia; Refgina, Refgina
Emerging Statistics and Data Science Journal Vol. 4 No. 1 (2026): 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.vol4.iss.1.art03

Abstract

Salah satu isu yang menjadi perhatian saat ini di negara berkembang, khususnya Indonesia, adalah kemiskinan. Pada tahun 2023, Indonesia menempati peringkat ke 70 dari 100 negara termiskin di dunia. Provinsi Sulawesi Tengah berada di peringkat kedua pada pulau Sulawesi dengan persentase penduduk miskin mencapai 12,41%. Beberapa variabel yang diduga mempengaruhi penentuan Persentase Penduduk Miskin (PPM) merupakan Rata-rata Lama Sekolah (RLS), Indeks Pembangunan Manusia (IPM), dan Tingkat Pengangguran Terbuka (TPT). Berdasarkan perihal diatas, jurnal ini ditulis untuk mengetahui faktor pada periode sebelumnya berpengaruh terhadap PPM pada periode yang ditentukan di Provinsi Sulawesi Tengah menggunakan Model Koyck. Penelitian menggunakan data sekunder yang diperoleh melalui website BPS Pusat RI. Diperoleh hasil analisis berupa Model Koyck dengan uji asumsi yang terpenuhi, model Koyck menunjukkan bahwa RLS, IPM, dan TPT mempengaruhi persentase penduduk miskin di Sulawesi Tengah pada tahun 2013-2023. Model Koyck dapat dikategorikan sangat baik untuk memprediksi nilai PPM berdasarkan variabel RLS, IPM, dan TPT dengan nilai MAPE sebesar 1,928%, 1,9935%, dan 3,155%. Dimana hasil MAPE tersebut menunjukkan nilai di bawah 10% yang berarti model yang digunakan memiliki Tingkat akurasi sampai dengan 98% pada RLS dan IPM, serta 97% TPT.
Peramalan Produksi Tanaman Padi Indonesia Tahun 2025 Menggunakan Metode Triple Exponential Smoothing Holt-Winters : Peramalan Produksi Tanaman Padi Indonesia Tahun 2025 Menggunakan Metode Triple Exponential Smoothing Holt-Winters Inayah Pangestu, Eka; Wulandari, Siti; Salwa Salsabila, Galuh; Nur Arifah, Miftah; Ardana Setiawan, Deftha; Fathoni Amri, Ihsan; Bahaudin, Muhammad; M. Al Haris
Emerging Statistics and Data Science Journal Vol. 4 No. 1 (2026): 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.vol4.iss.1.art07

Abstract

Produksi padi memiliki peran penting dalam mendukung ketahanan pangan nasional. Untuk memastikan ketersediaan pangan di tengah peningkatan jumlah penduduk, diperlukan peramalan produksi yang akurat. Penelitian ini bertujuan untuk memodelkan peramalan produksi padi Indonesia tahun 2025 selama periode Januari 2019 hingga Desember 2024 menggunakan Triple Exponential Smoothing Holt-Winters, baik model aditif maupun model multiplikatif. Hasil penelitian menunjukkan bahwa model aditif merupakan model terbaik untuk meramalkan produksi tanaman padi Indonesia tahun 2025. Dengan parameter optimal α=0,3, β=0,4, dan γ=0,1, serta nilai MAPE sebesar 25,72% yang menunjukkan bahwa hasil peramalan cukup akurat.
Peramalan Jumlah Penumpang Pesawat di Bandar Udara Internasional Yogyakarta dengan Triple Exponential Smoothing: Peramalan Jumlah Penumpang Pesawat di Bandar Udara Internasional Yogyakarta dengan Triple Exponential Smoothing Arifiana, Azizah; Fajriyah, Rohmatul
Emerging Statistics and Data Science Journal Vol. 4 No. 1 (2026): 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.vol4.iss.1.art06

