Pemodelan Persentase Penduduk Miskin Kabupaten/Kota di Provinsi Jawa Barat dengan Pendekatan Regresi Nonparametrik Spline Truncated

Estimator Spline Truncated adalah salah satu pendekatan dalam regresi nonparametrik yang dapat digunakan ketika pola hubungan antara variabel respon dan variabel prediktor tidak diketahui dengan pasti polanya. Estimator Spline Truncated memiliki fleksibilitas yang tinggi dalam proses pemodelan. Pada penelitian ini bertujuan untuk memodelkan persentase penduduk miskin Kabupaten/Kota di Provinsi Jawa Barat dengan menggunakan model regresi nonparametrik estimator Spline Truncated. Metode estimasi yang digunakan adalah Ordinary Least Squares (OLS). Kriteria kebaikan model regresi nonparametrik yang digunakan adalah Generalized Cross-Validation (GCV). Berdasarkan hasil analisis, diperoleh model terbaik dari regresi nonparametrik Spline Truncated, yaitu model dengan 3 titik knot, dimana diperoleh nilai GCV minimum sebesar 2.14. Berdasarkan hasil pengujian hipotesis, baik secara simultan maupun parsial, diketahui bahwa variabel prediktor yang digunakan pada penelitian ini, berpengaruh signifikan terhadap persentase penduduk miskin, dengan nilai koefisien determinasi sebesar 95.33%.

Analisis Sentimen Netizen Twitter terhadap Pemberitaan PPN Sembako dan Jasa Pendidikan dengan Pendekatan Social Network Analysis dan Naive Bayes Classifier

Pandemi covid-19 yang terjadi memberikan dampak di berbagai bidang kehidupan. Salah satu dampaknya penerimaan negara semakin tertekan hebat. Padahal di sisi lain negara dalam proses pemulihan ekonomi nasional (PEN) yang membutuhkan dana sangat besar. Sehingga pemerintah ingin menggenjot pendapatan negara dari pajak pertambahan nilai (PPN). Jika pemungutan PPN dapat dilakukan dengan seoptimal mungkin, maka akan meningkatkan penerimaan negara. Rencana tersebut mengakibatkan maraknya pemberitaan mengenai pengenaan PPN sembako dan jasa pendidikan di Indonesia. Pemberitaan tersebut secara otomatis memicu opini di masyarakat. Salah satu cara untuk melihat opini masyarakat adalah melalui media sosial Twitter. Penelitian ini bertujuan untuk mengkaji lebih dalam tentang network dan sentimen netizen Twitter tentang PPN Sembako dan jasa pendidikan. Hasil Social Network Analisis (SNA) menghasilkan 5 klaster dengan record ke-90 merupakan bottleneck node yaitu aktor utama penyebaran informasi antar klaster. Model Naive Bayes Classifier memberikan hasil Recall Accuracy bahwa untuk Accuracy Classified sebesar 74.865 persen sementara persentase untuk Incorrectly Classified Instance sebesar 25.135 persen. Hasil klasifikasi berdasarkan emosi terbentuk 5 ekspresi fear, sadness, surprise, joy, dan anger dan emosi kata yang paling banyak adalah emosi anger (amarah), artinya mayoritas respon masyarakat terhadap kebijakan pengenaan PPN sembako dan jasa pendidikan diidentifikasikan oleh R Studio sebagai wujud keamarahan.

Analisis Pengaruh Kepadatan Penduduk Dan Jumlah Lansia Terhadap Kasus Kematian Akibat Covid-19 di Provinsi DKI Jakarta Menggunakan Multiple Classification Analysis (MCA)

Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) adalah virus yang menyebabkan penyakit Covid-19. Di Indonesia, jumlah kasus terkonfirmasi positif Covid-19 sudah lebih dari 1,7 juta orang dengan jumlah kasus kematian mencapai 49 ribu orang. DKI Jakarta merupakan salah satu provinsi dengan kasus kematian akibat Covid-19 tertinggi di Indonesia. Tujuan dari penelitian ini adalah untuk menganalisis pengaruh kepadatan penduduk dan jumlah penduduk lansia terhadap jumlah kasus kematian akibat Covid -19 di DKI Jakarta. Metode analisis yang digunakan adalah Multiple Classification Analysis (MCA) dengan unit observasi sebanyak 267 kelurahan yang berada di Provinsi DKI Jakarta. Hasil penelitian ini menunjukkan bahwa kepadatan penduduk dan jumlah penduduk lansia berpengaruh secara signifikan terhadap jumlah kasus kematian akibat Covid-19 di Provinsi DKI Jakarta. Semakin tinggi kepadatan penduduk maka jumlah kematian akibat Covid-19 cenderung meningkat. Begitu juga dengan jumlah penduduk lansia, semakin tinggi jumlah penduduk lansia, maka jumlah kasus kematian akibat Covid-19 juga cenderung meningkat.

