Jurnal Statistika Industri dan Komputasi
https://ejournal.akprind.ac.id/index.php/STATISTIKA
<p><strong>Jurnal Statistika Industri dan Komputasi (STATIKOM) </strong>merupakan jurnal nasional yang dikelola oleh Program Studi Statistika, Universitas AKPRIND Indonesia dengan E-ISSN 2527-9378. Jurnal ini terbit 2 kali setahun (setiap bulan Juli dan Januari). <strong>Ruang lingkup (topik) jurnal</strong> meliputi bidang Matematika, Statistika, serta Statistika Industri dan komputasi (Statistika Matematika, Matematika, Ekonometrika, Statistika Komputasi, Matematika Keuangan, Statistika Spasial, Aktuaria, Demografi, Fuzzy, Pemodelan Matematika, Statistika Nonparametrik, Multivariate, Teori Statistika, Riset Operasi, Optimasi, Time Series, Analisis Survival, Manajemen Resiko, dan bidang lain yang terkait.</p>en-US[email protected] (Yudi Setyawan)[email protected] (Febriani Astuti)Wed, 31 Jul 2024 00:00:00 +0800OJS 3.3.0.3http://blogs.law.harvard.edu/tech/rss60PENGELOMPOKAN KABUPATEN/ KOTA DI PROVINSI SUMATERA UTARA BERDASARKAN INDIKATOR INDEKS PEMBANGUNAN MANUSIA TAHUN 2022 DENGAN METODE FUZZY C-MEANS DAN K- MEDOIDS
https://ejournal.akprind.ac.id/index.php/STATISTIKA/article/view/4848
<p>Pengembangan indikator pembangunan manusia menjadi hal yang penting dalam upaya mengukur dan memahami kemajuan sosial dan ekonomi suatu wilayah. Provinsi Sumatera Utara, sebagai salah satu wilayah penting di Indonesia, juga perlu melakukan analisis yang mendalam terkait dengan pembangunan manusia di tingkat Kabupaten/Kota. Penelitian ini bertujuan untuk mengelompokkan Kabupaten/Kota di Provinsi Sumatera Utara berdasarkan indikator pembangunan manusia menggunakan metode Fuzzy C-Means dan <em>K-Medoids</em>. Data yang digunakan dalam penelitian ini adalah data sekunder yang mencakup sejumlah indikator pembangunan manusia seperti pendidikan, kesehatan, dan pendapatan. Pengelompokan dilakukan dengan menggunakan algoritma Fuzzy C-Means dan <em>K-Medoids</em> untuk mengetahui karakteristik <em>cluster</em> yang terbentuk bedasarakan Indikator IPM, <em>cluster</em> optimal yang terbentuk dan metode terbaik yang diperoleh. Kesimpulan yang didapat pada penelitian ini diperoleh hasil <em>cluster</em> terbaik adalah dengan metode <em>Fuzzy C-Means </em>pada <em>k optimal=6 </em>dengan nilai silhoutte indeks = 0,5850.</p>Epridonta Sitepu, Kris Suryowati, Noviana Pratiwi
Copyright (c) 2024
https://ejournal.akprind.ac.id/index.php/STATISTIKA/article/view/4848Wed, 31 Jul 2024 00:00:00 +0800PENGELOMPOKAN KABUPATEN/KOTA DI PROVINSI SUMATERA UTARA BERDASARKAN INDIKATOR JENIS KEKERASAN TERHADAP ANAK MENGGUNAKAN METODE K-MEDOIDS DAN FUZZY C-MEANS
https://ejournal.akprind.ac.id/index.php/STATISTIKA/article/view/4850
<p>Kekerasan terhadap anak merupakan permasalahan yang sering terjadi di kalangan masyarakat, terutama di Provinsi Sumatera Utara. Menurut Dinas Pemberdayaan Perempuan dan Perlindungan Anak Provinsi Sumatera Utara, terjadi peningkatan tindak kekerasan terhadap anak dari tahun 2019 hingga 2021 berdasarkan kekerasan secara fisik, psikis, seksual, sosial dan penelantar. Penelitian ini bertujuan untuk menganalisis pola kekerasan dalam suatu kabupaten/kota melalui penerapan metode pengelompokan <em>K-Medoids</em> dan <em>Fuzzy C-Means</em>. Penggunaan metode tersebut dapat