Garuda - Garba Rujukan Digital

p-Index From 2020 - 2025

1.745

P-Index

This Author published in this journals

All Journal Jurnal Infinity Jurnal Online Pendidikan Matematika Kontemporer EurekaMatika (Jurnal Online Matematika S1) Integral : Pendidikan Matematika Jurnal Eurekamatika Jurnal Matematika Integratif Jurnal Infinity

Nar Herrhyanto

Universitas Pendidikan Indonesia

Author-ID : 280857

Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Transportation

Published : 33 Documents Claim Missing Document

Claim Missing Document

Articles

Title

1 2

REGRESI LEAST ABSOLUTE SHRINKAGE AND SELECTION OPERATOR (LASSO) PADA KASUS INFLASI DI INDONESIA TAHUN 2014-2017 Muhammad Robbani; Fitriani Agustiani; Nar Herrhyanto
Jurnal EurekaMatika Vol 7, No 2 (2019): Jurnal EurekaMatika
Publisher : Mathematics Program Study, Universitas Pendidikan Indonesia (UPI)

ABSTRAK. Multikolinearitas merupakan salah satu pelanggaran asumsi klasik pada analisis regresi linear berganda yang disebabkan adanya hubungan linear diantara sebagian atau seluruh variabel independen dalam sebuah model regresi. Salah satu metode yang dapat menyelesaikan model regresi linear berganda yang terdapat multikolinearitas yaitu regresi Least Absolute Shrinkage and Selection Operator (LASSO). Regresi LASSO mampu mengatasi masalah multikolinearitas dengan menyusutkan koefisien taksirannya mendekati nol, bahkan dapat hingga tepat nol. Sedemikian sehingga regresi LASSO dapat menyeleksi variabel di dalam model regresi. Regresi LASSO tidak memiliki solusi secara eksplisit dalam menentukan koefisien taksirannya, dengan demikiaN sehingga dibutuhkan pemrograman komputasi untuk menyelesaikannya. Algoritma LARS merupakan algoritma yang sangat efektif dalam membantu menyelesaikan solusi regresi LASSO secara komputasi. Dalam penelitian ini, diambil studi kasus mengenai inflasi yang terjadi di Indonesia tahun 2014-2017 sehingga inflasi merupakan variabel dependen dalam penelitian ini. Sedangkan variabel variabel independen yang terdapat dalam penelitian ini yaitu Produk Domestik Bruto, Ekspor Bersih, Jumlah Uang Beredar, Nilai Tukar Rupiah, Suku Bunga, Harga Beras, Upah Buruh Tani, dan Harga Minyak Dunia. Variabel-variabel independen tersebut termasuk pembahasan ekonomi makro yang besar kemungkinan saling mempengaruhi satu sama lain sehingga besar kemungkinan pula terjadinya multikolinearitas pada model regresi. Tujuan dari penelitian ini adalah menentukan variabel-variabel yang berpengaruh terhadap inflasi di Indonesia tahun 2014-2017 menggunakan regresi LASSO dan dibantu algoritma LARS dalam hal komputasi. Hasil dari penelitian ini diperoleh bahwa variabel-variabel yang berpengaruh terhadap inflasi yaitu Produk Domestik Bruto, Ekspor Bersih, Nilai Tukar Rupiah, Suku Bunga, Harga Beras, dan Upah Buruh Tani.Kata Kunci : Multikolinearitas, Regresi LASSO, LARS. REGRESI LEAST ABSOLUTE SHRINKAGE AND SELECTION OPERATOR (LASSO) IN THE CASE OF INFLATION IN INDONESIA, 2014-2017ASTRACT. Multicollinearity is one of the violations of classical assumptions in multiple linear regression analysis due to a linear relationship between some or all of the independent variables in a regression model. One method that can solve the multiple linear regression model that contains multicollinearity is the regression of Least Absolute Shrinkage and Selection Operator (LASSO). LASSO regression is able to solve the problem of multicollinearity by shrinking the estimated coefficients close to zero and even up to exactly zero, so that LASSO regression can select variables in the regression model. LASSO regression does not have an explicit solution of the estimated coefficient so that computational programming is needed to solve it. The LARS algorithm is a very effective algorithm in helping to solve the solutions of the LASSO regression. In this study, a case study was carried out on inflation that occurred in Indonesia in 2014-2017 so that inflation was the dependent variable in the model. In other side, the independent variables contained in this study are Gross Domestic Product, Net Export, Money Supply, Rupiah Exchange Rate, Interest Rate, Rice Price, Farmer Labor Wages, and World Oil Prices. These independent variables, including macroeconomic discussions, are likely to influence each other so that there is probably contain multicollinearity in the regression model. The purpose of this study is to determine the variables that influence inflation in Indonesia in 2014-2017 using LASSO regression and assisted by LARS algorithm. The results of this study found that the variables that influence inflation are Gross Domestic Product, Net Export, Rupiah Exchange Rate, Interest Rates, Rice Prices, and Farmer Labor Wages.Keywords : Multicollinearity, LASSO Regression, LARS

