Statistika Terapan (S2)

Permanent URI for this collection

Browse

Recent Submissions

Now showing 1 - 20 of 140
  • Item
    PENAKSIRAN PARAMETER MODEL SIMULTAN POISSON-LOGIT (Pengidentifikasian Faktor Banyak Anak di Indonesia)
    (2023-04-06) TILAS NOTAPIRI; Yusep Suparman; Yudhie Andriyana
    Jumlah populasi yang begitu besar dapat menyebabkan berbagai permasalahan baik masalah demografis maupun non demografis. Pertmbahan populasi dapat dibatasi dengen pengendalian fertilitas. Berdasarkan hasil Survei Demografi dan Kesehatan Indonesia (SDKI) 2017, angka fertilitas total Indonesia adalah sebesar 2,4 anak per wanita. Namun sayangnya angka tersebut belum mampu mencapai replacement level fertility yaitu 2,1 anak per wanita. Padahal PBB pernah memperkirakan Indonesia akan mencapainya pada periode 2010-2014. Salah satu cara yang dinilai sangat efektif dalam menurunkan angka fertilitas adalah program Keluarga Berencana (KB) yaitu program yang mendorong pasangan menikah untuk menggunakan metode kontrasepsi. Kontrasepsi digunakan sebagai pengontrol kehamilan sehingga dapat mencapai jumlah anak ideal. Namun di sisi lain, keputusan penggunaan kontrasepsi sendiri sering kali dipengaruhi oleh banyak anak. Dengan demikian antara fertilitas atau jumlah anak yang dilahirkan dan penggunaan metode kontrasepsi memiliki hubungan simultanitas. Simultanitas dapat menyebabkan terjadinya pelanggaran asumsi endogenitas sehingga hasil estimasi yang diperoleh menjadi bias dan tidak konsisten. Dalam penelitian ini indikator fertilitas yang digunakan adalah jumlah anak yang dilahirkan merupakan data cacah. Penggunaan metode kontrasepsi yang diduga sebagai variabel endogen merupakan variabel biner. Pemodelan data cacah dengan variabel endogen biner sulit mendapatkan bentuk tereduksi. Pendekatan yang dapat digunakan untuk mengidentifikasi faktor-faktor yang berpengaruh terhadap fertilitas adalah pendekatan model Two Stage Poisson Logit. Berdasarkan hasil estimasi, diperoleh bahwa variabel yang berpengaruh signifikan terhadap jumlah anak yang dilahirkan di Indonesia adalah penggunaan metode kontrasepsi, umur pertama kali menikah, riwayat kematian anak, status ibu bekerja, tingkat kesejahteraan, tingkat pendidikan, dan klasifikasi daerah, dimana faktor penggunaan metode kontrasepsi merupakan faktor dominan yang berpengaruh terhadap jumlah anak yang dilahirkan di Indonesia.
  • Item
    Model Regresi Probit Spasial Error Untuk Mengidentifikasi Faktor Kesiapsiagaan Bencana Alam di Kabupaten Kupang
    (2023-04-06) DEVI YANTI; Yusep Suparman; Budhi Handoko
    Kesiapsiagaan/mitigasi bencana alam merupakan serangkaian upaya untuk mengurangi risiko bencana, baik melalui pembangunan fisik maupun penyadaran dan peningkatan kemampuan menghadapi ancaman bencana. Upaya kesiapsiagaan bencana tidak hanya melibatkan aparat pemerintahan dalam pelaksanaannya tapi juga perlu keterlibatan masyarakat. Kabupaten Kupang merupakan kabupaten dengan indeks risiko bencana paling tinggi di Provinsi Nusa Tenggara Timur. Unit analisis dalam penelitian ini merupakan data wilayah yaitu level desa/kelurahan di Kabupaten Kupang. Data kewilayahan merupakan data spasial. Pada data spasial, penyelesaian menggunakan regresi klasik mengalami keterbatasan dalam memenuhi asumsi, terutama asumsi yang berkenaan dengan masalah error yang berkorelasi pada amatan spasial. Variabel kesiapsiagaan/mitigasi bencana alam dalam penelitian ini merupakan variabel respon yang memiliki kategori biner. Dalam model spasial biner digunakan spesifikasi probit spasial yang memiliki struktur kovarian fleksibel. Efek spasial dalam penelitian ini merupakan dependensi spasial yang ditunjukkan pada faktor unobserved yaitu dampak/risiko bencana alam. Faktor tersebut merupakan variabel prediktor yang tidak dilibatkan dalam model sehingga merupakan error dan berkorelasi antar lokasi. Faktor tersebut dapat mempengaruhi kesiapsiagaan/mitigasi bencana alam dan menyebabkan adanya autokorelasi spasial, sehingga dalam penelitian ini digunakan Probit Spatial Error Model (SEM). Estimasi parameter model spasial probit salah satunya dapat dilakukan menggunakan conditional approximate likelihood. Hasil penelitian menunjukkan bahwa variabel pengalaman bencana alam memiliki pengaruh yang signifikan terhadap kesiapsiagaan bencana alam di Kabupaten Kupang. Hasil evaluasi model menunjukkan bahwa nilai akurasi baik yaitu sebesar 76,27 persen. Sedangkan nilai sensitivity rendah yaitu sebesar 8,69 persen dan nilai specificity sebesar 100 persen. Sementara nilai prediksi negatif sebesar 75,72 persen dan nilai prediksi positif sebesar 100 persen.
