Articles
<![CDATA[PENGGUNAAN REGRESI ROBUST PADA DATA YANG MENGANDUNG PENCILAN DENGAN METODE MOMEN ]]>
<![CDATA[Nurmiati Nurmiati Nurdin]]>;
<![CDATA[Raupong Raupong]]>;
<![CDATA[Anna Islamiyati]]>
<![CDATA[ Jurnal Matematika, Statistika dan Komputasi Vol. 10 No. 2: January 2014 ]]>
Publisher : <![CDATA[Department of Mathematics, Hasanuddin University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (440.917 KB)
|
DOI: 10.20956/jmsk.v10i2.3418
<![CDATA[ Analisis regresi merupakan sebuah alat statistika yang memberikan tentang pola hubungan antara dua variabel atau lebih. Salah satu metode yang umumnya digunakan dalam mengestimasi parameter pada analisis regresi linear adalah metode kuadrat terkecil (OLS). Namun metode ini mempunyai kelemahan apabila data terdeteksi mengandung outlier. Maka regresi robust disarankan dapat mengatasi masalah outlier dalam data untuk mengestimasi parameter, salah satunya adalah Metode Momen (MM) yang digunakan untuk data yang terdeteksi outlier pada variabel bebas dan variabel terikat serta memiliki nilai breakdown point yang tinggi.Dalam skripsi ini dikaji tentang penggunaan Metode Momen dengan metode iterasi Iteratively Reweighted Least Square (IRLS). Metode Momen merupakan gabungan antara estimasi S dan estimasi M. Pada Metode Momen ini digunakan fungsi pembobot Tukey Bisquare.]]>
<![CDATA[Taksiran Kurva Regresi Spline pada Data Longitudinal dengan Kuadrat Terkecil ]]>
<![CDATA[Anna Islamiyati]]>
<![CDATA[ Jurnal Matematika, Statistika dan Komputasi Vol. 11 No. 1: July 2014 ]]>
Publisher : <![CDATA[Department of Mathematics, Hasanuddin University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (317.568 KB)
|
DOI: 10.20956/jmsk.v11i1.3432
<![CDATA[Makalah ini mengkaji tentang estimasi regresi spline khususnya penggunaan pada data longitudinal. Data longitudinaladalah data yang mampu membedakan keragaman respon yang disebabkan karena pengukuran yang berulang. Kurva regresi spline diestimasi dengan menggunakan kuadrat terkecil. Terlihat bahwa taksiran kurva regresi spline untuk data longitudinal merupakan kelas pendugaan linear dalam observasi respon dan sangat tergantung pada titik knotk1, k2, ..., kr.]]>
<![CDATA[Estimasi Parameter Model Regresi Logistik Biner Komponen Utama Non Linear dengan Maksimum Likelihood ]]>
<![CDATA[Anna Islamiyati]]>
<![CDATA[ Jurnal Matematika, Statistika dan Komputasi Vol. 11 No. 2: January 2015 ]]>
Publisher : <![CDATA[Department of Mathematics, Hasanuddin University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (488.577 KB)
|
DOI: 10.20956/jmsk.v11i2.3437
<![CDATA[Regresi logistik biner digunakan pada data respon yang mengandung dua kategorik, dan ketika terjadi multikolinearitas pada variabel prediktor yang berskala campuran, maka pendekatan statistika yang dapat digunakan untuk mengatasi masalah tersebut adalah analisis komponen utama non linear. Estimasi parameter regresi logistik komponen utama non linear dilakukan melalui metode maksimum likelihood dan diperoleh hasil taksiran parameter yang implisit sehingga dilanjutkan dengan metode iterasi Newton Raphson untuk mendapatkan hasil estimasi yang konvergen.]]>
<![CDATA[Penaksiran Parameter Model Kalibrasi Linier yang Berdistribusi Skew-Normal dengan Algoritma-EM ]]>
<![CDATA[Try Widyaiswara Hairil]]>;
<![CDATA[Anna Islamiyati]]>;
<![CDATA[Raupong Raupong]]>
<![CDATA[ Jurnal Matematika, Statistika dan Komputasi Vol. 12 No. 1: July 2015 ]]>
Publisher : <![CDATA[Department of Mathematics, Hasanuddin University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (469.821 KB)
|
DOI: 10.20956/jmsk.v12i1.3456
