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 112 Documents
 4   5   6   7   8 
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%
Pengelompokan Kecamatan di Kabupaten Sleman Berdasarkan Jenis Disabilitasnya Tahun 2022 Menggunakan K-Means Clustering: Pengelompokan Kecamatan di Kabupaten Sleman Berdasarkan Jenis Disabilitasnya Tahun 2022 Menggunakan K-Means Clustering Mulia Hidayahti, Rate Mulia Hidayahti; Edy Widodo
Emerging Statistics and Data Science Journal Vol. 2 No. 1 (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.1.art1

Abstract

Penyandang disabilitas masih jarang diberikan ruang yang cukup dalam masyarakat. Masyarakat sering kali mengabaikan dan meremehkan keberadaan mereka. Mereka sering dipandang sebagai kelompok yang lemah dan hanya perlu dikasihani karena keterbatasannya. Hak- hak mereka sebagai manusia sering terabaikan, seperti hak untuk hidup, hak atas pendidikan dan kesehatan, dan hak untuk mengakses layanan publik. Peneliti ingin meneliti jenis disabilitas menurut Kecamatan yang ada di Kabupaten Sleman dengan variabel yang digunakan yaitu tuna netra, bisu tuli, cacat tubuh, mental retardasi, penyakit kronis, dan cacat ganda. Tujuan dari penelitian ini adalah melakukan pengelompokan Kecamatan di Kabupaten Sleman berdasarkan jenis disabilitas dengan harapan mempermudah Badan Perencanaan Pembangunan Daerah (BAPPEDA) Kabupaten Sleman dalam pengelompokan dan dapat  mempermudah kegiatan dalam memenuhi hak-hak penyandang disabilitas di Kabupaten Sleman. Pengelompokan yang dilakukan guna untuk mengetahui karakteristik tiap-tiap cluster dengan melihat rata-rata dari masing-masing jenis disabilitas per Kecamatan yang ada di Kabupaten Sleman pada tahun 2022 disetiap clusternya. Penelitian ini menggunakan metode k-means clustering dan diperoleh hasil yaitu terdapat 3 Kecamatan pada cluster 1, 5 Kecamatan pada cluster 2, dan 9 Kecamatan pada cluster 3.
Peramalan Jumlah Pekerja Migran Indonesia Menggunakan Metode Triple Exponential Smoothing with Damped Parameter : Peramalan Jumlah Pekerja Migran Indonesia Menggunakan Metode Triple Exponential Smoothing with Damped Parameter Fazira, Nabila Dwi; Kesumawati, Ayundyah
Emerging Statistics and Data Science Journal Vol. 2 No. 2 (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.2.art15

Abstract

Pekerja migran Indonesia adalah setiap warga negara Indonesia yang sedang, akan, atau telah bekerja di luar wilayah Indonesia dengan menerima gaji. Indonesia merupakan salah satu negara pengirim pekerja migran terbesar, dimana sebagian besar dari mereka bekerja pada sektor dengan gaji rendah. Namun, dalam beberapa tahun terakhir, terjadi penurunan signifikan dalam jumlah pengiriman pekerja migran Indonesia. Penurunan ini disebabkan oleh pandemi Covid-19 yang menyebabkan peningkatan angka kasus, dan akibatnya pemerintah memberlakukan moratorium pada pengiriman pekerja migran pada tahun 2020. Hal ini mengakibatkan penurunan jumlah pekerja migran Indonesia sebesar 59% dan penurunan remitansi sebesar 17.5% dibandingkan dengan tahun 2019. Penelitian ini bertujuan untuk menilai jumlah pekerja migran Indonesia dari tahun 2023 hingga 2024 sebagai dasar untuk menyusun rencana strategis. Data yang digunakan adalah data sekunder jumlah pekerja migran Indonesia dari tahun 2018 hingga 2022. Metode penelitian yang digunakan adalah Triple Exponential Smoothing with Damped Parameter, yaitu metode untuk meramalkan periode ke depan. Hasil penelitian menunjukkan bahwa model tipe multiplicative adalah yang terbaik. Hasil prediksi menunjukkan jumlah pekerja migran Indonesia pada bulan Januari 2023 sebanyak 25,923, Februari 2023 sebanyak 24,192, Maret 2023 sebanyak 26,427, dan seterusnya. Berdasarkan hasil ini, prediksi menunjukkan bahwa jumlah pekerja migran Indonesia cenderung turun pada tahun 2023 hingga 2024. Model ini baik untuk peramalan karena memiliki nilai MAPE sebesar 20.84% dengan akurasi sebesar 79.16%.
Prediksi Peluang Transisi Jumlah Pengesahan Peraturan Perusahaan Provinsi Yogyakarta Menggunakan Rantai Markov: Prediksi Peluang Transisi Jumlah Pengesahan Peraturan Perusahaan Provinsi Yogyakarta Menggunakan Rantai Markov Nizam, Hafis Muhammad; Fajriya Hakim, Raden Bagus
Emerging Statistics and Data Science Journal Vol. 2 No. 1 (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.1.art16