Abstract

Transportasi udara adalah salah satu yang paling cepat dan mudah, terutama untuk perjalanan jarak jauh baik domestik maupun internasional. Peristiwa peningkatan jumlah penumpang pesawat yang berlebihan pada hari libur atau momen-momen tertentu, menjadi masalah yang mengakari adanya kepadatan di lalu lintas udara. Masalah ini mengakibatkan keterlambatan penerbangan dan menurunnya kualitas pelayanan. Oleh karena itu, untuk mengatasi permasalahan tersebut, diperlukan peramalan dengan metode statistik yang sesuai untuk data runtun waktu. Pada penelitian ini digunakan metode Triple Exponential Smoothing, yang sesuai untuk data jumlah penumpang pesawat per bulan pada tahun 2023 sampai 2024 yang memiliki pola tren dan musiman. Berdasarkan hasil penelitian diperoleh bahwa peramalan dapat dikatakan cukup akurat, dibuktikan dengan nilai MAPE yang didapatkan sebesar 4,22%, yang menunjukkan bahwa Triple Exponential Smoothing memiliki tingkat kesalahan yang rendah. Oleh karena itu, metode Triple Exponential Smoothing dapat digunakan untuk peramalan jumlah penumpang pesawat di Bandar Udara Internasional Yogyakarta. Sehingga diharapkan dapat membantu pihak bandara dalam perencanaan operasional, pengelolaan kapasitas dan kualitas pelayanan di masa depan.
Penerapan Principal Component Analysis (PCA) dan K-Medoids Clustering untuk Pengelompokan Data Inventaris Mesin: Penerapan Principal Component Analysis (PCA) dan K-Medoids Clustering untuk Pengelompokan Data Inventaris Mesin -, Ananda Nabila Azizah; Dina Tri Utari; Purnama Akbar
Emerging Statistics and Data Science Journal Vol. 4 No. 1 (2026): 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.vol4.iss.1.art02

Abstract

Pengelompokkan adalah proses mengklaster sebuah kumpulan data menjadi dua atau lebih kelompok sehingga titik-titik data dalam satu kelompok memiliki kemiripan yang lebih tinggi dibandingkan dengan titik data di kelompok lain. Pengelompokan menjadi proses penting untuk membantu PT. XYZ mengelola management assets secara lebih efisien dengan mengklaster data mesin menjadi beberapa kelompok berdasarkan kemiripan karakteristiknya. Dalam pengelompokkan data mesin, keberadaan outlier dan multikolinieritas menjadi tantangan yang dapat memengaruhi hasil pengelompokan dan interpretasi data. Penelitian ini menggunakan algoritma K-Medoids Clustering karena lebih robust terhadap outlier dibandingkan K-Means Clustering. Untuk mengatasi multikolinieritas, diterapkan metode reduksi dimensi Principal Component Analysis (PCA), yaitu teknik statistik multivariat yang mengubah variabel asli menjadi komponen utama yang lebih sedikit namun tetap mewakili informasi data secara optimal. Penentuan jumlah klaster (k) dilakukan dengan metode silhouette yang menghasilkan skor 0,70, menandakan tiga kelompok sebagai jumlah optimal. Hasil pengelompokan membagi jenis mesin menjadi tiga kelompok, yaitu kelompok 1 berisi 10 jenis mesin, kelompok 2 berisi 43 jenis mesin, dan kelompok 3 berisi 1 jenis mesin. Harapannya penelitian ini dapat menjadi dasar bagi PT. XYZ untuk melakukan evaluasi kembali terkait ketersediaan dan pemanfaatan jenis mesin, sehingga perusahaan dapat mempertimbangkan aspek persediaan dan pemilihan mesin secara lebih optimal guna menekan total biaya persediaan dan total biaya penggunaan mesin.
Penerapan Metode Seasonal ARIMA dalam Peramalan Konsumsi Listrik di PT PLN (Persero) Area Magelang: Penerapan Metode Seasonal ARIMA dalam Peramalan Konsumsi Listrik di PT PLN (Persero) Area Magelang Aulia Nasywa Azzulfa; Handini Primandari, Arum
Emerging Statistics and Data Science Journal Vol. 4 No. 1 (2026): 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.vol4.iss.1.art05

