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 102 Documents
 7   8   9   10   11 
Cover Emerging Statistics and Data Science Journal, Volume 2, Nomor 1, Januari 2024: Cover Emerging Statistics and Data Science Journal, Volume 2, Nomor 1, Januari 2024 Rizal Pratama Putra
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

Abstract

Berikut merupakan Cover Emerging Statistics and Data Science Journal, Volume 2, Nomor 2, May 2024
Analisis Pengaruh Indeks Pembangunan Manusia Terhadap Jumlah Penduduk Miskin di Provinsi D. I. Yogyakarta Tahun 2011-2023 dengan Model Almon: Analisis Pengaruh Indeks Pembangunan Manusia Terhadap Jumlah Penduduk Miskin di Provinsi D. I. Yogyakarta Tahun 2011-2023 dengan Model Almon agung, Ismail Dwi Agung Nugroho; Kartika Dini, Sekti
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.art23

Abstract

Penelitian ini menggunakan Model Almon, suatu model distribusi lag yang mempertimbangkan respons perubahan variabel bebas terhadap nilai-nilai lag variabel bebas. Metode Almon, berdasarkan teorema Weierstrass dalam matematika, mengasumsikan bahwa koefisien lag dapat didekati dengan polinomial berderajat yang sesuai. Tujuan penelitian adalah mengevaluasi dampak Indeks Pembangunan Manusia (IPM) terhadap jumlah penduduk miskin di Daerah Istimewa Yogyakarta (DIY) menggunakan Model Almon pada data BPS tahun 2011-2023. Pemilihan panjang lag maksimum (k) dan order polynomial (m) sebesar 4 didasarkan pada pertimbangan statistik. Hasil analisis menunjukkan bahwa IPM signifikan memengaruhi jumlah penduduk miskin di DIY, dengan model ini menjelaskan 99,36% variasi jumlah penduduk miskin. Pemilihan parameter model didasarkan percobaan yang menghasilkan nilai koefisien determinasi yang tinggi dan seluruh variabel  yang signifikan, memastikan keakuratan dan relevansi model. Model ini memenuhi asumsi klasik, menegaskan peran krusial IPM dalam upaya mengentaskan kemiskinan. Temuan ini memberikan landasan yang kuat untuk pertimbangan kebijakan yang lebih lanjut, menyoroti pentingnya IPM dalam meningkatkan kualitas hidup masyarakat DIY.
Analisis Diskriminan Linear Robust Dengan Penduga Minimum Covariance Determinant (Studi Kasus: Indeks Kerentanan Pangan Menurut Kabupaten/Kota Di Indonesia Tahun 2023) -, Naufal Syafiq Ibrahim
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.art20

Abstract

Indonesia terus berkomitmen dan selalu mengupayakan dalam menyediakan pangan bagi 278,7 juta penduduk Indonesia di tahun 2023. Komitmen ini juga sejalan dengan upaya dalam mewujudkan target kedua dalam SDGs yaitu dalam menghilangkan kelaparan (zero hunger) pada tahun 2030 terkhusus di wilayah yang terindikasi kerentanan pada pangan. Situasi kerentanan pada pangan dapat diketahui dari Indeks Kerentanan Pangan (IKP). IKP memiliki peran dalam mengevaluasi capaian ketahanan pangan dan gizi wilayah, serta memberikan gambran peringkat pencapaian ketahanan pangan wilayah di Indonesia. IKP memiliki angka-angka indeks yang sebelumnya telah dikategorikan dengan cut off point IKP dan dari angka-angka indeks ini dapat memberikan informasi yang bahwasanya telah terjadi peningkatan wilayah kerentanan pangan terutama di tahun 2021. Salah satu penyebab nya yaitu pandemi Covid-19, yang sangat berdampak pada pelambatan pertumbuhan ekonomi daerah dan penurunan pendapatan masyarakat dan harga pangan yang tinggi sangat mempengaruhi aspek kerentanan pangan. Namun, pada tahun 2023 mengalami penurunan dari 74 kabupaten/kota menjadi 68 kabupaten/kota. Walaupun demikian, peningkatan yang dialami pada tahun 2021 harus selalu diwaspadai agar kedepannya terkhusus di wilayah yang terindikasi kerentanan dapat berkurang. Agar dapat memprediksi kerentanan kedepannya, maka perlu dilakukan analisis statistik. Penelitian ini menggunakan metode analisis diskriminan linear robust untuk melihat indikator mana yang memberikan pengaruh paling tinggi dari indikator-indikator yang diduga signifikan terhadap kerentanan pangan. Hasil penelitian menunjukkan bahwa dengan menggunakan lima indikator yakni (kemiskinan, pengeluaran pangan, tanpa akses air bersih, angka harapan hidup serta stunting) memperoleh nilai APER (Apparent Error Rate) sebesar 14.71% yang berarti proporsi kesalahan dalam ketepatan klasifikasi dengan fungsi diskriminan robust sudah cukup baik dan memperoleh nilai akurasi sebesar 85.29% yang berarti mampu mengklasfikasikan wilayah pada kabupaten/kota di Indonesia dengan tepat.
Analisis Investasi Energi Terbarukan di ASEAN-5: Pemodelan Panel Dinamis: Analisis Investasi Energi Terbarukan di ASEAN-5: Pemodelan Panel Dinamis Hidayat, Arief Ramadhan Rifky; Wahyudin
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.art31