Abstract

Dinas Tenaga Kerja dan Transmigrasi merupakan unit organisasi berupa dinas di tingkat provinsi atau kabupaten/kota yang bertanggung jawab dalam mengelola dan mengawasi urusan ketenagakerjaan dan transmigrasi di wilayah kerjanya. Dalam tugasnya, Dinas Tenaga Kerja dan Transmigrasi memiliki wewenang dalam pengesahan Peraturan Pemerintah (PP). Banyaknya jumlah Peraturan Pemerintah yang disahkan tidak dapat diprediksi, di beberapa bulan terjadi kekosongan pengesahan atau dalam kata lain tidak ada Peraturan Pemerintah yang perlu disahkan oleh Dinas Tenaga Kerja dan Transmigrasi. Untuk mengetahui peluang status dari jumlah Peraturan Pemerintah yang masuk, diperlukan Analisis Rantai Markov. Hasil analisis menunjukkan bahwa jika terjadi kenaikan pada bulan ini, kemungkinan perubahan status selanjutnya akan terjadi dalam persentase 37,93% untuk naik, 31,3% untuk tetap, dan 59,9% untuk turun, dan seterusnya.
Perbandingan Dampak Bencana Angin Kencang Tahun 2020 Dan 2021 Daerah Istimewa Yogyakarta Berdasarkan Metode K-means Clustering: Perbandingan Dampak Bencana Angin Kencang Tahun 2020 Dan 2021 Daerah Istimewa Yogyakarta Berdasarkan Metode K-means Clustering Nanda Khofifah, Thalia; Fajriyah, Rohmatul
Emerging Statistics and Data Science Journal Vol. 2 No. 1 (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.1.art11

Abstract

Penelitian ini bertujuan untuk mengkalsifikasikan kecamatan-kecamatan yang terdapat di Daerah Istimewa Yogyakarta berdasarkan data jumlah kejadian angin kencang beserta dampaknya yang meliputi pohon tumbang, akses jalan, dan jaringan listrik sehingga bisa terlihat mana saja daerah di Yogakarta yang rawan bencana angin kencang dan mana daerah yang tiddak rawan terhadap bencana angin kencang. Metode yang digunakan yaitu K-means Clustering dengan menggunakan matriks yang relevan dan Silhouette score. Pada tahun 2020 cluster pertama terdapat 3 kecamatan dengan indikator rawan angin kencang tinggi pada setiap kecamatan tersebut, cluster dua terdapat 19 kecamatan dengan indikator rawan angin kencang sedang pada setiap kecamatan, dan cluster ketiga terdapat 56 kecamatan dengan indikator rawan bencana angin kencang rendah. Sedangakan pada tahun 2021 cluster pertama terdapat 3 kecamatan dengan indikator rawan angin kencang tinggi pada setiap kecamatan tersebut, cluster dua terdapat 10 kecamatan dengan indikator rawan angin kencang sedang pada setiap kecamatan, dan cluster ketiga terdapat 65 kecamatan dengan indikator rawan bencana angin kencang rendah.
Analisis Kelompok Pegadaian Berdasarkan Outstanding Loan Area Semarang Menggunakan Metode Clustering Berbasis K-means: Analisis Kelompok Pegadaian Berdasarkan Outstanding Loan Area Semarang Menggunakan Metode Clustering Berbasis K-means Rhesa Dhiyaulhaq, Muhammad
Emerging Statistics and Data Science Journal Vol. 2 No. 1 (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.1.art12

Abstract

Penelitian ini bertujuan untuk menganalisis Pegadaian Area Semarang berdasakan OutStanding Loan di setiap Pegadaian menggunakan metode Clustering berbasis K-means. Data yang digunakan dalam penelitian ini adalah data jumlah 6 kolektibilitas di setiap Pegadaian Area Semarang yang meliputi variabel kolektibilitas Lancar, L.Restruk, Kurang Lancar, Diragukan, Dalam Pengawasan Khusus, dan Macet. Metode ClusteringK-means digunakan untuk mengelompokkan pegadaian berdasarkan kesamaan karakteristik. Evaluasi Clustering menggunakan matrik yang relevan dan Silhouette score. Hasil analisis ini menunjukkan adanya beberapa kelompok pegadaian yang berbeda dalam hal karakteristik total OutStanding Loan, seperti kelompok Pegadaian dengan jumlah OutStanding loan rendah, sedang, dan tinggi. Penelitian inii dapat membantu Pegadaian Area Semarang mengidentifikasi setiap Pegadaian di cabang-cabang yang memiliki jumlah OutStanding Loan berbedabeda. Selain itu, penelitian ini juga menggali informasi lebih lanjut tentang faktor-faktor yang mempengaruhi kelompok pegadaian dengan outstanding loan yang berbeda, serta memberikan panduan dalam penggunaan metode clustering berbasis K-means untuk analisis data total OutStanding Loan di lembaga pegadaian
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 Indi, Indina Isyfi Annie Widyan; Muhammad Hasan Sidiq Kurniawan
Emerging Statistics and Data Science Journal Vol. 1 No. 3 (2023): 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.vol1.iss.3.art40

