Article Per Year (5 Year)
p-Index From 2021 - 2026
1.44
P-Index
This Author published in this journals
All Journal PROSIDING SEMINAR NASIONAL Journal of Education and Learning (EduLearn) Jurnal Infinity Indonesian Journal of Mathematics and Natural Sciences Sainteknol : Jurnal Sains dan Teknologi Unnes Journal of Mathematics Education Research Journal of Primary Education ANARGYA: Jurnal Ilmiah Pendidikan Matematika Unnes Journal of Mathematics Education Unnes Journal of Mathematics Proceeding of International Conference on Science, Education, and Technology Jurnal Infinity
Nurkaromah Dwidayati, Nurkaromah
Unknown Affiliation
Humanities Computer Science & IT Education Library & Information Science Mathematics Social Sciences Other

Published : 47 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search
Journal : Unnes Journal of Mathematics

 1   2 
PERBANDINGAN PERAMALAN MENGGUNAKAN METODE EKSPONENSIAL HOLT-WINTERS SMOOTHING DAN ARIMA Safitri, Tias; Dwidayati, Nurkaromah; Sugiman, Sugiman
Unnes Journal of Mathematics Vol 6 No 1 (2017)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v6i1.11717

Abstract

Penelitian ini bertujuan untuk mengetahui model peramalan terbaik dengan metode eksponensial Holt-Winters smoothing dan ARIMA serta mengetahui perbandingan hasil peramalan dengan kedua metode tersebut sehingga diperoleh metode terbaik. Data yang digunakan penelitian ini adalah jumlah kedatangan wisatawan mancanegara ke Bali Ngurah Rai Tahun 2010-2015. Data diperoleh dengan cara metode dokumentasi dengan pengumpulan data sekunder dan studi pustaka. Analisis data yang digunakan adalah metode eksponensial Holt-Winter smoothing dan ARIMA dengan nilai MSE dan MAPE terkecil. Hasil penelitian menunjukkan bahwa: (1) peramalan dengan metode eksponensial Holt-Winter smoothing model multiplikatif menghasilkan , , dengan nilai MSE 1436553590 dan MAPE 8,86198%; (2) peramalan dengan metode ARIMA menghasilkan model ARIMA (2,1,0)(0,1,1)12 dengan transformasi logaritma dengan nilai MSE 1353169319 dan MAPE 9,40981%; dan (3) perbandingan peramalan lebih tepat menggunakan metode eksponensial Holt-Winters smoothing daripada ARIMA karena menghasilkan nilai error lebih kecil daripada nilai error metode ARIMA. The purpose of this study was to determine the best method of forecasting models Holt-Winters exponential smoothing and ARIMA forecasting and compare the results with both methods in order to obtain the best method. The data used in this study is the number of foreign tourist arrivals to Bali Ngurah Rai Year 2010-2015. The data collected by the method of documentation by collecting secondary data and literature. The data analysis is the method of Holt-Winter exponential smoothing and ARIMA with MSE and MAPE smallest value. The results showed that: (1) the prediction using the method of exponential smoothing Holt-Winter multiplicative models produce , , with a value of MSE 1436553590 dan MAPE 8,86198%; (2) The ARIMA forecasting method produces ARIMA (2,1,0)(0,1,1)12 with the transformation logarithms with MSE 1353169319 dan MAPE 9,40981%; and (3) a more precise comparison of forecasting methods Holt-Winters exponential smoothing than ARIMA for produce an error value is less than the error method ARIMA
PEMILIHAN MODEL REGRESI LINIER BERGANDA TERBAIK PADA KASUS MULTIKOLINIERITAS BERDASARKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) DAN METODE STEPWISE Pujilestari, Sri; Dwidayati, Nurkaromah; Sugiman, Sugiman
Unnes Journal of Mathematics Vol 6 No 1 (2017)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v6i1.11719

