Statistika

Peta Kendali Demerit Untuk Data Autokorelasi (Moving Centerline Demerit dan Moving Range)

Nurmasyita Nasruddin, Erna Tri Herdiani, Nasrah Sirajang — Mon, 25 Nov 2024 00:00:00 +0800

ABSTRAK

Proses industri seringkali menghasilkan data cacat yang bersifat autokorelasi, hal ini meyebabkan asumsi dasar penggunaan peta kendali tidak terpenuhi. Peta kendali demerit direkomendasikan untuk perusahaan yang terdapat berbagai macam tingkat kesalahan. Peta kendali demerit adalah metode pengendalian kualitas yang mengkategorikan jenis cacat ke dalam beberapa kelas berdasarkan tingkat keseriusannya. Peta kendali demerit sangat berguna dalam situasi di mana terdapat berbagai macam tingkat kesalahan, memungkinkan perusahaan untuk mengidentifikasi dan mengatasi cacat berdasarkan tingkat dampaknya terhadap kualitas produk. Penelitian ini bertujuan untuk memperoleh peta kendali Demerit pada data berautokorelasi dan menerapkan peta kendali Residual Demerit dan peta kendali Moving Centerline Demerit sebagai solusi dalam peta kendali Demerit autokorelasi terhadap pengendalian kecacatan produk pada data wadah plastik anti bocor. Metode yang digunakan adalah peta kendali demerit, peta kendali Residual, dan peta kendali Moving Centerline Demerit (MCD). Data yang digunakan merupakan data sekunder. Hasil penenelitian ini memperlihatkan bahwa peta kendali Residual dan peta kendali Moving Centerline Demerit sama unggulnya dalam mengatasi data autokorelasi pada peta kendali Demerit dimana sama-sama terdapat 4 out of control atau 4 titik yang mengindikasikan adanya masalah proses produksi yang tidak dapat diatasi oleh perusahaan.

ABSTRACT

Industrial processes often produce defect data that is autocorrelated, causing the basic assumptions of using control maps to not be met. If there are various levels of errors in the company, then the company is advised to use the Demerit control map. Demerit control map is a quality control method that categorizes defect types into several classes based on their seriousness. Demerit control maps are particularly useful in situations where there is a wide range of error rates, allowing companies to identify and address defects based on their level of impact on product quality. This study aims to derive Demerit control maps on autocorrelated data and apply the Residual Demerit control map and the Moving Centerline Demerit control map as solutions in the autocorrelated Demerit control map to product defect control on leak-proof plastic container data. The methods used are Demerit control map, Residual control map, and Moving Centerline Demerit (MCD) control map. The data used is secondary data. The results of this study indicate that the Residual control map and the Moving Centerline Demerit control map are equally superior in overcoming autocorrelated data on the Demerit control map where there are both 4 out of control or 4 points that indicate a production process problem that cannot be overcome by the company.

Penerapan Metode Pemulusan Eksponensial Ganda dari Brown dalam Memprediksi Indeks Harga Konsumen Provinsi NTT

Maktisen Ena, Landerius Maro — Wed, 27 Nov 2024 00:00:00 +0800

ABSTRAK

Provinsi NTT memiliki 22 Kabupaten/Kota, akan tetapi hanya ada 3 Kota di NTT yang dikategorikan sebagai kota inflasi yaitu Kota Kupang, Maumere dan Waingapu. Data IHK Provinsi NTT yang diambil adalah dari awal tahun 2020 sampai dengan sepertiga tahun 2023, jumlah data keseluruhan 40 data, dimana dari data tersebut berpola trend atau mengalami peningkatan. Salah satu metode untuk memprediksi data yang pola trendnya naik adalah metode pemulusan eksponensial ganda dari Brown yang dapat menyelesaikan data berpola trend. Hasil penelitian menunjukan parameter alpha (α) = 0.4 memiliki Nilai MAPE terkecil yaitu 0.53%.

