cover
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota adm. jakarta timur,
Dki jakarta
INDONESIA
Jurnal Aplikasi Statistika & Komputasi Statistik
ISSN : 20864132     EISSN : 26151367     DOI : -
Core Subject : Science, Education,
Redaksi menerima karya ilmiah atau artikel penelitian mengenai kajian teori statistika dan komputasi statistik pada bidang ekonomi dan sosial dan kependudukan, serta teknologi informasi. Redaksi berhak menyunting tulisan tanpa mengubah makna subtansi tulisan. Isi jurnal Aplikasi Statistika dan Komputasi Statistik dapat dikutip dengan menyebutkan sumbernya.
Arjuna Subject : -
Articles 54 Documents
Kinerja Modsecurity Technical Report (Studi Kasus: Pencegahan terhadap Serangan SQL Injection) Ridho, Farid
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 7 No 1 (2015): Journal of Statistical Application and Computational Statistics
Publisher : Pusat Penelitian dan Pengabdian Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (517.306 KB) | DOI: 10.34123/jurnalasks.v7i1.117

Abstract

Several Measures are impelemented in web application security lifecycle such as Secure Development, Secure Deployment and Secure Operation. In secure operation section, a web application that has been through the stages of development and testing will soon enter production phase. At this stage it will be applied to Web Application Firewall (WAF) that meant to protect application from a malicious request.The purpose of this research is to explore ModSecurity WAF implementation. WAF ModSecurity is a free, open source application that can be used to make the filter to requests which occur on a web application including a request containing SQL Injection commands. Another aim is to see whether the ModSecurity installation on a web server affect the performance of the web server.From the test results concluded that ModSecurity can filter SQL injection and installation of ModSecurity does not significantly affect the performance of the web server.
Klasifikasi Emas Indonesia Sebagai Hedge dan Sage Haven Asset dalam Pasar Sahan Domestik, Pasar Saham Luar Negeri, dan Pasar Dolar AS Tahun 2008-2015 Syafitri, Marini; Yuniasih, Aisyah Fitri
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 8 No 2 (2016): Journal of Statistical Application and Computational Statistics
Publisher : Pusat Penelitian dan Pengabdian Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (810.763 KB) | DOI: 10.34123/jurnalasks.v8i2.52

Abstract

Gold is supposed to be one of the promising investment instruments because it has good characteristics as a means for investment diversification (O'Byrne and O'Brien (2013)). However, during post-global crisis, especially in 2009,  Indonesian gold investment was lower than before. This study aims to identify  the classification of Indonesian gold in terms of its strength and its role in the domestic and foreign stock market as well as the US Dollar market, in both normal condition and bullish and bearish conditions in 2008-2015. This study uses the ARDL model in its analysis of hedge and safe haven of Indonesian gold. It indicates that the Indonesian gold, in general, act as a weak hedge asset in the international stock market, a strong hedge asset in the US Dollar market, a strong safe haven asset in the domestic and international stock market and a weak safe haven in the US Dollar market.
Penerapan Model Inferensi Bayesian dengan Variational Bayesian Principal Component Analysis (VBPCA) dalam mengatasi Missing Data Analisis Komponen Utama Yordani, Ricky
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 8 No 1 (2016): Journal of Statistical Application & Statistical Computing
Publisher : Pusat Penelitian dan Pengabdian Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1402.385 KB) | DOI: 10.34123/jurnalasks.v8i1.12

