Claim Missing Document
Check
Articles

Found 29 Documents
Search

SMOOTH SUPPORT VECTOR MACHINE (SSVM) UNTUK PENGKLASIFIKASIAN INDEKS PEMBANGUNAN MANUSIA KABUPATEN/KOTA SE-INDONESIA Fatkhurokhman Fauzi; Moh. Yamin Darsyah; Tiani Wahyu Utami
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 5, No 2 (2017): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (415.254 KB) | DOI: 10.26714/jsunimus.5.2.2017.%p

Abstract

Indeks Pembangunan Manusia (IPM) adalah mengukur capaian pembangunan manusia berbasis sejumlah komponen dasar kualitas hidup. Indeks pembangunan manusia dikatakan rendah jika IPM kurang dari 60, IPM sedang antara 60 sampai kurang dari 70,IPM tinggi antara 70 sampai kurang dari 80, dan sama dengan 80 dan lebih dari 80 tergolong IPM tinggi. Smooth Support Vector Machine (SSVM) merupakan teknik pengklasifikasian yang tergolong baru. Algoritma yang digunakan adalah Newton Armijo dengan pendekatan kernel linier, polynomial, dan Radial Basis Function (RBF). Hasil klasifikasi indeks pembangunan manusia dengan metode SSVM dengan kernel linier menunjukan keakuratan prediksi sebesar 84.77%, kernel polynomial 61.65%, dan kernel RBF sebesar 100%. Dengan jumlah klasifikasi 440 kabupaten/ kota untuk kernel linier,kernel polynomial 320, dan kernel RBF 519 kabupaten/kota yang dibagi menjadi 4 klasifikasi menurut BPS. Dari ketiga kernel yang digunakan kernel Radial Basis Function (RBF) merupakan kernel yang paling akurat dalam memperdiksi serta IPM.Kata kunci: Indeks Pembangunan Manusia, Smooth Support Vector Machine (SSVM),  kernel, akurasi, klasifikasi
PERFORMANSI PERUSAHAAN FINANSIAL DISTRESS DENGAN METODE SUPPORT VECTOR MACHINE - Pristiyani; Moh. Yamin Darsyah; Indah Manfaati Nur
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 4, No 1 (2016): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (626.899 KB) | DOI: 10.26714/jsunimus.4.1.2016.%p

Abstract

Pasar modal merupakan bagian dari industry keuangan yang mempunyai peranan penting untuk pengembangan pangsa pasar industry keuangan. Investor membutuhkan informasi yang akurat mengenai performansi sebuah perusahaan yang dilihat dari laporan keuangan yang diterbitkan oleh perusahaan . Laporan keuangan dapat menggambarkan kondisi keuangan perusahaan sebelum mengalami kebangkrutan,hal ini sering disebut dengan kondisi finansial distress. Penelitian ini dilakukan unttuk mengklasifikasikan perusahaan finansial distress pada sektor manufaktur di Bursa Efek Indonesia (BEI) menggunakan dua metode, yaitu discriminant analisys (DA) dan support vector machine (SVM) dengan fungsi kernel radial basic function (RBF). Pengklasifikasian menggunakan DA dengan variabel predikor original maupun distandarkan menghasilkan nilai akurasi sebesar 63,07%. Pengklasifikasian menggunakan SVM untuk data original menghasilkan nilai akurasi sebesar 97,44%. Pengklasifikasian menggunakan SVM untuk data terstandarisasi menghasilkan nilai akurasi sebesar 100%. Rasio keuangan yang berpengaruh terhadap pengklasifikasian perusahaan finansial distress adalah rasio keuanganTotal Asset Turnover (TAT), Earning Per Share (EPS), Net Profit Margin (NPM) dan Inventory Turnover. Kata kunci : Discriminan Analysis, Finansial distress, SVM, Rasio Keuangan
SEEMINGLY UNRELATED REGRESSION PADA INDEKS PEMBANGUNAN GENDER DI JAWA TENGAH Moh. Yamin Darsyah; Devi Sumayya Sara
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 4, No 2 (2016): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (200.358 KB) | DOI: 10.26714/jsunimus.4.2.2016.%p