  • Item
    PENDUGAAN RATA-RATA PENGELUARAN RUMAH TANGGA TINGKAT KECAMATAN DI PROVINSI JAWA TENGAH MENGGUNAKAN METODE EMPIRICAL BEST LINEAR UNBIASED PREDICTION-FAY HERRIOT (EBLUP-FH) MULTIVARIAT DENGAN PENAMBAHAN
    (2023-01-06) ARMALIA DESIYANTI; Tidak ada Data Dosen; Tidak ada Data Dosen
    Penyajian data di tingkat area yang lebih kecil kini telah menjadi kebutuhan bagi pemerintah daerah dalam merencanakan dan mengevaluasi pembangunan sejalan dengan pelaksanaan otonomi daerah di Indonesia. Keterbatasan informasi pada tingkat area yang lebih kecil menyebabkan pengambilan keputusan dan implementasi kebijakan yang dilakukan oleh pemerintah daerah menjadi tidak maksimal. Salah satu data yang dibutuhkan adalah rata-rata pengeluaran rumah tangga di tingkat kecamatan. Data rata-rata pengeluaran rumah tangga untuk makanan dan bukan makanan dihasilkan oleh Badan Pusat Statistik (BPS) dari Survei Sosial Ekonomi Nasional (Susenas) yang dirancang untuk tingkat estimasi provinsi dan kabupaten/kota, sehingga data di tingkat kecamatan belum tersedia. Salah satu solusi yang dapat dilakukan di tengah keterbatasan anggaran adalah melalui penerapan Small Area Estimation (SAE) yang dilakukan dengan meminjam kekuatan informasi pada variabel penyerta (auxiliary variables) yang terkait dengan variabel respon. Pada penelitian ini, metode Empiris Best Linear Unbiased Prediction (EBLUP) Multivariate digunakan untuk memperkirakan rata-rata pengeluaran rumah tangga untuk makanan dan bukan makanan di tingkat kecamatan di Provinsi Jawa Tengah tahun 2020. Sedangkan kecamatan yang tidak dijadikan sampel di Susenas (daerah non sampel), pendugaan rata-rata pengeluaran rumah tangga dilakukan dengan menambahkan informasi cluster pada pemodelan Multivariat EBLUP. Metode K-Medoids Cluster digunakan untuk mengklasifikasikan kecamatan berdasarkan karakteristiknya. Berdasarkan hasil estimasi EBLUP-FH Multivariate, distribusi rata-rata pengeluaran rumah tangga untuk makanan dan bukan makanan di Jawa Tengah sangat bervariasi antar kecamatan. Beberapa kecamatan yang secara geografis dekat dengan wilayah ibu kota provinsi cenderung memiliki rata-rata pengeluaran rumah tangga yang lebih tinggi dibandingkan wilayah lainnya. Hasil penelitian menunjukkan bahwa hasil estimasi EBLUP-FH Multivariate dengan penambahan informasi cluster menghasilkan nilai Relative Standard Error (RSE) yang lebih rendah dibandingkan dengan hasil estimasi langsung (direct estimation). Dapat dikatakan bahwa metode EBLUP-FH Multivariate memberikan hasil estimasi yang lebih presisi.
  • Item
    PEMANFAATAN MOBILE POSITIONING DATA DALAM PENAKSIRAN PENGARUH PEMINDAHAN IBU KOTA NEGARA INDONESIA PADA KEMACETAN DI JAKARTA MENGGUNAKAN ROBUST MM-ESTIMATION DENGAN ROBUST STANDARD ERROR
    (2023-01-10) HAMIM TSALIS SOBLIA; Tidak ada Data Dosen; Tidak ada Data Dosen
    Pemerintah Republik Indonesia telah resmi akan memindahkan ibu kota negara dari Jakarta ke Kalimantan Timur. Pemindahan disebabkan karena ibu kota negara yang saat ini sudah tidak lagi dapat mengemban peran yang optimal khususnya terkait kemacetan. Penelitian ini bertujuan untuk menaksir potensi pengurangan kemacetan terkait pemindahan ibu kota negara. Pemindahan ibu kota akan diikuti oleh pemindahan aktor-aktor yang terlibat dalam kegiatan fungsi ibu kota. Hal ini akan mengurangi tingkat mobilitas penduduk di Jakarta yang selanjutnya akan menurunkan tingkat kemacetan. Di dalam penelitian difokuskan pada potensi pemindahan aparatur sipil negara (ASN) pusat. Penaksiran pengaruh pengurangan mobilitas terhadap tingkat kemacetan dapat dilakukan dengan menggunakan analisis regresi. Model regresi dengan metode Ordinary Least Square (OLS) lazim digunakan, tetapi metode tersebut tidak resistan terhadap adanya outlier. Adanya outlier akan berdampak pada estimasi koefisien regresi yang bias dan terjadinya heteroskedastisitas. Selain itu, dalam penelitian ini ditemukan juga adanya autokorelasi. Adanya heteroskedastisitas dan autokorelasi akan membuat taksiran standard error OLS menjadi salah. Oleh karena itu, metode yang dipergunakan adalah Robust MM- Estimation dengan robust standard error. Hasil penelitian menunjukkan bahwa model Robust MM-Estimation memberikan goodness of fit sebesar 86%. Selanjutnya, pemindahan ibu kota diprediksi dapat menurunkan tingkat kemacetan di Jakarta antara 1,3 persen hingga 5,6 persen dan memberikan keuntungan ekonomi antara 1,6 triliun sampai 6,9 triliun per tahun.
  • Item
    IMPLEMENTASI BIDIRECTIONAL LONG-SHORT TERM MEMORY (BiLSTM) DAN ALGORITMA GRID SEARCH DALAM PREDIKSI HARGA SAHAM SYARIAH (Studi Kasus pada PT. Telkom Indonesia Tbk)
    (2023-08-30) DIAN ISLAMIATY PUTERI; Budi Nurani Ruchjana; Gumgum Darmawan
    Perkembangan pasar saham di Indonesia saat ini berkembang cukup pesat. Hal ini dapat dilihat berdasarkan jumlah investor yang mengalami peningkatan setiap tahunnya. Saham syariah diluncurkan pertama kali di Indonesia pada tahun 2011 dan dapat diketahui bahwa harga saham tidak selalu stabil atau dapat mengalami kenaikan maupun penurunan, sehingga diperlukan strategi dalam memprediksi harga saham agar dapat mengambil keputusan yang tepat dalam berinvestasi. Dalam penelitian ini, data yang digunakan merupakan data histori harga penutupan saham syariah PT. Telkom Indonesia Tbk dan berdasarkan hasil pengujian RESET test, data pergerakan harga saham tersebut memiliki pola non linear. Oleh karena itu, digunakan metode dengan pendekatan machine learning yang dapat memprediksi data berpola non linear yaitu metode Bidirectional Long Short-Term Memory (BiLSTM). Dalam memperoleh model prediksi, diperlukan tuning parameter menggunakan algoritma grid search untuk memperoleh nilai parameter terbaik seperti epoch, batch, neurons, dan dropout. Berdasarkan hasil pengujian diperoleh bahwa nilai Mean Absolute Percentage Error (MAPE) terkecil berada pada model BiLSTM-Grid Search pada pembagian data dengan persentase 90% data training dan 10% data testing serta nilai parameter berdasarkan tuning menggunakan grid search yaitu neuron 25, epoch 50, batch 4, dan dropout 0,2. Nilai MAPE yang diperoleh dalam penelitian ini yaitu 10,83% dan berdasarkan kriteria nilai MAPE, maka model prediksi yang diperoleh termasuk dalam kriteria akurat.
