Article Per Year (5 Year)
p-Index From 2021 - 2026
5.384
P-Index
This Author published in this journals
All Journal FORUM STATISTIKA DAN KOMPUTASI Media Statistika Jurnal Riset Statistika Pattimura Proceeding : Conference of Science and Technology Bandung Conference Series: Statistics Statistika
Nusar Hajarisman
Prodi Statistika, Fakultas Farmasi Dan Sains, Universitas Islam Bandung, Indonesia
Agriculture, Biological Sciences & Forestry Astronomy Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Control & Systems Engineering Decision Sciences, Operations Research & Management Education Energy Engineering Materials Science & Nanotechnology Mathematics Physics

Published : 45 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 45 Documents
Search

 1   2   3   4   5 
Penerapan Metode Penduga Area Kecil untuk Menduga Jumlah Pengangguran di Provinsi Jawa Barat Tahun 2020 dengan Model Poisson Gamma Novita Sheisariana Fahira; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 2 No. 2 (2022): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (88.75 KB) | DOI: 10.29313/bcss.v2i2.4717

Abstract

Abstract. Small Area Estimation (SAE) is a statistical technique used to estimate the parameters of a small area. One of the SAE methods is Empirical Bayes (EB), where this method is used for binary or count data whose parameter estimators are more influenced by information from the data due to lack of information to determine the prior distribution. One application of the Empirical Bayes method is the Poisson-Gamma model. The purpose of this study is to estimate a small area of unemployment in West Java Province in 2020 using the empirical Bayes method based on the Poisson-Gamma model and to see the accuracy of the Small Area Estimation value based on the Mean Square Error (MSE) value using the Jackknife method. The results show that the empirical Bayes method based on the Poisson-Gamma model is good for estimating a small area for the number of unemployed in West Java because the MSE value obtained for estimating a small area using the empirical Bayes method is very small. Abstrak. Penduga area kecil atau Small Area Estimation (SAE) merupakan suatu teknik statistika yang digunakan untuk menduga parameter-parameter area kecil. Salah satu metode penduga area kecil yaitu Empirical Bayes (EB), dimana metode ini digunakan untuk data biner atau cacahan yang penduga parameternya lebih dipengaruhi oleh informasi dari data (empirik) karena kekurangan informasi untuk menentukan distribusi priornya. Salah satu penerapan metode Empirical Bayes yaitu model Poisson-Gamma. Tujuan dari penelitian ini yaitu untuk melakukan pendugaan area kecil pada jumlah pengangguran Provinsi Jawa Barat tahun 2020 dengan metode empirical Bayes berbasis model Poisson-Gamma serta melihat keakuratan dan ketepatan nilai pendugaan area kecil berdasarkan nilai Mean Square Error (MSE) menggunakan metode Jackknife. Hasil penelitian menunjukan bahwa metode empirical Bayes berbasis model Poisson-Gamma baik digunakan dalam pendugaan area kecil untuk jumlah pengangguran di Jawa Barat karena nilai MSE yang diperoleh untuk pendugaan area kecil dengan metode empirical Bayes sangat kecil.
Pendugaan Rata-rata Pengeluaran Per Kapita Menurut Kabupaten/Kota di Provinsi Jawa Barat Melalui Empirical Best Linear Unbiased Prediction dalam Pendugaan Area Kecil Akmal Hafis Hakim; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 2 No. 2 (2022): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (204.432 KB) | DOI: 10.29313/bcss.v2i2.4747