Abstract

Penduduk Provinsi Jawa Tengah tercatat sebanyak 32,64 juta jiwa atau sekitar 13,54 persen dari jumlah penduduk di Indonesia dengan rasio jenis kelamin sebesar 99,42 persen. Kesenjangan antara perempuan dan laki-laki di Provinsi Jawa Tengah masih tinggi baik dalam bidang kesehatan, pendidikan, dan ketenagakerjaan. Semakin tumbuhnya perekonomian justru membuat kaum perempuan semakin terpinggirkan dan masuk semakin dalam pada kemiskinan. Oleh karena itu, perlu diteliti tentang evaluasi pembangunan gender di Jawa Tengah dilihat dari Pertumbuhan Ekonomi, Angka Harapan Hidup, Angka Melek Huruf, Rata-rata Lama Sekolah, dan Sumbangan Pendapatan dengan mempertimbangkan gender laki-laki maupun perempuan. Penelitianini menggunakan data observasi sekunder dengan unit observasi Kabupatendan Kota di Provinsi Jawa Tengah menggunakan pendekatan metode Seemingly Unrelated Regression (SUR). Hasil dari penelitian ini adalah variabel-variabel yang berpengaruh signifikan antara lain Angka Harapan Hidup, Angka Melek Huruf, dan Sumbangan Pendapatan untuk masing-masing gender laki-laki dan perempuan. Artinya, IndeksPembangunan Gender di Jawa Tengah dipengaruhi oleh Angka Harapan Hidup, Angka Melek Huruf, dan Sumbangan Pendapatan. Sehingga perlu adanya peningkatan pembangunan yang lebih responsif untuk menunjang beberapa program yang terkait dengan Angka Harapan Hidup, Angka Melek Huruf, dan Sumbangan Pendapatan di Provinsi Jawa Tengah.Kata Kunci : Indeks Pembangunan Gender, Seemingly Unrelated Regression
Pemodelan Geographically Weighted Regression (GWR) Pada Tingkat Kemiskinan di Provinsi Jawa Tengah Monica Firda Agustina; Rochdi Wasono; Moh. Yamin Darsyah
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 3, No 2 (2015): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (230.137 KB) | DOI: 10.26714/jsunimus.3.2.2015.%p

Abstract

Penelitian ini bertujuan memodelkan tingkat kemiskinan di Jawa Tengah Tahun 2014 dengan memasukkan efek spasial. Metode yang digunakan adalah regresi linier dan GWR. Dalam model GWR estimasi parameter menggunakan Weighted Least Square (WLS) dengan pembobot fungsi kernel gaussian. Hasil penelitian menyimpulkan model GWR lebih baik dibandingkan dengan model regresi linier. Berdasarkan hasil penelitian terdapat 5 variabel prediktor yang diduga mempengaruhi tingkat kemiskinan kabupaten/kota di Jawa Tengah yaitu upah minimum kerja (X1), persentase penduduk yang bekerja di sektor pertanian (X2) , pelayanan kesehatan Jamkesmas (X4), persentase rumah tangga yang menggunakan jamban(X6), dan inflasi (X8). Model GWR memiliki R2 sebesar 73,95% menunjukkan bahwa model mampu menerangkan tingkat keragaman kemiskinan sebesar 73,95% dan sisanya dipengaruhi variabel lain di luar model. Tingkat kemiskinan di Jawa Tengah tidak dipengaruhi oleh faktor geografis karena tidak ada perbedaan signifikan antara model regresi linier dan GWR. varibel prediktor tersebut mempunyai pengaruh yang hampir sama di setiap kabupaten/kota.Kata Kunci : GWR , Regresi Linier, Tingkat Kemiskinan.
MODEL TERBAIK ARIMA DAN WINTER PADA PERAMALAN DATA SAHAM BANK Moh. Yamin Darsyah; Muhammad Saifudin Nur
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 4, No 1 (2016): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (830.286 KB) | DOI: 10.26714/jsunimus.4.1.2016.%p

Abstract

Peramalan harga saham adalah hal yang sangat penting bagi pelaku saham pasar utama untuk membuat keputusan serta transaksi. Salah satu sektor yang sangat berpengaruh pada harga saham indonesia (IHSG) adalah sektor perbankan. Sektor perbankan diketahui menjadi penyumbang terbanyak emiten saham terbaik di indonesia. Salah satu metode peramaln yang dapat digunakan adalah ARIMA (autoregressive/integrated/moving average), model ini meliputi dua hal yaitu analisis pola deret dan seleksi model. Model winter adalah model peramalan yang menitik beratkan pada data yang megandung pola trend serta musiman, sedangkan dalam ARIMA mengharuskan kestasioneran data. Kedua model dibuat dalam data 3 besar bank di Indonesia yaitu Bank Rakyat Indonesia (BBRI), Bank Mandiri (BMRI), dan Bank Central Asia (BBCA) pada 109 hari pada periode 1 desember 2015 hingga 13 mei 2016. Hasil permalan menunjukkan bahwa model yang sesuai bagi BBRI adalah ARIMA(1,1,2), BMRI adalah Winter multiplikatif (0.2,0.2.0,2), dan BBCA tidak sesuai dengan kedua model peramalan.Kata Kunci : ARIMA, Winter, BBRI, BMRI, BBCA
PERAMALAN DATA SAHAM DENGAN MODEL WINTERS Tiani Wahyu Utami; Moh. Yamin Darsyah
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 3, No 2 (2015): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (239.264 KB) | DOI: 10.26714/jsunimus.3.2.2015.%p