Standarisasi CPUE Ikan Kakap Merah PP Wilayah III di Sulawesi Utara Menggunakan Regresi Zero-Inflated Negative Binomial Imam Aji Nugroho; Nar Herrhyanto; Entit Puspita
Jurnal EurekaMatika Vol 9, No 2 (2021): Jurnal EurekaMatika
Publisher : Universitas Pendidikan Indonesia (UPI)

This study aims to estimate the abudance of Red Snapper species using Zero-Inflated Negative Binomial Regression (ZINB) and determine the factors that significantly influence the abudance of Red Snapper. The process of Catch Per Unit Abudance (CPUE) Standardization of Red Snapper is carried out using the regression method, namely the Generalized Linear Model (GLM). Due to the discrete data and overdispersion, the Zero-Inflated Negative Binomial (ZINB) distribution was chosen as an alternative distribution. After ZINB regression modeling was performed, two models were obtained where the first model was for discrete data, and the second model was for zero-inflation, with a significantly influencing factor, namely fishing gear material. After obtaining the model, then predictions are made with the same data to produce the CPUE Standardization value. This value is compared to the Nominal CPUE. The results showed that the increase and decrease in the value of the CPUE Standardization was not as sharp as the CPUE Nominal value. This indicates the abudance of Red Snapper which actually tends to be stable and does not decrease.Keywords: CPUE Standardization, Generalized Linear Model, Zero-Inflation, Zero-Inflated Negative Binomial.AbstrakDalam menentukan kebijakan perikanan, salah satunya adalah pembatasan jumlah kapal nelayan yang beroperasi di suatu daerah, dibutuhkan suatu hasil penelitian yang dapat menjadi acuan kebijakan tersebut. Salah satu acuan untuk membatasi jumlah kapal yang beroperasi adalah dengan melihat kelimpahan dari perairan tersebut. Untuk mengestimasi kelimpahan dari suatu spesies dapat dengan menghitung nilai Standarisasi hasil upaya per tangkapan (CPUE), dan dalam penelitian ini objek utamanya merupakan spesies Kakap Merah (Red Snapper) dengan alat tangkap Rawai Dasar (Bottom Longline), dengan tujuan mengestimasi kelimpahan Kakap Merah menggunakan Regresi Zero-Inflated Negative Binomial (ZINB) dan mengetahui faktor yang berpengaruh secara signifikan terhadap kelimpahan Kakap Merah. Adapun proses Standarisasi CPUE Kakap Merah dilakukan dengan salah satu metode regresi yaitu Generalized Linear Model (GLM). Metode GLM digunakan karena dalam penelitian ini variabel respon (Y) yaitu jumlah ekor ikan memiliki tipe diskrit dan data tidak berdistribusi normal. Secara umum jika data nya diskrit maka disarankan untuk menggunakan distribusi Poisson, tetapi karna terjadi overdispersi dan didapat banyak sekali nilai nol (zero-inflation) dibandingkan data non-zero lainnya, maka dipilihlah distribusi Zero-Inflated Negative Binomial (ZINB) sebagai distribusi alternatif. Setelah dilakukan pemodelan regresi ZINB, didapat 2 model dimana model pertama untuk data diskrit, dan model kedua untuk zero-inflation, dengan faktor yang berpengaruh secara signifikan yaitu Bahan Alat tangkap (X4). Setelah model didapat dilakukan prediksi dengan data yang sama untuk menghasilkan nilai Standarisasi CPUE, kemudian nilai tersebut dibandingkan dengan nilai Nominal CPUE yang ditampilkan dalam grafik, hasilnya disimpulkan bahwa naik dan turun nya nilai Standarisasi CPUE tidak se-extrem Nominal CPUE, ini menandakan kelimpahan Kakap Merah yang sebenarnya masih cenderung stabil dan tidak terjadi penurunan.

