Claim Missing Document
Check
Articles

PEMODELAN REGRESI LINEAR MENGGUNAKAN METODE THEIL (STUDI KASUS: JUMLAH PENDUDUK MISKIN DAN TINGKAT PENGANGGURAN TERBUKA) Amarrullah, Rido; Martha, Shantika; Andani, Wirda
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 4 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v12i4.70083

Abstract

Metode Theil adalah salah satu metode regresi nonparametrik yang digunakan saat asumsi kenormalan residual tidak terpenuhi pada model regresi linear sederhana. Penelitian ini bertujuan untuk membentuk model regresi linear sederhana dengan metode Theil dari data dengan residual data tidak berdistribusi normal. Data yang digunakan pada penelitian ini adalah data semesteran jumlah penduduk miskin (Y) dan tingkat pengangguran terbuka (X) di Indonesia Tahun 2012 hingga 2022 sebanyak 21 data. Terlebih dahulu dilakukan analisis regresi antara X dan Y, selanjutnya lakukan pengujian asumsi kenormalan residual data. Jika residual tidak berdistribusi normal, maka untuk mendapatkan model regresi linear sederhana dari data digunakanlah metode Theil. Setelah dilakukan analisis dengan metode Theil didapatlah model regresi linear sederhana Ŷ i = 18932,085 + 1495,988 X i , dengan nilai koefisien determinasi R 2 sebesar 0,493 (49,3%). Dari model yang didapat bisa diambil kesimpulan bahwa terdapat pengaruh positif antara tingkat pengangguran terbuka terhadap jumlah penduduk miskin, sehingga setiap kali tingkat pengangguran terbuka naik, jumlah penduduk miskin juga ikut naik. Sedangkan nilai koefisien determinasi menunjukkan bahwa sebesar 49,3% kemampuan variabel tingkat pengangguran terbuka menjelaskan tentang variabel jumlah penduduk miskin. Sedangkan sisanya sebesar 50,7% dijelaskan oleh variabel-variabel lain diluar penelitian ini.Kata kunci: Metode Theil, Regresi Parametrik dan Nonparametrik
PENGELOMPOKAN KABUPATEN/KOTA DI KALIMANTAN BARAT BERDASARKAN FAKTOR-FAKTOR KEMISKINAN MENGGUNAKAN METODE DBSCAN Purwanty, Purwanty; Martha, Shantika; Aprizkiyandari, Siti
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 1 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i1.74047

Abstract

Salah satu teknik analisis cluster adalah Density Based Spatial Clustering Algorithm with Noise (DBSCAN). Teknik ini mengelompokkan data berdasarkan kepadatannya. Jumlah data atau minimum point (Minpts) dalam radius epsilon (ε) dari setiap kumpulan data adalah merupakan konsep kepadatan data yang dimaksud . Dalam penelitian ini, Kabupaten/kota di Kalimantan Barat dikelompokkan berdasarkan kriteria berdasarkan faktor-faktor kemiskinan tahun 2021 dengan menggunakan metode DBSCAN. Indeks pembangunan manusia (X1), tingkat pengangguran terbuka (X2), dan persentase penduduk usia 15 tahun ke atas yang melek huruf (X3) menjadi variabel yang digunakan dalam penelitian ini. Tahap pertama dalam penelitian ini adalah menggunakan z-score untuk standarisasi data. Selanjutnya dengan melihat kurva siku menggunakan plot K-Nearest Neighbor (KNN) untuk menentukan nilai epsilon dan Minpts. Selanjutnya menentukan titik centroid pertama yang dipilih secara acak. Selanjutnya gunakan jarak euclidean untuk menghitung jarak. Setelah itu pembentukan cluster berdasarkan jumlah titik dalam radius ε dan lebih besar sama dengan Minpts. Kemudian vadidasi cluster dengan silhouette coefficient. Selanjutnya adalah interpretasi cluster. Dari hasil pengelompokan menggunakan metode DBSCAN diperoleh dua cluster dan lima noise dengan parameter ε sebesar 0,6 dan Minpts sebesar dua. Tujuh Kabupaten yaitu Sambas, Bengkayang, Landak, Sanggau, Kapuas Hulu, Sekadau, dan Melawi termasuk dalam cluster satu. Dua Kabupaten yaitu Mempawah dan Kubu Raya termasuk dalam cluster dua. Dibandingkan dengan cluster satu, cluster dua memiliki nilai rata-rata IPM dan tingkat pengangguran terbuka yang lebih besar. Berdasarkan hasil tersebut maka program-program dari pemerintah dapat diarahkan pada cluster dua.  Kata Kunci: Analisis Cluster, Epsilon, Minpts
PENERAPAN AUTOMATIC CLUSTERING"“FUZZY LOGICAL RELATIONSHIP PADA PERAMALAN HARGA EMAS Anggria, Vini; Martha, Shantika; Andani, Wirda
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 2 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i2.76953