ABSTRACT

NTT Province has 22 regencies/cities, but there are only 3 cities in NTT that are categorized as inflationary, namely Kupang, Maumere and Waingapu. The NTT Province CPI data taken is from the beginning of 2020 to the end of 2023, the total data is 40 data, where the data has a trend pattern or is experiencing an increase. One method for predicting data with an upward trend pattern is Brown's double exponential smoothing method which can resolve data with a trend pattern. The results of research show that the alpha parameter (α) = 0.4 has the smallest MAPE value, namely 0.53%.

Perbandingan Model Spasial dalam Permasalahan Kemiskinan di Provinsi Jawa Timur

Safaat Yulianto, Annisa Z. Utami, Atika N. Ambarwati — Sat, 30 Nov 2024 00:00:00 +0800

ABSTRAK

Kemiskinan merupakan masalah kompleks yang mempengaruhi berbagai aspek kehidupan. Berdasarkan publikasi Badan Pusat Statistik (BPS), pada Tahun 2022 persentase kemiskinan sebanyak 10,49% ditemukan di Provinsi Jawa Timur. Pemerintah Indonesia masih memprioritaskan penurunan angka kemiskinan dan akan tetap diteruskan melalui Rencana Pembangunan Jangka Menengah Nasional (RPJMN) sampai tahun 2024. Tujuan penelitian ini untuk mencari model faktor-faktor yang mempengaruhi kemiskinan. Permasalahan pengentasan kemiskinan di Indonesia tidak hanya ditangani dengan menganalisis faktor-faktor yang menyebabkan kemiskinan, tetapi juga melihat aspek lokasi. Berdasar hal tersebut, model regresi yang digunakan pada penelitian ini adalah model spasial. Tiga model-spasial yang dibandingkan dalam penelitian meliputi Spatial-Autoregressive (SAR), Spatial-Error-Model (SEM) dan Spatial Autoregressive-Moving Average (SARMA). Berdasarkan hasil yang didapat, faktor yang mempengaruhi kemiskinan di Provinsi Jawa Timur pada tahun 2021 adalah Angka Harapan Hidup (AHH) dan Harapan Lama Sekolah (HLS) dengan model yang didapatkan Spatial Autoregressive Moving Average (SARMA).

ABSTRACT

Poverty is a complex problem that affects various aspects of life. Based on a publication from the Central Bureau of Statistics (BPS), it shows that in 2022, the poverty rate in East-Java Province will be 10.49%. The Indonesian government continues to prioritize poverty reduction and will continue to do so through the National Medium Term Development Plan (RPJMN) until 2024. The purpose of this study is the development of a model of the factors that have an impact on poverty. The problem of poverty alleviation in Indonesia is treated not only by analyzing the factors that cause poverty, but also by looking at the location aspect. Based on this, the regression model used in the present study is a spatial model. This study compares three models including Spatial Autoregressive (SAR), Spatial Error Model (SEM) and Spatial Autoregressive Moving Average (SARMA). Based on the results obtained, the factors affect poverty in East Java Province in 2021 are life expectancy (AHH) and school expectancy (HLS) with the model obtained Spatial Autoregressive Moving Average (SARMA).

Perbandingan Algoritma Density-Based Spatial Clustering Algorithm with Noise (DBSCAN) dan Self-Organizing Map (SOM) untuk Clustering Data Gempa Bumi

Rosita Kurnia Wati, Hasih Pratiwi, Winita Sulandari — Sat, 30 Nov 2024 00:00:00 +0800