Abstract

Abstract. The SAE (Small Area Estimation) method is widely used and used by many parties, one of which is BPS (Central Statistics Agency) some examples of data presentation expenditures such as poverty/social development/economic development, one of which is Per Capita Expenditure. The amount of per capita income can describe the welfare of a society. However, accurate income data is difficult to obtain, so that in the Susenas activity this data is approached through per capita expenditure. SAE (Small Area Estimation) is a statistical technique used to estimate the parameters of a subpopulation with a small sample size. Therefore, the purpose of this study is to obtain parameter estimates and apply the SAE (Small Area Estimation) model to the EBLUP (Empirical Best Linear Unbiased Prediction) method. The research method used in processing this research is using the EBLUP (Empirical Best Linear Unbiased Prediction) method which includes parameter estimation methods using REML (Restricted Maximum Likelihood) and GLS (Generalized Least Square) by comparing the MSE (Mean Square Error) value. smallest. The results show that Per Capita Expenditures in West Java Province with the help of additional information using accompanying variables that have a correlation that using the Empirical Best Linear Unbiased Prediction (EBLUP) method has better results when compared to using a direct estimator. Abstrak. Metode SAE (Small Area Estimation) banyak dipakai dan digunakan oleh banyak pihak salah satunya adalah BPS (Badan Pusat Statistik) beberapa contoh pengeluaran penyajian data seperti kemiskinan/pembangunan sosial/pembangunan ekonomi salah satunya adalah Pengeluaran Per Kapita. Besarnya pendapatan perkapita dapat menggambarkan kesejahteraan suatu masyarakat. Namun data pendapatan yang akurat sulit diperoleh, sehingga dalam kegiatan susenas data ini didekati melalui pengeluaran perkapita. SAE (Small Area Estimation) merupakan suatu teknik statistika yang digunakan untuk menduga parameter-parameter subpopulasi dengan ukuran sampel kecil (1). Oleh karena itu tujuan penelitian ini adalah untuk memperoleh estimasi parameter serta mengaplikasikan model SAE (Small Area Estimation) ke dalam metode EBLUP (Empirical Best Linear Unbiased Prediction). Metode penelitian yang digunakan dalam melakukan pengolahan penelitian ini dengan menggunakan metode EBLUP (Empirical Best Linear Unbiased Prediction) yang diantaranya terdapat metode pendugaan parameter dengan menggunakan REML (Restricted Maximum Likelihood) dan GLS (Generalized Least Square) dengan membandingkan nilai MSE (Mean Square Eror) terkecil. Hasil menunjukkan bahwa Pengeluaran Per Kapita di Provinsi Jawa Barat dengan bantuan informasi tambahan dengan menggunakan variabel penyerta yang memiliki korelasi bahwa dengan menggunakan metode Empirical Best Linear Unbiased Prediction (EBLUP) memiliki hasil yang lebih baik jika dibandingkan dengan menggunakan penduga langsung.
Penerapan Small Area Estimation dengan Metode Empirical Bayes dalam Menduga Risiko Relatif Penyebaran TBC di Kabupaten Karawang Tahun 2021 Siti Nur Rohmah; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 2 No. 2 (2022): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (260.788 KB) | DOI: 10.29313/bcss.v2i2.4765

Abstract

Abstract. Small Area Estimation (SAE) is a statistical technique used to estimate subpopulation parameters (areas) with a small sample size. In Small Area Estimation there are methods for processing cacahan data, namely Empirical Bayes and Bayes hierarchical. This study used the Bayes empirical method with the Poisson-Gamma model in estimating the risk of TB disease in Karawang Regency. The purpose of this study is to apply the Bayes empirical method based on the Poisson-Gamma model to estimate the relative risk of TB disease in Karawang Regency and compare the results of direct estimators and bayes empirical estimators through the Mean Square Error (MSE) value. The results showed that by comparing the MSE values of the direct estimator of the standardized mortality ratio and the empirical estimator of Bayes, it was concluded that the Bayes empirical method did not provide better results than direct estimators. Although Bayes empirical estimators have a fairly good accuracy rate with an average MSE value of 0.0232, the MSE value is greater when compared to the direct estimator MSE average of 0.0059. Abstrak. Small Area Estimation (SAE) atau pendugaan area kecil merupakan teknik statistika yang digunakan untuk menduga parameter subpopulasi (area) dengan ukuran sampel kecil. Dalam Small Area Estimation terdapat metode untuk mengolah data cacahan, yaitu Empirical Bayes dan hierarchical Bayes. Penelitian ini menggunakan metode Empirical Bayes dengan model Poisson-Gamma dalam menduga risiko penyakit TBC di Kabupaten Karawang. Tujuan penelitian ini adalah menerapkan metode Empirical Bayes berbasis model Poisson-Gamma untuk menduga risiko relatif penyakit TBC di Kabupaten Karawang serta membandingkan hasil penduga langsung dan penduga Empirical Bayes melalui nilai Mean Square Error (MSE). Hasil penelitian menunjukkan dengan membandingkan nilai MSE penduga langsung standardized mortality ratio dan penduga Empirical Bayes disimpulkan bahwa metode Empirical Bayes tidak memberikan hasil yang lebih baik dibandingkan penduga langsung. Meskipun penduga Empirical Bayes memiliki tingkat keakuratan yang cukup baik dengan rata-rata nilai MSE sebesar 0.0232, tetapi nilai MSE tersebut lebih besar jika dibandingkan dengan rata-rata MSE penduga langsung sebesar 0.0059.
Exploring Pattern Recognition for Bearing Fault Diagnosis Sutawanir Darwis; Nusar Hajarisman; Suliadi; Achmad Widodo; Rejeki Wulan Islamiyati
Statistika Vol. 22 No. 2 (2022): Statistika
Publisher : Department of Statistics, Faculty of Mathematics and Natural Sciences, Universitas Islam Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/statistika.v22i2.1128

