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
 5   6   7   8   9 
Pengelompokan Lapangan Usaha Berdasarkan Level Skill Menggunakan Multidimensional Scaling dan K-Means Clustering: Pengelompokan Lapangan Usaha Berdasarkan Level Skill Menggunakan Multidimensional Scaling dan K-Means Clustering Aulia Nur Joviandi; Kesumawati, Ayundyah
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.art7

Abstract

Kementerian Ketenagakerjaan atau Kemnaker adalah salah satu kementerian atau penyelenggara urusan administrasi pemerintahan dalam bidang ketenagakerjaan atau tenaga kerja. Seseorang yang bekerja atau mampu melakukan kegiatan guna menghasilkan barang dan/atau jasa baik untuk memenuhi kebutuhan sendiri maupun untuk keperluan kelompok lain disebut tenaga kerja. Penempatan tenaga kerja pada lapangan usaha yang tersedia menjadi salah satu faktor pendukung pembangunan ekonomi yang dilakukan oleh pemerintah.  Sehingga tenaga kerja berkeahlian perlu memperhatikan kelompok lapangan usaha sesuai skill yang dimiliki. Analisis Multidimensional Scalling dan K-Means Clusterring digunakan untuk mengetahui kondisi tenaga kerja berkeahlian di cluster lapangan usaha yang ada. Dari penelitian ini, didapatkan bahwa pengelompokkan menjadi tiga cluster, dengan cluster 1 beranggotakan 13 lapangan usaha, cluster 2 beranggotakan 2 lapangan usaha, dan cluster 3 beranggotakan 2 lapangan usaha.
Pengelompokan Kecamatan di Daerah Istimewa Yogyakarta berdasarkan Jumlah Pengguna Alat Kontrasepsi Tahun 2022 dengan K-Medoids Cluster: Pengelompokan Kecamatan di Daerah Istimewa Yogyakarta berdasarkan Jumlah Pengguna Alat Kontrasepsi Tahun 2022 dengan K-Medoids Cluster Maharani, Shafira; Yotenka, Rahmadi
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.art16

Abstract

Berdasarkan data pada website BPS, Daerah Istimewa Yogyakarta (DIY) turut serta menyumbang jumlah penduduk yang cukup banyak di Indonesia yaitu sebesar 4,021,816 jiwa dan memiliki kepadatan penduduk mencapai 1,186 jiwa/. Hal tersebut menjadikan provinsi ini dengan kepadatan penduduk terbesar keempat di Indonesia. Untuk mengatasi jumlah penduduk, kepadatan penduduk, dan angka kelahiran yang tinggi di DIY maka dapat diterapkan program Keluarga Berencana (KB) melalui penggunaan alat kontrasepsi (implan, IUD, kondom, MAL, pil, suntik, tubektomi, dan vasektomi). Dari data jumlah peserta KB aktif menurut alat kontrasepsi di DIY pada Tahun 2022, alat kontrasepsi yang paling banyak digunakan yaitu suntik dan paling sedikit yaitu MAL. Pada penelitian ini bertujuan untuk mengelompokan kecamatan di DIY menurut pengguna alat kontrasepsi Tahun 2022 dengan metode k-medoids cluster. Penggunaan metode k-medoids karena pada data terdapat outlier. Selain itu, pada penelitian ini menggunakan teknik Principal Component Analysis (PCA) dalam mengatasi masalah multikolinearitas. Berdasarkan pengelompokan, didapatkan 8 cluster. Cluster tertinggi (partisipasi tinggi) menurut penggunaan alat kontrasepsi dalam menekan laju pertumbuhan penduduk berada pada cluster 5 yaitu: Kecamatan Gamping, Kasihan, dan Banguntapan. Sedangkan, cluster terendah (partisipasi rendah) berada pada cluster 7 yaitu: Kecamatan Gedongtengen, Gondokusuman, Wirobrajan, Kraton, Pakualaman, Mergangsan, Gondomanan, Mantrijeron, Ngampilan, Danurejan, Jetis Kota Yogya, Kotagede, dan Tegalrejo.
Peramalan Nilai Tukar Petani di Daerah Istimewa Yogyakarta Menggunakan Metode ARIMA: Peramalan Nilai Tukar Petani di Daerah Istimewa Yogyakarta Menggunakan Metode ARIMA Hablinawati, Laela; Nugraha, Jaka
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.art9

