CENDERAWASIH : Journal of Statistics and Data Science

PERBANDINGAN METODE FEATURE SELECTION FILTER METHOD DAN BACKWARD METHOD PADA DATASET DERMATOLOGY

Rosy Latunusa — 2023-12-31

Dermatologi merupakan cabang ilmu kedokteran yang mempelajari penyakit kulit yang memiliki gejala klinis serupa, seperti kemerahan dan bersisik, namun dengan sedikit perbedaan. Beberapa penyakit yang termasuk dalam kelompok ini antara lain psoriasis, seborrheic dermatitis, lichen planus, pityriasis rosea, cronic dermatitis, dan pityriasis rubra pilaris. Salah satu metode komputasi yang dapat digunakan dalam pengolahan data adalah data mining. Dalam data mining, data pre-processing merupakan tahapan yang sangat penting. Salah satu teknik data pre-processing yang sering digunakan untuk mengetahui atribut yang paling berpengaruh pada sebuah dataset adalah feature selection. Metode feature selection dapat membantu dalam perbandingan fitur yang paling sesuai dengan melihat nilai akurasi dari tiap metode feature selection yang digunakan. Dataset Dermatology yang digunakan dalam penelitian ini adalah data yang diunduh dari situs repository UCI Machine Learning. Dari hasil pengujian perbandingan metode feature selection yaitu filter method dan backward method diperoleh metode feature selection terbaik yaitu pada backward method dengan nilai akurasi tertinggi yaitu 98.286

Perbandingan Kinerja Model Linear Discriminant Analysis dan Decission Tree pada Studi Kasus Dataset Audit Data

Wahyu Aprillia Sari — 2024-01-30

Penelitian ini akan membandingkan dua metode penambangan data yang umum digunakan, yaitu Linear Discriminant Analysis (LDA) dan Decission Tree dengan nilai accuracy 99,6% memiliki kinerja lebih baik dan relatif optimal pada dataset audit data. Dengan tujuan mengoptimalkan analisis statistik audit data, pengujian ini mengidentifikasi model mana yang lebih baik dan relatif optimal pada dataset audit data. Penelitian dilakukan untuk membandingkan performa machine learning dengan memilih subkumpulan fitur yan relevan dari data. Perbandingan dengan menggunnakan nilai accuracy menunjukkan jika model Decission Tree dan hasil accuracy sebesar 99,6%.

PERBANDINGAN FEATURE SELECTION ANTARA BACKWARD METHOD DAN STEPWISE METHOD PADA DATASET PRIMARY TUMOR

Frisma Ayu Widyarimbi — 2023-12-31

Feature selection dalam data mining bertujuan mengidentifikasi dan mempertahankan fitur-fitur relevan, meningkatkan kinerja model, serta mempermudah interpretasi, yang menghasilkan model yang efisien dan efektif untuk pengambilan keputusan lebih baik. Penelitian ini bertujuan untuk membandingkan kinerja dua Feature Selection, yaitu antara Backward Method dan Stepwise Method, pada dataset Primary Tumor. Pada dataset ini memberikan informasi tentang berbagai jenis tumor primer yang didiagnosis pada pasien di berbagai lokasi dalam tubuh. Metode yang digunakan untuk mengukur kinerja dua feature selection pada penelitian ini adalah menggunakan nilai accuracy. Nilai accuracy yang lebih tinggi menunjukkan bahwa model yang dikembangkan dengan fitur-fitur yang dipilih melalui metode backward atau metode stepwise memiliki kemampuan yang lebih baik dalam memprediksi data uji atau memodelkan hubungan dalam dataset. Pada penelitian ini, didapatkan hasil bahwa accuracy dari metode backward cenderung lebih tinggi yaitu sebesar 66.774 (0.021) sedangkan accuracy dari metode stepwise adalah sebesar 65.806 (0.008). Hal ini menunjukkan bahwa dengan menggunakan metode backward cenderung lebih baik dalam memprediksi variabel dependen dibandingkan dengan model yang dibangun menggunakan metode stepwise dalam konteks data yang digunakan.