Abstract

Traditional bearing sensory diagnostic include touching and hearing rely on personal experience, and for more complex system are unable to meet the needs of equipment fault diagnosis. The research on bearing fault diagnosis is developing significantly. Bearings are used in rotating machinery and most machinery failures are caused by bearing failures. The fault diagnosis of bearings is an important research area. The core of bearing fault diagnosis is the pattern recognition of fault features. The key of pattern recognition is to develop a reasonable classifier. Intelligent pattern recognition has been developed such as principal components, support vector machine, neural network. In this study, a bearing fault diagnosis based on exploring pattern recognition is proposed. The key to pattern recognition is to design a significant classifier. A number of features from bearing vibration of normal and fault bearing are extracted and processed using principal components of correlation matrix. Plot of principal components shows the visualization of normal and fault bearing and the classifier is chosen subjectively. The principal components exploration will be confirmed using least squares support vector machine. The parameter of support vector machine estimated using heuristic optimization particle swarm optimization. The proposed method can be applied in the detection of faults of bearing
Model Regresi Gamma pada Data Indeks Pendidikan Kabupaten/Kota di Provinsi Jawa Barat Tahun 2021 Natasya; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 3 No. 2 (2023): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v3i2.7834

Abstract

Abstract. Regression analysis is a statistical method used to describe and model cause-and-effect relationships between variables. In applying regression analysis methods, there are often problems of violating normal assumptions or asymmetrical response variable data. The gamma distribution is a flexible distribution that can model continuous data with positive values. Gamma regression is a regression model that can describe cause-and-effect relationships between predictor variables and gamma-distributed response variables. The maximum likelihood method is used in estimating the parameters of gamma regression models. Education index data can be positive or negative, it is known from the Central Bureau of Statistics of West Java Province that the education index data of West Java Province in 2021 has a positive value, so this study will discuss the application of the gamma regression model in the 2021 West Java Province education index data. Based on the results of the tests conducted, the education index data is not normally distributed and has a graph of functions that form positive skewness so that modeling can be continued using gamma regression. Factors that are thought to affect the education index of West Java Province are the poverty line, open unemployment rate, and per capita expenditure in West Java Province in 2021. From the results of hypothesis testing that has been carried out, it is concluded that per capita expenditure has a significant effect on the education index in West Java Province in 2021. The following gamma regression model is selected using AIC value criteria: Abstrak. Analisis regresi merupakan suatu metode statistik yang digunakan untuk mendeskripsikan dan memodelkan hubungan sebab-akibat antar variabel. Dalam melakukan penerapan metode analisis regresi sering terjadi masalah pelanggaran asumsi kenormalan atau data variabel respon yang tidak simetris. Distribusi gamma merupakan distribusi yang fleksibel sehingga dapat memodelkan data kontinu yang bernilai positif. Regresi gamma merupakan model regresi yang dapat menggambarkan hubungan sebab-akibat antara variabel prediktor dengan variabel respon yang berdistribusi gamma. Metode maximum likelihood digunakan dalam menaksir parameter model regresi gamma. Data indeks pendidikan dapat bernilai positif atau negatif, diketahui dari Badan Pusat Statistik Provinsi Jawa Barat bahwa data indeks pendidikan Provinsi Jawa Barat Tahun 2021 memiliki nilai yang positif, sehingga dalam penelitian ini akan dibahas terkait penerapan model regresi gamma pada data indeks pendidikan Provinsi Jawa Barat Tahun 2021. Berdasarkan hasil pengujian yang dilakukan, data indeks pendidikan tidak berdistribusi normal dan memiliki grafik fungsi yang membentuk positive skewness sehingga dapat dilanjutkan pemodelan menggunakan regresi gamma. Faktor yang diduga berpengaruh terhadap indeks pendidikan Provinsi Jawa Barat adalah garis kemiskinan, tingkat pengangguran terbuka, dan pengeluaran per kapita di Provinsi Jawa Barat tahun 2021. Dari hasil pengujian hipotesis yang telah dilakukan, diperoleh kesimpulan bahwa pengeluaran per kapita berpengaruh signifikan terhadap indeks pendidikan di Provinsi Jawa Barat tahun 2021. Berikut model regresi gamma yang dipilih dengan menggunakan kriteria nilai AIC: .
Implementasi Zero Inflated Beta Regression Model pada Proporsi Kematian Ibu di Kota Bandung Tahun 2020 Labana Kaulika; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 3 No. 2 (2023): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v3i2.7879