Abstract

Analisis regresi linier berganda digunakan untuk mengetahui hubungan antara dua atau lebih peubah penjelas dan peubah respon. Model regresi terbaik adalah model yang dapat menjelaskan perilaku peubah tak bebas dengan sebaik-baiknya dengan memilih peubah-peubah bebas dari sekian banyak peubah bebas yang tersedia dalam data dengan menggunakan kriteria pembanding adjusted dan .. Salah satu permasalahan asumsi pada model regresi linier berganda adalah seringnya terjadi korelasi antar variabel-variabel bebas pada model regresi linier berganda yang disebut sebagai multikolinieritas. Jika terdapat multikolinieritas maka kesimpulan yang dihasilkan tidak tepat. Pada penelitian ini metode yang digunakan untuk mencari model terbaik pada kasus multikolinieritas adalah metode Stepwise dan metode Principal Component Analysis (PCA). Tujuan utama dari penelitian ini yaitu mencari model terbaik dengan menggunakan metode Stepwise dan metode Principal Component Analysis (PCA). Hasil penelian yang diperoleh untuk mencari model terbaik pada kasus multikolinieritas data return saham perusahaan dalam Indeks LQ 45 di BEI periode Juli – Desember 2015 dengan menggunakan metode Principal Component Analysis (PCA) = 11,992 + 2,179 dengan nilai adjusted sebesar 0,050 dan nilai sebesar 63,049 sedangkan hasil yang diperoleh dengan metode Stepwise yaitu = 4,891 + 7,804 + 0,144 dengan nilai adjusted sebesar 0,191 dan nilai sebesar 53,678. Dari hasil tersebut dapat disimpulkan bahwa metode Stepwise lebih cocok untuk mencari model terbaik pada kasus multikolinieritas. Multiple linear regression analysis is used to determine the relationship between two or more explanatory variables and the response variable. Best regression model is a model that can explain the behavior of dependent variable as well as possible by choosing variables are free of many independent variables available in the data by using criteria comparators adjusted and .. One of the issues on the assumption of multiple linear regression model is frequent correlation between the independent variables in a multiple linear regression model known as multicollinearity. If there is multicollinearity then the conclusions are not appropriate. In this study, the method that been used to find the best model in the case of multicollinearity are stepwise method and the method of Principal Component Analysis (PCA) The main objective of this research is looking for the best model using Stepwise Method and Principal Component Analysis (PCA) method. The results obtained to search for the best model in the case of data multicollinearity stock returns in LQ 45 in BEI period from July to December 2015 by using Principal Component Analysis (PCA) Y = 11.992 + 2.179 with value adjusted by 0,050 and the value of amounted to 63.049, while the results obtained by the stepwise method is Y = 4.891 + 0.144 + 7,804 value adjusted by 0.191 and the value of amounted to 53.678. From these results it can be concluded that the Stepwise method is more suitable to find the best model on a case of multicollinearity.
Perbandingan Metode Weighted Fuzzy Time Series, Seasonal ARIMA, dan Holt-Winter's Exponential Smoothing untuk Meramalkan Data Musiman Assidiq, Addinul; Hendikawati, Putriaji; Dwidayati, Nurkaromah
Unnes Journal of Mathematics Vol 6 No 2 (2017)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v6i2.12288