  • Item
    Pemodelan Mixed Geographically And Temporally Weighted Regression (MGTWR) Pada Data Crime Rate di Jawa Tengah.
    (2023-04-10) DELVI RUTANIA PRAMA; Yudhie Andriyana; Gumgum Darmawan
    Jawa Tengah merupakan salah satu provinsi di Indonesia yang cukup besar dan padat penduduk. Jumlah penduduk yang besar dapat menimbulkan berbagai masalah sosial di dalam suatu masyarakat seperti kemiskinan, pengangguran, dan kesenjangan sosial ekonomi. Masalah sosial juga dapat mendorong beberapa orang untuk melakukan tindak kejahatan. Pada penelitian ini akan dilakukan pemodelan Mixed Geographically and Temporally Weighted Regression (MGTWR) pada data crime rate di Jawa Tengah dikarenakan adanya keragaman spasial dan temporal jumlah orang berisiko terkena kejahatan pada Tahun 2019-2021 di Jawa Tengah serta adanya variabel yang berpengaruh secara global dan lokal. Model MGTWR merupakan pengembangan dari model Geographically and Temporally Weighted Regression (GTWR ). Variabel persentase penduduk miskin, variabel TPT dan variabel upah minimum mempengaruhi secara lokal terhadap setiap wilayah di Jawa Tengah. Sedangkan variabel kepadatan penduduk dan rata-rata pengeluaran perkapita perbulan mempengaruhi secara global untuk keseluruhan wilayah di Jawa Tengah. Setelah dilakukan uji signifikansi parsial didapatkan faktor-faktor yang berpengaruh signifikan terhadap data crime rate bervariasi di tiap kabupaten/ kota di Jawa Tengah. Secara umum faktor-faktor yang secara signifikan berpengaruh terhadap data crime rate adalah persentase penduduk miskin, variabel TPT dan variabel upah minimum. Berdasarkan evaluasi kebaikan model, model MGTWR dapat dikatakan model yang lebih baik dibandingkan model GTWR dalam pemodelan crime rate di Jawa Tengah tahun 2019-2021. Hal ini terlihat dari nilai RMSE sebesar 0,2050 dan AICc sebesar 136,299.
  • Item
    Pemodelan Geographically and Temporally Weighted Regression pada Data Pendapatan Asli Daerah
    (2022-02-24) ANI PERTIWI; Yudhie Andriyana; Lienda Noviyanti
    Pendapatan Asli Daerah (PAD) merupakan sumber pembiayaan daerah yang sangat penting khususnya untuk menciptakan kemakmuran dan kesejahteraan bagi masyarakat daerah tersebut. Kondisi perekonomian, sosial, budaya serta letak geografis suatu wilayah tentunya memengaruhi besar kecilnya penerimaan PAD suatu kabupaten/kota. Waktu juga bisa jadi turut berpengaruh terhadap penerimaan PAD, karena konsumsi pengeluaran penduduk yang mengikuti harga barang dan jasa terus mengalami perubahan setiap tahunnya. Model Geographically and Temporally Weighted Regression (GTWR) dikembangkan dari model Geographically Weighted Regression (GWR) untuk menangani masalah heterogenitas spasial dan temporal pada data. Metode ini menggunakan fungsi kernel untuk menentukan matriks pembobot spasial dalam model yakni dengan cara menentukan bandwidth yang optimum melalui metode Cross Validation. Penerapan model GTWR pada realisasi penerimaan PAD kabupaten/kota di Provinsi Jawa Barat dan Banten pada tahun 2017-2019 menunjukkan bahwa variabel PDRB ADHB, variabel Pengeluaran Konsumsi Rumah Tangga, variabel Tingkat Penghunian Kamar Hotel, dan Jumlah Rumah Makan secara bersama-sama memiliki pengaruh yang signifikan. Namun, jika dilihat dalam pemodelan lokal, variabel tersebut tidak semua berpengaruh pada semua kabupaten/kota dan tahun.
  • Item
    PEMODELAN SPASIAL PANEL DINAMIS PADA TINGKAT PENGANGGURAN TERBUKA PROVINSI JAWA BARAT
    (2021) RIZKA PRADITA PRASETYA; Yudi Rosandi; I Gede Nyoman Mindra Jaya
    Pada era disrupsi dimana perubahan dan inovasi yang dimulai dengan kemajuan teknologi dan dengan adanya pandemi Covid-19 mempercepat dan memaksa orang untuk semakin mengandalkan teknologi dalam setiap kegiatan. Hal ini, memperburuk kondisi ekonomi dan meningkatkan pengangguran. Provinsi Jawa Barat merupakan Provinsi dengan jumlah pengangguran terbanyak di Indonesia pada tahun 2021. Pemerintah Provinsi Jawa Barat telah melakukan upaya dalam mengatasi pengangguran. Namun, pada tahun 2021 Tingkat Pengangguran Terbuka (TPT) di provinsi ini masih tinggi yaitu 9,82 persen, nilai tersebut melebihi TPT nasional yaitu hanya 6,49 persen. Indikator dalam melihat pengangguran yang digunanakan dalam penelitian ini adalah TPT. Dalam menanggulangi pengangguran, diperlukan intervensi untuk menekan tingginya angka pengangguran dengan mengetahui faktor-faktor yang mempengaruhinya. Tingkat pengangguran di suatu kabupaten/kota mempengaruhi tingkat pengangguran wilayah yang berdekatan karena aktivitas sosial ekonomi suatu wilayah berpengaruh terhadap wilayah lain yang berdekatan. Tingkat penggangguran juga dipengaruhi oleh lag variabel tersebut, dikarenakan dalam mengumpulkan data membutuhkan waktu. Penelitian ini bertujuan mengukur besarnya pengaruh faktor-faktor yang menyebabkan pengangguran serta melibatkan pengaruh dependensi spasial dan juga lag variabel TPT dengan model spasial panel dinamis. Berdasarkan hasil estimasi, diperoleh bahwa variabel yang berpengaruh signifikan terhadap TPT di Provinsi Jawa Barat adalah Tingkat Partisipasi Angkatan Kerja (TPAK), Angka Rasio Ketergantungan (ARK), Pertumbuhan Ekonomi, Upah Minimum Kabupaten/Kota (UMK) dan lag variabel Tingkat Pengangguran Terbuka (TPT).