Abstract

Indonesia merupakan negara agraris karena letaknya berada di iklim tropis, yang mempunyai potensi besar dan sumber daya alam yang melimpah untuk pertanian. Memiliki lahan pertanian yang luas, menjadikan pertanian sebagai sektor penting dalam perekonomian Indonesia. Untuk meningkatkan kesejahteraan petani, digunakan perhitungan Nilai Tukar Petani (NTP) sebagai indikatornya. NTP adalah perbandingan antara indeks harga yang diterima petani dengan harga yang dibayarkan oleh petani. Peramalan nilai NTP di masa depan karena penting bagi kesejahteraan petani. Penelitian ini bertujuan untuk memperkirakan Nilai Tukar Petani di Daerah Istimewa Yogyakarta selama satu tahun ke depan menggunakan metode Autoregressive Integrated Moving Average (ARIMA) berdasarkan data time series dari Januari 2019 hingga Desember 2022. Model terbaik yang digunakan adalah ARIMA (0,2,1) dengan hasil peningkatan rata-rata NTP sebesar 101,0448 dengan MAPE sebesar 0,581443 atau 5,81443% dan tingkat akurasi sebesar 99,41856%.
Peramalan Indeks Harga Konsumen di Kota Mataram Menggunakan Metode Double Exponential Smoothing dengan Damped Parameter: Peramalan Indeks Harga Konsumen di Kota Mataram Azzahra, Afaf Amirah; Mujiati Dwi Kartikasari
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.art42

Abstract

Indeks Harga Konsumen (IHK) merupakan salah satu indikator ekonomi yang dapat mengalami tingkat kenaikan (inflasi) atau tingkat penurunan (deflasi) dari barang/jasa. Faktor penting yang harus dilakukan untuk memantau atau meramalkan perkembangan IHK agar menghasilkan data yang valid yaitu dengan metode peramalan. Penelitian ini bertujuan untuk mengetahui peramalan IHK di Kota Mataram pada masa yang akan datang yaitu untuk 12 periode kedepan pada tahun 2023. Data yang digunakan pada penelitian ini adalah data sekunder Indeks Harga Konsumen pada bulan Januari 2021 sampai bulan Desember 2022. Pada penelitian ini metode yang digunakan adalah Double Exponential Smoothing karena pada data IHK di Kota Mataram memiliki pola data trend yang cenderung naik dan ditambahkan Damped Parameter, Damped parameter pada penelitian ini digunakan untuk meredam pertumbuhan secara eskponensial. Berdasarkan hasil yang diperoleh, didapatkan hasil peramalan pada data Indeks Harga Konsumen tahun 2023 mengalami peningkatan dan didapatkan nilai ukuran kesalahan atau error peramalan menggunakan nilai Mean Absolute Percentage Error (MAPE) sebesar 0.29%. Dengan nilai MAPE <10% maka peramalan dengan metode Double Exponential Smoothing dengan Damped Parameter hasil kemampuan peramalan sangat baik.
Implementasi Metode K-Means Clustering dalam Pengelompokan Kabupaten/ Kota di Provinsi NTB Berdasarkan Indikator Pendidikan: Implementasi Metode K-Means Clustering dalam Pengelompokan Kabupaten/ Kota di Provinsi NTB Hanifah, Salsabila; Primandari, Arum Handini
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.art44