Abstract

Perkembangan metode peramalan data time series berpola musiman memberikan banyak pilihan metode yang dapat digunakan untuk meramalkan data musiman, sehingga perlu dilakukan perbandingan metode peramalan untuk mendapatkan hasil ramalan dengan akurasi yang tinggi. Pada penelitian ini permasalahan yang dikaji adalah perbandingan metode Weighted Fuzzy Time Series, Seasonal ARIMA, dan Holt-Winter’s Exponential Smoothing untuk meramalkan data musiman. Perbandingan yang dilakukan adalah membandingkan nilai akurasi ramalan RMSE dan MAPE. Penelitian ini menggunakan data pengunjung pariwisata Bali periode Januari 2009 s.d Desember 2013. Analisis metode Holt-Winter’s Exponential Smoothing menggunakan trial and error dengan kriteria MAPE dan MSE terkecil untuk mencari model terbaik. Diperoleh model terbaik dengan nilai α adalah 0,6, β adalah 0,1, dan γ adalah 0,1 serta menghasilkan RMSE dan MAPE sebesar 23165,04 dan 6,32. Analisis metode Seasonal ARIMA menggunakan estimasi model dengan kriteria MSE terkecil dan signifikansi model untuk mencari model terbaik. Diperoleh model terbaik SARIMA serta menghasilkan nilai RMSE dan MAPE sebesar 20499,69 dan 5,27. Analisis metode Weighted Fuzzy Time Series dilakukan dengan membagi himpunan sampel menjadi tiga bagian dengan panjang interval yang berbeda yaitu panjang interval 5000, panjang interval 7500, dan panjang interval 15000. Pada panjang interval 5000 menghasilkan nilai RMSE dan MAPE sebesar 17953,55 dan 4,87, panjang interval 7500 menghasilkan nilai RMSE dan MAPE sebesar 18992,53 dan 5,61, serta panjang interval 15000 menghasilkan nilai RMSE dan MAPE sebesar 21026,11 dan 6,21. Berdasarkan hasil penelitian dapat disimpulkan bahwa metode Weighted Fuzzy Time Series merupakan metode terbaik untuk meramalkan data musiman karena memiliki nilai akurasi ramalan RMSE dan MAPE lebih kecil. The development of methods forecasting time series data provides seasonal pattern selection methods that can be used for seasonal forecast data, so it is necessary to do a comparison of forecasting methods for getting the forecast best accuracy. In this research the problem studied is the comparison of methods is Weighted Fuzzy Time Series, Seasonal ARIMA and Holt-Winter's Exponential Smoothing for seasonal forecast data. The comparison is forecast accuracy RMSE and MAPE. This research used Bali's tourism visitors data in period January 2009 to December 2013. Analysis methods Holt-Winter's Exponential Smoothing using trial and error with the smallest MSE and MAPE criteria to find the best model. The best model is obtained with a value of α is 0,6, β is 0,1, and γ is 0,1, and value of RMSE and MAPE is 23165,04 and 6,32. The analysis method Seasonal ARIMA used model estimation with the smallest MSE criteria and significance of the model to find the best model. Retrieved best model SARIMA and value of RMSE and MAPE is 20499,69 and 5,27. Analysis methods Weighted Fuzzy Time Series do sample set split into three sections with different length interval is the interval length 5000, interval length 7500 and interval length 15000. In the long interval of 5000 resulted in the value of RMSE and MAPE is 17953,55 and 4 ,87, interval lenght of 7500 resulted in the value of RMSE and MAPE is 18992,53 and 5,61, and interval lenght of 15000 resulted in the value of RMSE and MAPE is 21026,11 and 6,21. Based on the results of this research concluded that the method of Weighted Fuzzy Time Series is the best method used forecasting seasonal data because it has the accuracy of the forecast RMSE and MAPE are smaller.
The Queue System Optimization on Motorcycle Service Based on Aspiration Level Model (Case Study of Workshop Ahass Handayani Motor (1706) Semarag) Oktaviyanty, Hetty; Dwidayati, Nur Karomah; Agoestanto, Arief
Unnes Journal of Mathematics Vol 7 No 2 (2018)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v7i2.20765

Abstract

The purpose of this research is to determine the optimal number of server by using queuing system based on aspiration level model at Ahass Handayani Motor (1706) Semarang workshop. In general, queues arise due to service needs that exceed the capacity and service facilities available. Therefore, to provide excellent service for customers, required an optimal service system. The study was conducted by taking primary data for two days in rush hour. The results obtained, the queue system at the workshop Ahass Handayani Motor (1706) Semarang using FIFO queue discipline with 6 servers. The arrival time distribution is the poisson distribution and the service time distribution is the exponential distribution. So we get the queue model (M / M / 6) :( GD / ∞ / ∞). Based on the aspiration level model, the queuing model in the workshop of Ahass Handayani Motor (1706) Semarang is optimal with 6 servers. With condition: 1) customer does not wait more than 2 hours to be served, 2) server idle time not more than 10 minutes. Size of server effectiveness is said to be optimal because it has an average waiting time in the system for 1.6361 hours on May 22, 2017 with a percentage of idle time of the waiters 7,5947% and the average waiting time in the system for 2.01 hours on the 23rd May 2017 with the percentage of unemployed servants 7,2188%.
OPTIMIZATION OF SERIES QUEUE SYSTEM AT SAMSAT (ONE ROOF SYSTEM) SERVICE FACILITY BASED ON ASPIRATION LEVEL Astuti, Niken Yulia; Dwidayati, Nur Karomah; Sunarmi, Sunarmi
Unnes Journal of Mathematics Vol 7 No 2 (2018)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v7i2.24402