  • Item
    PERAMALAN EKSPOR DI INDONESIA MENGGUNAKAN MONOTONE COMPOSITE QUANTILE REGRESSION NEURAL NETWORK
    (2022-02-24) HUSNUL CHOTIMAH; Yudhie Andriyana; Jadi Suprijadi
    Indonesia merupakan negara berkembang yang melakukan industrialisasi. Industrialisasi mampu meningkatkan pertumbuhan ekonomi dan memiliki hubungan sangat erat dengan perdagangan luar negeri. Kenaikan/penurunan ekspor akan menaikkan/menurunkan pendapatan di suatu wilayah, sehingga penting untuk mengetahui perilaku ekspor sebagai strategi akselerasi pertumbuhan ekonomi. Penelitian ini bertujuan untuk memperoleh peramalan ekspor di Indonesia. Variabel respon yang digunakan adalah nilai ekspor sedangkan variabel prediktor meliputi nilai tukar (kurs), IHK, dan pengaruh trend waktu. Pola hubungan variabel respon dan prediktor bersifat nonlinier, mengandung pencilan, berdistribusi asimetris, sehingga sulit melakukan prespesifikasi model. Kompleksitas karakteristik data dapat diatasi menggunakan metode Monotone Composite Quantile Regression Neural Network (MCQRNN). Hasil penelitian menunjukkan bahwa MCQRNN merupakan metode yang bersifat robust dan fleksibel untuk meramalkan nilai ekspor mendatang. Performa peramalan nilai ekspor dengan MCQRNN memiliki ketepatan taksiran dan ramalan model yang tinggi atau masuk dalam kategori peramalan sangat baik (<10%). Hal ini ditunjukkan dari nilai MAPE yang cukup kecil yaitu sebesar 6.8784%.
  • Item
    Pemodelan Prevalensi Stunting Balita di Pulau Jawa Menggunakan Robust Spatial Autoregressive Model With S-Estimator
    (2022-03-24) VIEVIEN ABIGAIL DAMU DJARA; Yudhie Andriyana; Lienda Noviyanti
    Stunting disebabkan faktor multidimensi dan tidak hanya dipengaruhi oleh asupan gizi yang buruk. Memperhatikan gizi balita dan variabel sosial ekonomi lainnya dapat menurunkan prevalensi stunting. Unit analisis dalam penelitian ini adalah seluruh kabupaten/kota di pulau Jawa. Jumlah balita stunting tertinggi terdapat di pulau Jawa. Pada tahun 2018, prevalensi stunting di pulau Jawa mengalami peningkatan dibandingkan tahun 2017, sehingga peningkatan prevalensi ini akan menambah beratnya beban pemerintah dalam menurunkan stunting di Indonesia. Terdapat autokorelasi spasial pada prevalensi stunting di Pulau Jawa, sehingga salah satu model spasial yang dapat digunakan adalah Spatial Autoregressive. Keberadaan pencilan dapat menyebabkan hasil estimasi parameter menjadi tidak akurat. Menghapus pencilan dalam data spasial dapat mengubah komposisi efek spasial pada data. Penelitian ini menggunakan S-estimator untuk mengatasi keberadaan pencilan. Proses analisis dilakukan dengan memanfaatkan aplikasi berbasis web yang telah dikembangkan oleh penulis. Hasil penelitian menunjukkan bahwa variabel gizi buruk, variabel pengeluaran, variabel pendidikan, dan variabel pengelolaan sampah rumah tangga memiliki pengaruh yang signifikan terhadap prevalensi stunting di pulau Jawa. Hasil penelitian ini juga menemukan bahwa tiga dari tujuh variabel penjelas tidak memiliki pengaruh yang signifikan terhadap prevalensi stunting di pulau Jawa. Hasil evaluasi model menunjukkan bahwa instrument variable with S-estimator memiliki residual standard error yang lebih rendah dan R-square yang lebih tinggi dibandingkan instrument variable without S-estimator.
  • Item
    Interpolasi Spasial Curah Hujan di Pulau Sumatera dengan Metode Hybrid Neural Network Residual Kriging (NNRK)
    (2022-02-22) NOVERLINA PUTRI PERMATASARI; Jadi Suprijadi; Anindya Apriliyanti Pravitasari
    Pengukuran curah hujan merupakan hal yang penting dilakukan sebagai dasar tersedianya data curah hujan yang tepat waktu dan akurat. Ketersediaan data curah hujan sangat diperlukan oleh instansi, organisasi maupun masyarakat untuk melakukan perencanaan dan evaluasi dalam berbagai bidang. Pengukuran curah hujan dilakukan oleh Badan Meteorologi, Klimatologi dan Geofisika (BMKG) dengan periode harian pada stasiun klimatologi dan meteorologi BMKG yang tersebar di sejumlah wilayah di Indonesia. Namun, stasiun BMKG hanya terdapat pada beberapa kabupaten/kota yang menyebabkan data curah hujan BMKG tidak tersedia pada setiap kabupaten/kota di masing-masing provinsi. Sementara data curah hujan yang bersumber dari dinas setempat seringkali tidak tersedia tepat waktu. Data curah hujan pada kabupaten/kota yang tidak memilki stasiun BMKG dapat di prediksi melalui teknik interpolasi spasial kriging. Berdasarkan plot data curah hujan di wilayah Pulau Sumatera terhadap koordinat easting dan northing menunjukkan bahwa data curah hujan tidak stasioner atau memiliki tren, sehingga metode yang dapat digunakan adalah universal kriging atau regression kriging. Plot hubungan antar variabel menunjukkan bahwa beberapa variabel prediktor memiliki hubungan yang nonlinier dengan curah hujan di wilayah Pulau Sumatera. Hal ini menyebabkan metode regression kriging dengan menggunakan regresi linier tidak dapat digunakan. Oleh karena itu, dalam penelitian ini digunakan metode hybrid neural network kriging, yang mana metode neural network digunakan untuk memodelkan hubungan nonlinier antara curah hujan dengan variabel prediktornya, kemudian residual dari model neural network akan dijadikan input pada metode kriging untuk menginterpolasi curah hujan pada wilayah kabupaten/kota di Pulau Sumatera yang tidak memiliki stasiun BMKG.
