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 125 Documents
 9   10   11   12   13 
Pengaruh PDRB dan Pajak Daerah terhadap Pendapatan Asli Daerah Kabupaten/Kota DIY Tahun 2017-2024 Menggunakan Regresi Data Panel: Pengaruh PDRB dan Pajak Daerah terhadap Pendapatan Asli Daerah Kabupaten/Kota DIY Tahun 2017-2024 Menggunakan Regresi Data Panel Safira, Aulia; Kartikasari, Mujiati Dwi
Emerging Statistics and Data Science Journal Vol. 4 No. 2 (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.2.art01

Abstract

Penelitian ini bertujuan untuk menganalisis faktor-faktor yang memengaruhi pendapatan asli daerah pada kabupaten/kota di Provinsi DIY pada tahun 2017-2024. Data yang digunakan berbentuk data panel dengan total 40 data, yang terdiri dari variabel pendapatan asli daerah, jumlah penduduk, produk domestik regional bruto, serta pajak daerah. Metode analisis yang digunakan adalah regresi data panel dengan model random effect, di mana pengaruh individu dipilih berdasarkan hasil pengujian model estimasi terbaik. Hasil dari penelitian ini menunjukkan bahwa produk domestik regional bruto dan pajak daerah memiliki pengaruh positif terhadap pendapatan asli daerah. Model yang dihasilkan mampu menjelaskan variasi pendapatan asli daerah dengan koefisien determinasi sebesar 83.03%. Temuan ini menunjukkan bahwa peningkatan pada sektor ekonomi daerah dan optimalisasi penerimaan pajak daerah merupakan faktor yang dapat meningkatkan pendapatan asli daerah, yang pada akhirnya dapat mendorong kemandirian fiskal daerah. Oleh karena itu, pemerintah daerah Provinsi DIY dapat memprioritaskan sektor ekonomi dan pengelolaan pajak daerah untuk meningkatkan kemandirian fiskal Provinsi DIY.  
Penerapan Metode K-Medoids untuk Mengelompokkan Kecamatan di Kabupaten Cianjur Berdasarkan Dampak Kejadian Tanah Longsor Tahun 2024: Penerapan Metode K-Medoids untuk Mengelompokkan Kecamatan di Kabupaten Cianjur Berdasarkan Dampak Kejadian Tanah Longsor Tahun 2024 Ranta Anjani, Pingki Ranta Anjani; Purnama Akbar
Emerging Statistics and Data Science Journal Vol. 4 No. 2 (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.2.art02

Abstract

Tanah longsor merupakan bencana yang memiliki tingkat dampak berbeda antar wilayah. Kabupaten Cianjur termasuk daerah rawan dengan variasi dampak yang cukup tinggi pada tahun 2024. Namun, pemetaan berbasis data untuk mengelompokkan tingkat dampak masih terbatas. Penelitian ini bertujuan mengelompokkan kecamatan berdasarkan dampak tanah longsor menggunakan metode K-Medoids. Data diperoleh dari Badan Penanggulangan Bencana Daerah (BPBD) Provinsi Jawa Barat. Variabel yang digunakan meliputi jumlah jiwa terdampak, kerusakan rumah, dan kerusakan fasilitas umum. Analisis dilakukan melalui standarisasi data, reduksi dimensi menggunakan PCA, serta penentuan jumlah klaster optimal dengan metode Silhouette. Proses klasterisasi menggunakan K-Medoids berbasis jarak untuk menghasilkan kelompok yang stabil terhadap outlier. Hasil penelitian menunjukkan terbentuknya tiga klaster. Klaster pertama memiliki dampak berat. Klaster kedua menunjukkan dampak ringan. Klaster ketiga memiliki dampak sangat berat. Setiap klaster memiliki karakteristik yang berbeda berdasarkan tingkat korban dan kerusakan. Penelitian ini berkontribusi dalam pemetaan tingkat dampak bencana secara berbasis data. Hasilnya dapat digunakan untuk mendukung penentuan prioritas penanganan dan mitigasi bencana.
PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN KUALITAS PENDIDIKAN MENGGUNAKAN METODE KLASTER HIRARKI: PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN KUALITAS PENDIDIKAN MENGGUNAKAN METODE KLASTER HIRARKI Akhmad Faris Mubarak; Farhan Afdhal Muhtadi; Fika Fadillah Muharam; Nisa Beauty Utami; Pingki Ratna Anjani; Edy Widodo
Emerging Statistics and Data Science Journal Vol. 4 No. 2 (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.2.art03