PEMODELAN INDEKS PEMBANGUNAN GENDER (IPG) DENGAN MENGGUNAKAN REGRESI PROBIT ORDINAL (Studi Kasus IPG Kabupaten/Kota di Pulau Sumatera Tahun 2015) Cucu Cahyati; Nar Herrhyanto; Entit Puspita
Jurnal EurekaMatika Vol 7, No 2 (2019): Jurnal EurekaMatika
Publisher : Mathematics Program Study, Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jem.v7i2.22137

Abstrak. Indeks Pembangunan Gender (IPG) menggambarkan kesenjangan pembangunan manusia antara laki-laki dan perempuan. Pada tahun 2015, Pulau Sumatera merupakan pulau di Indonesia yang memiliki provinsi dan kabupaten/kota dengan angka IPG tertinggi. Provinsi dan kabupaten/kota tersebut yaitu Provinsi Sumatera Barat dan Kota Bukit Tinggi dengan IPG masing-masing sebesar 94,74 dan 99,75. Angka IPG yang tinggi menunjukkan bahwa kesetaraan gender di wilayah tersebut sudah cukup baik. Dalam penelitian ini, IPG sebagai variabel respon dan dikategorikan secara ordinal menjadi 4 kategori. Kategori pertama yaitu kategori rendah, kategori kedua yaitu kategori sedang, kategori ketiga yaitu kategori tinggi dan kategori terakhir yaitu kategori sangat tinggi. Penelitian ini juga menggunakan indikator-indikator IPG sebagai variabel prediktor yang diduga mempengaruhi IPG, yaitu Angka Harapan Hidup saat Lahir (X1), Harapan Lama Sekolah (X2), Rata-rata Lama Sekolah (X3), dan Pengeluaran perkapita yang disesuaikan (X4). Variabel prediktor yang digunakan adalah indikator-indikator IPG pada penduduk laki-laki dan perempuan. Dalam hal ini, regresi probit ordinal digunakan untuk memodelkan data variabel respon yang dikategorikan secara ordinal. Berdasarkan hasil dari regresi probit ordinal dengan taraf signifikansi sebesar 5% diperoleh variabel-variabel yang secara signifikan berpengaruh terhadap IPG pada penduduk laki-laki yaitu Rata-rata Lama Sekolah (X3) dan Pengeluaran perkapita yang disesuaikan (X4). Sedangkan variabel-variabel yang secara signifikan berpengaruh terhadap IPG pada penduduk perempuan yaitu Angka Harapan Hidup saat lahir (X1), Harapan Lama Sekolah (X2) dan Pengeluaran perkapita yang disesuaikan (X4).Kata Kunci : Indeks Pembangunan Gender, Regresi Probit Ordinal. MODELING GENDER DEVELOPMENT INDEX (IPG) USING ORDINAL PROBIT REGRESSION (Case Study of Regency / City IPG on the island of Sumatra in 2015) Abstract : Gender Development Index (GDI) portrays human development discrepancy between men and women. In 2015, Sumatera island is an island in Indonesia that have province and regency/city with the highest rate of GDI. The province is Sumatera Barat and Bukit Tinggi City in which the GDI is respectively 94.74 and 97.75. The high rate of GDI shows that gender equality is appropriately decent in that area. In this research, GDI is a response variable and ordinally categorized as four categories. The first category is low, the second category is medium, the third category is high, and the last category is very high. This research also uses indicators of GDI as predictor variables that estimated effect to GDI, those are Life Expectancy at birth (X1), Expected of Years Schooling (X2), Mean Years of Schooling (X3), and Per capita expenditure adjusted (X4). Predictor variable employed is indicators of GDI for male and female populations. In this stance, ordinal probit regression is employed to model the response variable data categorized ordinally. Based on the results of ordinal probit regression with its significance level 5% obtained variables that significantly affect to GDI of male population which is Mean Years of Schooling (X3) and Per capita expenditure adjusted (X4). Meanwhile variables that significantly affect GDI of the female population are Life Expectancy at birth (X1), Expected of Years Schooling (X2), and Per capita expenditure adjusted (X4).Keywords : Gender Development Index, Ordinal Probit Regression.