Abstract

ASEAN-5 yang merupakan lima negara anggota dari kawasan Association of Southeast Asian Nations (ASEAN) yang terdiri dari Indonesia, Vietnam, Laos, Malaysia, dan Thailand merupakan produsen energi terbarukan yang dominan di ASEAN dan memiliki salah satu potensi energi terbarukan yang termasuk salah satu yang terbesar di dunia. Namun, investasi energi terbarukannya berjalan relatif lambat, fluktuatif, dan tertinggal dibandingkan dengan investasi energi terbarukan dunia, baik dengan kawasan negara maju maupun berkembang. Penelitian ini bertujuan untuk menggambarkan investasi energi terbarukan dan menganalisis faktor-faktor yang berpengaruh terhadap investasi energi terbarukan di ASEAN-5. Data investasi energi terbarukan yang digunakan berupa share kapasitas pembangkit listrik energi terbarukan yang bersumber dari The International Renewable Energy Agency (IRENA) dengan metode analisis deskriptif (analisis kuadran dan boxplot) dan analisis inferensia pemodelan panel dinamis karena investasi merupakan variabel yang dipengaruhi oleh observasi periode sebelumnya. Analisis deskriptif menunjukkan investasi energi terbarukan di beberapa negara ASEAN-5 relatif masih rendah dan secara umum terdapat indikasi kesenjangan di antara negara-negara tersebut. Adapun analisis inferensia menunjukkan bahwa lag investasi energi terbarukan berpengaruh terhadap investasi energi terbarukan, ukuran pasar tidak terbukti berpengaruh positif terhadap investasi energi terbarukan, penanganan korupsi dan kebebasan investasi berpengaruh positif terhadap investasi energi terbarukan. Adapun inflasi tidak terbukti berpengaruh negatif terhadap investasi energi terbarukan.
Peramalan dan Permodelan Volatilitas Harga Penutupan Crypto Tether dengan Metode GARCH pada Periode Januari - Juni 2024: Peramalan dan Permodelan Volatilitas Harga Penutupan Crypto Tether dengan Metode GARCH pada Periode Januari - Juni 2024 Syaharani, Nabbila Dyah; Khikman, Muhammad Alvaro; Wahid, Siti Nurasriyanti; Watur, Annisa Cahyaningrum; Amri, Ihsan Fathoni; HARIS, M. AL
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.art29

