Article Per Year (5 Year)
p-Index From 2020 - 2025
3.831
P-Index
This Author published in this journals
All Journal BIMASTER JAMBURA JOURNAL OF PROBABILITY AND STATISTICS
IMRO’AH, NURFITRI
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Environmental Science Mathematics Social Sciences

Published : 29 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 29 Documents
Search

 1   2   3 
K-Means Clustering dan Mean Variance Efficient Portfolio dalam Portofolio Saham Pratama, Yogi; Sulistianingsih, Evy; Debataraja, Naomi Nessyana; Imro’ah, Nurfitri
Jambura Journal of Probability and Statistics Vol 5, No 1 (2024): Jambura Journal Of Probability and Statistics
Publisher : Department of Mathematics, Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jjps.v5i1.20298

Abstract

K-means clustering is one of the non-hierarchical clustering algorithms that partitions n objects into k clusters. K-means clustering is used to determine which cluster an object belongs to by calculating the proximity distance between the object and the cluster center (centroid). This research aims to form a portfolio using K-means clustering and determine the weights of the portfolio using the Mean Variance Efficient Portfolio (MVEP) method. The data analyzed in this research is the closing price data of 11 stocks in the LQ45 index from January 3, 2022, to January 3, 2023. The analysis results obtained using K-means clustering reveal the formation of two portfolios. The first portfolio consists of the stocks BMRI, INCO, INDF, INTP, and SMGR. The second portfolio consists of the stocks ADRO, ANTM, BBRI, ERAA, and UNVR. Based on the MVEP method calculation, the weights of each stock in the first portfolio are 22.74\% (BMRI), 10.11\% (INCO), 49.76\% (INDF), 18.75\% (INTP), and -1.36\% (SMGR). The calculation results of stock weights show that there is a stock weight with a negative value, which is -1.36\% for SMGR, indicating a short sale in the investment. Furthermore, the weighting results for the second portfolio are 7.08\% (ADRO), 9.62\% (ANTM), 34.05\% (BBRI), 24.80\% (ERAA), and 24.45\% (UNVR).The variance values of stock portfolio 1 and stock portfolio 2 are 0.000080 and 0.000137, respectively. From the portfolio variance results, it is known that the risk of portfolio 1 is 0.008953 and the risk of portfolio 2 is 0.011706.
OPTIMALISASI MODEL GRADIENT BOOSTING MACHINE DENGAN GRID SEARCH UNTUK MENENTUKAN KELAYAKAN PEMBERIAN KREDIT BANK Ramadhania, Wahida; Satyahadewi, Neva; Imro’ah, Nurfitri
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 1 (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.v14i1.91908

Abstract

Pengambilan keputusan dalam menentukan kelayakan pemberian kredit melibatkan berbagai faktor kompleks seperti riwayat kredit, pendapatan pekerjaan, dan jumlah tanggungan. Tujuan dari penelitian ini ialah menentukan tingkat akurasi model Gradient Boosting Machine (GBM) menggunakan teknik optimasi parameter dengan Grid Search untuk menganalisis hasil klasifikasi kelayakan pemberian kredit. Pendekatan yang digunakan termasuk dalam metode supervised learning. Supervised Learning merupakan salah satu pembelajaran mesin yang bertujuan untuk menyelesaikan masalah seperti klasifikasi dengan mengindentifikasi variabel target menggunakan model hasil pelatihan dari data berkategori. GBM merupakan salah satu algoritma klasifikasi supervised learning berbasis decision tree. Permasalahan pada GBM adalah kecenderungan mengalami overfitting yang disebabkan oleh pengaturan hyperparameter yang tidak optimal. Hal ini dapat diatasi dengan teknik optimasi parameter seperti grid search. Data yang digunakan yaitu data historis nasabah yang berasal dari website www.kaggle.com sebanyak 730 data debitur dengan 162 pinjaman yang disetujui dan 568 pinjaman tidak disetujui. Langkah penelitian yang pertama yaitu preprocessing data, kemudian membagi data menjadi data training dan data testing dengan proporsi 80:20, menangani imbalance class pada data training menggunakan Random Oversampling (ROS), membuat model GBM tanpa grid search dan model GBM menggunakan grid search. Hasil penelitian didapatkan akurasi model GBM tanpa grid search yaitu sebesar 83,43% sedangkan akurasi model GBM dengan grid search diperoleh sebesar 95,15%. Hal ini menunjukkan bahwa metode GBM menggunakan optimasi grid search menghasilkan kinerja yang lebih baik dibandingkan tanpa optimasi.  Kata Kunci : ROS, Optimasi Parameter, Supervised Learning
PENGARUH JUMLAH TENAGA KESEHATAN TERHADAP UNMET NEED PELAYANAN KESEHATAN: PENDEKATAN REGRESI LOGISTIK RIDGE Wicaksono, Juwan Prioabil Dwi; Imro’ah, Nurfitri; Sulistianingsih, Evy
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.v14i5.100119

