Article Per Year (5 Year)
p-Index From 2021 - 2026
0
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Jurnal Ilmu Dasar Statistika JUTI: Jurnal Ilmiah Teknologi Informasi JUITA : Jurnal Informatika Faktor Exacta
subanar subanar
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Industrial & Manufacturing Engineering Library & Information Science Mathematics

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Statistika

 1 
Pendekatan Regresi Ordinal untuk Klasifikasi Tingkat Hidup Pekerja Bambang Widjanarko Otok; Suryo Guritno; Subanar Subanar
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 5, No 1 (2005)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v5i1.915

Abstract

Masalah klasifikasi (pengelompokkan) pada kelompok yang sudah diketahui pada umumnyamembatasi diri dalam melibatkan sejumlah peubah yang terkait, sehingga mengakibatkan hilangnyasebagian informasi yang justru berkonsekuensi dalam kesimpulan penelitian. Untuk itu upaya yangdilakukan untuk membatasi keterlibatan sejumlah peubah dalam penelitian harus melihat kerangkapermasalahan secara menyeluruh pada kelompok dalam peubah tersebut.Metode klasifikasi yang baik akan menghasilkan sedikit kesalahan klasifikasi atau peluangkesalahan alokasi yang kecil dan juga terpenuhinya asumsi seperti variansi sama pada kelompok.Sehingga diperlukan suatu kajian mengenai masalah klasifikasi dengan pendekatan regresi ordinaldan sebagai kriteria kestabilan klasifikasi digunakan Press-Q.Hasil penelitian menunjukkan bahwa analisis regresi ordinal merupakan suatu metode yangsangat baik dalam masalah klasifikasi dan dalam menentukan variabel yang mempengaruhi padakelompok dan interpretasi model. Selain itu fungsi peluang komulatif yang diperoleh mudahdiinterpretasikan untuk menjelaskan keterkaitan prediksi kedepan dalam pengelompokkan.Secara keseluruhan tingkat ketepatan prediksi model dengan analisis regresi ordinal untukmengelompokkan tingkat hidup pekerja yang dipengaruhi empat variabel (Pendidikan (X1), Statuspekerjaan (X2), Upah/Gaji Sebulan (X3) dan Status perkawinan (X4)) secara keseluruhan sebesar54.6%, dan pengaruh yang signifikan pada pendidikan adalah pendidikan SMA dan SMP, statuspekerjaan bulanan (berbanding terbalik), upah/gaji sebulan sebesar Rp 1.000.000 s/d Rp 1.500.000,dan status perkawinan yang sudah menikah.
UJI NONLINEARITAS YANG DIABAIKAN DALAM TIME SERIES Brodjol Sutijo; Subanar Subanar
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 4, No 2 (2004)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v4i2.874

Abstract

Dalam makalah ini akan dibahas tentang pengujian nonlinearitas didasarkan pada pendekatan Neural Network (NN) yang dikemukakan oleh Lee dan White untuk kondisi nonlinear yang terabaikan pada model time series. Pada uji neural network ini, dikembangkan dari model Feedforward neural network dengan menambahkan hubungan langsung dari input ke output. Uji ini akan dibandingkan dengan uji Tsay dan didasarkan pada studi simulasi, baik untuk model linear maupun model nonlinear. Pendekatan uji dengan neural network adalah pendekatan lagrange multiplier, sedangkan uji Tsay didasarkan pada pendekatan regresi dengan menambahkan perkalian komponen dari variabel prediktor. Hasil simulasi secara umum menunjukkan jika model yang dibentuk adalah model linear, kekuatan uji nonlinearitasnya rendah, sedangkan jika yang dibentuk adalah model nonlinear, maka kekutan uji nonlinearnya tinggi. Hasil ini berlaku untuk metode White maupun Tsay.
PERBANDINGAN ANTARAMODEL LOGITMUTINOMIAL DENGAN NEURAL NETWORK PADA DATA POLIKOTOMUS Sri Rezeki; Subanar Subanar
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 4, No 2 (2004)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v4i2.903

Abstract

Model logistik untuk data respon yang mempunyai lebih dari dua kategori dikenal sebagai model regresi logistikpolikotomus atau model logit multinomial. Pendekatan lain yang dapat dilakukan untuk menganalisis data respon yangdemikian adalah dengan menggunakan model neural network (NN). Model feedforward neural network (FFNN)merupakan salah satu bentuk model NN yang dipandang sebagai suatu bagian dari kelompok model yang sangat fleksibeldan dapat digunakan untuk berbagai aplikasi. FFNN dengan satu hidden layer dan parameter/bobot yang digunakanbersama (shared weights) merupakan generalisasi dari model logit multinomial. Perbedaan utama diantara keduapendekatan tersebut adalah NN merupakan model nonparametrik, sehingga tidak membutuhkan asumsi awal tentangbentuk hubungan yang dimodelkan, sedangkan model logit multinomial merupakan model parametrik yang dalam hal inidapat mengalami bias spesifikasi model apabila asumsi tidak terpenuhi. Model logit multinomial mampu memberikantaksiran parameter yang dapat diinterpretasi dan statistik uji untuk mengetahui signifikansi taksiran parameter tersebut,sedangkan NN sangat sulit untuk interpretasi namun arsitektur jaringan dapat dengan mudah ditingkatkan untukmendapatkan hasil yang optimal. Model logit multinomial dan NN keduanya dapat digunakan untuk menyelesaikanmasalah klasifikasi, oleh karena itu makalah ini membahas tentang perbandingan ketepatan klasifikasi antara model logitmultinomial dengan NN menggunakan data simulasi. Hasil penelitian menunjukkan bahwa NN mampu memberikanketepatan klasifikasi yang lebih tinggi dibandingkan dengan model logit multinomial, baik pada data training maupun padadata testing.
UJI HIPOTESIS DENGAN METODE BOOTSTRAP Sugiyarto Sugiyarto; Subanar Subanar
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 3, No 1 (2003)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v3i1.566

Abstract

Uji hipotesis adalah salah satu bagian dari inferensi statistik. Dengan uji hipotesis dapat disimpulkan sejauh manakelakuan/ kondisi/ karakter dari suatu populasi. Metode konvensional dalam uji hipotesis didasarkan pada asumsi ini dapatdiabaikan dan makalah ini menyajikan uji hipotesis dengan menggunakan metode bootstrap
Co-Authors Azhari Azhari Bambang Widjanarko Otok Brodjol Sutijo Dhoriva Urwatul Wutsqa I Wayan Supriana Ipung Permadi Luh Putu Widya Adnyani M. Sjahid Akbar Retantyo Wardoyo Seng Hansun Shofwatul ‘Uyun Siska Dewi Lestari Sri Hartati Sri Rezeki Sugiyarto Sugiyarto Suryo Guritno Sylvia Jane Annatje Sumarauw Zanzawi Soejoeti Zulfahmi Indra, Zulfahmi