Regresi Ridge Parsial Untuk Data Yang Mengandung Masalah Multikolinearitas Ghaida Azzahra; Nar Herrhyanto; Fitriani Agustina
Jurnal EurekaMatika Vol 8, No 1 (2020): Jurnal EurekaMatika
Publisher : Universitas Pendidikan Indonesia (UPI)

Multikolinearitas merupakan kondisi dimana terdapat hubungan linear antar beberapa atau semua variabel bebas dari model regresi linear berganda. Multikolinearitas dapat mengakibatkan taksiran parameter koefisien regresi dari variabel-variabel tersebut tidak dapat ditaksir dengan pasti. Regresi ridge dapat mengatasi permasalahan multikolinearitas, namun terdapat keterbatasan dalam regresi ridge yaitu konstanta bias c diterapkan untuk semua variabel bebas terlepas dari tinggi rendahnya tingkat multikolinearitas. Artikel ini membahas mengenai pengembangan metode regresi ridge yang menambahkan konstanta bias c untuk variabel yang mengandung kolinearitas tinggi. Pengembangan dari regresi ridge ini dinamakan regresi ridge parsial. Metode regresi ridge parsial ini diterapkan pada studi kasus angka kematian bayi di Provinsi Jawa Timur tahun 2018. Hasil penelitian menunjukkan adanya multikolinearitas pada data studi kasus kematian bayi tersebut. Selain itu diperoleh informasi bahwa angka kematian bayi di Provinsi Jawa Timur tahun 2018 hanya dipengaruhi oleh variabel berat badan lahir rendah, dimana setiap satu kenaikan bayi yang memiliki berat badan lahir rendah, akan meningkatkan angka kematian bayi sebesar 0,0953.

Distribusi Weibull-Normal{Log-Logistik} dan Aplikasinya (Studi Kasus Data Waktu Bertahan Hidup Pasien Penderita Jantung Koroner yang Diberikan Treatment Bypass) Winda Sari Sukarna; Nar Herrhyanto; Fitriani Agustina
Jurnal EurekaMatika Vol 8, No 1 (2020): Jurnal EurekaMatika
Publisher : Universitas Pendidikan Indonesia (UPI)

Penelitian ini bertujuan menggabungkan distribusi Weibull, normal, dan log-logistik dengan metode transformasi transformator untuk mendefinisikan distribusi Weibull-normal{log-logistik} (WNLL). Distribusi WNLL akan diaplikasikan untuk menganalisis data waktu bertahan hidup pasien penderita jantung koroner yang diberikan treatment bypass. Penelitian ini termasuk statistika terapan yang berkaitan dengan analisis data uji hidup. Hasil penelitian menunjukkan distribusi WNLL memiliki nilai Akaike Information Criterion (AIC) yang paling kecil dibandingkan ketiga distribusi lainnya, maka distribusi WNLL dipilih menjadi distribusi untuk data waktu bertahan hidup pasien penderita jantung koroner yang diberikan treatment bypass yang akan digunakan untuk analisis lebih lanjut.