ANALISIS PEMODELAN MARKOWITZ DALAM OPTIMALISASI PORTOFOLIO SAHAM INDEKS JII SEBAGAI PENETAPAN INVESTASI

Natasya Iriani Parenden — 2023-12-31

Penelitian ini adalah penelitian deskriptif kuantitatif yang bertujuan untuk mengetahui saham–saham yang terdaftar dalam Jakarta Islamic Index (JII) di Bursa Efek Indonesia (BEI) periode 3 Januari 2022 – 30 Oktober 2023 yang termasuk dalam portofolio optimal sesuai dengan Model Markowitz. Pengumpulan data didapatkan melalui website www.yahoofinance.com dan www.idx.co.id, dimana data yang digunakan adalah harga penutupan (Close Price) dari 3 Januari 2022 – 30 Oktober 2023. Analisis data dilakukan dengan tahapan Model Markowitz yang dimulai dengan mengumpulkan data harga saham penutupan sampai mendapatkan portofolio optimal. Berdasarkan hasil analisis yang telah dilakukan, terdapat 11 saham perusahaan yang termasuk dalam portofolio optimal, yaitu TPIA sebesar 23,45%, ICBP sebesar 18,36%, AKRA sebesar 14,39%, HEAL sebesar 13,94%, MIKA sebesar 9,40%, ITMG sebesar 8,38%, BRMS sebesar 8,08%, INCO sebesar 1,56%, INKP sebesar 1,19%, INDF sebesar 0,87%, dan BRPT sebesar 0,39%. Return ekspektasian portofolio sebesar 0,09% dan risiko portofolio sebesar 0,9%.

Kata Kunci: Investasi, Model Markowitz, Portofolio Saham Optimal, Indeks JII.

Analisis Faktor-Faktor Yang Mempengaruhi Pertumbuhan Ekonomi di Provinsi Papua Menggunakan Regresi Data Panel

Aginda Maruruk — 2023-12-31

Pertumbuhan ekonomi adalah suatu proses upaya untuk meningkatkan pendapatan nasional dari waktu ke waktu yang menjadi indikator penting dalam mengetahui keberhasilan perekonomian suatu negara, serta turut menentukan arah pembangunan untuk kedepannya. Pertumbuhan ekonomi yang positif menunjukkan adanya peningkatan perekonomian, sebaliknya pertumbuhan ekonomi negatif menunjukkan adanya penurunan dalam perekonomian. pertumbuhan ekonomi didaerah diukur dengan pertumbuhan PDRB, bergantung pada perkembangan faktor-faktor produksi yaitu, modal, tenaga kerja, dan teknologi. Penelitian ini bertujuan untuk mengetahui faktor-faktor yang mempengaruhi pertumbuhan ekonomi di Provinsi Papua dan menentukan model regresi data panel yang terbaik untuk menganalisis faktor-faktor pertumbuhan ekonomi di Provinsi Papua. Berdasarkan hasil pengujian model regresi data panel menggunakana Uji Chow dan Uji Lagrange, diperoleh model terbaik untuk menganalisis faktor-faktor pertumbuhan ekonomi di Provinsi Papua yakni Model Random Effect dan berdasarkan hasil pengujian signifikansi parameter model regresi diperoleh Pendapatan per Kapita dan Tingkat pengangguran mempengaruhi Laju Pertumbuhan Ekonomi di Provinsi Papua pada tahun 2018-2021.

UTILIZING K-MEDOIDS TO SEGMENT PRODUCTION OF COMMERCIAL PELAGIS FISH CATCHES IN PAPUA

aryanto aryanto — 2023-12-31

Papua's marine tapestry, woven with threads of Cakalang, Tuna, and Kakap, holds immense commercial value, yet its intricate patterns demand unraveling for sustainable management and economic prosperity. This research wields the K-Medoids, a robust clustering tool, to dissect the secrets hidden within the region's fish catches. By parsing factors like species composition, catch volume, and fishing grounds, K-Medoids reveals the hidden nuances of these prized fish – where they congregate, their seasonal rhythms, and the spatial choreography of fishing activities. Through this lens, we glean invaluable insights into the very essence of Papua's marine riches. Speciation patterns emerge, painting a picture of where Cakalang, Tuna, and Kakap flourish. Seasonal fluctuations dance across the data, revealing peaks and troughs in their abundance. The geographical canvas comes alive, showcasing the precise dance between fishing effort and fish populations. After comparing clusters from 2 to 30, our analysis indicates optimal segmentation with 2 clusters, yielding a Silhouette Score of 0.371660 and an Inertia value of 660.677071. The accompanying graphical representation serves as compelling evidence of this outcome. Armed with these insights, K-Medoids paves the way for informed management strategies, optimized fishing practices, and region-specific policies that ensure the harmonious coexistence of industry and environment. This study is a testament to the power of data-driven analysis, guiding us towards a future where Papua's fisheries flow with sustainable prosperity.