Abstract

Peramalan merupakan seni dan ilmu untuk memperkirakan kejadian di masa depan, sehingga hasil dari peramalan dapat digunakan oleh pemangku kebijakan dalam mengambil kebijakan strategis untuk menyelesaikan persoalan dimasa mendatang.Peramalan melibatkan analisis time series dimana urutan pengamatan berdasarkan interval waktu yang sama dan pengamatan tersebut memiliki korelasi. Model time series yang digunakan pada penelitian ini antara lain model winters yang diaplikasikan pada data saham astra internasional. Model Winters dengan kombinasi parameter alpha (level), delta (musiman) dan gamma (trend) masing-masing sebesar 0,2; 0,2 dan 0,2menghasilkan MAPE sebesar 0,007676. Model Winters digunakan untuk peramalan data (forecasting) selama 30 hari kedepan. Hasil forecasting menunjukkan tren penurunan.Kata Kunci : Model Winters, MAPE
KLASIFIKASI TUBERKULOSIS DENGAN PENDEKATAN METODE SUPPORTS VECTOR MACHINE (SVM) Moh. Yamin Darsyah
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 2, No 2 (2014): Jurnal Statistika
Publisher : Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muham

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (225.323 KB) | DOI: 10.26714/jsunimus.2.2.2014.%p

Abstract

Tuberkulosis (TBC atau TB) adalah suatu penyakit infeksi yang disebabkan oleh basil tahan asam disingkat BTA dengan nama lengkap bakteri Mycobacterium Tubercolosis. TBC menjadi salah satu penyebab kematian terbesar di Indonesia sehingga perlu penanganan  khusus dalam pencegahan TBC. Data Kesehatan di Kota Semarang menunjukkan TBC menjadi salah satu kontributor terbesar dalam kejadian luar biasa di Provinsi Jawa Tengah. Beberapa faktor yang mempengaruhi penyakit TBC antara lain faktor lingkungan, jenis pekerjaan, status sosial, kebiasaan merokok dan minuman keras. Dalam menganalisis klasifikasi kasus pasien TBC terinfeksi atau tidak terinfeksi maka digunakan pendekatan Supports Vector Machine (SVM) dan Regresi logistik. Hasil menunjukkan SVM mampu mengukur ketepatan klasifikasi  dengan akurasi lebih tinggi. Hasil akurasi yang diperoleh SVM dengan  fungsi kernel RBF sebesar 98%.
PEMODELAN REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSION PADA REGRESI POISSON Rena Muntafiah; Rochdi Wasono; Moh. Yamin Darsyah
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 2, No 1 (2014): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (84.098 KB) | DOI: 10.26714/jsunimus.2.1.2014.%p