Abstract

Konsumsi listrik di suatu wilayah terus meningkat setiap tahun, seiring dengan bertambahnya aktivitas masyarakat dan berkembangnya sektor-sektor seperti sosial, rumah tangga, bisnis, industri, pemerintahan, serta layanan khusus yang mendorong naiknya permintaan energi listrik. Agar distribusi listrik berjalan secara efisien dan terhindar dari gangguan maupun pemadaman, diperlukan keseimbangan antara jumlah konsumsi listrik oleh pelanggan dan kapasitas pasokan yang disediakan oleh PLN. Oleh karena itu, prediksi konsumsi listrik pada periode mendatang menjadi langkah penting dalam merancang strategi distribusi listrik yang lebih optimal. Penelitian ini bertujuan untuk meramalkan konsumsi listrik dengan metode Seasonal Autoregressive Integrated Moving Average (SARIMA). Hasil penelitian menunjukkan bahwa model ARIMA(0,1,3)(0,1,1)[12] sebagai model terbaik, dengan nilai MAPE sebesar 0,08483603 atau 8,48%. Pendekatan SARIMA efektif untuk peramalan konsumsi listrik dengan mempertimbangkan fluktuasi musiman, dan dapat digunakan sebagai dasar perencanaan distribusi listrik yang lebih andal dan efisien.
Pengaplikasian Adaptive Grey Model dalam Prediksi Pendapatan Daerah Provinsi Daerah Istimewa Yogyakarta : Pengaplikasian Adaptive Grey Model dalam Prediksi Pendapatan Daerah Provinsi Daerah Istimewa Yogyakarta Qonita, Rosyada Laili; Kartikasari, Mujiati Dwi
Emerging Statistics and Data Science Journal Vol. 4 No. 1 (2026): 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.vol4.iss.1.art08

Abstract

Pendapatan daerah merupakan hak pemerintah daerah yang diakui sebagai penambah nilai kekayaan bersih. Pendapatan daerah terdiri dari pendapatan asli daerah, pendapatan transfer, dan lain-lain pendapatan yang sah. Pendapatan daerah dapat sewaktu-waktu mengalami fluktuasi, fluktuasi tersebut disebabkan oleh berbagai hal, seperti penyalahgunaan anggaran, kendala administratif, dan kondisi ekonomi yang tidak stabil. Untuk mengatasi tantangan ini, prediksi pendapatan daerah dapat dilakukan agar pemerintah dapat membuat perencanaan anggaran yang lebih tepat. Penelitian ini menggunakan metode adaptive grey model AGM (1,1) untuk memprediksi pendapatan daerah Provinsi Daerah Istimewa Yogyakarta dari tahun 2010 hingga 2024. AGM (1,1) dipilih karena kemampuannya bekerja dengan data terbatas serta efektif dalam menangkap pola tren pada data. Hasil dari penelitian ini menunjukkan bahwa AGM (1,1) mampu menghasilkan prediksi yang cukup akurat, dengan nilai Mean Absolute Error (MAE) sebesar 384,227.98 dan Mean Absolute Percentage Error (MAPE) sebesar 7.45%. Berdasarkan evaluasi tersebut, dapat disimpulkan bahwa model memiliki tingkat akurasi yang tinggi, sehingga dapat digunakan untuk memprediksi pendapatan daerah di masa mendatang. Penelitian ini diharapkan dapat membantu pemerintah dalam merencanakan anggaran dengan lebih tepat dan akurat.

Page 12 of 12 | Total Record : 120

 8   9   10   11   12 

Filter by Year

2023 2026


Reset
Filter By Issues
All Issue Vol. 4 No. 1 (2026): Emerging Statistics and Data Science Journal 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