Abstract

Kualitas pendidikan merupakan faktor penting dalam pembangunan Sumber Daya Manusia dan penunjang utama menuju Indonesia Emas 2045. Penelitian ini bertujuan menganalisis pengaruh Angka Partisipasi Sekolah (APS), Angka Partisipasi Kasar (APK), Angka Partisipasi Murni (APM), dan Rata-rata Lama Sekolah (RLS) terhadap kondisi pendidikan di Indonesia tahun 2023. Metode klaster hirarki dengan pendekatan Ward’s Method digunakan untuk mengelompokkan provinsi berdasarkan indikator pendidikan. Hasil analisis menunjukkan tiga klaster provinsi. Klaster 1 meliputi Aceh, Sumatera Utara, Sumatera Barat, Bengkulu, Kep. Riau, DI Yogyakarta, Bali, Kalimantan Timur, Kalimantan Utara, dan Maluku. Klaster 2 mencakup Riau, Jambi, Sumatera Selatan, dan sebagian besar provinsi lainnya. Klaster 3 terdiri dari Lampung, Kep. Bangka Belitung, Jawa Tengah dan provinsi lainnya. Ketidakmerataan ini dipengaruhi oleh akses pendidikan, keterbatasan infrastruktur, dan kualitas sumber daya manusia. Penelitian ini memberikan gambaran tentang kondisi pendidikan di Indonesia yang dapat menjadi dasar evaluasi lebih lanjut untuk meningkatkan pemerataan pendidikan sebagai langkah strategis mendukung pencapaian Indonesia Emas 2045. Implikasi kebijakan dari penelitian ini menekankan perlunya intervensi berbasis data yang difokuskan pada peningkatan infrastruktur pendidikan, pemerataan tenaga pendidik, dan penguatan program afirmasi di wilayah-wilayah yang masih tertinggal.
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 Yuwana, Aulia Nasywa Azzulfa; Handini Primandari, Arum
Emerging Statistics and Data Science Journal Vol. 4 No. 2 (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.2.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.
IMPLEMENTASI METODE HOLT-WINTERS ADDITIVE UNTUK MEMPREDIKSI PENUMPANG KERETA API TAKSAKA RELASI YOGYAKARTA-GAMBIR: IMPLEMENTASI METODE HOLT-WINTERS ADDITIVE UNTUK MEMPREDIKSI PENUMPANG KERETA API TAKSAKA RELASI YOGYAKARTA-GAMBIR Dewati, Nabila Ratna; Danarwindu , Ghiffari Ahnaf; Shinta
Emerging Statistics and Data Science Journal Vol. 4 No. 2 (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.2.art04

Abstract

Kereta api merupakan salah satu moda transportasi yang sering digunakan oleh masyarakat di Indonesia. Kereta Api Taksaka menjadi salah satu layanan unggulan dari PT Kereta Api Indonesia (Persero) yang melayani rute Yogyakarta-Gambir. Seiring dengan meningkatnya kebutuhan layanan transportasi, perusahaan perlu memahami pola jumlah penumpang sebagai dasar perencanaan operasional. Penelitian ini menggunakan metode Holt-Winters Additive karena data yang dianalisis menunjukkan adanya pola musiman dan trend. Tahapan penelitian meliputi analisis deskriptif, identifikasi pola data runtun waktu, penerapan metode Holt-Winters Additive, serta evaluasi model menggunakan nilai Mean Absolute Percentage Error (MAPE). Data yang digunakan adalah jumlah penumpang harian dari bulan Januari 2022 hingga Januari 2025 yang diperoleh dari PT Kereta Api Indonesia (Persero) Daop VI Yogyakarta. Penelitian ini bertujuan untuk menghasilkan model prediksi yang dapat memperkirakan jumlah penumpang harian Kereta Api Taksaka dan diharapkan dapat menjadi pertimbangan dalam pengambilan keputusan terkait perencanaan operasional, pengelolaan kapasitas, serta strategi pelayanan Kereta Api Taksaka. Hasil penelitian menunjukkan model Holt-Winters Additive mampu memprediksi jumlah penumpang berdasarkan pada nilai MAPE yang dihasilkan. Diperoleh tingkat akurasi sangat baik untuk Kereta Api Taksaka Pagi dengan nilai MAPE sebesar 9.71% dan akurasi memadai untuk Kereta Api Taksaka Malam dengan nilai MAPE sebesar 25.67%. Selain itu, hasil peramalan menunjukkan pola mingguan. Jumlah penumpang Kereta Api Taksaka Pagi diprediksi meningkat pada 10 Februari 2025 menjadi 495 penumpang dan menurun pada 5 Februari 2025 menjadi 371 penumpang. Sedangkan, jumlah penumpang Kereta Api Taksaka Malam pada 1 Februari 2025 diprediksi mengalami kenaikan menjadi 477 penumpang dan diprediksi menurun pada 7 Februari 2025 menjadi 261 penumpang.

Page 13 of 13 | Total Record : 125

 9   10   11   12   13 

Filter by Year

2023 2026


Reset
Filter By Issues
All Issue Vol. 4 No. 2 (2026): Emerging Statistics and Data Science Journal 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 More Issue