Abstract

Dalam Analisis komponen utama (AKU) yang standar muncul salah satu masalah yaitu AKU tidak jelas dalam mengatasi adanya gugusan data yang tidak lengkap. Prosedur standarnya pada masalah tersebut adalah dengan menghilangkan observasinya (prosedur listwise deletion) atau mengisinya dengan rata-rata variabel, hal ini dapat mengakibatkan hilangnya informasi dari observasi tersebut. Metode lain yang digunakan adalah dengan mengintegrasikan Expectation Maximization (EM) ke dalam metode Probabilistic Principal Component Analysis (PPCA). Tetapi metode PPCA dapat pula menghasilkan prediksi respon yang overfitting. Dalam penelitian ini dibahas tentang Variational Bayesian Principal Component Analysis (VBPCA) sebagai metode pengembangan dari metode PPCA dengan memasukkan informasi prior dari distribusi parameter model komponen utama. Dari studi simulasi dengan konsep missing at random (MAR), ukuran kecocokan antara nilai respon dengan prediksinya dengan melalui ukuran NRMSEP menghasilkan metode VBPCA lebih baik dibandingkan PPCA.
Konsumsi Rokok Masyarakat Kota Bandung Tahun 2015 dengan Model Hurdle Negatif Binomial (Hurdle-Nb) Wulandari, Wulandari; Tedra, Wida Tira; Rizki, Irtania Muthia; Prariesa, Dina
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 9 No 2 (2017): Journal of Statistical Application and Computational Statistics
Publisher : Pusat Penelitian dan Pengabdian Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (443.083 KB) | DOI: 10.34123/jurnalasks.v9i2.142

Abstract

Perilaku merokok memiliki resiko yang cukup tinggi terhadap kesehatan. Banyak dampak negatif yang ditimbulkan, baik untuk perokok aktif maupun perokok pasif. Selain itu, merokok juga berdampak terhadap ekonomi pelaku, selain pengeluaran untuk konsumsi rokok, juga biaya berobat akibat penyakit yang ditimbulkan oleh rokok. Di Kota Bandung, pengeluaran untuk rokok menempati urutan kedua setelah komoditi makanan jadi. Jumlah batang rokok yang dihisap setiap hari dipengaruhi oleh variabel demografi, variabel lingkungan sosial, variabel politik, serta variabel budaya. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang mempengaruhi jumlah rokok yang dihisap tiap hari masyarakat Kota Bandung. Variabel jenis kelamin, umur, status bekerja, dan pendidikan, akan dimodelkan dengan regresi Hurdle-NB. Hasil penelitian menunjukkan pada model Log, variabel umur, status bekerja, dan pendidikan berpengaruh terhadap rata-rata konsumsi rokok. Sedangkan pada model Logit, variabel jenis kelamin, umur, status bekerja, dan pendidikan berpengaruh terhadap kecenderungan seseorang untuk merokok atau tidak.
Generalized Multilevel Linear Model dengan Pendekatan Bayesian untuk Pemodelan Data Pengeluaran Perkapita Rumah Tangga Ubaidillah, Azka; Kurnia, Anang; Sadik, Kusman
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 9 No 1 (2017): Journal of Statistical Application and Computational Statistics
Publisher : Pusat Penelitian dan Pengabdian Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (704.924 KB) | DOI: 10.34123/jurnalasks.v9i1.91

Abstract

Data pengeluaran perkapita rumahtangga merupakan salah satu informasi penting sebagai pendekatan untuk mengukur tingkat kemakmuran dan kesejahteraan di suatu daerah. Data tersebut sangat diperlukan oleh pemerintah baik di pusat maupun daerah dalam merumuskan, melaksanakan dan mengevaluasi pelaksanaan pembangunan. Penelitian ini akan menganalisis model yang tepat untuk pemodelan data pengeluaran perkapita rumahtangga yang memperhitungkan kekhususan data BPS yang memiliki struktur hirarki dan pola distribusi data yang memiliki karakteristik skewed kanan. Pemodelan dilakukan dengan menggunakan distribusi Log-normal tiga parameter (LN3P) dan Log-logistik tiga parameter (LL3P) dengan struktur satu tingkat (unilevel) dan dua tingkat (multilevel). Proses pendugaan parameter dilakukan dengan metode Markov Chain Monte Carlo (MCMC) dan algoritma Gibbs Sampling. Hasil penelitian menunjukkan bahwa pada model unilevel, model LL3P lebih baik dari model LN3P. Sedangkan pada model multilevel, model LN3P lebih baik dari model LL3P. Hasil penelitian juga menunjukkan model terbaik untuk pemodelan data pengeluaran perkapita rumahtangga adalah model multilevel LN3P dengan intercept sebagai komponen berhirarki dengan nilai Deviance Information Criterion (DIC) terkecil.
Developing Panel Data and Time Series Application (DELTA) : Smoothing Module mariyah, siti; Deli, Nensi Fitria
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 8 No 2 (2016): Journal of Statistical Application and Computational Statistics
Publisher : Pusat Penelitian dan Pengabdian Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1342.157 KB) | DOI: 10.34123/jurnalasks.v8i2.51