Peramalan Data Ekspor Nonmigas Provinsi Kalimantan Timur Menggunakan Metode Weighted Fuzzy Time Series Lee

Ekspor merupakan aktivitas perdagangan atau penjualan barang dari dalam negeri ke luar negeri. Ekspor nonmigas sebagai salah satu komponen pembentuk Produk Domestik Regional Bruto (PDRB) sehingga perlu adanya suatu peramalan nilai di masa mendatang. Fuzzy Time Series (FTS) merupakan metode peramalan dengan berdasarkan teori himpunan fuzzy, logika fuzzy, serta hasil peramalan yang dapat dibahasakan (linguistik). Metode Weighted Fuzzy Time Series (WFTS) Lee merupakan perluasan dari metode FTS dengan penambahan pembobotan pada tiap pola relasi yang terbentuk. Tujuan penelitian ini adalah memperoleh nilai peramalan ekspor nonmigas Provinsi Kalimantan Timur pada bulan November 2020 serta memperoleh nilai akurasi peramalan berdasarkan metode Mean Absolute Percentage Error (MAPE) dan Root Mean Square Error (RMSE). Berdasarkan hasil analisis diperoleh nilai akurasi peramalan untuk data Ekspor Nonmigas Provinsi Kalimantan Timur bulan Januari 2019 – Oktober 2020 dengan konstanta pembobot menggunakan metode MAPE diperoleh hasil keseluruhan dibawah 10% sehingga diperoleh konstanta pembobot terbaik yaitu dengan nilai MAPE terminimum yaitu sebesar 3,62% dan RMSE minimum sebesar 50,67. Dari hasil tersebut, diperoleh hasil peramalan untuk bulan November 2020 dengan menggunakan kontanta pembobot terbaik yaitu sebesar 850,96 juta USD.

Pemodelan Regresi Spatial Autoregressive Fixed Effect Model Data Panel Pada Tingkat Kemiskinan Di Provinsi Jawa Barat

Kemiskinan merupakan salah satu permasalahan global yang terjadi di semua negara berkembang termasuk negara Indonesia. Pengentasan kemiskinanan menjadi prioritas utama dalam tujuan pembangunan berkelanjutan atau Sustainable Development Goals (SDGs), dimana pengentasan kemiskinan menjadi tujuan pertama yang ingin dicapai. Kemiskinana juga menjadi salahsatu permasalahan yang menjadi isu salahsatu isu strategis RPJMD tahun 2018-2023 yang menjadi pusat perhatian pemerintah khususnya di Provinsi Jawa Barat yang merupakan provinsi dengan jumlah penduduk terbanyak di Indonesia. Pada penelitian ini akan dilakukan analisis faktor-faktor yang mempengaruhi kemiskinan di Provinsi Jawa Barat. Data kemiskinan tiap-tiap kabupaten/kota memiliki tingkat yang berbeda -beda, sehingga terdapat kemungkinan adanya efek spasial dalam data. Maka pemodelan harus mengakomodasi aspek spasial kemudian terbatasnya variabel yang dilibatkan karena keterbatasan data tentunya menimbulkan oomited variabel atau varaiebel yang relevan namun tidak ada dalam model maka digunakan pendekatan fixed effect model dalam mengatasi masalah tersebut. Sehingga pemodelan yang digunakan adalah Spatial Autoregressive Fixed Effact model ( SAR-FEM). Hasil penelitian ini didapatkan bahwa Variabel Tingkat pengangguran terbuka, Indkes pembangunan Manusia dan persentase penduduk berpengaruh signifikan terhadap Tingginya tingkat kemiskina di Provinsi Jawa Barat. Model spatial lag fixed effect yang terbentuk dapat menjelaskan besarnya keragaman dari Tingkat Kemiskinan yang dapat dijelaskan oleh variabel prediktor sebesar 98.88% sedangkan 1.116% sisanya dijelaskan oleh variabel lain yang tidak dimasukkan kedalam model.

Membandingkan Seleksi variabel Pada Data Microarray Menggunakan Important Variable Value dan Genetic Algorithm (Studi Kasus Lung Cancer Dataset dan Prostate Cancer Dataset)