Abstract

Antrian dapat ditemui pada beberapa fasilitas pelayanan umum misalnya di Kantor Sistem Administrasi Manunggal Satu Atap (SAMSAT). Tujuan dari penelitian ini untuk mengetahui model sistem antrian yang saat ini diterapkan di Kantor SAMSAT Kota Tegal untuk mengetahui ukuran keefektifan proses pelayanan wajib pajak, dan memberikan sistem antrian yang optimal berdasarkan tingkat aspirasi. Dari hasil penelitian diperoleh bahwa pada SAMSAT Kota Tegal mengikuti model sistem antrian Single Channel Multiple Phase (antrian tandem atau seri). Rincian model antrian pada loket pendaftaran, pembayaran, dan penyerahan STNK adalah [G/G/1]:[GD/∞/∞]. Ini berarti sistem antrian mengikuti pola kedatangan yang berdistribusi General sedangkan waktu pelayanan berdistribusi General dengan jumlah pelayan meliputi 1 petugas di tiap loketnya. Hasil efektivitas dari sistem antrian di Loket SAMSAT Kota Tegal adalah hari Senin, 19 Maret 2018 dengan Lq = 5,0993, Ls = 5,7451, Wq = 12,6078, Ws = 14,2045, dan W = 35,42%. %. Pada hari Selasa, 20 Maret 2018 dengan Lq = 4,3054, Ls = 4,8791, Wq = 12,4754, Ws = 14,1375, dan W = 42,64%. Pada hari Rabu, 21 Maret 2018 dengan Lq = 4,1846, Ls = 4,7469, Wq = 12,4156, Ws = 14,0839, dan W = 43,77%. Pada hari Kamis, 22 Maret 2018 dengan Lq = 4,3002, Ls = 4,8947, Wq = 11,6106, Ws = 13,2158, dan W = 40,55%. Waktu menunggu yang diinginkan pengunjung dan pihak SAMSAT tidak lebih dari 20 menit dan waktu menganggur petugas yang diperbolehkan oleh SAMSAT Kota Tegal adalah 20% maka banyaknya petugas ideal pada tiap loketnya yaitu 1 orang petugas. Abstract Queues can be found in some public service facilities such as in SAMSAT Office (One Roof System). The purpose of this research is to know the model of queuing system currently applied in SAMSAT of Tegal City to know the effectiveness of taxpayer service process, and provide an optimal queue system based on the level of aspiration. The result showed that the SAMSAT of Tegal city follow the model of a queuing system Single Channel Multiple Phase (queue tandem or series). The details of the queuing model at registration counters, payments, and checkers of STNK delivery are [G/G/1]:[GD/∞/∞]. This means the queuing system follows the General distributed arrival pattern while the General Distributed service time with the number of waiters includes 1 officer at each counter. The effectiveness of queuing system in SAMSAT of Tegal City is on Sunday, 19 March 2018 with Lq = 5,0993, Ls = 5,7451, Wq = 12,6078, Ws = 14,2045, dan W = 35,42%. On Tuesday, 20 March 2018 with Lq = 4,3054, Ls = 4,8791, Wq = 12,4754, Ws = 14,1375, dan W = 42,64%. On Wednesday, 21 March 2018 with Lq = 4,1846, Ls = 4,7469, Wq = 12,4156, Ws = 14,0839, dan W = 43,77%. And Thursday, 22 March 2018 with Lq = 4,3002, Ls = 4,8947, Wq = 11,6106, Ws = 13,2158, dan W = 40,55% Waiting time desired visitors and parties SAMSAT no more than 20 minutes and idle time officers allowed by SAMSAT of Tegal City is 20% then the number of ideal officers at each counter that is 1 officer.
Optimalisasi Sistem Antrian pada Loket Farmasi dengan Model Tingkat Aspirasi (Study Kasus RSK. Ngesti Waluyo Temanggung) Anggraeni, Anita; Dwidayati, Nur Karomah; Sunarmi, Sunarmi
Unnes Journal of Mathematics Vol 8 No 2 (2019)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v8i2.26726