Abstract

Regresi Logistik Ridge merupakan pengembangan dari Regresi Logistik yang dilengkapi dengan penalti ridge, dan bertujuan untuk mengatasi multikolinearitas serta meningkatkan kestabilan estimasi parameter. Dalam penelitian ini, multikolinearitas teridentifikasi pada variabel prediktor, sehingga metode Regresi Logistik Ridge digunakan. Variabel dependen adalah tingkat unmet need pelayanan kesehatan, yaitu persentase penduduk yang mengalami keluhan kesehatan dan terganggu aktivitasnya namun tidak melakukan pengobatan rawat jalan. Untuk keperluan analisis, variabel tersebut dikategorikan menjadi dua kelas, yaitu provinsi dengan nilai unmet need di atas dan di bawah rata-rata nasional, sehingga pendekatan klasifikasi logistik menjadi sesuai. Penelitian ini bertujuan menganalisis faktor-faktor yang mempengaruhi tingkat unmet need serta merumuskan langkah strategis yang dapat dilakukan pemerintah. Data unmet need bersumber dari Survei Sosial Ekonomi Nasional (Susenas) bulan Maret 2023, sedangkan data jumlah tenaga kesehatan dari Badan Pusat Statistik (BPS) tahun 2023 mencakup enam profesi di tingkat provinsi. Pemodelan dilakukan dengan Regresi Logistik Ridge, dilanjutkan dengan uji signifikansi parameter secara parsial dan serentak, serta interpretasi menggunakan odds ratio. Hasil menunjukkan bahwa terdapat dua faktor, yaitu jumlah tenaga perawat dan tenaga farmasi, berpengaruh signifikan secara negatif terhadap tingkat unmet need. Artinya, peningkatan ketersediaan kedua jenis tenaga kesehatan tersebut berpotensi menurunkan tingkat unmet need pelayanan kesehatan di Indonesia.
ANALISIS KUALITAS LAYANAN RITEL DARI PERSEPSI PELANGGAN MENGGUNAKAN METODE RSQS, CSI DAN IGA (Studi Kasus: Indomaret di Desa Balai Sebut, Kabupaten Sanggau) Yulianti, Siska; Imro’ah, Nurfitri; Aprizkiyandari, Siti
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.v13i2.77237