Teknologi DNA microarray menarik minat yang luar biasa baik di kalangan komunitas ilmiah maupun kalangan industri. Meskipun data microarray telah diterapkan dalam berbagai bidang, penanganan volume data besar yang dihasilkan bukanlah perkara yang mudah. Ukuran sampel kecil dengan dimensi tinggi adalah tantangan utama analisis menggunakan data microarray. Oleh karena itu perlu dilakukan analisis lebih lanjut untuk mengatasi hal ini. Banyak penelitian yang telah dirancang berkaitan dengan data microarray misalnya untuk menyelidiki mekanisme genetik kanker, dan untuk mengklasifikasikan berbagai jenis kanker atau membedakan antara jaringan kanker dan non-kanker. Semua penelitian ini bertujuan untuk menghasilkan kesimpulan dan interpretasi yang bermanfaat dari kumpulan data yang kompleks. Dalam penelitian ini, data yang digunakan adalah data kanker paru-paru sebanyak 24257 Variabel dan data kanker prostat sebanyak 12626 Variabel. Data tersebut kemudian akan dianalisis dengan beberapa metode feature selection yaitu important variable value dan genetic algorithm untuk memilih dimensi atau variabel data sehingga dapat meningkatkan akurasi klasifikasi data. Berdasarkan hasil analisis feature selection menggunakan data kanker paru-paru, didapatkan jumlah variabel terpilih sebanyak 112 variabel dengan metode feature selection important. Sedangkan metode genetic algorithm didapatkan jumlah variabel terpilihnya sebanyak 12266 variabel. Pada data kanker prostat, didapatkan jumlah variabel terpilih sebanyak 299 variabel dengan metode feature selection important. Sedangkan metode genetic algorithm didapatkan jumlah variabel terpilihnya sebanyak 6359 variabel.

Peramalan Indeks Harga Saham PT Verena Multi Finance Tbk Dengan Metode Pemodelan ARIMA Dan ARCH-GARCH

Indeks harga saham merupakan indikator penting dalam mencerminkan keseluruhan pergerakan harga saham dalam suatu periode. Indeks ini tentunya memiliki fungsi sebagai indikator trend pasar, yang menggambarkan kondisi pasar pada saat tertentu. Indeks saham merupakan hal yang sangat penting sebagai tolak ukur kinerja pasar modal dan produk investasi. Oleh karena itu, penelitian ini akan memfokuskan peramalan pada indeks harga saham PT Verena Multi Finance Tbk yang merupakan perusahaan yang bergerak di bidang pembiayaan konsumen. Masih kurangnya keakuratan metode peramalan yang digunakan sebelumnya menjadi latar belakang dari penelitian ini untuk mendapatkan prediksi indeks harga saham PT Verena Multi Finance Tbk periode bulanan dengan metode yang memiliki keakuratan yang lebih tinggi. Data yang digunakan adalah data sekunder yang diperoleh dari yahoofinance.com periode Januari 2009 sampai dengan Desember 2019. Metode yang digunakan pada penelitian ini merupakan model ARIMA, yaitu salah satu metode yang digunakan untuk peramalan data deret waktu. Berdasarkan pengolahan data, diperoleh model terbaik dengan nilai AIC terkecil yaitu ARIMA(0,1,1). Metode yang selanjutnya digunakan yaitu model ARCH-GARCH yang merupakan metode yang digunakan dalam peramalan data yang memiliki masalah heteroskedastisitas tanpa menghilangkan heteroskedastisitas tersebut. Berdasarkan hasil analisis yang diperoleh dengan peramalan ARCH-GARCH, didapatkan nilai indeks harga saham pada bulan Desember 2021 adalah sebesar 102.4 dengan MAPE sebesar 22.9971%. Dengan melakukan penelitian ini, diharapkan dapat ditemukan model terbaik untuk meramalkan indeks harga saham PT Verena Multi Finance Tbk pada waktu-waktu berikutnya agar dapat menjadi tolak ukur kinerja pasar modal dan produk investasi serta rujukan yang dapat dipercaya untuk melihat kondisi bursa saham pada saat ini. Kata kunci : Indeks harga saham, peramalan, ARIMA, ARCH-GARCH.

Regresi Logistik Ordinal untuk Mengetahui Faktor-Faktor yang Mempengaruhi Motivasi Menabung Mahasiswa

Analisis jalur (path analysis) dikembangkan oleh Sewall Wright pada tahun 1934 yang bertujuan untuk menerangkan akibat langsung dan tidak langsung dari seperangkat variabel penyebab (variabel eksogen) terhadap seperangkat variabel akibat (variabel endogen). Analisis jalur dalam penelitian ini digunakan sebagai konseptul untuk memperkuat teoritis, sedangkan metode analisis menggunakan regresi logistik ordinal. Data primer digunakan dalam penelitian ini. Jumlah populasi sebanyak 421 mahasiswa program studi Pendidikan Agama Islam Universitas KH A Wahab Hasbullah. Teknik sampling yang digunakan yaitu simple random sampling, dan dari hasil perhitungan didapatkan 75 sampel yang diambil dari populasi Metode analisis yang digunakan pada penelitian ini menggunakan analisis jalur (path analysis). Tujuan penelitian ini untuk mengetahui hubungan struktural antara variabel eksogen (motivasi orang tua, motivasi dosen, kebutuhan pribadi mahasiswa dan program menabung dikampus) terhadap variabel endogen (pemahaman mahasiswa uang dan menabung dan motivasi menabung). Hasil penelitian menunjukkan bahwa variabel Y2 (minat mahasiswa menabung) mendapat pengaruh langsung maupun tidak langsung dari variabel X1 (orang tua) dan X2 (dosen). Sedangkan variabel X3 (kebutuhan mahasiswa) dan X4 (program menabung kampus) hanya memberikan pengaruh langsung