Abstract

Antrian banyak terjadi karena banyak orang yang membutuhkan pelayanan atau jasa dalam waktu yang bersamaan. Sebagai contoh adalah antrian pada rumah sakit terutama pada fasilitas rawat jalan. Tujuan dari penelitian ini untuk mendiskripsikan model antrian, mendiskripsikan hasil perhitungan ukuran keefektifan dengan dibantu software visual basic 6.0 dan mendiskripsikan model antrian yang optimal dengan model tingkat aspirasi. Metode penelitian yang digunakan studi pustaka,metode pengumpulan data, metode analisis data, dan penarikan simpulan. Pengumpulan data dilakukan dengan metode observasi dan metode wawancara. Dari hasil analisis pada sistem antrian di loket farmasi RSK Ngesti Waluyo Temanggung diperoleh model antrian (M/G/1) : (GD/ ), untuk ukuran keefektifan pada hari Senin, Rabu dan Kamis sistem antrian cukup lenggang dan cukup efektif dilihat dari persentase menganggur dan untuk hari Selasa sistem antrian cukup padat terlihat dari Lq > 5 orang dan Ws > 10 menit, maka perlu adanya optimalisasi dengan peneliti mensimulasikan menambah satu petugas, maka diperoleh Lq < 5 orang dan Ws < 10 menit. Jadi jumlah petugas di loket farmasi untuk hari Senin, Rabu dan Kamis sudah ideal dan untuk hari Selasa disarankan ditambah satu petugas
PERBANDINGAN METODE ROBUST LEAST MEDIAN OF SQUARE (LMS) DAN PENDUGA S UNTUK MENANGANI OUTLIER PADA REGRESI LINIER BERGANDA Febrianto, Laeli Sidik; Hendikawati, Putriaji; Dwidayati, Nur Karomah
Unnes Journal of Mathematics Vol 7 No 1 (2018)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v7i1.27381