  • Item
    PEMODELAN SEEMINGLY UNRELATED REGRESSION-SPATIAL DURBIN PANEL (PDRB Sektor Unggulan Kabupaten/Kota Jawa Barat)
    (2022-03-02) MARNITA SIMATUPANG; Yusep Suparman; Efi Fitriana
    Pada pemodelan ekonometrika, adanya korelasi pada error membuat estimasi parameter pada ordinary least square (OLS) tidak efisien. Estimasi pada model seemingly unrelated regression (SUR) dilakukan secara bersamaan dengan memanfaatkan korelasi kesebayaan. Korelasi kesebayaan adalah korelasi yang terjadi apabila error pada model yang berbeda saling berkorelasi pada waktu yang sama. Pemodelan yang bersifat sistemik berpotensi menimbulkan korelasi error antar persamaan tersebut, sehingga menyebabkan adanya pelanggaran asumsi keindependenan suatu error yang akan menghasilkan estimator yang tidak lagi BLUE (Best Linear Unbiased Estimator). Adanya dependensi spasial pada model SUR, membutuhkan suatu model yang memperhitungkan efek spasial pada estimasinya. Peningkatan akurasi suatu estimasi parameter pada model spasial SUR dapat ditangani dengan menggunakan data panel. Penelitian ini mengusulkan suatu metode baru yakni menggabungkan metode SUR, data spasial, dan data panel, yang memperhitungkan dependensi spasial pada variabel dependen dan variabel independen yang dinamakan model SUR Spasial Durbin Panel. Tujuan penelitian ini adalah untuk mendapatkan estimasi parameter model SUR Spasial Durbin Panel menggunakan metode estimasi Maximum Likelihood, dan menerapkannya pada data PDRB sektor unggulan di kabupaten/kota Jawa Barat, yakni sektor industri, konstruksi, serta sektor perdagangan dan reparasi. Walaupun tidak menghasilkan estimator yang BLUE, penggunaan Maximum Likelihood menghasilkan penaksir parameter model yang konsisten dan efisien. Hasil penelitian didapatkan bahwa model SUR Spatial Durbin Panel dapat diterapkan pada data PDRB sektor unggulan kabupaten/kota di Jawa Barat dilihat dari validasi model dengan melakukan uji asumsi homogenitas, non autokorelasi, dan normalitas pada error. Hasil estimasi parameter didapatkan bahwa variabel yang signifikan mempengaruhi PDRB sektor industri di Jawa Barat adalah jumlah tenaga kerja, rata-rata upah tenaga kerja, serta PDRB sektor industri di kabupaten/kota disekitarnya. Pada PDRB sektor konstruksi didapatkan variabel yang signifikan mempengaruhi adalah variabel investasi dan PDRB konstruksi di kabupaten/kota sekitarnya. Pada PDRB sektor perdagangan dan reparasi dihasilkan variabel yang berpengaruh signifikan terhadap PDRB sektor tersebut adalah total investasi, jumlah tenaga kerja dan PDRB kabupaten/kota di sekitarnya.
  • Item
    PEMODELAN PERSAMAAN STRUKTURAL DENGAN LATEN LAG SPASIAL DAN LATEN EFEK SPESIFIK INDIVIDU (Analisis Kontribusi Pertumbuhan Pariwisata terhadap Pertumbuhan Ekonomi di Pulau Jawa)
    (2022-09-21) ZULFI HM; Yusep Suparman; Efi Fitriana
    Pemulihan pertumbuhan ekonomi yang negatif akibat pandemi Covid-19, dilakukan pemerintah dengan menstimulus berbagai sektor, salah satunya sektor pariwisata. Sehingga perlu dikaji bagaimana pertumbuhan sektor pariwisata dapat memberikan kontribusi terhadap pertumbuhan ekonomi. Penelitian ini menggunakan data panel untuk dapat mengontrol heterogenitas variabel yang digunakan. Pemodelan dengan data panel tidak dapat dihindari adanya data hilang (omitted) yang akan mengakibatkan hasil taksiran bias. Permasalahan ini dapat diatasi dengan memasukkan variabel boneka (dummy) ke dalam model, sehingga terjadi perbedaan intercept dan koefisien (slope) tetap. Model ini disebut Fixed Effect Model (FEM). Akan tetapi model FEM tidak dapat mengevaluasi efek dari variabel waktu yang tetap (time invariant). Sehingga digunakan pendekatan Structural Equation Modeling (SEM) dengan menggunakan varibel laten efek tetap/efek spesifik individu (latent individual fixed effect) yang dapat mengakomodasi time invariant variable. Selanjutnya terdapat efek spasial pada pertumbuhan ekonomi, sehingga peneliti menggunakan regresi spasial, SAR (Spatial Autoregressive). Dalam hal mempresentasikan kebergantungan spasial dibutuhkan matriks bobot spasial yang akan mempengaruhi akurasi taksiran model. Sehingga matriks bobot spasial sangat sensitif untuk menaksir model SAR. Pendekatan alternatif untuk mengatasi fleksibelitas matriks bobot spasial adalah SEM. Model SAR SEM menggunakan variabel laten lag spasial dan dapat memodelkan hubungan antara variabel lag spasial dengan variabel observasi yang digunakan. Metode SAR FE SEM dengan variabel laten lag spasial dan efek spesifik individu dapat digunakan untuk menganalisa kontribusi pertumbuhan pariwisata terhadap pertumbuhan ekonomi. Hal ini terbukti bahwa diperoleh hasil uji kecocokan model secara keseluruhan (Chi-kuadrat = 117,7454, p-value = 0,93 dan RMSEA = 0) cocok dengan data yang diberikan. Terdapat juga efek spasial dan penting adanya efek spesifik individu pada model, ditunjukan dengan nilai varians-nya yang signifikan pada tingkat signifikansi 5 persen.