Abstract

Penelitian ini bertujuan untuk memodelkan dan meramalkan volatilitas harga penutupan cryptocurrency Tether (USDT) menggunakan metode Generalized Autoregressive Conditional Heteroscedasticity (GARCH) pada periode Januari - Juni 2024. Data diperoleh dari platform investing.com. Metode GARCH digunakan karena volatilitas tinggi dalam harga cryptocurrency. Hasil analisis menunjukkan bahwa harga penutupan Tether memiliki rata-rata sebesar 1.000016 dengan standar deviasi 0.000446812. Uji Augmented Dickey-Fuller (ADF) menunjukkan bahwa data harga penutupan sudah stasioner. Model Autoregressive Moving Average (ARMA) digunakan untuk mendukung model GARCH, dan model ARIMA terbaik yang ditemukan adalah ARMA (1,0). Uji signifikansi parameter, uji normalitas, dan uji autokorelasi menunjukkan bahwa model tersebut valid untuk prediksi. Model GARCH digunakan untuk mengestimasi volatilitas dan hasilnya menunjukkan bahwa model ini mampu menangani fluktuasi dan heteroskedastisitas dalam data. MAPE GARCH terbaik yang ditemukan sebesar 0.0264701, menunjukkan bahwa model ini sangat akurat dalam meramalkan volatilitas harga penutupan Tether. Penelitian ini memberikan panduan bagi investor dalam mengelola risiko dan mengoptimalkan return investasi di pasar cryptocurrency.
Penerapan Metode Hierarchical Clustering untuk Klasterisasi Provinsi di Indonesia berdasarkan Indikator Status Gizi Anak Baduta (Bawah Dua Tahun) Tahun 2023: Penerapan Metode Hierarchical Clustering untuk Klasterisasi Provinsi di Indonesia berdasarkan Indikator Status Gizi Anak Baduta (Bawah Dua Tahun) Tahun 2023 Raihannabil, Syfriza Davies
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.art32

Abstract

Indonesia sebagai negara dengan geografis yang sangat luas dan kondisi sosial-ekonomi yang beragam menyebabkan ketimpangan status gizi antardaerah. Pada masa baduta (bawah dua tahun), terjadi perbaikan gizi anak yang sangat kritis sehingga intervensi gizi setelah masa ini berdampak kurang signifikan pada perkembangan fisik dan kognitif anak. Penelitian ini menggunakan metode hierarchical clustering untuk klasterisasi provinsi di Indonesia berdasarkan indikator status gizi anak baduta tahun 2023. Analisis menghasilkan jumlah klaster optimum sebanyak 2 klaster dengan algoritma terbaik adalah AGNES. Klaster 1 beranggotakan 16 provinsi dengan permasalahan kekurangan gizi yang tinggi sehingga status gizi pada klaster ini dapat dikategorikan buruk. Sementara itu, klaster 2 beranggotakan 22 provinsi dengan permasalahan kekurangan gizi yang rendah sehingga status gizi pada klaster ini dapat dikategorikan baik. Dengan demikian, pemerintah dapat melakukan evaluasi kebijakan terkait intervensi gizi khususnya pada daerah yang tergolong status gizi buruk, seperti menyediakan program pemberian makanan tambahan (PMT) pada baduta, meningkatkan peran posyandu, dan melakukan pemantauan secara berkala terhadap kondisi status gizi baduta.
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.
Decision Tree-Based Boosting Method with An Application in House Sale Price Prediction: Decision Tree-Based Boosting Method with An Application in House Sale Price Prediction Lisnawati, Intan
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.art30

Abstract

Metode boosting kembali memberikan inovasi dalam langkahnya, seperti XGBoost yang baru ‘lahir’ pada 2016 lalu. Metode yang nampak powerful ini melatarbelakangi pemilihan metode untuk memberikan prediksi yang dalam artikel ini adalah harga rumah. Dalam penulisan ini, keefektifannya akan diujicobakan kemudian dibandingkan dengan pendahulunya, gradient boosting. Melalui aplikasi beberapa data, nantinya akan memberikan sebuah prediksi berdasarkan data yang dimasukkan. Untuk menghasilkan prediksi yang lebih baik berdasarkan estimator tunggal, metode ensemble mengkombinasikan berbagai estimator tunggal dalam memberikan prediksi. Parameter setiap metode juga dapat diatur sedemikian rupa untuk memperkecil nilai error. Dalam penulisan ini, disajikan data percobaan yang kemudian memberikan prediksi harga rumah. Data testing digunakan untuk menilai metode yang paling rendah memberikan nilai error. Diantara metode yang diterapkan, gradient boosting menunjukkan nilai error terkecil US$ 22,766, disusul XGBoost US$ 24,069, sedangkan error terbesar oleh decision tree US$ 35,637.

Page 9 of 11 | Total Record : 102

 7   8   9   10   11 

Filter by Year

2023 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