Abstract

Industri ritel menyediakan produk dan jasa bernilai tambah untuk memenuhi kebutuhan masyarakat. Indomaret merupakan ritel modern yang mempermudah masyarakat melakukan proses jual beli agar lebih efisien sehingga memberikan kenyamanan dan kepuasan bagi konsumen. Penelitian ini bertujuan untuk mengetahui tingkat kepuasan pelanggan dan mengidentifikasi atribut yang menjadi prioritas perbaikan. Pengumpulan data dilakukan melalui survei dengan menyebarluaskan kuesioner sebanyak 28 atribut yang diisi oleh masyarakat Desa Balai Sebut yang pernah berbelanja di Indomaret dan berusia minimal 17 tahun. Pengambilan sampel menggunakan metode Linier Time Function (LTF) yang berjumlah 48 responden. Data dianalisis menggunakan metode Customer Satisfaction Index (CSI) dengan tahapan menghitung nilai Mean Importance Score (MIS), Mean Satisfaction Score (MSS), Weighted Factor (WF), Weight Score (WS) dan CSI. Setelah dilakukan tahapan tersebut diperoleh nilai CSI sebesar 69,92% yang mengindikasikan bahwa pelanggan merasa puas terhadap kualitas kinerja pihak Indomaret. Analisis selanjutnya menggunakan metode Improvement Gap Analysis (IGA) yang dimulai dengan menghitung nilai Average Expected Statisfaction with Functional Question (AESFQ), Average Expected Statisfaction with Disfunctional Question (AESDQ), Average Current Statisfaction (ACS) dan Improvement Gap (IG) sehingga diperoleh hasil kuadran IGA terdapat 7 atribut yang perlu untuk dilakukan perbaikan, yaitu x1.2 (fasilitas fisik di Indomaret menarik), x1.3 (bahan-bahan yang berhubungan dengan layanan Indomaret menarik (seperti tas belanja dan katalog)), x2.2 (Indomaret menyediakan layanannya pada waktu yang dijanjikan), x3.9(karyawan Indomaret memperlakukan pelanggan dengan sopan melalui telepon), x4.1(Indomaret bersedia menangani pengembalian dan penukaran), x5.3 (Indomaret memiliki jam operasional yang nyaman untuk semua pelanggan), dan x5.5 (Indomaret menawarkan kartu kreditnya sendiri).Kata Kunci: Kepuasan Pelanggan, Ritel, Pelayanan.
PERAMALAN DATA CURAH HUJAN DENGAN METODE WAVELET-VAR Melvin, Melvin; Imro’ah, Nurfitri; Sulistianingsih, Evy
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 2 (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.v14i2.92213

Abstract

Peramalan curah hujan yang akurat memiliki peran penting dalam pengelolaan sumber daya alam dan pencegahan bencana karena dapat memberikan informasi yang akurat mengenai kondisi cuaca yang akan datang, sehingga memungkinkan pengambilan keputusan yang lebih efisien. Dengan peramalan yang akurat, kita dapat merencanakan kegiatan pertanian, perikanan, dan pemanfaatan sumber daya alam lainnya secara optimal, serta meminimalkan risiko kerusakan atau bencana seperti banjir dan badai yang dapat membahayakan kehidupan dan infrastruktur. Studi ini dilakukan dengan menggunakan metode Wavelet untuk mengurangi gangguan pada data curah hujan, yang kemudian dilakukan proses peramalan dengan menerapkan model Vector Autoregressive (VAR). Pemilihan data curah hujan dan kecepatan angin sebagai fokus analisis sangat relevan karena kedua variabel ini mempengaruhi banyak sektor, seperti pertanian, perairan, dan transportasi. Penelitian ini memanfaatkan data yang berisi catatan bulanan tentang curah hujan dan kecepatan angin di Kota Pontianak dari Mei 2012 hingga Desember 2022, dengan perhatian khusus pada pentingnya stasionaritas data agar model yang dihasilkan valid. Hasil penelitian menunjukkan bahwa metode Wavelet-VAR mampu memberikan akurasi peramalan curah hujan dengan hasil perhitungan Mean Absolute Percentage Error (MAPE) senilai 6,17%. Nilai MAPE ini menunjukkan bahwa metode Wavelet-VAR sangat akurat dalam meramalan data curah hujan.  Kata Kunci : stasioner, transformasi wavelet, vector autoregressive
IMPLEMENTASI HIDDEN MARKOV MODEL DALAM PREDIKSI TREND PASAR SAHAM INDOFOOD DI BURSA EFEK INDONESIA Deanovela, Adelea Delvi; 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.v14i5.99651