Abstract

Pendidikan merupakan salah satu bidang yang mempunyai peran penting dalam pembangunan suatu daerah. Pentingnya pendidikan sebagai indikator pembangunan juga terbukti dengan adanya poin Pendidikan menjadi menjadi salah satu tujuan pada Sustainable Development Goals (SDGs) yaitu “Menjamin kualitas pendidikan yang inklusif dan merata, serta mendukung kesempatan belajar seumur hidup bagi semua”. Upaya yang dapat dilakukan untuk mencapai hal tersebut adalah dengan menjalankan program wajib belajar untuk memajukan pendidikan. Data yang digunakan dalam penelitian ini adalah data indikator pendidikan SMA sederajat tahun ajaran 2021 yang meliputi Angka Partisipasi Sekolah (APS), Angka Partisipasi Kasar (APK), Angka Partisipasi Murni (APM) dan Rata-rata Lama Sekolah (RLS). Data tersebut merupakan data sekunder yang diperoleh dari website NTB Satu Data. Metode yang digunakan adalah menggunakan K-Means Clustering. K-Means clustering adalah metode pengelompokan yang berusaha mempartisi n individu dalam sebuah dataset multivariate kedalam k kelompok. Dari hasil analisis, diperoleh empat cluster. Cluster pertama terdiri dari 2 kabupaten atau kota dengan indikator pendidikan sedang, cluster kedua terdiri dari 2 kabupaten atau kota dengan indikator pendidikan tinggi, cluster ketiga terdiri dari 4 kabupaten atau kota dengan indikator pendidikan sangat rendah dan cluster keempat terdiri dari 2 kabupaten atau kota dengan indikator pendidikan yang masih rendah.
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.
Pengelompokan Kabupaten/Kota di Sumatera Utara Menggunakan Algoritma Average Linkage dan K-Means Berdasarkan Indikator Pendidikan: Pengelompokan Kabupaten/Kota di Sumatera Utara Menggunakan Algoritma Average Linkage dan K-Means Simanjorang, Susan Patricia; Yanti, Maulida
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.art46

Abstract

Pendidikan tidak bisa terlepas dari kehidupan manusia karena merupakan kunci/dasar pengimprovisasian kualitas dalam berbagai sektor/bidang. Gurbernur Sumatera Utara menyatakan bahwa pemerataan pendidikan harus terus dioptimalkan. Pengelompokan (clustering) kabupaten berdasarkan ciri/ karakteristik yang sama akan membantu dalam penentuan daerah prioritas yang harus ditangani untuk pemerataan pendidikan oleh pemerintah Sumatera Utara. Penelitian ini bertujuan untuk menentukan pengelompokan kabupaten di Sumatera Utara berdasarkan indikator pendidikan menggunakan dua algoritma pengklasteran yang sering digunakan yaitu K-Means dan Average Linkage. Data pendidikan yang digunakan terdiri dari tiga variabel yaitu jumlah guru bersertifikasi, jumlah sekolah terakreditasi unggul dan jumlah siswa berprestasi tahun 2022. Nilai rasio simpangan baku untuk K-Means dan Average Linkage masing-masing adalah 0,261 dan 0,196. Berdasarkan nilai rasio simpangan baku, Average Linkage lebih baik dalam mengklasterkan data ini dibandingkan K-Means.
Pengelompokan Daerah Rawan Bencana Tanah Longsor di Provinsi Daerah Istimewa Yogyakarta Menggunakan Metode K-Means Clustering: Pengelompokan Daerah Rawan Bencana Tanah Longsor di Provinsi Daerah Istimewa Yogyakarta Menggunakan Metode K-Means Clustering Kartika Widyawati, Dwi; Fauzy, Akhmad
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.art14

Abstract

Tanah longsor sering dipicu oleh adanya curah hujan yang tinggi, lereng yang curam, tanah yang kurang padat, erosi, berkurangnya vegetasi dan getaran yang menyebabkan jatuhnya bebatuan atau potongan tanah yang luas sehingga mengakibatkan kerusakan bangunan rumah, talud (sungai kecil), jalan, fasilitas umum, dan lain-lain. Metode yang digunakan pada penelitian ini adalah K-Means Clustering untuk mengelompokkan dan memetakan daerah rawan bencana tanah longsor di Provinsi Daerah Istimewa Yogyakarta. Berdasarkan hasil analisis, terbetuk 3 cluster. Pada cluster pertama terdapat 13 kecamatan dengan indikator daerah rawan bencana tanah longsor sedang, cluster kedua terdapat 5 kecamatan dengan indikator daerah rawan bencana tanah longsor tinggi, dan cluster ketiga terdapat 60 kecamatan dengan indikator daerah rawan bencana tanah longsor rendah.
Penerapan K-Means Clustering dengan Metode Elbow untuk Mengelompokkan Kabupaten/Kota Berdasarkan Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Manusia di Provinsi Jawa Barat: Penerapan K-Means Clustering dengan Metode Elbow untuk Mengelompokkan Kabupaten/Kota Berdasarkan Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Manusia di Provinsi Jawa Barat Fitrianigsih, Dwi; Dwi Kartikasari, Mujiati
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.art18