<![CDATA[Sebuah penelitian yang ditujukan untuk memperlihatkan perubahan pola pada kurva distribusi normal. Model kalibrasi linier yang berdistribusi skew-normal. Pada tulisan ini, yang dibahas adalah penaksiran parameter model kalibrasi linier yang berdistribusi skew-normal. Pada penaksiran parameter model kalibrasi linier yang berdistribusi skew-normal dengan metode Maximum Likelihood Estimation (MLE), tidak diperoleh solusi eksplisit dari taksiran parameter. Oleh karena itu, penaksiran parameternya harus dilakukan dengan metode iterasi numerik algortima-EM yang merupakan metode optimisasi iteratif untuk MLE yang terdiri dari dua tahap, yakni tahap ekspektasi dan tahap maksimisasi. Sebuah penerapan empirik kemudian disajikan sebagai ilustrasi dari metode yang dibahas, yaitu pada data pengukuran dimensional dan ultrasonografi pada testis dari 42 remaja.]]>
<![CDATA[Analisis Reliabilitas dengan Distribusi Weibull 2 Peubah Pada Tingkat Kelangsungan Hidup Penderita Penyakit Kanker Paru-Paru ]]>
<![CDATA[Anna Islamiyati]]>
<![CDATA[ Jurnal Matematika, Statistika dan Komputasi Vol. 14 No. 1 (2017): July 2017 ]]>
Publisher : <![CDATA[Department of Mathematics, Hasanuddin University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (550.574 KB)
|
DOI: 10.20956/jmsk.v14i1.3533
<![CDATA[Analisis Reliabilitas digunakan untuk melihat tingkat keandalan suatu produk atau sistem dalam berbagai bidang kehidupan. Secara statistik, salah satu metode yang dapat digunakan dalam analisis reliabilitas adalah distribusi Weibull, yang ditunjukkan melalui 2 peubah, x dan y. Ilustrasi menggunakan data pada tingkat kelangsungan hidup penderita penyakit kanker paru-paru berdasarkan lama perawatan pasien di rumah sakit. Disini tidak dijelaskan metodologi penelitian karena data yang diangkat hanyalah data sekunder yang telah dilakukan pada kegiatan hibah penelitian.]]>
<![CDATA[Studi Longitudinal Pada Analisis Data Gula Darah Pasien Diabetes melalui Principal Component Analysis ]]>
<![CDATA[Anna Islamiyati]]>;
<![CDATA[Sitti Sahriman]]>;
<![CDATA[Sakinah Oktoni]]>
<![CDATA[ Jambura Journal of Mathematics Vol 4, No 1: January 2022 ]]>
Publisher : <![CDATA[Department of Mathematics, Universitas Negeri Gorontalo ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (360.063 KB)
|
DOI: 10.34312/jjom.v4i1.11407
<![CDATA[Multicollinearity is a relationship or correlation between predictor variables. Multicollinearity can also occur in longitudinal data, which is a combination of cross-section data and time-series data. The impact of multicollinearity causes the influence of the predictor variable on the response variable to be insignificant, the least-squares estimator, and the error to be sensitive to changes in the data. Therefore, the procedure to overcome multicollinearity uses the principal component analysis method. This study aims to model PCA longitudinal data regression with a fixed-effect model that is applied to blood sugar data of diabetic patients with a time span of January 2019 to July 2019 at Ibnu Sina Hospital Makassar City. The results of this study indicate that there are two main components formed from PCA longitudinal data regression modelling with a fixed-effect model. Obtained variable values are systolic blood pressure of -0.007, diastolic blood pressure of -0,016, the body temperature of -0.098, and platelets of 0.005 which affect blood sugar in patients with diabetes.]]>
<![CDATA[Penggunaan Regresi Kuantil Multivariat pada Perubahan Trombosit Pasien Demam Berdarah Dengue ]]>
<![CDATA[Widya Nauli Amalia Puteri]]>;
<![CDATA[Anna Islamiyati]]>;
<![CDATA[Anisa Anisa]]>
<![CDATA[ ESTIMASI: Journal of Statistics and Its Application Vol. 1, No. 1, Januari, 2020 : Estimasi ]]>
Publisher : <![CDATA[Hasanuddin University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (603.895 KB)
|
DOI: 10.20956/ejsa.v1i1.9224