memberikan gambaran kepada pihak hukum maupun keamanan dalam meninjau kabupaten/kota yang membutuhkan pengawasan yang lebih efektif. Dari hasil pengelompokan tersebut diperoleh k optimum dari metode <em>K-Medoids</em> sebanyak 4 <em>cluster</em> dan pada metode <em>Fuzzy C-Means</em> diperoleh k optimum sebanyak 2 <em>cluster</em>. Rata-rata tingkat tertinggi dari jenis kekerasan fisik dan kekerasan psikis berada pada <em>cluster </em>3, rata-rata tingkat tertinggi dari jenis kekerasan seksual berada pada <em>cluster</em> 2, dan rata-rata tingkat tertinggi dari penelantar berada pada <em>cluster</em> 4. Hasil perbandingan uji validasi <em>Silhouette Index</em> dan <em>Dunn Index</em> menunjukkan bahwa metode <em>clustering</em> terbaik terdapat pada metode <em>K-Medoids</em> pada k=4 dengan nilai <em>Silhouette Index</em> sebesar 0,53 dan <em>Dunn Index</em> sebesar 0,223098.</p>Adela Satriwa Sihotang, Rokhana Dwi Bekti, Maria Titah Jatipaningrum
Copyright (c) 2024
https://ejournal.akprind.ac.id/index.php/STATISTIKA/article/view/4850Wed, 31 Jul 2024 00:00:00 +0800PENGKLASIFIKASIAN INDEKS KEYAKINAN KONSUMEN DI INDONESIA TAHUN 2022 MENGGUNAKAN METODE SUPPORT VECTOR MACHINE
https://ejournal.akprind.ac.id/index.php/STATISTIKA/article/view/4852
<p>Indeks keyakinan konsumen (IKK) adalah salah satu indikator utama dalam menilai kinerja perekonomian. IKK memberikan indikasi perkembangan konsumsi dan tabungan rumah tangga di masa mendatang, berdasarkan jawaban mengenai situasi keuangan yang mereka harapkan, sentimen mereka tentang situasi ekonomi secara umum, pengangguran dan kemampuan menabung. Survei Konsumen Februari 2023 mengindikasikan optimisme konsumen terhadap kondisi ekonomi, hal tersebut terindikasi dari Indeks Keyakinan Konsumen Februari 2023 sebesar 122.4, tetap terjaga pada level optimis (IKK > 100). Data yang digunakan adalah data 18 kota/provinsi yang berada di Indonesia yang bersumber dari Bank Indonesia (BI) yang diakses pada bulan Februari tahun 2023. Pada penelitian kali ini menggunakan dua kernel dari metode <em>Support vector machine </em>yaitu kernel RBF dan kernel Polinomial untuk melakukan pengklasifikasian terhadap indeks keyakainan konsumen pada tahun 2022, dengan membagi data ke dalam tiga proporsi yaitu 60:40, 75:25, dan 80:20 dan dilakukan tiga kali pengacakan untuk data training yaitu set.seed (159, 57 dan 143) serta dengan menggunakan nilai cost sebesar 0.1, 1, 10 dan 100. Dengan Gamma 1 serta nilai derajat parameter sebesar 2 dan dilakukan pengacakan akurasi kembali untuk data testing sebanyak tiga puluh kali diperoleh nilai interval akurasi untuk RBF yaitu 88.01% sampai 88.92%, Jadi dapat disimpulkan bahwa akurasi kernel RBF sedikit lebih bagus dibandingkan kernel polinomial yang memiliki nilai sekitar 87.36%.</p>Aritana Udju Dima, Yudi Setyawan, Rokhana Dwi Bekti, Febriani Astuti
Copyright (c) 2024
https://ejournal.akprind.ac.id/index.php/STATISTIKA/article/view/4852Wed, 31 Jul 2024 00:00:00 +0800PEMODELAN GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) MENGGUNAKAN MATRIKS PEMBOBOT FIXED GAUSSIAN KERNEL DAN FIXED TRICUBE KERNEL PADA KASUS COVID-19 DI INDONESIA
https://ejournal.akprind.ac.id/index.php/STATISTIKA/article/view/4854