Abstract

Abstract. Zero inflated beta is a mixture of the continous distribution on (0, 1) and the generated distribution which can produce a non-negative probability to 0. Zero Inflated Beta Regression (BeZI) is a method that can handle or model data that has a high proportion of zeros or there are excess zeros in the data. In this study, the response variable y has a mix between the beta distribution and the point mass at zero. Estimation of the regression parameters from the zero inflated beta regression model uses the Maximum Likelihood Estimation (MLE), where the estimation process is solved numerically. The numerical method used is the Fisher’s scoring method based on the score vector and the Fisher Information matrix to estimate the parameters of the maternal mortality rate in the city of Bandung in 2020. The results of the research on the count regression model show that the percentage variable K1 has a negative effect on the proportion of maternal deaths in Bandung City in 2020, while in the zero inflation model it is found that there are no variables that have an influence on the proportion when maternal deaths do not occur. Abstrak. Zero inflated beta merupakan campuran distribusi kontinu pada (0, 1) dan distribusi yang dibangkitkan dimana dapat menghasilkan probabilitas non-negatif ke 0. Zero Inflated Beta Regression (BeZI) merupakan metode yang dapat menangani atau memodelkan suatu data yang memiliki proporsi nol yang tinggi atau terdapat excess zero dalam data. Dalam skripsi ini, variabel respon memiliki percampuran antara distribusi beta dan titik massa pada nol. Penaksiran parameter regresi dari model regresi zero inflated beta menggunakan Maximum Likelihood Estimation (MLE), dimana proses penaksirannya diselesaikan secara numerik. Metode numerik yang digunakan yaitu metode Fisher’s scoring berdasarkan pada vektor skor dan matriks informasi Fisher untuk menaksir parameter dari angka kematian ibu di kota bandung tahun 2020. Hasil penelitian pada model count regression diperoleh bahwa variabel persentase K1 memiliki pengaruh negatif terhadap proporsi kematian ibu Kota Bandung tahun 2020, sedangkan pada model zero inflation diperoleh bahwa tidak ada variabel yang memiliki pengaruh terhadap proporsi pada saat tidak terjadinya kematian ibu.
Penerapan Model Regresi Beta pada Proporsi Angka Kematian Neontal Tingkat Kabupaten/Kota di Provinsi Jawa Barat Tahun 2020 Balqis Nabilah Khairunnisa; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 3 No. 2 (2023): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v3i2.7893