ABSTRAK

Gempa bumi merupakan bencana alam yang kerap melanda Indonesia karena letak geografisnya berada pada batas pertemuan tiga lempeng aktif dunia. Dampak kerusakan yang timbul akibat gempa bumi bergantung pada magnitudo dan kedalamannya. Oleh karena itu, perlu upaya mitigasi bencana dan manajemen risiko bencana melalui pengolahan data untuk mengetahui karakteristik dari data gempa tersebut. Penelitian ini bertujuan untuk clustering data gempa bumi di Indonesia berdasarkan magnitudo dan kedalaman dengan menerapkan algoritma Density-Based Spatial Clustering Algorithm With Noise (DBSCAN) dan Self-Organizing Map (SOM) dengan validasi kebaikan cluster menggunakan koefisien silhouette. Penerapan algoritma DBSCAN dengan nilai Eps dan MinPts optimal sebesar 1,6 dan 12 membentuk dua cluster dan 23 data diidentifikasi sebagai noise, sedangkan menggunakan algoritma SOM dengan learning rate 0,05 dan maksimal epoch 1.000 membentuk dua cluster. Pada analisis ini SOM mampu melakukan clustering yang lebih baik jika dibandingkan dengan DBSCAN karena memberikan nilai koefisien silhouette yang lebih besar, yaitu sebesar 0,717 sedangkan DBSCAN sebesar 0,677. Hasil clustering terbaik memiliki karakteristik yaitu cluster 1 dikategorikan sebagai gempa sedang berkekuatan sedang dan cluster 2 dikategorikan sebagai gempa dangkal berkekuatan sedang.

ABSTRACT

Earthquakes are natural disasters that occur frequently in Indonesia because of the geographical location at the convergence of three active tectonic plates. The severity of an earthquake's impact is influenced by magnitude and depth. Therefore, disaster mitigation efforts and disaster risk management through data mining are needed to understand the characteristics of earthquakes. This research aims to cluster earthquake data in Indonesia based on magnitude and depth by applying a Density-Based Spatial Clustering Algorithm with Noise (DBSCAN) and Self-Organizing Map (SOM) algorithms and cluster results are evaluated using the silhouette coefficient. Using the DBSCAN algorithm with optimal Eps and MinPts values of 1.6 and 12 formed two clusters and 23 data were identified as noise while using the SOM algorithm with a learning rate of 0.05 and a maximum epoch of 1000 formed two clusters. SOM can perform clustering better than DBSCAN because it provides a larger silhouette coefficient value, which is 0.717 while DBSCAN is 0.677. The clustering results obtained show that cluster 1 is categorized as moderate earthquakes of moderate intensity and cluster 2 is categorized as shallow earthquakes of moderate intensity.

Pembentukan Portofolio Robust Mean-Variance Saham Syariah Jakarta Islamic Index (JII) Melalui Pendekatan Analisis Klaster K-Medoids

Alfina Viona Isabela Widiawati, Epha Diana Supandi — Sat, 30 Nov 2024 00:00:00 +0800

ABSTRAK

Portofolio adalah kumpulan dari beberapa aset. Tujuan pembentukan portofolio yaitu untuk menghasilkan return yang paling tinggi sambil mengurangi risiko. Untuk menghindari outlier yang sering terjadi dalam portofolio model Mean-Variance (MV), perlu menggunakan estimasi robust. Data penelitian menggunakan closing price bulanan dari saham-saham yang konsisten selalu masuk ke dalam kelompok Jakarta Islamic Index (JII) periode Januari 2019 – Juni 2023. Tahap awal analisis menggunakan teknik klastering metode K-Medoids berdasarkan pada nilai expected return dan risiko. Klasterisasi dilakukan untuk menghemat waktu dan menekan biaya manajemen portofolio. Hasil analisis klaster menciptakan dua klaster. Saham INCO dan ADRO mewakili klaster pertama, dan saham KLBF dan AKRA mewakili klaster kedua. Keempat saham representasi tersebut dibentuk portofolio MV robust S dan portofolio MV robust Constrained-M (CM). Kinerja portofolio diukur menggunakan sharpe ratio. Hasil analisis menunjukkan bahwa kinerja model portofolio robust MV estimasi Constrained-M (CM) mengungguli kinerja model portofolio robust MV estimasi S.