<p>Covid-19 merupakan suatu kelompok virus yang dapat menyebabkan penyakit pada hewan dan manusia. Pada awal tahun 2020 dunia digemparkan dengan adanya kemunculan virus Corona. Hingga saat ini Covid-19 mewabah secara global pada ratusan negara di dunia termasuk Indonesia. Covid-19 telah membuat kerugian diberbagai macam sektor. Penelitian ini bertujuan untuk mengetahui faktor-faktor penyebab naiknya Covid-19 di Indonesia tahun 2021 dengan pemodelan <em>Geographically Weighted Regression (</em>GWR) menggunakan fungsi pembobot <em>Fixed Gaussian Kernel</em> dan <em>Fixed Tricube Kernel</em>. Data yang digunakan adalah data sekunder bersumber dari <em>website</em> Badan Pusat Statistik Indonesia tahun 2021. GWR merupakan metode statistika yang digunakan untuk mengatasi data yang memiliki permasalahan efek spasial dan faktor geografis. Berdasarkan hasil analisis diperoleh variabel-variabel yang memiliki efek spasial yaitu variabel jumlah rumah sakit rujukan, jumlah dokter dan jumlah kasus Covid-19. Faktor yang signifikan berpengaruh dengan pembobot <em>Fixed Gaussian Kernel </em>dan <em>Fixed Tricube Kernel </em>adalah jumlah rumah sakit rujukan, kepadatan penduduk dan jumlah dokter. Hasil perbandingan fungsi pembobot <em>Fixed Gaussian Kernel </em>dan <em>Fixed Tricube Kernel </em>diperoleh fungsi pembobot <em>Fixed Gaussian Kernel </em>lebih baik digunakan dalam pemodelan jumlah kasus Covid-19 di Indonesia pada tahun 2021 dengan hasil sebesar 95% dan sebesar 821.152.</p>Kristina Yumiyati Kaka, Kris Suryowati, Rokhana Dwi Bekti
Copyright (c) 2024
https://ejournal.akprind.ac.id/index.php/STATISTIKA/article/view/4854Wed, 31 Jul 2024 00:00:00 +0800ANALISIS PENGARUH SEKTOR PARIWISATA TERHADAP PRODUK DOMESTIK REGIONAL BRUTO DI PROVINSI NUSA TENGGARA TIMUR TAHUN 2020-2022 MENGGUNAKAN METODE REGRESI DATA PANEL
https://ejournal.akprind.ac.id/index.php/STATISTIKA/article/view/4856
<p>Pendapatan dari sektor pariwisata merupakan salah satu komponen Produk Domestik Regional Bruto di suatu wilayah. Di lain pihak Produk Domestik Regional Bruto menjadi salah satu indikator penting untuk mengukur pertumbuhan ekonomi suatu wilayah. Dalam penelitian ini akan dianalisis pengaruh sektor pariwisata terhadap PDRB di provinsi NTT, variabel dependen yang digunakan yaitu Produk Domestik Regional Bruto ( ) dan variabel independennya antara lain Jumlah Akomodasi Hotel ( ), Jumlah Wisatawan ( ), Jumlah Daya Tarik Wisata ( ) dan Jumlah Restoran/Rumah Makan ( ). Tujuan dari penelitian ini untuk mengetahui faktor-faktor sektor pariwisata yang mempengaruhi produk domestik regional Bruto di Provinsi Nusa Tenggara Timur pada tahun 2020-2022. Data berupa data <em>cross section</em> dan <em>time series</em>, sehingga digunakan regresi data panel dengan menggunakan pendekatan <em>fixed effect model</em>, <em>common effect model</em> dan <em>random effect model</em>. Hasil penelitian menunjukkan bahwa model terbaik adalah model <em>random effect</em> dengan metode estimasi <em>Generalized Least Square</em> (GLS), dengan model . Jumlah Akomodasi Hotel, Jumlah Wisatwan dan Jumlah Restoran/Rumah Makan mampu menjelaskan Produk Domestik Regional Bruto di Provinsi Nusa Tenggara Timur sebesar . Sedangkan sisanya sebesar 62,31% dijelaskan oleh faktor lain yang tidak dianalisis dalam model regresi data panel, sehingga perlu menambah variabel lain pada penelitian selanjutnya.</p>Cindy Pracelia Kadiwano, Yudi Setyawan, Noviana Pratiwi