Abstract

Abstract. In general, if a response variable is in the form of a proportion with an open interval (0,1), a beta regression model can be used. In forming the beta regression model, it is necessary to include the average response simultaneously using the dispersion parameter, therefore it is necessary to reparameterize the density function of the beta distribution. The parameters of the beta regression model can be interpreted in the form of averages derived from the response variables, and when using the logit relationship function, these regression parameters are interpreted as odds ratios. The estimation parameter model uses the Maximum Likelihood Estimator (MLE) method, with a log-likelihood function where the estimation process can be solved numerically. This thesis will discuss the factors that cause neonatal death through parameter estimation and the application of data modeling on the proportion of neonatal mortality through a beta regression model. The data used comes from secondary data obtained from the West Java Provincial Health Office. The results of the research that was carried out using the Beta regression model showed that there was only one predictor variable that had a significant effect on the proportion of neonatal mortality, namely the number of cases of Low Birth Weight (LBW), where the highest proportion of cases was the highest out of every 27 districts/cities in West Java Province in 2020, namely Indramayu Regency and Garut Regency, while the lowest proportion of cases was Bekasi City and Tasikmalaya City. Abstrak. Pada umumnya jika suatu variabel respons yang berbentuk proporsi dengan selang terbuka (0,1) dapat menggunakan model regresi beta. Dalam membentuk model regresi beta perlu menyertakan rata-rata respons bersamaan menggunakan parameter dispersinya, oleh karena itu perlu dilakukan reparameterisasi dari fungsi densitas distribusi beta. Parameter model regresi beta dapat diinterpretasikan dalam bentuk rata-rata yang berasal dari variabel respons, serta saat menggunakan fungsi hubung logit, maka parameter regresi ini diinterpretasikan menjadi odds ratio. Penaksiran parameter model menggunakan metode Maximum Likelihood Estimator (MLE), dengan turunan fungsi log-likelihood dimana proses penaksirannya dapat diselesaikan secara numerik. Dalam skripsi ini akan membahas mengenai faktor-faktor penyebab kematian neonatal melalui penaksiran parameter dan penerapan dari pemodelan data proporsi angka kematian neonatal melalui model regresi beta. Data yang digunakan berasal dari data sekunder yang diperoleh dari Dinas Kesehatan Provinsi Jawa Barat. Dari hasil penelitian yang telah dilakukan menggunakan model regresi Beta menunjukkan bahwa hanya terdapat satu variabel prediktor yang berpengaruh secara signifikan terhadap proporsi angka kematian neonatal, yaitu banyaknya kasus Berat Badan Lahir Rendah (BBLR), dimana proporsi kasus tertinggi dari setiap 27 kabupaten/kota di Provinsi Jawa Barat tahun 2020 yaitu Kabupaten Indramayu dan Kabupaten Garut, sedangkan untuk proporsi jumlah kasus terendah yaitu Kota Bekasi dan Kota Tasikmalaya.
Penerapan Model Regresi Zero-Inflated Poisson pada Kasus Kematian Bayi di Kota Bandung Tahun 2020 Nanda Shofia Nur Ihsan; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 3 No. 2 (2023): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v3i2.8042