Abstract

Smoothing is commonly used methods to predict time series data. There are many applications that help in the processing of time series data that provide smoothing function such as EViews, Minitab, Zaitun TS, and R. However, these applications have some shortcomings such as the difficulty in comparing several methods. In this study, we build an open source application that provides more complete smoothing method and a facility for comparing several methods, namely smoothing module in DELTA application. Based on the tests, it can be proved that this application is suitable for users and the displayed output is consistent with the theory.
Analisis Multivariate Adaptive Regression Splines (MARS) pada Prediksi Ketertinggalan Kabupaten Tahun 2014 Oktora, Siskarossa Ika
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 7 No 2 (2015): Journal of Statistical Aplication and Statistical Computing
Publisher : Pusat Penelitian dan Pengabdian Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (670.814 KB) | DOI: 10.34123/jurnalasks.v7i2.26

Abstract

Penelitian ini bertujuan untuk membentuk model kabupaten tertinggal dan melakukan prediksi ketertinggalan kabupaten pada tahun 2014 berdasarkan kriteria perekonomian masyarakat, SDM, infrastruktur, kemampuan keuangan daerah, aksesbilitas, dan karakteristik daerah dengan metode MARS. MARS adalah salah satu metode pengklasifikasian yang mampu menangani data berdimensi tinggi dengan pola data yang tidak diketahui sebelumnya, serta dapat diterapkan untuk melihat interaksi diantara variabel yang digunakan. MARS digunakan untuk mengatasi beberapa kelemahan dari metode yang selama ini digunakan serta sebagai metode alternatif ketika data yang digunakan tidak memenuhi asumsi yang dibutuhkan pada statistika parametrik. Dari model MARS yang dibangun, terdapat tiga variabel utama yang berpengaruh terhadap ketertinggalan kabupaten diantaranya adalah pengeluaran konsumsi per kapita, angka harapan hidup, dan persentase rumah tangga pengguna listrik. Akurasi dari model MARS yang terbentuk sangat tinggi, yakni mencapai 97,83 persen dan dapat dipergunakan untuk melakukan prediksi ketertinggalan kabupaten. Berdasarkan model MARS, maka di akhir periode RPJM Nasional 2010-2014 diprediksikan terjadi transisi yang signifikan dari kabupaten dengan kondisi tertinggal menjadi tidak tertinggal serta terdapat beberapa kabupaten yang diindikasikan salah klasifikasi (yang sebelumnya dinyatakan tidak tertinggal namun seharusnya terkategorikan sebagai kabupaten tertinggal). Model ini juga dapat digunakan untuk memprediksi kondisi ketertinggalan daerah otonom baru berdasarkan data empiris yang ada, karena sebelumnya pengklasifikasian DOB hanya mengikuti status ketertinggalan daerah induknya saja.
Performansi Piecewise Polynomial Smooth Support Vector Machine untuk Klasifikasi Desa Tertinggal di Provinsi Kalimantan Timur Tahun 2011 Wulandari, Ita
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 7 No 1 (2015): Journal of Statistical Application and Computational Statistics
Publisher : Pusat Penelitian dan Pengabdian Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (282.415 KB) | DOI: 10.34123/jurnalasks.v7i1.120