ABSTRACT

A portfolio is an assortment of several items. The goal of portfolio construction is to get the maximum return at the least amount of risk. Robust estimate is a means to mitigate the sensitivity of the Mean-Variance (MV) model portfolio to outliers. The research data uses monthly closing prices of stocks that are consistently included in the Jakarta Islamic Index (JII) group for the period January 2019 - June 2023. The initial stage of analysis uses the K-Medoids method clustering technique based on the expected return and risk values. The purpose of the clustering is for time efficiency and to reduce the amount of costs in managing the portfolio. The results of the cluster analysis formed two clusters, where the first cluster is represented by INCO and ADRO stocks. While the second cluster is represented by KLBF dan AKRA stocks. The four representative stocks are formed MV robust S portfolio and MV robust Constrained-M (CM) portfolio. Portfolio performance is measured using the sharpe ratio. According to the analysis's findings, the Constrained-M (CM) estimation MV robust portfolio model performs better than the S estimation MV robust portfolio model.

Pemodelan GSTARIMA untuk Peramalan Peningkatan Gross Domestic Product pada Empat Negara di Asia Timur

Hasnita, Arif Mubarok — Sat, 30 Nov 2024 00:00:00 +0800

ABSTRAK

Data pertumbuhan GDP empat negara asia timur tidak hanya bergantung pada waktu (time), tetapi juga bergantung pada tempat (space). Model space time merupakan metode yang populer digunakan dalam peramalan untuk menganalisis data time series yang mempertimbangkan faktor time dan place secara bersamaan. Dalam hal pengambilan parameter, model untuk GSTARIMA dan model untuk STARIMA berbeda. Untuk model STARIMA, menggunakan lokasi penelitian yang sama, sementara model GSTARIMA digunakan untuk lokasi penelitian yang tidak sama (heterogen) dan ditunjukkan dalam matriks pembobot. Tujuan penelitian ini adalah untuk menemukan model terbaik antara GSTARIMA atau STARIMA guna memodelkan pertumbuhan GDP dari beberapa negara di Asia timur yakni Indonesia, China, Japan, dan Korea Selatan. Interval data dimulai dari tahun 1962 hingga tahun 2017. Karena terdapat hubungan yang signifikan, pemodelan menggunakan STARIMA dan GSTARIMA diperlukan untuk mengevaluasi pertumbuhan GDP. Kedua model ini dikembangkan melalui pendekatan VAR dengan orde spasial satu, yang mencakup konfigurasi STAR(1,1) dan GSTAR(1,1) masing-masing. Hasil pengujian menunjukkan bahwa model terbaik untuk meramalkan peningkatan GDP di masa depan adalah STAR(1), dengan nilai RMSE terkecil. Melalui pemodelan ini dapat meramalkan kondisi GDP di masa mendatang dan mengevaluasi apakah hubungan internasional terutama dalam hal kerjasama ekonomi yang telah dijalankan pada ke empat negara berdampak positif terhadap pertumbuhan ekonomi.

ABSTRACT

The GDP growth data of four East Asian countries depends not only on time but also on space. The space-time model is a popular method used in forecasting to analyze time series data while simultaneously considering both time and spatial factors. In terms of parameter selection, the models for GSTARIMA and STARIMA differ. The STARIMA model uses the same research location, while the GSTARIMA model is applied to heterogeneous research locations, as represented in the weighting matrix. The purpose of this study is to determine the best model between GSTARIMA and STARIMA to model GDP growth in several East Asian countries, namely Indonesia, China, Japan, and South Korea. ...