Abstract

Saham dikenal sebagai instrumen investasi yang paling populer karena memiliki potensi keuntungan yang tinggi, sekaligus berperan sebagai sumber pendanaan bagi perusahaan. Penelitian ini bertujuan untuk menentukan dan menyempurnakan parameter Hidden Markov Model menggunakan Algoritma Baum-Welch, serta menerapkan Algoritma Forward-Backward dan Viterbi untuk memperoleh prediksi trend pasar saham PT. Indofood Sukses Makmur, Tbk. sebagai dasar dalam penentuan keputusan investasi. HMM mampu memodelkan keadaan tersembunyi (hidden state) dari pergerakan harga saham yang bersifat stokastik dan tidak dapat diamati secara langsung, sehingga dapat memberikan gambaran pola pergerakan saham Indofood yang tersembunyi. Data yang digunakan meliputi harga penutupan saham harian yang didapatkan dari website yahoo finance yang kemudian diolah menjadi perubahan harga dan dikategorikan ke dalam tiga trend, yaitu naik, turun, dan tetap. Data kemudian dibagi menjadi 80% data training dan 20% data testing. Hasil dari Algoritma Forward-Backward dan Viterbi selama 96 pengamatan terhadap pola perubahan harga saham yaitu Turun, Naik, Tetap, Turun, Turun, Turun, Tetap, Naik, Naik,"¦, Tetap, menghasilkan prediksi pergerakan trend pasar saham dengan barisan hidden state optimal yang sama yaitu Bearish, Bullish, Bullish, Bearish, Bearish, Bearish, Bullish, Bullish, Bullish,"¦, Bullish. Model HMM mampu memetakan dan memprediksi arah trend saham dengan tingkat akurasi mencapai 72%. Temuan ini mengidentifikasikan bahwa HMM cukup handal dalam mengenali pola tersembunyi dari pergerakan harga saham INDF dan memberikan prediksi yang cukup akurat. Dari hasil prediksi tersebut maka sebaiknya PT.Indofood Sukses Makmur tidak tergesa-gesa dalam membuat keputusan dalam menjual saham, karena kenaikan harga saham tidak selalu mencerminkan kondisi trend pasar saham dalam posisi bullish.
PENERAPAN METODE CERTAINTY FACTOR PADA SISTEM PAKAR PENENTUAN BIDANG MINAT PROGRAM STUDI STATISTIKA FMIPA UNTAN Gunawan, Sucipto; Imro’ah, Nurfitri; Perdana, Hendra
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 5 (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.v13i5.85805

Abstract

Program Studi (PS) Statistik Universitas Tanjungpura (Untan) memberikan pilihan bidang minat yang nantinya dipilih oleh mahasiswa agar kedepannya bisa sesuai dengan lapangan pekerjaan yang akan ditekuni. Terdapat tiga pilihan bidang minat yang ada di program studi yaitu, bidang minat bisnis dan keuangan, sosial dan industri, serta lingkungan dan kebencanaan. Penelitian ini menggunakan data primer dengan responden mahasiswa PS Statistik Untan. Terdapat 30 responden dengan rincian 10 responden tiap bidang minat. Penelitian ini menggunakan metode Certainty Factor dengan tujuan untuk membantu mahasiswa dalam menentukan pilihan bidang minat pada PS Statistik Untan. Berdasarkan hasil penelitian diperoleh bahwa Proses metode analisis certainty factor dimulai dengan menentukan mata kuliah dan nilai bobot untuk tiap mata kuliah. Selanjutnya penentuan nilai bobot dari nilai huruf yang diperoleh pada mata kuliah. Sebagai ilustrasi digunakan nilai hasil 11 mata kuliah pada semester 3 dan 4 dari seorang mahasiswa A sehingga diperoleh nilai CF user. Kemudian dihitung nilai setiap faktor kriteria kombinasi (CF Kombinasi) di tiap klasifikasi bidang minat. Berdasarkan hasil perhitungan, diperoleh bahwa mahasiswa tersebut direkomendasikan memilih bidang minat Sosial dan Industri karena memiliki nilai CF kombinasi tertinggi dibandingkan minat lainnya yaitu sebesar 65,62%.Kata Kunci:      Bidang minat, Sistem Pakar, Certainty Factor
SELEKSI PENERIMAAN BEASISWA MENGGUNAKAN METODE EVALUATION BASED DISTANCE FROM AVERAGE SOLUTION (EDAS) (Studi Kasus: Beasiswa KIP Kuliah Merdeka di Universitas Tanjungpura) Clarenda Siboro, Viren Marcellya; Martha, Shantika; Imro’ah, Nurfitri
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 2 (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.v14i2.91910