<![CDATA[Quantile regression is an extension of the regression model of conditional quantile where the distribution is derived from the response variable expressed as a co-variate function. Quantile regression can model data that contain outliers. Patterns of platelet change in DHF patients based on body temperature and white blood cells were analyzed by quantile regression using θ = 0,25; 0,50, and 0,75. Based on the parameter estimation results, the quantile θ = 0,25 and 0,75 obtained variables that affect the platelets of DHF patients are white blood cells. Significant differences from the variables in each quantile occur because of the possibility of other factors that influence the platelets of DHF patients that are not contained in the model. The difference in the influence of factors on each quantile requires an appropriate adjustment of medical measures so that efficiency can be obtained in handling DHF patients.]]>
<![CDATA[Hubungan Faktor Kolestrol Terhadap Gula Darah Diabetes dengan Spline Kubik Terbobot ]]>
<![CDATA[Zhazha Alifkhamulki Ramdhani]]>;
<![CDATA[Anna Islamiyati]]>;
<![CDATA[Raupong Raupong]]>
<![CDATA[ ESTIMASI: Journal of Statistics and Its Application Vol. 1, No. 1, Januari, 2020 : Estimasi ]]>
Publisher : <![CDATA[Hasanuddin University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (531.523 KB)
|
DOI: 10.20956/ejsa.v1i1.9252
<![CDATA[Diabetes Mellitus (DM) is often recognized through an increase in a person's blood sugar level. Factors that can affect the increase in blood sugar levels of DM patients one of which is cholesterol. It usually contains the bookkeeping of several types of cholesterol, including LDL and total cholesterol. DM data are assumed to experience heterokedasticity so that in this study analyzed using regression of weighted cubic spline nonparametric. The estimation method used is weighted least square (WLS). This study aims to obtain a weighted cubic spline model on cholesterol based DM data. The selection of the best model can be seen based on the criteria for the value of generalized cross validation (GCV) minimum. Based on the analysis obtained weighted cubic spline models for cholesterol factors for blood sugar as follows:]]>
<![CDATA[Kemampuan Estimator Spline Linear dalam Analisis Komponen Utama ]]>
<![CDATA[Samsul Arifin]]>;
<![CDATA[Anna Islamiyati]]>;
<![CDATA[Raupong Raupong]]>
<![CDATA[ ESTIMASI: Journal of Statistics and Its Application Vol. 1, No. 1, Januari, 2020 : Estimasi ]]>
Publisher : <![CDATA[Hasanuddin University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (305.82 KB)
|
DOI: 10.20956/ejsa.v1i1.9262
<![CDATA[In the formation of a regression model there is a possibility of a relationship between one predictor variable with other predictor variables known as multicollinearity. In the parametric approach, multicollinearity can be overcome by the principal component analysis method. Principal component analysis (PCA) is a multivariate analysis that transforms the originating variables that are correlated into new variables that are not correlated by reducing a number of these variables so that they have smaller dimensions but can account for most of the diversity of the original variables. In some research data that do not form parametric patterns also allows the occurrence of multicollinearity on the predictor variables. This study examines the ability of spline estimators in the analysis of the main components. The data contained multicollinearity and was applied to diabetes mellitus data by taking cholesterol type factors as predictors. Based on the estimation results, one main component is obtained to explain the diversity of variables in diabetes data with the best linear spline model at one knot point.]]>