Abstract

Indeks Pembangunan Manusia (IPM) merupakan sebuah ukuran yang digunakan dalam memantau dan mengevaluasi pembangunan manusia. Nilai IPM dipengaruhi oleh 3 komponen, yaitu tingkat pendidikan, tingkat kesehatan, dan standar hidup yang layak. Tujuan penelitian ini adalah untuk mengelompokkan Kabupaten/kota berdasarkan faktor-faktor yang mempengaruhi IPM. Peneliti menggunakan K-Means clustering dengan metode Elbow dan memperoleh hasil bahwa terdapat 5 cluster. Cluster pertama terdapat 6 Kabupaten/kota dengan indikator dari faktor-faktor yang berpengaruh pada IPM tingkatan sedang, cluster kedua terdapat 5 Kabupaten/kota dengan indikator dari faktor-faktor yang berpengaruh pada IPM tingkatan tinggi, cluster ketiga terdapat 4 Kabupaten/kota dengan indikator dari faktor-faktor yang berpengaruh pada IPM tingkatan sangat tinggi, cluster keempat terdapat 4 Kabupaten/kota dengan indikator dari faktor-faktor yang berpengaruh pada IPM tingkatan sangat rendah, dan cluster kelima terdapat 8 Kabupaten/kota dengan indikator dari faktor-faktor yang berpengaruh pada IPM tingkatan rendah.
Pengaruh Motivasi Kerja dan Kedisiplinan Terhadap Kinerja Pegawai Biro OSDM Kementerian Perindustrian RI dengan Menggunakan Metode Analisis Regresi Linier Berganda: Pengaruh Motivasi Kerja dan Kedisiplinan Terhadap Kinerja Pegawai Biro OSDM Kementerian Perindustrian RI dengan Menggunakan Metode Analisis Regresi Linier Berganda Daffa Priandi Poetra; Rohmatul Fajriyah
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.art2

Abstract

Motivasi kerja dan kedisiplinan merupakan faktor yang sangat penting bagi kinerja pegawai. Kedua hal ini berpengaruh secara signifikan terhadap kinerja pegawai. Dalam hal ini, penelitian ini bertujuan untuk mengetahui pengaruh motivasi kerja dan kedisiplinan terhadap kinerja pegawai di Biro OSDM Kementerian Perindustrian RI. Data yang digunakan dalam penelitian ini merupakan data primer yang diambil langsung dengan cara survei menggunakan kuesioner. Dalam penelitian ini, terdapat 30 responden yang berpartisipasi dengan menjawab total 15 pertanyaan pada kuesioner. RStudio digunakan sebagai media bantuan dalam mengolah data, dengan menerapkan metode analisis regresi linear berganda. Dengan menggunakan metode ini, hasil penelitian dapat diketahui dan dibuktikan secara statistik bahwa: (1) Motivasi kerja pegawai Biro OSDM Kementerian Perindustrian RI berpengaruh positif secara signifikan terhadap kinerja pegawai yang dihasilkan, (2) Kedisiplinan pegawai Biro OSDM Kementerian Perindustrian RI memiliki pengaruh positif yang signifikan terhadap kinerja pegawai yang dihasilkan, (3) Motivasi kerja dan kedisiplinan pegawai Biro OSDM Kementerian Perindustrian RI secara bersama-sama memiliki pengaruh positif yang signifikan terhadap kinerja yang dihasilkan. Setelah diolah, menunjukan adanya hubungan positif yang kuat. Kontribusi pengaruh motivasi kerja dan kedisiplinan terhadap kinerja pegawai masing-masing sebesar 93.1% dan 6.9% sisanya dipengaruhi oleh variabel yang tidak diteliti. Oleh karena itu, penting bagi Biro OSDM Kementerian Perindustrian RI untuk meningkatkan motivasi dan menjaga kedisiplinan pegawainya agar dapat meningkatkan kinerja pegawai.

Page 7 of 12 | Total Record : 112

 5   6   7   8   9 

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