Abstract

Abstract. Poisson regression is used to analyze the relationship between predictor variables and response variables in the form of discrete data. In Poisson regression, one of the problems often faced is that the response has more than 50% zero data (zero inflation). So, the regression model to overcome the problem where the data contains too many zero values in discrete data and Poisson distribution is the Zero Inflated Poisson (ZIP) regression model. The purpose of this study is to obtain the application of the Zero-Inflated Poisson regression model to infant mortality cases in Bandung City in 2020. The data used in this study contains 80 observations based on UPT puskesmas in Bandung City with infant mortality data in Bandung city in 2020 and the factors that are thought to influence it. Parameter estimation of the ZIP regression model was carried out using the Maximum Likelihood Estimation (MLE) method and solved using the Expectation-Maximization (EM) algorithm, followed by testing the significance of the model using the likelihood ratio test and testing the significance of the parameters with the Wald test. From the results of hypothesis testing using a real level of 5%, the variable that affects infant mortality cases in the Poisson State model is unhealthy housing, while the variable that affects the chance of infant mortality cases being zero in the Zero State model is low birth weight. Abstrak. Regresi Poisson digunakan untuk menganalisis hubungan antara variabel prediktor dengan variabel respon yang berupa data diskrit. Pada regresi poisson salah satu permasalahan yang sering dihadapi yaitu responnya mempunyai data nol yang lebih dari 50% (zero inflation). Sehingga, model regresi untuk mengatasi masalah di mana data mengandung terlalu banyak nilai nol pada data diskrit dan berdistribusi Poisson adalah model regresi Zero Inflated Poisson (ZIP). Tujuan dari penelitian ini yaitu memperoleh penerapan model regresi Zero-Inflated Poisson pada kasus kematian bayi di Kota Bandung tahun 2020. Data yang digunakan dalam penelitian ini berisi 80 pengamatan berdasarkan UPT puskesmas di Kota Bandung dengan data angka kematian bayi di kota Bandung pada tahun 2020 beserta faktor-faktor yang diduga mempengaruhinya. Penaksiran parameter model regresi ZIP dilakukan dengan metode Maximum Likelihood Estimation (MLE) dan diselesaikan menggunakan algoritma Ekspektasi-Maksimalisasi (EM), dilanjutkan dengan pengujian signifikansi model dengan menggunakan likelihood ratio test dan pengujian signifikansi parameter dengan uji Wald. Dari hasil pengujian hipotesis menggunakan taraf nyata sebesar 5% variabel yang mempengaruhi kasus kematian bayi pada model Poisson State yaitu rumah tidak sehat, sedangkan variabel yang mempengaruhi peluang kasus kematian bayi bernilai nol pada model Zero State yaitu berat badan bayi lahir rendah.
Aplikasi Regresi Logistik Ordinal Multilevel untuk Pemodelan Huruf Mutu Mata Kuliah Statistika Dasar Mahasiswa Universitas Islam Bandung Tahun 2019/2020 Erfina Agustin Hidayat; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 3 No. 2 (2023): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v3i2.8096

Abstract

Abstract. Multilevel ordinal logistic regression analysis is a regression analysis for discrete-scale responses, especially with a hierarchical ordinal scale. The hierarchical structure indicates that the data analyzed comes from several levels, where lower levels are nested in higher levels. This article will discuss the application of multilevel ordinal logistic regression using the Maximum Likelihood Estimation (MLE) method in the field of education, namely regarding the quality letter of the Basic Statistics course of 2019 Bandung Islamic University students at the Faculty of Engineering, Faculty of Business Economics, and Faculty of Psychology. The results showed that the multilevel ordinal logistic regression model can be used. From the results of testing the significance of parameters partially using the Wald test statistic, it is found that the student gender variable, the student regional origin variable, and the student GPA variable before taking the Basic Statistics course have an influence on the quality letter of the Basic Statistics course. Abstrak. Analisis regresi logistik ordinal multilevel merupakan analisis regresi untuk respon berskala diskrit khususnya dengan skala ordinal yang bersifat hierarki. Struktur hierarki mengindikasikan bahwa data yang dianalisis berasal dari beberapa level, di mana level yang lebih rendah tersarang pada level yang lebih tinggi. Dalam skripsi ini akan dibahas mengenai pengaplikasian regresi logistik ordinal multilevel dengan menggunakan metode Maximum Likelihood Estimation (MLE) di bidang pendidikan yaitu mengenai huruf mutu mata kuliah Statistika Dasar mahasiswa Universitas Islam Bandung 2019 di Fakultas Teknik, Fakultas Ekonomi Bisnis, dan Fakultas Psikologi. Hasil penelitian menghasilkan bahwa model regresi logistik ordinal multilevel dapat digunakan. Dari hasil pengujian signifikansi parameter secara parsial menggunakan statistik uji Wald didapatkan bahwa variabel jenis kelamin mahasiswa, variabel asal daerah mahasiwa, dan variabel IPK mahasiswa sebelum mengambil mata kuliah Statistika Dasar memiliki pengaruh terhadap huruf mutu mata kuliah Statistika Dasar
Penerapan Model Regresi Zero-One Inflated Beta (BEINF) pada Proporsi Pemain Sepak Bola yang dimainkan dalam Satu Musim Rida Faridah; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 3 No. 2 (2023): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v3i2.8223