Abstract

Beasiswa Kartu Indonesia Pintar (KIP) Kuliah Merdeka adalah program yang dirancang oleh pemerintah untuk memberikan dukungan finansial dalam bentuk pembiayaan pendidikan serta biaya hidup penerima bantuan beasiswa. Tujuan dilakukan penelitian ini yaitu untuk mengimplementasikan metode Sistem Pendukung Keputusan yaitu metode Evaluation Based Distance From Average Solution (EDAS) dalam proses pengambilan keputusan terkait seleksi penerima beasiswa KIP Kuliah Merdeka di Universitas Tanjungpura. EDAS merupakan metode yang digunakan untuk menentukan alternatif optimal yang dipilih berdasarkan perhitungan jarak masing-masing alternatif dari nilai optimal. Metode tersebut memiliki keunggulan dalam melakukan pemeringkatan dengan menghitung Average Solution (AV) sehingga hasil yang didapatkan lebih akurat. Penelitian ini menggunakan data beasiswa KIP Kuliah Merdeka tahun 2023 yang diperoleh dari Biro Akademik dan Kemahasiswaan (BAK) Universitas Tanjungpura. Kriteria yang digunakan yaitu pekerjaan ayah (C1), penghasilan ayah (C2), pekerjaan ibu (C3), penghasilan ibu (C4), dan jumlah tanggungan (C5). Proses analisis dimulai dengan menghitung Average Solution, Positive Distance Average, Negative Distance Average, Sum of Positive Distance, Sum of Negative Distance, Normalize Sum of Positif Distance, Normalize Sum of Negative Diatance, dan Appraisal Score. Berdasarkan hasil analisis alternatif terbaik yang layak dipilih dan menerima bantuan beasiswa KIP Kuliah Merdeka yaitu A210   dengan nilai appraisal score 1. Nilai akurasi yang diperoleh dari hasil analisis menggunakan metode EDAS sebesar 46,69% yang tergolong ke dalam kategori gagal. Hal tersebut disebabkan oleh sedikit atribut yang digunakan dan proses penentuan beasiswa dilakukan oleh pihak BAK dengan mempertimbangkan beberapa kriteria lainnya.  Kata Kunci : Pemeringkatan, Average Solution, Akurasi.
PENERAPAN MODEL SELF-EXCITING THRESHOLD AUTOREGRESSIVE (SETAR) DALAM MEMODELKAN DATA HARGA PEMBUKAAN SAHAM APLN Meilandra, Irvan; Imro’ah, Nurfitri; Sulistianingsih, Evy
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.v14i5.100120