Pendekatan Naïve Bayes untuk Mengidentifikasi Perokok Tembakau Berdasarkan Faktor Sosio-Demografi dan Kesehatan

Faza Izzatul Muttaqin, Achmad Fauzan — Fri, 29 Nov 2024 00:00:00 +0800

ABSTRAK

Merokok adalah kebiasaan yang berdampak negatif pada kesehatan masyarakat Indonesia. Untuk mengatasi masalah ini, diperlukan pemahaman tentang faktor-faktor demografi, pendidikan, dan kesehatan yang mempengaruhi perilaku merokok. Penggunaan metode klasifikasi Naïve Bayes relevan karena dapat memberikan wawasan menyeluruh mengenai faktor-faktor yang mempengaruhi perilaku perokok tembakau di Kota Tasikmalaya. Penelitian ini menggunakan data dari Survei Sosial Ekonomi Nasional (SUSENAS) Maret 2023 di Kota Tasikmalaya. Data dibagi menjadi data pelatihan dan data pengujian, dan kemudian dibagi lagi untuk validasi model. Model tersebut dibuat dan dievaluasi dengan mengacak sampel, membuat model, dan mengevaluasi sebanyak 100 kali. Hasil evaluasi kinerja model dalam mengklasifikasi data validasi menunjukkan akurasi rata-rata 87% dengan standar deviasi 0,0689 dan standar error 0,00689. Confidence interval antara 85.64% dan 88.35% menunjukkan model yang dapat diandalkan. Pengujian akhir model pada data testing mencapai akurasi 83.33%, menunjukkan model berkemampuan baik dalam mengklasifikasikan perokok tembakau di Kota Tasikmalaya pada Februari 2023.

ABSTRACT

Smoking is a habit that negatively impacts the health of the Indonesian population. To address this issue, it is essential to understand the demographic, educational, and health factors influencing smoking behavior. The use of the Naïve Bayes classification method is relevant as it provides comprehensive insights into the factors affecting tobacco smoking behavior in the city of Tasikmalaya. This study uses data from the National Socio-Economic Survey (SUSENAS) conducted in March 2023 in Tasikmalaya. The data is divided into training and testing datasets, with the training data further split for model validation. The model was built and evaluated by randomizing samples, creating models, and evaluating them 100 times. The model's performance evaluation in classifying the validation data showed an average accuracy of 87% with a standard deviation of 0.0689 and a standard error of 0.00689. The confidence interval between 85.64% and 88.35% indicates a reliable model. The final testing of the model on the testing data achieved an accuracy of 83.33%, model demonstrating a good capability in classifying tobacco smokers in Tasikmalaya in February 2023.

Peningkatan Distribusi Bantuan Sosial di Pangkalpinang dengan Pengelompokan Berbantuan Algoritma K-Means

Dwitra Gusti Alriscki, Achmad Fauzan — Fri, 29 Nov 2024 00:00:00 +0800

ABSTRAK

Program bantuan sosial (Bansos) merupakan kebijakan penting yang diimplementasikan untuk mengatasi kemiskinan dan meningkatkan kesejahteraan masyarakat. Penelitian ini bertujuan untuk meningkatkan efektivitas program bantuan sosial di Kota Pangkalpinang melalui penerapan metode K-Means Clustering dalam pengelompokan kelurahan dengan tingkat kesejahteraan rendah. Data yang digunakan adalah Data Terpadu Kesejahteraan Sosial (DTKS) yang mencakup penerima bantuan dari berbagai program seperti PBI, BST, dan lainnya. Metode K-Means Clustering diterapkan untuk mengelompokkan kelurahan berdasarkan indikator kemiskinan, yang kemudian dianalisis untuk profilisasi cluster. Analisis Principal Component Analysis (PCA) dilakukan untuk mengatasi multikolinearitas antar variabel. Silhouette coefficient digunakan untuk menentukan jumlah cluster yang ideal untuk memastikan validitas pengelompokan. Hasil penelitian menunjukkan tiga cluster utama dengan nilai silhouette coefficient sebesar 0.458. Cluster pertama memiliki penerima bantuan terbanyak, sedangkan cluster ketiga memiliki penerima bantuan terendah. Penggunaan metode ini diharapkan dapat meningkatkan efektivitas dan efisiensi distribusi bantuan sosial dengan memastikan bantuan tepat sasaran sesuai dengan tingkat kemiskinan masing-masing kelurahan. Oleh karena itu, penelitian ini diharapkan dapat membantu kebijakan bantuan sosial Kota Pangkalpinang.