Estimasi Missing Data dengan Metode Multivariate Imputation by Chained Equations (MICE) untuk Membentuk Persamaan Regresi Linier Berganda Irma Eldiyana; Elah Nurlaelah; Nar Herrhyanto
Jurnal EurekaMatika Vol 9, No 1 (2021): Jurnal Eurekamatika
Publisher : Universitas Pendidikan Indonesia (UPI)

Penelitian ini bertujuan untuk menentukan mengestimasi data yang kosong atau data yang hilang (Mising data). Missing data adalah hilangnya sebagian informasi atau sebagian data pada suatu penelitian. Metode yang digunakan untuk mengatasi missing data pada artikel ini Multivariate Imputation by Chained Equation (MICE). Penerapan MICE terdiri dari tiga langkah utama, yaitu imputasi, analisis, dan pooling. Hasil analisis terhadap data sekunder menghasilkan diperlukan lima kali imputasi untuk mengisi missing data. Langkah analisis menggunakan analisis regresi linear berganda, dengan lima model fit. Kemudian pada langkah pooling, ke-lima model fit regresi linear berganda yang dihasilkan digabungkan menjadi model pool. Selanjutnya model pool yang diperoleh dibandingkan dengan model regresi berganda data awal. Hasil perbandingan menunjukkan bahwa persamaan linear berganda dengan missing data yang diestimasi metode MICE mendekati persamaan liner berganda yang disusun dari data awal, dengan demikian estimasi missing data dengan metode MICE dapat dikatakan baik untuk digunakan.

Multiscale Geographically Weighted Regression (MGWR) untuk Memodelkan Nilai Angka Buta Huruf di Provinsi Sumatera Selatan Tahun 2021 Rizky Ardhani; Nar Herrhyanto; Fitriani Agustina
Jurnal EurekaMatika Vol 11, No 2 (2023): Jurnal Eurekamatika
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jem.v11i2.63140

Regression methods that take into account spatial aspects are often influenced by the geographical conditions of each observation location. In this study, a regression model was constructed to predict the relationship between the value of the illiteracy rate and several independent variables using Multiscale Geographically Weighted Regression (MGWR) in South Sumatra province. These independent variables are the population (X1), the pure elementary school participation rate (X2), the pure junior high school participation rate (X3), the number of elementary school teaching staff (X4), the number of junior high school teaching staff (X5), and the percentage of poor people (X6). MGWR was chosen because of the use of bandwidth in each variable, so it is expected to provide a model accuracy that is thought to be more accurate to the data. One of the ABH models found in Palembang City is Y= -0.0187+0.55X1-0.1748X2 - 0.0062X3 - 1.6129X4 + 0.5394X6.Keywords: Bandwidth, GWR, Illiteracy Rate, MGWR, Spatial Heterogenity. AbstrakMetode regresi dengan memperhatikan aspek spasial sering kali dipengaruhi oleh kondisi geografis dari masing-masing lokasi pengamatan. Pada penelitian ini dikontruksi model regresi untuk memprediksi hubungan nilai Angka Buta Huruf (ABH) dengan beberapa variabel bebas menggunakan Multiscale Geographically Weighted Regression (MGWR) di provinsi Sumatera Selatan. Variabel-variabel bebas yang dimaksud adalah jumlah penduduk (X1), angka partisipasi murni SD (X2), angka partisipasi murni SMP (X3), banyak tenaga pendidik SD (X4), banyak tenaga pendidik SMP (X5) , dan persentase penduduk miskin (X6). MGWR dipilih karena memungkinkan penggunaan bandwidth pada setiap variabel, sehingga diharapkan mampu memberikan suatu ketepatan model yang diduga lebih akurat terhadap suatu data. Salah satu model ABH yang terdapat di Kota Palembang adalah Y= -0.0187+0.55X1-0.1748X2 - 0.0062X3 - 1.6129X4 + 0.5394X6.