  • Item
    Generalized Spatially Varying Coefficient Model (GSVCM) pada Angka Migrasi Keluar di Provinsi Jawa Tengah
    (2022-03-06) HASRAT IFOLALA ZEBUA; Yudhie Andriyana; Efi Fitriana
    Migrasi merupakan salah satu komponen demografi yang dapat menambah dan mengurangi jumlah penduduk. Angka migrasi keluar yang tinggi dapat menjadi masalah pada suatu wilayah dikarenakan dapat terjadi penurunan persediaan tenaga kerja yang terampil. Penelitian ini bertujuan untuk membangun model angka migrasi keluar risen di Provinsi Jawa Tengah dengan beberapa variabel prediktor yang diasumsikan memiliki pengaruh. pemodelan regresi parametrik seperti biasa tidak dapat dilakukan karena variabel respon merupakan data cacah, terdapat efek spasial, serta hubungan antara variabel respon dan prediktor tidak dapat diindentifikasi secara jelas. Oleh karena itu, diusulkan suatu model yang dapat menangani masalah tersebut yaitu Generalized Spatially Varying Coefficient Model (GSVCM). GSVCM menggunakan Bivariate spline over triangulation (BST) untuk mengaproksimasi fungsi bivariat pada komponen spasial dan menggunakan fungsi penalized quasi-likelihood untuk menangani observasi yang tidak teratur. Dari Model GSVCM yang terbentuk, dapat dilihat variasi dari koefisien estimasi dari variabel prediktor pada masing-masing kabupaten/kota di Provinsi Jawa Tengah. Hasil penelitian menggunakan GSVCM juga menghasilkan estimator yang baik yang ditunjukkan pada hasil estimasi yang dibandingkan dengan nilai aktual yang tidak jauh berbeda, plot antara nilai aktual dan nilai taksiran yang berada pada sekitar garis diagonal serta nilai RMSE yang lebih kecil jika dibandingkan dengan metode SVCM.
  • Item
    PEMODELAN GIZI BURUK BALITA USIA 0-59 BULAN MENGGUNAKAN BAYESIAN SEMIPARAMETRIC REGRESSION
    (2022-02-24) ROSA ROSMANAH; Yudhie Andriyana; Anindya Apriliyanti Pravitasari
    Gizi buruk pada balita disebabkan oleh rendahnya angka konsumsi energi dan protein dalam makanan sehari-hari. Rendahnya konsumsi energi dan protein tersebut dapat terjadi karena ketidakmampuan rumah tangga atau status sosial ekonomi, ketidaktahuan ibu tentang pemberian gizi yang baik untuk anak, serta pemberian ASI dan imunisasi. Unit analisis dalam penelitian ini adalah seluruh provinsi di Indonesia. Pemodelan gizi buruk balita dapat digunakan untuk mengetahui bagaimana pengaruh setiap variabel yang diteliti (explanatory variables) terhadap gizi buruk di Indonesia. Hasil eksplorasi awal pada data penelitian menunjukkan bahwa hubungan antara explanatory variables dan gizi buruk di Indonesia memiliki pola yang dapat di spesifikasikan secara linier maupun sulit untuk di spesifikasikan secara linier. Oleh karena itu, penelitian ini menggunakan model semiparametrik. Jika seorang peneliti tidak yakin akan nilai sebenarnya dari parameter yang akan di taksir dalam model, maka parameter tersebut dianggap sebagai variabel acak yang memiliki distribusi tertentu. Oleh karena itu, dalam penelitian ini menggunakan pendekatan bayesian untuk menaksir parameter dalam model semiparametrik, yaitu Bayesian Non and Semiparametric (BNSP). Hasil penaksiran parameter dalam model dapat digunakan untuk melihat bagaimana pengaruh setiap explanatory variables terhadap gizi buruk di Indonesia. Hasil penelitian menunjukkan bahwa imunisasi dasar lengkap dan variabel rata-rata lama sekolah (RLS) memiliki pengaruh yang negatif terhadap gizi buruk, sehingga semakin banyak balita yang mendapatkan imunisasi dasar lengkap dan semakin berpendidikan penduduk di suatu wilayah maka kejadian gizi buruk dapat diturunkan. Hasil penelitian ini juga menemukan bahwa berat badan lahir rendah (BBLR) dan pemberian ASI eksklusif tidak memiliki pengaruh terhadap gizi buruk. Hal ini dapat terjadi karena gizi buruk dapat dicegah dengan perbaikan gizi balita meskipun saat lahir memiliki berat badan yang rendah, dan sebaliknya gizi buruk dapat terjadi pada masa balita meskipun di berikan ASI eksklusif saat berusia dibawah enam bulan. Variabel persentase penduduk miskin (PPM) memiliki pengaruh yang positif terhadap gizi buruk, dengan kata lain, semakin banyak penduduk miskin maka kejadian gizi buruk balita akan semakin meningkat. Hal ini terjadi karena penduduk miskin menyebabkan ketidakmampuan rumah tangga dalam memenuhi kebutuhan makanan, minuman, dan kesehatan balita dalam rumah tangga.