Abstract

Analisis regresi linier berganda digunakan untuk mengukur pengaruh lebih dari satu variabel bebas (X) terhadap variabel terikat (Y). Estimasi parameter analisis regresi umumnya diselesaikan dengan OLS. Pada kenyataannya banyak ditemukan kasus bahwa data mengandung outlier yang menyebabkan estimasi koefisien garis regresi dengan OLS menjadi tidak tepat, sehingga diperlukan metode regresi robust. Beberapa metode regresi robust diantaranya M-Estimation, Least Median of Square (LMS), Least Trimmed Squares (LTS), Penduga S, dan MM-Estimation. Permasalahan yang dikaji dalam penelitian ini adalah menentukan metode terbaik dalam mengatasi permasalahan outlier menggunakan metode regresi robust LMS dan Penduga S. Penelitian ini menggunakan data Anggaran Pendapatan dan Belanja Daerah (APBD) kabupaten/kota di Pulau Jawa tahun 2010 dengan variabel bebas meliputi Pendapatan Asli Daerah (X1), Dana Bagi Hasil (X2), Dana Alokasi Umum (X3), Luas Wilayah (X4), dan variabel terikat yaitu Belanja Modal (Y). Analisis dimulai dengan uji asumsi normalitas, linieritas, keberartian simultan, keberartian parsial, multikolinearitas, heteroskedastisitas, dan autokorelasi. Model regresi yang dapat diterima yaitu regresi data transformasi logaritma natural dari data APBD dengan variabel bebas meliputi Pendapatan Asli Daerah (logX1) dan Dana Bagi Hasil (logX2), serta variabel terikat yaitu Belanja Modal (logY) . Pendeteksian outlier menggunakan metode boxplot dan Cook’s Distance menunjukan bahwa terdapat outlier, sehingga dilakukan pendugaan parameter regresi robust dengan metode LMS dan Penduga S. Metode LMS menghasilkan nilai AIC sebesar 25,54423 dan SIC sebesar 27,76414, sedangkan dengan metode Penduga S menghasilkan nilai AIC sebesar 40,22523 dan SIC sebesar 43,72099. Berdasarkan hasil penelitian dan pembahasan disimpulkan bahwa LMS merupakan metode terbaik, karena LMS memiliki nilai AIC dan SIC yang lebih kecil dibandingkan dengan Penduga S. Multiple linear regression analysis was used to measure the effect of more than one independent variable ( X ) on the dependent variable ( Y ). Estimated parameters of the regression analysis are generally with OLS. In fact many cases found that the data contains outliers that causes the coefficient estimate by OLS regression line is not appropriate , so that the necessary robust regression methods. Some of robust regression method is M-Estimation, Least Median of Square ( LMS ), Least Trimmed Estimation (LTS), S Estimation, and MM-Estimation. Issues examined in this study is to determine the best method to solve outlier problems using robust regression method LMS and S Estimation. This study uses data Budget (APBD) districts / cities in Java in 2010 with the independent variables include revenue (X1), DBH (X2), General Allocation Fund (X3), Total Region (X4) and the dependent variable is the Capital Expenditure (Y). The analysis begins with the assumption of normality, linearity, significance simultaneous, partial significance, multicollinearity, heteroscedasticity, and autocorrelation. Regression models were acceptable ie data regression natural logarithm transformation of budget data with independent variables include revenue (logX1) and DBH (logX2), as well as the dependent variable is the Capital Expenditure (logY). The detection of outliers using boxplot and Cook's Distance shows that there are outliers, so that a robust regression parameter estimation with the LMS method and S Estimation. LMS method produces a value of AIC 27.76414 and SIC 25.54423, while the S Estimation method produces a value of AIC 43.72099 and SIC 40.22523. Based on the results and discussion can be concluded that the LMS is the best, since the LMS method has a value of AIC and SIC are smaller than the S Estimation
ANALISIS SURVIVAL MODEL REGRESI COX DENGAN METODE MLE UNTUK PENDERITA DIABETES MELLITUS Dewi, Ardhyani Yunika; Dwidayati, Nur Karomah; Agoestanto, Arief
Unnes Journal of Mathematics Vol 9 No 1 (2020)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v9i1.30559

Abstract

Tujuan penelitian ini adalah untuk mengetahui nilai estimasi parameter penderita Diabetes Mellitus, model persamaan Regresi Cox penderita Diabetes Mellitus, serta faktor-faktor yang mempengaruhi ketahanan hidup Penderita Diabetes Mellitus. Metode yang digunakan dalam analisis Regresi Cox ini adalah Metode Maximum Likelihood Estimation. Langkah yang harus dilakukan adalah dengan menginput data penderita Diabetes Mellitus, menentukan distribusi, mencari nilai estimasi parameter ,pengujian asumsi, analisis bivariat, analisis multivariat, pemilihan model terbaik. Dari penelitian diperoleh nilai parameter Distribusi Lognormal menggunakan MLE, untuk nilai mean penderita Diabetes Mellitus sebesar dan nilai varians penderita Diabetes Mellitus sebesar . Model yang diperoleh fungsi hazard dari persamaan Regresi Cox untuk penderita Diabetes Mellitus adalah: h(t) =h0(t)exp(0,0671685x1+0,004626x2) dan diperoleh survival hazardnya adalah: S(t) = S0(t)^exp(0,0671685x1+0,004626x2)
OPTIMALISASI SISTEM ANTRIAN SERI PADA SARANA PELAYANAN SAMSAT BERDASARKAN TINGKAT ASPIRASI (STUDI KASUS DIKANTOR SAMSAT KOTA SRAGEN) Ardama, Johan Dwi; Dwidayati, Nur Karomah
Unnes Journal of Mathematics Vol 9 No 2 (2020)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v9i2.34191