Abstract

Data dari Kepolisian Republik Indonesia pada tahun 2009 menunjukkan bahwa setiap 9,1 menit sekali terjadi satu kecelakaan di jalan raya. Menurut WHO Saat ini kecelakaan lalu lintas menjadi penyebab pembunuh manusia terbesar di Dunia setelah penyakit jantung dan TBC.Banyaknya korban kecelakaan lalu lintas tidak hanya mengakibatkan kerugian materiil tetapi juga kerugian fisik dan psikis.Pada kenyataannya faktor kelalaian manusia merupakan penyebab utama terjadinya kecelakaan lalu lintas. Selain faktor manusia faktor jalan seperti jalan lurus (X1), tikungan (X2),  persimpangan perempatan atau pertigaan (X3), jenis aspal (X4), penerangan gelap (X5), bundaran (X6) dan jalan berlubang (X7) juga diduga menjadi penyebab terjadinya kecelakaan lalu. Kecelakaan lalu lintas dapat digambarkan sebagai peristiwa yang jarang terjadi,  bersifat acak (random) dan diskrit, maka dari itu untuk meneliti kasus kecelakaan lalu lintas dapat digunakan metode Generalized Linier Model (GLM) dengan sebaran Poisson untuk menghasilkan pemodelan yang lebih baik. Pada penelitian ini digunakan metode Regresi Poisson untuk menganalisa data cacahan dengan variabel respon berdistribusi Poisson atau menyatakan kejadian yang relatif jarang terjadi dan bersifat diskrit.Tetapi pada kenyataannya, data diskrit seringkali mengalami overdispersion (dimana varians data lebih besar daripada mean). Adanya overdispersion dalam model Poisson menyebabkan nilai deviance model menjadi sangat besar.Metode Regresi Binomial Negatif dapat mengatasi overdispersi pada Regresi Poisson karena memiliki parameter dispersi (κ). Kemungkinan fungsi hubungan dalam penelitian ini menggunakan pendekatan GLM yaitu; μ=exp(β0+β1x1+ … +βkxk). Hasil dari pemodelan diatas didapatkan pemodelan interaksi antara faktor persimpangan (4/3) dengan bundaran adalah model yang memiliki nilai devians terkecil. Sehingga model terbaik pada penelitian ini adalah μ =exp(β0+β3X3+β6X6)= exp(2.9239+0.0461X3+0.0587X6).
PEMODELAN KEMATIAN BALITA MALNUTRISI DENGAN PENDEKATAN ZERO-INFLATED POISSON (ZIP) REGRESSION DI PROVINSI JAWA TENGAH Prisca Shery Camelia; Indah Manfaati Nur; Moh. Yamin Darsyah
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 4, No 2 (2016): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (153.317 KB) | DOI: 10.26714/jsunimus.4.2.2016.%p

Abstract

Kasus balita malnutrisi di Jawa Tengah merupakan salah satu kasus yang harus diperhatikan karena dapat menyebabkan kematian pada balita jika tidak ditangani dengan serius. Jumlah kematian balita malnutrisi untuk tiap kabupaten/kota di ProvinsiJawa Tengah sebagai variabel dependen mengikuti distribusi Poisson, analisis yang dapat digunakan adalah Metode Regresi Poisson. Metode regresi Poisson memiliki asumsi bahwa data harus equidispersi, namun setelah dilakukan pengujian overdispersi terbukti bahwa terdapat kondisi overdispersi pada model regresi Poisson, dimana nilai varians lebih besar dari pada mean. Metode yang dapat digunakan pada data yangmengalami overdispersi adalah Regresi Zero-Inflated Poisson (ZIP). Pemodelan dengan regresi ZIP menghasilkan model logit yang menunjukkan bahwa jumlah kematian balita karena malnutrisi di tiap kabupaten di Provinsi Jawa Tengah yang bernilai nol dipengaruhi oleh jumlah balita yang mengalami malnutrisi, jumlah pusat kesehatan masayarakat dan rata-rata kelengkapan imunisasi. Model log Regresi ZIP menjelaskanbahwa jumlah kematian balita akan berkurang jika jumlah pelayanan kesehatan masyarakat (puskesmas) tiap kab/kota di Jawa tengah bertambah jumlahnya.Kata Kunci : Malnutrisi, Overdispersi, Regresi Poisson, Regresi Zero-Inflated Poisson
PERENCANAAN PROGRAM BANTUAN OPERASIONAL SEKOLAH (BOS) DI PROVINSI JAWA TENGAH BERBASISKAN MODEL SPATIAL AUTOREGRESSIVE (SAR) DAN SPATIAL ERROR MODEL (SEM) Rochdi Wasono; Abdul Karim; Moh. Yamin Darsyah; Suwardi Suwardi
PROSIDING SEMINAR NASIONAL & INTERNASIONAL 2018: SEMINAR NASIONAL PENDIDIKAN SAINS DAN TEKNOLOGI
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (93.478 KB)

Abstract

Formulasi penyaluran dana Bantuan Operasional Sekolah (BOS) merupakan masalah yang kompleks, karena setiap daerah memiliki karakteristik yang berbeda.  Penelitian  ini  bertujuan  untuk  mengetahui  perbandingan model spatial autoregressive (SAR) dan spatial error model (SEM) serta menentukan model terbaik diantara kedua model. Hasil penelitian menunjukan bahwa model SEM lebih baik disbanding dengan model SAR. Kata Kunci : Bantuan operasional sekolah (BOS), SAR, SEM