  • Item
    Pemodelan Angka Kematian Bayi di Jawa Barat Menggunakan Penalized Quantile Regression pada Data Panel dengan Fixed Effects Model
    (2022-02-25) NURUL QISTHI; Yudhie Andriyana; Yuyun Hidayat
    Angka Kematian Bayi (AKB) dijadikan salah satu indikator untuk menilai derajat kesehatan di suatu wilayah karena pada usia tersebut sangat rentan dengan keadaan kesehatan dan kesejahteraan yang buruk. Angka kematian bayi di Jawa Barat sudah berada di bawah angka kematian bayi secara nasional, akan tetapi jika dilihat per kabupaten/kota mengalami fluktuatif kenaikan dan penurunan angka kematian bayi dari tahun ke tahun, bahkan masih ada kabupaten/kota yang terus mengalami kenaikan dari tahun ke tahun, sehingga diperlukan garis acuan untuk mengklasifikasikan angka kematian bayi di Jawa Barat. Data yang digunakan dalam penelitian ini merupakan data panel dan teridentifikasi adanya outlier. Oleh karena itu, penelitian ini bertujuan untuk mengklasifikasikan angka kematian bayi nilai estimasi AKB di Jawa Barat menggunakan analisis penalized quantile regression fixed effect model. Berdasarkan hasil penelitian, didapatkan nilai prediksi dari model regresi pada masing-masing kuantil (τ=0.25,τ=0.5, dan τ=0.75) yang akan digunakan untuk mengklasifikasikan AKB di Jawa Barat ke dalam empat kategori. Hasil pengklasifikasian angka kematian bayi berdasarkan data pelaporan Dinas Kesehatan Jawa Barat didapatkan bahwa 5 kabupaten/kota yang tergolong ke dalam kategori rendah, 7 kabupaten/kota tergolong ke dalam kategori sedang, 7 kabupaten/kota tergolong ke dalam kategori tinggi, dan 8 kabupaten/kota tergolong ke dalam kategori sangat tinggi.
  • Item
    Analisis Asosiasi dari Tabel Kontingensi dengan Tambahan Variabel Kontinu menggunakan Hybrid Singly Ordered Correspondence Analysis dengan Nilai Korelasi
    (2022-04-08) FAJRIATUS SHOLIHAH; Irlandia Ginanjar; Yuyun Hidayat
    Data dengan tipe kualitatif sering diubah dalam bentuk tabel kontingensi saat ingin menganalisis objek yang merupakan subpopulasi. Kategori baris dan kolom dari tabel kontingensi secara berurutan dijadikan sebagai objek dan variabel. Selain itu, dari objek seringkali diperoleh data tambahan berupa variabel kontinu. Penelitian ini dilakukan untuk menerapkan metode hybrid Singly Ordered Correspondence Analysis (SOCA) dengan nilai korelasi untuk mengidentifikasi asosiasi antar objek, antar variabel, dan antara objek dengan variabel, dimana variabelnya bersifat campuran antara variabel diskrit yang terbentuk dari tabel kontingensi dengan variabel kategori kolomnya berskala ordinal dengan variabel kontinu. Metode SOCA digunakan untuk mendapatkan koordinat utama variabel diskrit, sedangkan korelasi digunakan untuk mendapatkan koordinat vektor variabel kontinu. Adapun untuk mengidentifikasi kontribusi suatu kategori pada struktur asosiasi antara dua variabel kategori dilakukan perhitungan confidence region dan p-value. Metode tersebut diaplikasikan pada data indikator indeks kebahagiaan dengan kelompok umur berdasarkan jumlah penduduk. Hasil penelitian berdasarkan data studi kasus menunjukkan bahwa semua kategori yang berskala nominal dan ordinal memberikan kontribusi yang signifikan terhadap asosiasi antar variabel kategori. Terdapat 11 provinsi berasosiasi dengan kategori umur 17 – 26 tahun, 17 provinsi berasosiasi dengan kategori umur 27 – 41 tahun, dan 6 provinsi lainnya berasosiasi dengan kategori umur > 62 tahun. Adapun pada variabel ketersediaan waktu luang (X7), perasaan cemas (X12), dan perasaan tidak tertekan (X13) memiliki korelasi yang signifikan dengan koordinat utama pertama, sedangkan variabel keadaan lingkungan (X9) dan kondisi keamanan (X10) memiliki korelasi yang signifikan dengan koordinat utama kedua. Dengan demikian, semua kategori provinsi, kelompok umur, serta variabel X7, X9, X10, X12, dan X13 tersebut layak untuk diperhatikan sebagai dasar pengambilan kebijakan.
  • Item
    Deteksi Penyakit COVID-19 Berdasarkan Citra X-Ray Dada Menggunakan Convolutional Neural Network dengan Transfer Learning Method
    (2022-05-21) DHITA DIANA DEWI; Jadi Suprijadi; Anindya Apriliyanti Pravitasari
    Penyakit COVID-19 adalah penyakit menular akut yang disebabkan oleh virus corona jenis baru. Penyakit ini menyerang sistem pernapasan secara akut dengan gejala seperti demam, kelelahan, batuk kering dan sesak napas. Gejala lainnya dapat berupa nyeri otot, produksi dahak, diare, dan sakit tenggorokan. Salah satu metode untuk mendeteksi COVID-19 adalah dengan menganalisis citra X-ray dada. Kelebihan dari penggunaan analisis citra X-ray dada adalah dapat menggambarkan paru-paru sepenuhnya serta lebih menghemat waktu dan biaya. Kelemahan dari analisis yang dilakukan oleh ahli radiologi adalah COVID-19 memiliki beberapa ciri-ciri yang mirip dengan pneumonia, sehingga menyulitkan ahli radiologi dalam membedakan COVID-19 dan pneumonia. AI yang menggunakan metode deep learning memainkan peran penting dalam bidang citra medis karena kemampuan fitur ekstraksinya yang sangat baik. Kelebihan dari deep learning adalah dapat menganalisis data yang banyak dengan lebih akurat dan cepat, sehingga dapat mengurangi kesalahan dalam mendeteksi. Dengan teknik klasifikasi citra menggunakan input citra X-ray dada dapat diperoleh prediksi penyakit COVID-19 yang diderita pasien. Metode klasifikasi yang digunakan adalah Convolutional Neural Network (CNN) dengan arsitektur AlexNet, GoogLeNet, ResNet-50, dan VGG-16. ResNet-50 menunjukkan performa paling tinggi untuk metric akurasi yaitu 92% sedangkan AlexNet, GoogLeNet, dan VGG-16 masing-masing memiliki akurasi 80%, 90% dan 88%. Untuk 3 metric yang lain yaitu sensitivitas, spesifisitas dan KAI, ResNet-50 juga memiliki nilai paling tinggi, disusul oleh GoogLeNet, VGG-16 dan AlexNet. Dengan demikian,urutan performa arsitektur tersebut adalah ResNet-50, GoogLeNet, VGG-16, dan AlexNet.