ABSTRACT

The social assistance program (Bansos) is an important policy implemented to address poverty and improve community welfare. This research aims to improve the effectiveness of social assistance programs in Pangkalpinang City through the application of the K-Means clustering method in grouping sub-districts with low welfare levels. The data used is the Integrated Social Welfare Data (SWD), which includes recipients of assistance from various programs such as PBI, BST, and others. The K-Means clustering method is applied to group villages based on poverty indicators, which are then analyzed for cluster profiling. Principal Component Analysis (PCA) is conducted to address multicollinearity among variables. The silhouette coefficient is used to determine the ideal number of clusters to ensure the validity of the clustering. The research results show three main clusters with a silhouette coefficient value of 0.458. The first cluster has the most aid recipients, while the third cluster has the fewest aid recipients.The use of this method is expected to improve the effectiveness and efficiency of social assistance distribution by ensuring that aid is targeted according to the poverty levels of each sub-district. Therefore, this research is expected to assist the social assistance policies of Pangkalpinang City.

Analisis Variabel yang Menjelaskan Penggunaan Angkutan Umum Trans Semarang Menggunakan Metode Structural Equation Modelling (SEM)

Alfino Pramuji Akbar, Nurul Fitriani, Bambang Istiyanto — Sat, 30 Nov 2024 00:00:00 +0800

ABSTRAK

Peningkatan jumlah penduduk turut menyebabkan adanya permasalahan transportasi, seperti kemacetan dan polusi udara. Salah satu upaya yang dapat dilakukan adalah penggunaan angkutan umum. Akan tetapi, minat masyarakat untuk menggunakan angkutan umum masih tergolong rendah, tidak terkecuali dengan masyarakat di Kota Semarang. Padahal, saat ini Pemerintah Kota Semarang telah menyediakan transportasi umum modern yaitu Trans Semarang. Oleh karena itu peneliti bermaksud untuk menganalisis variabel-variabel yang menjelaskan penggunaan Trans Semarang dengan metode Structural Equation Modelling (SEM). Metode SEM memungkinkan mengetahui signifikansi pengaruh antar variabel lebih dari satu variabel bebas maupun terikat. Penelitian menggunakan kepuasan penumpang dan kualitas pelayanan sebagai variabel bebas. Adapun persepsi dan perilaku penumpang menjadi variabel terikat. Hasil penelitian yang dilakukan, menunjukkan bahwa empat variabel penelitian dianggap berpengaruh terhadap penggunaan Trans Semarang.

ABSTRACT

The increase in population causes transportation problems, such as traffic jams and air pollution. One effort that can be done is use public transport. However, people’s interest to using public transport is still relatively low, no exception people in Semarang. In fact, currently The Goverment of Semarang has provided modern public transport, that is Trans Semarang. Therefore, the researcher intends to analyze variables that influence of Trans Semarang usage using Structural Equation Modelling (SEM) method. SEM method makes it posible to determine the significance of influence between variables of more than one independent or dependent variable. Research uses passenger satisfaction and service quality as independent variables. Perceptions and passanger behavior are dependent variables. The result of this research showed that four variables are considered to influence using Trans Semarang.

Pendugaan Indikator Rasio Angka Partisipasi Sekolah Anak Disabilitas terhadap Nondisabilitas di Pulau Nusa Tenggara Tahun 2023