Abstract

One of most popular techniques of binary data classification in machine learning is Support Vector Machine (SVM). SVM can be applied extensively in many fields, such as pattern recognition, regression analysis, and probability estimation. SVM uses optimization with quadratic programming which become unefficient when applied in a high dimensional large dataset. Hence, researchers develop a method by changing SVM formulation with a smoothing technique that called Smooth-SVM (SSVM) which converts quadratic into linear programming. The research then continued by modifying that smooth function into polynomial smooth function forms, such as quadratic polynomial function, fourth polynomial function, piecewise polynomial function and spline function. Compared to the other polynomial smooth functions, piecewise polynomial smooth function has a better performance in plus function. When piecewise polynomial smooth function is applied in SSVM model, it will produce piecewise polynomial smooth support vector machine (PPSSVM). PPSSVM has many advantages compared to other SSVM models and its developments such as better efficiency, precision and higher accuracy in generalization. Two PPSSVM model based on piecewise polynomial function are used in this research which found by Luo (PPSSVM1) and Wu and Wang (PPSSVM2). The performance and the convergence of both models then will be examined theoretically, in order to determine the best model for classification of underdeveloped rural in East Kalimantan.PODES data in 2011 will be used in this research. Teoritical analysis showed that PPSSVM2 has a better performance and konvergence than PPSSVM1. Based on the result of this study, PPSSVM2 is not batter than PPSSVM1. It can be seen from the accuracy and AUC values that are not significantly different.
Named Entity Recognition on A Collection of Research Titles Mariyah, Siti
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 9 No 1 (2017): Journal of Statistical Application and Computational Statistics
Publisher : Pusat Penelitian dan Pengabdian Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (662.326 KB) | DOI: 10.34123/jurnalasks.v9i1.95

Abstract

  Judul dapat membantu pembaca untuk mendapatkan sudut pandang universal dari artikel tersebut sebagai pemahaman awal sebelum membaca konten secara keseluruhan. Pada penelitian teknis, judul memuat informasi penting. Dalam penelitian ini, kami mengembangkan teknik ekstraksi informasi untuk mengenali dan mengekstrak masalah, metode, dan domain penelitian yang terdapat dalam judul. Kami menerapkan pendekatan supervised learning pada 671 judul penelitian dalam bidang ilmu komputer dari beragam jurnal online dan prosiding seminar internasional. Kami melakukan beberapa percobaan dengan skema yang berbeda untuk mempelajari pengaruh fitur dan kinerja algoritma. Kami menguji fitur kontekstual, fitur sintaksis, dan fitur bag of words menggunakan Naïve Bayes dan Maximum Entropy. Classifier Naïve Bayes yang belajar dari kelompok set fitur pertama berhasil memprediksi kategori masing-masing token dalam dataset judul. Keakuratan dan nilai f1-score untuk setiap kelas lebih dari 0,80 karena kelompok pertama set fitur mempertimbangkan lokasi token dalam sebuah kalimat, memperhatikan token sekitar dan tag POS dari beberapa token sebelum dan sesudah. Sementara classifier Naïve Bayes yang dipelajari dari kelompok kedua dari rangkaian fitur lebih tepat mengklasifikasikan token frase daripada token kata.
Pelacakan Gangguan Kereta Komuter Melalui Twitter Crawling Hulliyyatus Suadaa, Lya
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 8 No 1 (2016): Journal of Statistical Application & Statistical Computing
Publisher : Pusat Penelitian dan Pengabdian Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1412.662 KB) | DOI: 10.34123/jurnalasks.v8i1.14

Abstract

Pada masa sekarang ini,Twitter merupakan media sosial yang sangat popular, terutama di Indonesia. Tweet dapat digunakan sebagai sumber data untuk menggali informasi. PT KAI (Kereta Api Indonesia) Commuter Jabodetabek (Jakarta, Bogor, Depok, Tangerang, Bekasi) (PT KCJ) memiliki akun Twitter, @CommuterLine, untuk menyebarkan informasi terkait dengan kereta komuter. Salah satu informasi penting yang dipublikasikan secara regular pada akun @CommuterLine adalah informasi mengenai gangguan kereta komuter. PT KCJ menggunakan format tweet khusus dan hashtag tertentu untuk menginformasikan gangguan kereta. Informasi gangguan yang dipublikasikan yaitu waktu terjadinya gangguan, nama stasiun, nomor kereta, dan jalur kereta. Hashtag #InfoLintas dan #InfoLanjut digunakan untuk mempermudah pencarian tweet. Proses ekstraksi informasi diadopsi untuk mengekstrak informasi gangguan kereta secara otomatis dari akun Twitter @CommuterLine. Analisis statistik mengenai gangguan kereta komuter divisualisasikan dalam tabel dan grafik. Suatu prototipe sistem dalam bentuk aplikasi mobile dikembangkan untuk melacak gangguan kereta komuter berdasarkan hasil ekstraksi informasi.