  • Item
    Pemodelan Angka Kejahatan di Provinsi Jawa Timur Menggunakan Generalized Geoadditive Spline Model
    (2021-03-08) ILHAM FAISHAL MAHDY; Bertho Tantular; Yudhie Andriyana
    Angka kejahatan merupakan nilai yang dapat digunakan sebagai indikator untuk mengukur kejahatan di suatu wilayah. Semakin tinggi angka kejahatan di suatu wilayah, maka dapat dikatakan bahwa tindak kejahatan lebih rentan terjadi di wilayah tersebut. Kejahatan merupakan bagian dari kehidupan masyarakat yang terjadi karena banyaknya ketidakseimbangan perilaku yang cenderung menyimpang dari norma dan terjadi di dalam masyarakat. Penelitian ini bertujuan untuk memodelkan angka kejahatan terhadap beberapa variabel yang diindikasikan memiliki pengaruh. Berdasarkan identifikasi pada data, dapat dinyatakan bahwa hubungan antara variabel prediktor terhadap angka kejahatan tidak dapat diidentifikasi dengan jelas sehingga diperlukan pendekatan nonparametrik pada model. Dengan unit observasi yang berupa wilayah kabupaten/kota di Provinsi Jawa Timur, unsur spasial harus dilibatkan pada model. Dengan kondisi tersebut maka diusulkan suatu bentuk model yang dapat mengakomodir adanya hubungan nonparametrik serta melibatkan unsur spasial yang dinamakan dengan Generalized Geoadditive Model (GGAM). Hasil penelitian dengan menggunakan estimator spline menunjukkan bahwa model yang terbentuk mampu menghasilkan estimator yang baik. Dengan nilai RMSE yang lebih kecil, GGAM dapat dikatakan lebih baik untuk digunakan pada model angka kejahatan dibandingkan dengan model Generalized Additive Model (GAM).
  • Item
    PEMBENTUKAN PORTOFOLIO OPTIMAL SAHAM LQ45 DENGAN MENGGUNAKAN METODE MARKOWITZ
    (2023-08-10) ABDURRAHMAN AL GHIFARI; Triyani Hendrawati; Toni Toharudin
    Portofolio adalah suatu kumpulan aktiva keuangan dalam suatu unit yang dipegang atau dibuat oleh seorang investor, perusahaan investasi, atau instansi keuangan. Tujuan dasar dari pembentukan portofolio adalah untuk mengurangi risiko dengan cara mengalokasikan dana pada pilihan investasi. Dalam penelitian ini dilakukan pembentukan portofolio investasi model mean variance berdasarkan pengelompokan K-Means, sehingga penelitian ini dapat membantu para investor terutama untuk mengambil keputusan dan merespon risiko pada saham yang tergabung pada saham LQ45. Data dalam penelitian ini menggunakan data sekunder dari investing.com. Sebanyak 508 return saham harian dari 45 saham yang tergabung pada saham LQ45 yang dimulai dari tanggal 2 Januari 2020 sampai 27 Januari 2022. Data dianalisis menggunakan software R Studio dan MS.Excel. Hasil penelitian menunjukan berdasarkan pengolahan data, pengelompokan saham dengan metode K-Means, dari saham yang tergabung dalam saham LQ45, terbentuk 4 kelompok saham berdasarkan nilai expected return dan mean variance dari masing-masing saham dengan nilai silhouette coefficient 0,4. Dari 45 saham yang tergabung pada LQ45, terdapat 27 saham yang memiliki nilai expected return positif. Maka dari itu untuk kelompok satu (1) terdapat tujuh (7) anggota saham yaitu SCMA, INKP, BTPS, CTRA, INCO, JPFA dan TKIM untuk kelompok dua (2) terdapat sebelas (11) anggota saham yaitu PTBA, AKRA, EXCL, BMRI, CPIN, UNTR, BBCA, KLBF, TLKM, TOWR, dan BBRI, untuk kelompok tiga (3) terdapat tiga (3) anggota yaitu ACE, BBNI, dan MIKA untuk kelompok empat (4) terdapat enam (6) anggota yaitu MDKA, ANTM, ERAA, ADRO, ITMG, dan TBIG. Kemudian, hasil pengelompokan saham tersebut dari setiap kelompok sahamnya dipilih expected return positif tertinggi untuk membentuk portofolio investasi metode Markowitz yang selanjutnya akan dapat ditentukan besaran bobot saham yang harus di investasikan pada setiap saham yang terpilih. Untuk hasilnya yaitu diperoleh saham saham INCO bobotnya 0.263495498, saham PTBA bobotnya 0.244815553, saham BBNI bobotnya 0.133980036 dan saham MDKA bobotnya 0.357708913. Sementara untuk hasil dari expected return portofolio didapatkan yaitu 0.001615503 dan standar deviasi untuk melihat risiko portofolionya didapat sebesar 0.018607039.Karena apabila ketika menggunakan pembobotan pada 4 saham yang bernilai masing – masing 0,25, maka hasil kemungkinan risiko yang didapat dari standar deviasi yaitu sebesar 0,022338 dan tingkat keuntungannya yaitu sebesar 0,001325. Maka dari itu, ketika investor menggunakan rekomendasi yang dihitung dengan menggunakan pembentukan portofolio metode Markowitz, akan lebih berpeluang lebih besar mendapatkan keuntungan dengan kemungkinan risiko yang paling minimal didapatkan. Hasil dari penelitian ini dapat dijadikan rekomendasi para investor dalam pembentukan portofolio dengan pemilihan saham menggunakan algoritma pengelompokan sehingga dapat menghasilkan portofolio yang meminimumkan risiko dan memaksimalkan keuntungan.