Sat, 30 Nov 2024 00:00:00 +0800

ABSTRAK

Salah satu target dalam tujuan pembangunan berkelanjutan (SDGs) adalah menghapuskan diskriminasi di bidang pendidikan, termasuk bagi penyandang disabilitas. Ukuran yang digunakan pemerintah untuk menilai pencapaian target ini adalah rasio angka partisipasi sekolah (APS) anak penyandang disabilitas terhadap nondisabilitas usia 7 – 17 tahun. Namun, pendugaan langsung menghasilkan standard error yang besar. Tujuan penelitian ini adalah melakukan pendugaan rasio angka partisipasi sekolah anak disabilitas terhadap nondisabilitas berusia 7 – 17 tahun pada tingkat kabupaten/kota di Pulau Nusa Tenggara tahun 2023. Penelitian ini menerapkan metode Small Area Estimation (SAE) dengan pendekatan Hierarchical Bayes (HB). Data penelitian bersumber dari Badan Pusat Statistik. Hasil penelitian ini menunjukkan model SAE-HB menghasilkan pendugaan yang lebih presisi daripada pendugaan langsung pada anak disabilitas. Diketahui pula, rasio angka partisipasi sekolah anak disabilitas terhadap nondisabilitas berusia 7 – 17 tahun di Pulau Nusa Tenggara berada pada rentang 40,47 sampai 78,15 dengan Kabupaten Sumba Barat dan Kabupaten Rote Ndao berstatus perlu perhatian.

ABSTRACT

One of the targets set out in the Sustainable Development Goals (SDGs) is to eliminate discrimination in education, including for people with disabilities. The measure used to assess the achievement of this target is the ratio of school enrollment rates (APS) of children with disabilities to those without disabilities aged 7-17 years. However, direct estimation results in a large standard error. The objective of this study is to predict the school enrollment ratio of children with disabilities to non-disabled children aged 7-17 years at the district/city level in Nusa Tenggara Island in 2023. This research employs the Small Area Estimation (SAE) method with the Hierarchical Bayes (HB) approach. The research data is sourced from the Badan Pusat Statistik. The findings of this study indicate that the SAE-HB model yields more precise predictions than direct estimation of children with disabilities. Additionally, the school enrollment ratio of children with disabilities to those without disabilitie aged 7-17 years on Nusa Tenggara Island is estimated to be within the range of 40.47 to 78.15, with West Sumba Regency and Rote Ndao Regency identified as requiring attention.

Aplikasi K-Medoid dalam Regenerasi Pemain Sepak Bola

Wahyu Sa'dun Akbar, Rahmadi Yotenka, Rohmatul Fajriyah — Sat, 30 Nov 2024 00:00:00 +0800

ABSTRAK

Sepakbola merupakan olahraga paling populer. Dalam permainan sepakbola, peran gelandang sangat penting sehingga setiap klub sepakbola terutama di Liga-Liga top Eropa perlu meregenerasi gelandang untuk kompetisi Liga di musim-musim berikutnya. Penelitian ini bertujuan untuk melakukan pencarian pemain tengah pengganti yang memiliki kesamaan karakteristik bermain menggunakan metode K-Medoid Clustering. Metode Principal Component Analysis diimplementasikan untuk mengatasi multikolinieritas dan untuk mereduksi variabel yang digunakan, sehingga didapatkan 2 komponen utama. Kedua komponen utama ini menjelaskan 72.9% variansi populasi yang ada. K-Medoid Clustering menghasilkan 2 kelompok dan berdasarkan pengukuran jarak dengan metode Euclidean didapatkan bahwa Tchouameni merupakan gelandang yang paling mirip dengan Casemiro. Hasil ini mendukung keputusan Real Madrid untuk membeli Tchouameni sebagai keputusan yang tepat.

ABSTRACT

Football is the most popular sport. In the game of football, the role of midfielders is very important so that every football club, especially in the top European leagues, needs to regenerate midfielders for league competitions in the following seasons. This research aims to search for substitute midfielders who have similar playing characteristics using the K-Medoid Clustering method. The Principal Component Analysis method was implemented to overcome multicollinearity and to reduce the variables used, so that 2 main components were obtained. These two main components explain 72.9% of the population variance. K-Medoid Clustering produced 2 groups and based on distance measurements using the Euclidean method it was found that Tchouameni was the midfielder most similar to Casemiro. These results support Real Madrid's decision to buy Tchouameni as the right decision.