Abstract

Investasi yang cenderung dipilih kebanyakan orang saat ini adalah dengan berinvestasi emas. Salah satu keuntungan dalam berinvestasi emas yaitu karena memiliki tingkat risiko yang relatif rendah dan tidak terpengaruh oleh inflasi. Untuk memperoleh keuntungan dan mencegah kerugian para investor membutuhkan metode peramalan dalam pengambilan keputusan. Metode peramalan yang digunakan dalam penelitian ini adalah Automatic Clustering "“ Fuzzy Logical Relationship (ACFLR). Tujuan penelitian ini untuk meramalkan harga emas dengan menerapkan metode ACFLR sebagai alat pendukung keputusan dalam berinvestasi. Penelitian ini menganalisis data harga emas pada periode 1 Maret 2022 hingga 31 Maret 2022. Peramalan ACFLR diawali dengan mengurutkan data tanpa data ganda, pembentukan kluster, penentuan panjang dan nilai tengah interval ,himpunan fuzzy, fuzzifikasi, membentuk FLR dan FLRG dan perhitungan nilai peramalan. Berdasarkan hasil implementasi metode ACFLR diperoleh hasil peramalan harga emas satu hari kedepan yaitu pada tanggal 1 April 2022 sebesar Rp. 897.000. Nilai ketepatan peramalan yang dihitung dengan MAPE sebesar 0,37% yang dapat dikatakan tingkat akurasinya tinggi, sehingga dapat disimpulkan bahwa penerapan metode ACFLR baik digunakan dalam memprediksi harga emas.  Kata Kunci : ACFLR, harga emas, peramalan
PENERAPAN VECTOR ERROR CORRECTION MODEL (VECM) UNTUK PERAMALAN NILAI EKSPOR NONMIGAS INDONESIA Pramesti, Surya Adinda Fitria; Imro’ah, Nurfitri; Martha, Shantika
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 5 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i5.99649

Abstract

Vector Error Correction Model (VECM) adalah pengembangan dari Vector Autoregressive (VAR) yang digunakan untuk menganalisis data yang tidak stasioner namun memiliki hubungan kointegrasi atau keterkaitan jangka panjang. VECM digunakan pada data time series yang menjadi stasioner setelah differencing pertama dan telah lolos uji kointegrasi. Dalam penelitian ini, data time series yang dianalisis adalah data ekspor dan nilai tukar mata uang rupiah. Ekspor adalah kegiatan perdagangan internasional yang menjadi elemen vital dalam pembentukan fondasi ekonomi suatu bangsa. Salah satu aspek utama yang berperan dalam memengaruhi besarnya nilai ekspor adalah nilai tukar mata uang atau kurs yang berperan dalam menentukan tingkat daya saing produk domestik di pasar internasional. Penelitian ini menggunakan nilai tukar terhadap dolar Amerika Serikat (USD), karena USD masih menjadi standar nilai tukar internasional dan menjadi acuan utama dalam sistem nilai tukar internasional. Ekspor menunjukkan perubahan yang tidak stabil dari waktu ke waktu, sehingga diperlukan upaya peramalan untuk dapat membantu memprediksi kondisi ekonomi mendatang. Penelitian ini bertujuan mengimplementasikan model VECM untuk meramalkan nilai ekspor nonmigas Indonesia. Data yang dianalisis berupa data periodik bulanan dari Januari 2013 hingga Desember 2024 yang diunduh melalui situs Satu Data Kementerian Perdagangan. Data yang digunakan telah memenuhi syarat stasioneritas pada tingkat first difference. Lag optimum yang dipilih adalah lag 3 sehingga model yang digunakan adalah VECM(2). Dalam uji kointegrasi Johansen menghasilkan adanya hubungan kointegrasi, sehingga pada setiap periode jangka pendek terjadi penyesuaian secara bersamaan dan saling memengaruhi guna mencapai keseimbangan dalam jangka panjang. Perhitungan menghasilkan Mean Absolute Percentage Error (MAPE) sebesar 5,99%, sehingga kinerja model dinilai sangat baik.
Pelatihan Infografis Untuk Pegawai PPN Pemangkat Martha, Shantika; Debataraja, Naomi Nessyana; Rizki, Setyo Wira; Imro'ah, Nurfitri; Perdana, Hendra; Kusnandar, Dadan; Satyahadewi, Neva; Tamtama, Ray
Insan Cita : Jurnal Pengabdian Kepada Masyarakat Vol 7, No 1 (2025): Februari 2025-Insan Cita: Jurnal Pengabdian Kepada Masyarakat
Publisher : Universitas Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32662/insancita.v7i1.2658

Abstract

PPN Pemangkat sebagai sentra perikanan mempunyai beberapa keunggulan, yaitu lokasi strategis, dekat dengan fishing ground dan daerah pemasaran. Dengan berbagai keunggulan tersebut diharapkan dapat meningkatkan kualitas perekonomian masyarakat sekitar. Pentingnya ketersediaan informasi tentang PPN Pemangkat untuk masyarakat dapat menjadi faktor pendukung untuk meningkatkan kualitas perekonomian masyarakat yang terhubung dengan keberadaan PPN Pemangkat seperti nelayan. Infografis sangat diperlukan untuk penyajian data di PPN Pemangkat. Baik itu data tentang kapal, nelayan maupun hasil tangkapan. Infografis dapat menyederhanakan informasi yang rumit, sehingga informasi data lebih dapat dipahami untuk semua kalangan. Untuk itu pelatihan infografis bagi pegawai PPN Pemangkat sangat diperlukan. Hasil dari kegiatan ini yaitu bertambahnya pengetahuan serta kemampuan pegawai PPN Pemangkat dalam mengolah data melalui pembuatan infografis menggunakan excel.