Abstract

Abstract. Linear regression is usually used to model the relationship between a dependent variable and one or more independent variables where the response is continuous and normally distributed. However, if the assumption of normality of the response is not met, and the estimation for the linear regression model is not accurate, then zero-one inflated beta (BEINF) regression is an alternative method to model the relationship between the response variable and predictors where the response is a mixture of beta distribution and bernouli distribution. The results of this research are that there are several factors that affect the response variable, namely the BMI variable (X1), Forty Yard Run (X2), Vertical Jump (X3), Wide Jump (X4) and for predicting the chances of soccer players it can be said that, in the model 0 < Y < 1 the chance that a soccer player will be chosen to play in the match is equal to =0.4514 times more than before assuming the value of the other predictor variables is fixed. In the Y = 1 model, the chance that a soccer player will be chosen to play in the match increases by f(y=1)= 0.2086 times compared to before assuming the value of the other predictor variables remains constant. In the Y = 0 model, the chance that a soccer player will not be chosen to play in the match increases by f(y=0)=0,7576 times compared to before, assuming the values of the other predictor variables remain constant. Abstrak. Regresi linier biasanya digunakan untuk memodelkan hubungan antara variabel dependen dengan satu atau lebih variabel independen yang dimana respon bersifat kontinu dan berdistribusi normal. Namun apabila asumsi normalitas respon tidak terpenuhi, dan estimasi untuk model regresi linier tidak akurat, maka regresi zero-one inflated beta (BEINF) adalah metode alternatif untuk memodelkan hubungan antara variabel respon dan prediktor dimana respon berdistribusi campuran antara distribusi beta dan distribusi bernouli. Hasil dari penelitan ini adalah terdapat beberapa faktor yang mempengaruhi variabel respon yaitu variabel BMI (X1), Lari Empat Puluh Yard (X2), Lompat Vertikal (X3), Lompat Lebar (X4) dan untuk prediksi peluang pemain sepak bola dapat dikatakan bahwa, pada model 0 < Y < 1 peluang pemain sepak bola akan dipilih untuk bermain di pertandingan adalah sebesar =0.4514 kali lipat dibanding sebelumnya dengan asumsi nilai variabel prediktor lain tetap. Pada model Y = 1 peluang pemain sepak bola akan dipilih untuk bermain di pertandingan meningkat sebesar f(y=1)= 0.2086 kali lipat dibanding sebelumnya dengan asumsi nilai variabel prediktor lain tetap. Pada model Y = 0 peluang pemain sepak bola tidak akan dipilih untuk bermain di pertandingan meningkat sebesar f(y=0)=0,7576 kali lipat dibanding sebelumnya dengan asumsi nilai variabel prediktor lain tetap.
Co-Authors 10060116101, Tanti Rudiawan Putri Aceng Komarudin Mutaqin Achmad Widodo Achmad Widodo Achmad Widodo Adinda Zahrotul Rizkiah Akmal Hafis Hakim Alma Mariana Sofiah Anggi Savitri Ani Ressa Nuryaningsih Anneke Iswani A. Anneke Iswani Ahmad Annisa Lisa Nurjanah Arya Ramadhan, Iqbal ASEP SAEFUDDIN Aulia Syafira Aulia, Githa Balqis Nabilah Khairunnisa Budiman, Aulia Sabila Chandra Maulana Dewi Rosiana Dewi Rosiana Diahsty Marasabessy, Munira Dwi Agustin Nuriani Sirodj Dwi Andini Juniawati Erfina Agustin Hidayat Esa Nurtiara Fadia Wahyu Utami Fatiha nurfauzan, Arsyi Fera Shintarini Giatri Divianis Hardiana Prasasti Isma Amarita Jasmine Wildani Arisa Kamilatul 'Aini Khairi A N Khalisha Azzahra Kusman Sadik Labana Kaulika Mardha Tri Meilani Mela Rafela Muh. Fahmi Nur Akbar Muhammad Bahry Baidhowy Muhammad Bangkit Riksa Utama Nanda Shofia Nur Ihsan Natasya Neng Marlina Nopita Sari Murtafiah Novita Sheisariana Fahira Putri Alifia Azzahra Rafi Fitra Rahma Elia Nurazizah Rejeki Wulan Islamiyati Rida Faridah Riyani Desriawati Siti Magfiratul Hasanah Siti Nur Rohmah Suliadi Sutawanir Darwis Sutawanir Darwis Teti Sofia Yanti Tiara Yulianisah Uli Silma Winda Aya Haliza Wulan Putri Prihartini Yayat Karyana