Pengaruh Antara Pembelajaran di SMK dan Pendapatan Lulusan terhadap Kepuasan DUDI (Dunia Usaha dan Dunia Industri) dari Lulusan SMK Menggunakan Structural Equation Modeling

Doni Setyawan, Syukrul Hamdi — Wed, 04 Dec 2024 00:00:00 +0800

ABSTRAK

SMK menjadi lembaga pendidikan formal yang dirancang untuk mempersiapkan siswa agar dapat langsung terlibat dalam dunia kerja. Faktanya, pada tahun 2022 lulusan SMK memberikan kontribusi Tingkat Pengangguran Terbuka tertinggi di Indonesia. Melalui tracer study SMK yang dikembangkan Direktorat Mitras DUDI, Kemendikbudristek bertujuan menyediakan data dan informasi penyelenggaraan pendidikan SMK di Indonesia. Tujuan penelitian ini untuk menganalisis pengaruh antara pembelajaran (teori, praktik, dan sikap) di SMK, pendapatan lulusan, dan kepuasan DUDI terhadap lulusan menggunakan Structural Equation Modeling. Penelitian ini merupakan penelitian kuantitatif dengan sumber data sekunder dari tracer study SMK 2023. Populasi penelitian ini adalah lulusan SMK yang bekerja dan DUDI pada tahun 2022 di Provinsi Daerah Istimewa Yogyakarta. Sampel penelitian sebanyak 1538 data yang terdiri dari lulusan yang bekerja dan DUDI (pimpinan perusahaan/lembaga/instansi tempat lulusan bekerja) yang mengisi instrumen tracer study. Teknik analisis data menggunakan pendekatan SEM berbantuan program R-Studio. Model SEM dapat menguji model pengukuran dan struktural secara simultan, serta mengevaluasi signifikansi variabel laten. Penelitian menunjukan data tidak mengikuti distribusi normal multivariat sehingga model diestimasi menggunakan metode Maximum Likelihood with Robust Standard Errors (MLR). Dalam penelitian ini diperoleh ukuran kecocokan model χ2Scaled = 260,7, RMSEA Robust = 0,07, CFI Robust = 0,972, TLI Robust = 0,949, dan SRMR = 0,051. Dengan demikian, model fit dan model yang digunakan dalam penelitian ini dijadikan dasar untuk analisis terhadap permasalahan yang diteliti. Hasil penelitian menunjukkan bahwa pembelajaran teori, praktik, dan sikap tidak berpengaruh signifikan terhadap kepuasan DUDI dari lulusan SMK; dan pendapatan lulusan berpengaruh signifikan terhadap kepuasan DUDI dari lulusan SMK.

ABSTRACT

SMK are formal educational institutions designed to prepare students for immediate engagement in the workforce. However, in 2022, SMK graduates contribute the highest percentage to the Open Unemployment Rate in Indonesia. The tracer study for SMK, developed by the Direktorat Mitras DUDI, Kemendikbudristek, aims to provide data and information on the implementation of vocational education in Indonesia. Purpose of this research is analyzing the relationship between learning (theory, practice, and attitude) in SMK, graduates' income, and DUDI satisfaction with graduates using Structural Equation Modeling. This quantitative research utilizes secondary data from the 2023 SMK tracer study. The population comprises SMK graduates employed and DUDI in Yogyakarta Special Region Province in 2022. The sample includes 1538 data points from employed graduates and DUDI (company/institution leaders) who completed the tracer study instrument. Data analysis employs SEM using RStudio. SEM tests measurement and structural models simultaneously and evaluates latent variable significance. The data did not follow multivariate normal distribution, so the model was estimated using maximum likelihood with robust standard errors (MLR). The model fit indices were χ2Scaled = 260,7, RMSEA Robust = 0,07, CFI Robust = 0,972, TLI Robust = 0,949, and SRMR = 0,051, indicating a good fit. Results show that theoretical, practical, and attitudinal learning do not significantly influence DUDI satisfaction with vocational school graduates, while graduate income significantly effects DUDI satisfaction with vocational school graduates.