Copyright (c) 2024
https://ejournal.akprind.ac.id/index.php/STATISTIKA/article/view/4856Wed, 31 Jul 2024 00:00:00 +0800PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN INDIKATOR PETERNAKAN DENGAN MENGGUNAKAN ALGORITMA K-MEANS DAN K-MEDOIDS
https://ejournal.akprind.ac.id/index.php/STATISTIKA/article/view/4858
<p>Peternakan di Indonesia merupakan salah satu sektor yang sangat membantu dalam pertumbuhan ekonomi serta berkontribusi dalam pemenuhan gizi. Peternakan terbagi menjadi ternak besar dan ternak kecil, yang termasuk kedalam kelompok ternak besar yaitu sapi (perah/potong), kerbau dan kuda, sedangkan kelompok ternak kecil terdiri dari babi, kambing, domba, kelinci serta ternak unggas yakni itik, ayam dan burung puyuh. Dalam menunjang produktivitas peternakan di Indonesia diperlukan data yang menggambarkan persebaran ternak yang ada. Dalam penelitian ini pengelompokan Provinsi di Indonesia dilakukan menggunakan algoritma <em>K-Means</em> dan <em>K-Medoids</em> untuk mempartisi data yang ada dalam bentuk satu atau lebih <em>cluster</em> berdasarkan jarak <em>Euclidean</em>. Hasil pengelompokan <em>K-Means Clustering </em>diperoleh <em>cluster</em> 1 beranggotakan 33 Provinsi, dan <em>cluster</em> 2 beranggotakan 1 Provinsi. Sedangkan pengelompokan <em>K-Medoids Clustering </em>diperoleh <em>cluster </em>1 beranggotakan 30 Provinsi, <em>cluster</em> 2 beranggotakan 1 Provinsi, dan <em>cluster</em> 3 beranggotakan 3 Provinsi. Hasil perbandingan metode terbaik adalah algoritma <em>K-Me</em><em>ans</em><em> Clustering </em>dengan <em>k = </em><em>2</em> dengan nilai <em>Silhouette Index </em>(SI) sebesar 0,78 dan nilai <em>Davies-Bouldin Index</em> (DBI) sebesar 0,21. Hasil <em>profiling cluster </em>untuk metode <em>K-Medoids Clustering </em>dibagi menjadi 2 kategori yaitu tinggi dan sedang dimana untuk kategori tinggi berada pada <em>cluster </em>2 dan kategori sedang berada pada <em>cluster </em>1.</p>Stefanus Arman, Kris Suryowati, Maria Titah Jatipaningrum
Copyright (c) 2024
https://ejournal.akprind.ac.id/index.php/STATISTIKA/article/view/4858Wed, 31 Jul 2024 00:00:00 +0800PENERAPAN METODE K-MEANS PADA DATA ORDINAL UNTUK PENGELOMPOKAN DAERAH BERDASARKAN KUALITAS UDARA DI DAERAH ISTIMEWA YOGYAKARTA
https://ejournal.akprind.ac.id/index.php/STATISTIKA/article/view/4859
<p>Udara merupakan kebutuhan terpenting dalam kehidupan ini, sehingga kualitas dan cara menjaganya harus perlu diperhatikan. Kualitas udara merupakan faktor penting bagi kesehatan manusia dan merupakan perhatian jangka panjang, terutama di daerah perkotaan. Sehingga harus dijaga dengan upaya-upaya pengendalian pencemaran udara baik bagi pemerintah pusat maupun pemerintah daerah khsusnya wilayah di Daerah Provinsi DIY. IKU merupakan nilai yang menunjukkan mutu kebaikan atau kualitas udara berdasarkan ketentuannya. Penting dilakukan pengelompokan terhadap wilayah-wilayah di setiap Provinsi agar mempermudah Masyarakat mengetahui perkembangan kualitas udara. Penelitian kali ini menggunakan metode K-Means dengan pendekatan <em>Hamming Distance </em>dan distribusi <em>BOS Cluster </em>untuk pengelompokan daerah berdasarkan kualitas udara di Daerah Istimewa Yogyakarta. Berdasarkan <em>K-Means </em>dengan pendekatan <em>Hamming Distance </em>diperoleh untuk <em>Cluster</em> 1 terdiri atas 2 data (wilayah) dan pada <em>Cluster</em> 2 terdiri 2 data (wilayah), <em>Cluster</em> 3 sebanyak 40 data (wilayah) dan <em>Cluster</em> 4 = 3 data (wilayah). Untuk <em>K-Means </em>dengan distribusi <em>BOS Cluster </em>diperoleh untuk <em>Cluster</em> 1 terdiri atas 42 data (wilayah) dan pada <em>Cluster</em> 2 terdiri 2 data (wilayah), <em>Cluster</em> 3 sebanyak 4 data (wilayah) dan <em>Cluster</em> 4 sebanyak 2 data (wilayah). Sehingga, berdasarkan hasil validitas <em>K-Means </em>pendekatan <em>Hamming Distnace </em>merupakan metode terbaik dalam pengelompokan kualitas udara di Provinsi Daerah Istimewa Yogyakarta berdasarkan indikator kualitas udara.</p>Sofyan Sosnegher Ndelawa, Rokhana Dwi Bekti, Maria Titah Jatipaningrum, Febriani Astuti
Copyright (c) 2024
https://ejournal.akprind.ac.id/index.php/STATISTIKA/article/view/4859Wed, 31 Jul 2024 00:00:00 +0800METODE SPATIAL LAG X MENGGUNAKAN TIGA JENIS PEMBOBOT JARAK PADA ANALISIS DATA KETAHANAN PANGAN DI SULAWESI TENGAH
https://ejournal.akprind.ac.id/index.php/STATISTIKA/article/view/4860
<p>Ketahanan pangan merupakan salah satu isu krusial dalam konteks global, Melihat pertumbuhan populasi yang terus meningkat dan dampak perubahan iklim yang semakin terasa. kondisi terpenuhinya pangan bagi negara sampai dengan perseorangan yang tercermin dari tersedianya pangan yang cukup. Penelitian ini bertujuan untuk menganalisis ketahanan pangan serta mengidentifikasi pola spasial antarwilayah dalam konteks Sulawesi Tengah tahun 2022. Penelitian ini fokus pada analisis ketahanan pangan di wilayah Sulawesi Tengah tahun 2022 dengan menerapkan metode Spatial Lag X yang ditingkatkan menggunakan tiga jenis pembobot jarak yaitu <em>Inverse Distance Weighting (IDW)</em>, <em>Exponensial distance decay (EXP)</em>, dan <em>Double Power</em> <em>distance weights (DPD)</em>, yang digunakan untuk mengukur sejauh mana pengaruh spasial memengaruhi data ketahanan pangan. Data yang digunakan, data sekunder bersumber dari website Badan Pusat Statistik Provinsi Sulawesi Tengah tahun 2022. Metode Spatial Lag X merupakan pendekatan statistik spasial yang mempertimbangkan pengaruh variabel-variabel dari wilayah tetangga dalam menganalisis variabel terikat. Berdasarkan hasil penelitian yang dilakukan didapatkan hasil model persamaan Spatial Lag X dengan pembobot IDW dengan taraf signifikansi 10 % tidak ada variabel yang berpengaruh terhadap Indeks Ketahanan Pangan. Untuk model persamaan Spatial Lag X dengan pembobot EXP dengan taraf signifikansi 10 % tidak ada variabel yang berpengaruh terhadap Indeks Ketahanan Pangan.Untuk model persamaan Spatial Lag X dengan pembobot DPD dengan taraf signifikansi 10 % didapatkan hasil bahwa Variabel yang berpengaruh terhadap Indeks Ketahanan Pangan dengan taraf signifikansi 10 % adalah PDRB per Kapita atas harga berlaku (X<sub>4</sub>), dengan begitu model Spatial Lag X dengan pembobot DPD adalah model yang terbaik dalam analisis ketahanan pangan di sulawesi tahun 2022 dengan nilai nilai AIC = 23.91885, R2 = 0.9977.</p>Ayu Wandira, Yudi Setyawan, Rokhana Dwi Bekti
Copyright (c) 2024
https://ejournal.akprind.ac.id/index.php/STATISTIKA/article/view/4860Wed, 31 Jul 2024 00:00:00 +0800