Abstract

Model Self-Exciting Threshold Autoregressive (SETAR) merupakan salah satu model nonlinier dalam analisis runtun waktu yang memiliki keistimewaan dapat menangkap loncatan data yang tidak dapat ditangkap oleh model runtun waktu linier. Karena keistimewaannya tersebut, SETAR dapat digunakan untuk data yang berfluktuasi seperti saham agar hasil yang diperoleh memiliki akurasi yang baik. Tujuan penelitian ini adalah untuk memodelkan harga pembukaan saham APLN dengan model SETAR. Saham APLN milik PT Agung Podomoro Land Tbk merupakan perusahaan yang bergerak di bidang properti. Penelitian ini menggunakan 153 data harga pembukaan bulanan saham APLN dalam periode Januari 2012 sampai dengan September 2024. Tahapan pemodelannya yaitu uji stasioneritas dalam rata-rata dan varians, uji Terasvirta, identifikasi model SETAR, pendugaan dan uji signifikansi parameter, kemudian uji diagnostik. Hasil penelitian menunjukkan bahwa data menggunakan 1 threshold dengan embedding dimension 4 dan jarak waktu 1. Model SETAR yang didapatkan merupakan model 2-regime SETAR (2,1,2) dengan threshold 5,463832.
PENERAPAN METODE REGRESI ROBUST ESTIMASI-M DENGAN PEMBOBOTAN HAMPEL PADA ANALISIS PRODUKSI JAGUNG DI INDONESIA Asmara, Mira; Imro’ah, Nurfitri; Martha, Shantika
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 4 (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.v14i4.99122

Abstract

Analisis regresi digunakan untuk membangun hubungan antara satu variabel terikat (Y) dan satu atau lebih variabel bebas (X) dalam model matematika. Metode yang sering digunakan untuk mengestimasi parameter adalah Metode Kuadrat Terkecil (MKT). Namun, keberadaan pencilan membuat metode ini kurang efektif, sehingga hasil estimasi parameter menjadi tidak akurat. Regresi robust adalah metode alternatif untuk mengestimasi parameter ketika terdapat pencilan. Dalam penelitian ini digunakan metode estimasi-M dengan pembobot Hampel sebagai solusi terhadap masalah pencilan. Tujuan penelitian ini adalah menerapkan regresi robust estimasi-M pada data produksi jagung di Indonesia berdasarkan data BPS tahun 2023 dari 34 provinsi. Pemilihan variabel jumlah curah hujan (X_1) dan jumlah pupuk (X_2) didasarkan pada pentingnya kedua faktor tersebut dalam mempengaruhi tingkat produksi jagung di sektor pertanian. Jagung dipilih sebagai objek penelitian karena merupakan salah satu komoditas pertanian utama yang berperan dalam ketahanan pangan dan industri pakan ternak di Indonesia. Pencilan dalam data diidentifikasi menggunakan boxplot dan nilai DFFITS, yang menunjukkan adanya pencilan, sehingga digunakan regresi robust estimasi-M dengan pembobotan Hampel. Berdasarkan model yang dihasilkan menunjukkan bahwa kenaikan 1 mm curah hujan per tahun diperkirakan akan meningkatkan produksi jagung sebesar 28,0696 ton, sedangkan kenaikan 1 kg pupuk diperkirakan akan meningkatkan produksi jagung sebesar 0,6830 ton. Model ini memiliki adjusted R-Square sebesar 98,98% dan standard error sebesar 91600, sehingga menghasilkan estimasi yang lebih stabil.
Co-Authors Aipassa, Ezra Amarya Andani, Wirda Aprizkiyandari, Siti Asmara, Mira Bertiani, Marsela Dian Clarenda Siboro, Viren Marcellya Dadan Kusnandar Deanovela, Adelea Delvi Debataraja, Naomi Nessyana Dyaherawati, Oktavia Evy Sulistianingsih Fiqriani, Rizha Aynul Gunawan, Sucipto Haulia, Khofifah Hendra Perdana HUDA, NUR’AINUL MIFTAHUL Indra Satria, Tan Ade Kamila, Diva Rahma Martha, Shantika Mawaddah Mawaddah, Mawaddah Meilandra, Irvan Melvin, Melvin Neva Satyahadewi Nurhaliza, Sy. Farini Pramesti, Surya Adinda Fitria Pratama, Yogi Priani, Wina Ramadhania, Wahida Reho, Stepanus Rifqi, Bhima Fairul Riovani, Vriska Dwi Riswanda, Giovani Parasta Selvia, Eva Sesilisvana, Nevil Wati, Setio Kusumo Wicaksono, Juwan Prioabil Dwi Wulan, Elisabet Yulianti, Siska