Abstract

The purpose of this study is to find out (1) the series queuing system model currently applied at the SAMSAT Office of Sragen City, (2) the effectiveness of the taxpayer service process, and (3) the optimal queuing system based on the level of aspiration so as not to harm the taxpayer and also SAMSAT. From the results of the study it was found that in SAMSAT, Sragen City followed the Single Channel Multiple Phase queue system model (tendem queue or series). Details of the queue model at the registration window and payment window are [G / G / 1]: [GD / ∞ / ∞]. This means a queue system of arrival patterns that is distributed by the General with the number of servants covering 1 officer at each of the counters. The results of the effectiveness of the queuing system in SAMSAT, Sragen City, for one day during rush hour service, namely Tuesday, August 6, 2019 with Lq = 0.2452, Ls = 0.7085, Wq = 0.7119, Ws = 1.774, W = 53.67% .
SEMIPARAMETRIK MULTILEVEL ZERO-INFLATED GENERALIZED POISSON REGRESSION MODELING ON TRAFFIC ACCIDENT DATA IN TEMANGGUNG REGENCY Isa, Bani Muhamad; Dwidayati, Nur Karomah
Unnes Journal of Mathematics Vol 9 No 2 (2020)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v9i2.34761

Abstract

This study aims to model the data of traffic accidents in Temanggung Regency with a multilevel zero-inflated generalized poisson semiparametric regression model. Multilevel zero-inflated generalized poisson semiparametric regression is a regression model for analyzing poisson distribution data with stratified data structures that are overdispersed and there are parametric and nonparametric components in the independent variable. This study uses the variable of many accidents as the response variable, as well as the variable of many traffic light violations, many violations of drivers not having a SIM, many accidents because the vehicle is not fit, many accidents due to damaged roads as the independent variable. The method used to estimate the model parameters is the Maximum Likelihood Ratio (MLE) method with the Maximization Expectation (EM) algorithm. After estimating the parameters and the suitability of the test model with the Wald Test, then the model shape is obtained a semiparametric regression multilevel zero inflated generaized poison with AIC count model 144.0032 and AIC zero-inflation model -63.0016.
Co-Authors Amalia, Dhea Amidi Amidi, Amidi Anita Anggraeni, Anita Apriliani, Yustika Rakhma Ardama, Johan Dwi Ari Prasetyo Arief Agoestanto Assidiq, Addinul Astuti, Niken Yulia Bravendi, Diantina Dewi, Ardhyani Yunika Dewi, Nuriana Rachmani Dwijanto Dwijanto Dwijanto Dwijanto, Dwijanto Edy Cahyono Febrianto, Laeli Sidik Fitriyanti, Nur Laesiyah Hardi Suyitno Hardini Kurniani, Khoirida Hermawan, Jody Setya Imam Kusmaryono Iqbal Kharisudin Isa, Bani Muhamad Isnaini Rosyida, Isnaini Isnarto, Isnarto Iwan junaedi Jerau, Emiliana Elsa Kartono , Karyadi Karyadi Limay Trisno Putra, Ari Maharani, Anindya Gita Masrukan Masrukan Millaty, Vita Nur Mohammad Asikin Muhamad Gani Rohman Mulyono Mulyono Mulyono Mulyono Muna, Trimurtini, Nur Aizatun Oktaviyanty, Hetty Pebriyanti, Maria Metha Dwi Pradewita, Wella Cintya Pratiwi, Dyah Ayu Probosiwi, Wdyanita Indah Pujilestari, Sri Putri, Aina Latifa Riyana Putriaji Hendikawati Retnowati, Fitri Riawati, Beti Rifky Ardhana Kisno Saputra Rochmad - Rohman, Muhamad Gani Safitri, Tias SB Waluya Solehuzain, Solehuzain Suci Fajariah, Eka Sugiman Sugiman Sukestiyarno Sukestiyarno Sukestiyarno, Y L Sunarmi Sunarmi Tri Wahyuningsih Triwibowo, Zanuar Veronica, Rahayu Budhiati Wardono Wardono Widayanti, Christina Yulianto, Alfany Rahman Zaenuri Zaenuri Zubaedi, Muhammad Fakqih