Abstract

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
Implementasi Metode Double Exponential Smoothing Dalam Peramalan Nilai PDRB Kota Tangerang Selatan Tahun 2023 – 2027: Implementasi Metode Double Exponential Smoothing Dalam Peramalan Nilai PDRB Kota Tangerang Selatan Tahun 2023 – 2027 ARTIYATI, NIKI; Tri Utari, Dina
Emerging Statistics and Data Science Journal Vol. 2 No. 1 (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.1.art8

Abstract

Pembangunan ekonomi merupakan rangkaian usaha dengan tujuan perbaikan taraf hidup masyarakat,  memperluas lapangan pekerjaan, meratakan distribusi pendapatan masyarakat, dan meningkatkan hubungan ekonomi regional. Dalam pembangunan ekonomi sendiri, dibutuhkan berbagai macam data statistik yang dapat dijadikan dasar untuk menentukan strategi kebijakan supaya sasaran dalam pembangunan tersebut dapat tercapai, salah satunya adalah menggunakan nilai Produk Domestik Regional Bruto. BPS Kota Tangerang Selatan telah mencatat data pertumbuhan ekonomi di Kota Tangerang Selatan yang diukur berdasarkan kenaikan nilai PDRB yang mencapai angka sebesar 66.021.910,5 juta rupiah di tahun 2022. Selain itu, data BPS Kota Tangerang Selatan juga mencatat berdasarkan dengan data pertumbuhan ekonomi bahwa data pertumbuhan Kota Tangerang Selatan pada tahun 2021 mencapai angka 4,77 persen. Dimana angka tersebut mengalami peningkatan apabila dibandingkan dengan tahun 2020 yang mengalami penurunan di angka -1,02 persen. Dalam penelitian ini akan digunakan metode peramalan Double Exponential Smoothing menggunakan Holt untuk memprediksi nilai PDRB di Kota Tangerang Selatan 5 periode ke depan atau tahun 2023 hingga tahun 2027. Dalam peramalan nilai PDRB ini, diperoleh hasil peramalan untuk tahun 2023 sebesar 68.550.224 juta rupiah, tahun 2024 sebesar 71.239.732 juta rupiah, tahun 2025 sebesar 73.929.240 juta rupiah, tahun 2026 sebesar 76.618.747 juta rupiah, dan tahun 2027 sebesar 79.308.255 juta rupiah.
Peramalan Indeks Harga Konsumen Di Kota Bandar Lampung Tahun 2023 Menggunakan Pemodelan Double Exponential Smoothing: Peramalan Indeks Harga Konsumen Di Kota Bandar Lampung Tahun 2023 Menggunakan Pemodelan Double Exponential Smoothing Putri Ristyasari, Divia; Ahdika, Atina
Emerging Statistics and Data Science Journal Vol. 2 No. 1 (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.1.art14

Abstract

Indeks Harga Konsumen merupakan alat pengukuran yang mengestimasi perubahan harga pada rata-rata dari sekelompok barang dan jasa yang dikonsumsi oleh penduduk dalam periode waktu tertentu. Indeks Harga Konsumen memiliki peran yang sangat penting karena digunakan untuk menilai tingkat inflasi di suatu wilayah. Melakukan peramalan Indeks Harga Konsumen cukup penting karena dapat mengetahui tingkat kenaikan pendapatan, harga barang, dan jasa di suatu kota, serta membantu pemerintah dalam mengambil kebijakan. Metode Double Exponential Smoothing merupakan metode peramalan yang dilakukan melalui proses perhitungan secara berulang dengan menggunakan data masa lalu dan cocok digunakan pada data berpola trend. Data yang digunakan dalam penelitian yaitu data Indeks Harga Konsumen di Kota Bandar Lampung periode Januari 2014 hingga Desember 2022 dengan pola data yaitu trend naik, dimana nilai IHK terus mengalami peningkatan hingga bulan Desember 2019. Namun, pada bulan Januari 2020, terjadi penurunan nilai IHK di Kota Bandar Lampung akibat dampak pandemi Covid-19. Berdasarkan hasil peramalan IHK dengan metode DES diperoleh nilai Mean Absolute percentage Error (MAPE) sebesar 0.72% yang artinya peramalan menggunakan metode DES untuk IHK di Kota Bandar Lampung dapat dikatakan sangat baik karena diperoleh nilai MAPE <10%.
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.

Page 6 of 12 | Total Record : 112

 4   5   6   7   8 

Filter by Year

2023 2025


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