Pemodelan Seemingly Unrelated Regression (Sur) Pada Faktor Pertumbuhan Perekonomian Di Provinsi Jawa Timur Tahun 2018

Pertumbuhan perekonomian merupakan proses perubahan kondisi perekonomian suatu wilayah secara berkesinambungan menuju keadaan yang lebih baik. Semakin tinggi tingkat pertumbuhan perekonomian, maka semakin cepat pula proses pertambahan output wilayah sehingga prospek perkembangan suatu wilayah semakin baik. Berdasarkan data BPS pada Tahun 2018 pertumbuhan perekonomian di Jawa Timur pada Tahun 2018 tumbuh sebesar 5.51%. Hal itu tidak terlepas dari beberapa faktor ekonomi yang diantaranya didorong oleh Indeks Pembangunan Manusia (IPM) dan laju pertumbuhan Produk Domestik Regional Bruto (PDRB). Kondisi IPM di Jawa Timur tercatat pada Tahun 2018 terus mengalami kemajuan mencapai 70,77 atau tumbuh 0,72% dibandingkan dengan Tahun 2017 yang hanya mencapai 70,27. Namun jika dilihat secara nasional, IPM di Provinsi Jawa Timur masih berada diurutan ke-15 dari 34 Provinsi di Indonesia. Jika dibandingkan dengan beberapa Provinsi di Pulau Jawa, IPM di Provinsi Jawa Timur menjadi yang terendah. Laju pertumbuhan PDRB di Indonesia pada Tahun 2018 mencapai 5,17%, dimana angka tersebut lebih tinggi dibandingkan Tahun 2017 yang hanya mencapai 5,07%. Di tengah kondisi laju pertumbuhan PDRB Indonesia yang meningkat, justru kondisi laju pertumbuhan PDRB di Provinsi Jawa Timur mengalami penurunan dari Tahun 2017 sebesar 5,64% menjadi 5,5 % pada Tahun 2018. Hal ini juga menempatkan Provinsi Jawa Timur pada peringkat terakhir dari jumlah Provinsi yang ada di Pulau Jawa setelah Jawa Tengah. Penelitian ini dilakukan untuk menerapkan metode Seemingly Unrelated Regression (SUR) pada pemodelan IPM dan laju pertumbuhan PDRB sebagai faktor pertumbuhan perekonomian di Jawa Timur. Seemingly Unrelated Regression (SUR) merupakan pengembangan dari model regresi linier yang mampu mengakomodasi adanya korelasi antara error suatu persamaan dengan error persamaan lain. Berdasarkan hasil pemodelan SUR, diketahui bahwa variabel yang berpengaruh pada IPM (Y1) adalah variabel Upah Minimum (X1) dan Jumlah Angkatan Kerja (X4), sedangkan variabel yang berpengaruh pada laju pertumbuhan PDRB (Y2) adalah variabel Upah Minimum (X1). Penggunaan model SUR menghasilkan koefisien determinasi (R2) Mc-Elroy sebesar 46,1%. Kata Kunci: Mc-Elroy, R2, Seemingly Unrelated Regression (SUR).

Metode K-Means dan DBSCAN pada Pengelompokan Data Dasar Kompetensi Laboratorium ITS Tahun 2017

Analisis Kelompok telah digunakan diberbagai bidang ilmu pengetahuan, dengan tujuan mengelompokkan objek/observasi. Hal penting dalam analisis kelompok adalah memperoleh nilai simpangan baku dalam kelompok yang minimum dan nilai simpangan baku antar kelompok yang maksimum, untuk memperoleh kelompok yang optimum didapatkan dengan menggunakan kriteria Elbow dan untuk menentukan validitas kelompok yaitu koefisien Silhouette dan Indeks Dunn. Pada penelitian ini dilakukan pengelompokkan variabel dasar capaian laboratorium ITS dengan menggunakan beberapa analisis kelompok, yaitu Metode K-Means, dan DBSCAN. berdasarkan hasil analisis pengelompokan diperoleh Metode DBSCAN menghasilkan nilai koefisien Silhouette dan Indeks Dunn lebih besar dibandingkan dengan Metode K-Means. Dan Jumlah dari masing-masing Metode membentuk 4 kelompok.