Penerapan Spatial Durbin Model (SDM) untuk Menganalisis Faktor-Faktor yang Mempengaruhi Persentase Penduduk Miskin di Kabupaten Cianjur Tahun 2021 Raspati, Rifqy Sayidi; Herrhyanto, Nar; Agustina, Fitriani
Jurnal EurekaMatika Vol 12, No 1 (2024): Jurnal EurekaMatika
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jem.v12i1.68795

In this research, we built a regression model to analyze the factors influencing the percentage of poor people in Cianjur Regency. The method used to model the problem of the percentage of poor people is Durbin spatial regression analysis by considering location aspects of both the dependent variable and the independent variable. Of the six independent variables taken, only four independent variables can be modeled using Durbin spatial regression. This is caused by the results of the Moran Index Test which states that there is spatial autocorrelation in these four variables. Based on Durbin's spatial regression analysis, the results showed that the variables that significantly influenced the percentage of poor people in Cianjur Regency in 2021 were the average length of schooling and life expectancy at birth. A high average number of years of schooling and life expectancy at birth can reduce the percentage of poor people in Cianjur Regency.Keywords: Moran's Index Test, Percentage of Poor People, Spatial Durbin Regression. AbstrakPada penelitian ini dibangun model regresi untuk menganalisa faktor-faktor mempengaruhi persentase penduduk miskin di Kabupaten Cianjur. Metode yang digunakan untuk memodelkan masalah persentase penduduk miskin tersebut adalah analisis regresi spasial Durbin dengan mempertimbangkan aspek lokasi baik dari variabel dependen dan variabel independen. Dari enam variabel independen yang diambil hanya empat variabel independen yang dapat dimodelkan menggunakan regresi spasial Durbin. Hal tersebut disebabkan oleh hasil Uji Indeks Moran yang menyatakan terdapat autokorelasi spasial pada empat variabel tersebut. Berdasarkan analisis regresi spasial Durbin didapatkan hasil bahwa variabel yang berpengaruh secara signifikan terhadap persentase penduduk miskin di Kabupaten Cianjur Tahun 2021 adalah rata-rata lama sekolah dan usia harapan hidup saat lahir. Nilai rata-rata lama sekolah dan usia harapan hidup saat lahir yang tinggi dapat menurunkan persentase penduduk miskin di Kabupaten Cianjur.

Co-Authors Andini, Puty Andini, Puty Asep Egi Kurniawan, Asep Egi Avip P. M., Bambang Bambang Avip Priatna Martadiputra cakrawala Cucu Cahyati Dadan Dasari Dadang Juandi Dewi Rachmatin Dina Damayanti Dwiningrum Prihastiwi, Dwiningrum Edi Purwanto Elah Nurlaelah Entit puspita Fitriani Agustiani Fitriani agustina Ghaida Azzahra Imam Aji Nugroho Indra Hardiyana, Indra Irma Eldiyana Jarnawi Afgani Dahlan Julianda H., Redicha Maman Suherman Maria TSN marthen Tapilouw Maulani, Atiya Maulani, Atiya Muhammad Robbani Nurdiani, Nunung Nurdiani, Nunung Nurul Hanifah qori maghfiroh Rachmi Dwiyati Raspati, Rifqy Sayidi Rizky Ardhani Simamora, Yesi Kurnia Titia Ningsih Winda Sari Sukarna Wiwik Handayani

Title Search

Found 18 Documents Search Journal : Jurnal Eurekamatika

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 18 Documents
Search
Journal : Jurnal Eurekamatika