Claim Missing Document
Check
Articles

Prediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA Jeine Tando; Hanny Komalig; Nelson Nainggolan
d\'Cartesian: Jurnal Matematika dan Aplikasi Vol. 5 No. 2 (2016): September 2016
Publisher : Sam Ratulangi University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35799/dc.5.2.2016.14052

Abstract

Tujuan penelitian ini adalah menentukan model ARMA yang terbaik dalam memprediksi jumlah penumpang yang berangkat di pelabuhan Manado. Data yang di gunakan adalah data bulanan jumlah penumpang kapal laut dari bulan Januari 2012 sampai bulan Juni 2015. Hasil penelitian menunjukkan model ARMA (1,2) menggunakan model yang lebih baik dalam meprediksi jumlah penumpang kapal laut di pelabuhan laut Manado. Prediksi untuk periode 6 bulan yakni bulan Juli 2015 sebanyak 31106 penumpang, bulan Agustus 2015 sebanyak 31406  penumpang, bulan September sebanyak 31350 penumpang, bulan oktober sebanyak 31300 penumpang, bulan November sebanyak 31256 penumpang, bulan Desember sebanyak 31217 penumpang. Kata Kunci : Model ARMA, Time series, Prediksi
Aplikasi Analisis Komponen Utama dan Analisis Gerombol pada Varietas Tanaman Hias Krisan (Chrysanthemum morifolium R.) di Kota Tomohon Ranni Pangkey; Yohanes Langi; Hanny Komalig
d\'Cartesian: Jurnal Matematika dan Aplikasi Vol. 7 No. 2 (2018): September 2018
Publisher : Sam Ratulangi University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35799/dc.7.2.2018.20628

Abstract

Kota Tomohon dikenal sebagai produsen bunga (kembang) di Provinsi Sulawesi Utara. Bunga lokal Kota Tomohon adalah bunga krisan yang memiliki banyak varietas. Penelitian ini bertujuan untuk mengeksplorasi, menentukan komponen utama dan mengelompokkan data varietas krisan di Kota Tomohon. Sampel yang di ambil adalah 10 varietas krisan di Kota Tomohon dengan 14 variabel indikator. Penelitian ini dilakukan pada bulan Maret sampai Juni 2018. Metode yang digunakan adalah Analisis Komponen Utama dan Analisis Gerombol Non Hirarki untuk mereduksi data dan mengelompokkan data berdasarkan kemiripannya. Hasil eksplorasi data dengan Analisis Komponen Utama didapat 3 komponen utama yaitu , , dan  yang mewakili 78,8% variabilitasnya dan terbentuk 3 kelompok dengan menggunakan Analisis Gerombol yaitu kelompok pertama memuat varietas krisan Elora, Kulo dan Ririh, kelompok kedua memuat varietas krisan Solinda Pelangi, Salzieta, Kineta dan Arosuka Pelangi, kelompok ketiga memuat varietas krisan Pasopati, Merahayani dan Limeron.Kata Kunci: Varietas Krisan, Analisis Komponen Utama, Analisis Gerombol
Analisis Survival Dalam Menentukan Faktor-faktor Yang Mempengaruhi Lama Studi Mahasiswa Matematika Di Jurusan Matematika FMIPA Universitas Sam Ratulangi Manado Noivia Cyta Hari; Hanny Komalig; Yohanes Langi
d\'Cartesian: Jurnal Matematika dan Aplikasi Vol. 7 No. 2 (2018): September 2018
Publisher : Sam Ratulangi University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35799/dc.7.2.2018.21455

Abstract

Lama studi merupakan waktu yang dibutuhkan seorang mahasiswa untuk menyelesaikan pendidikan. Terkait dengan proses belajar mahasiswa, ternyata banyak hal yang dapat memengaruhi mahasiswa untuk dapat bertahan sehingga mahasiswa dapat melanjutkan ke semester berikutnya. Faktor-faktor yang mempengaruhi lama studi mahasiswa bisa berasal dari faktor internal dan faktor eksternal. Penelitian ini dilakukan selama 10 bulan sejak bulan Agustus 2017 sampai bulan Juni 2018.Tujuan dari penelitian ini adalah menentukan faktor – faktor yang berpengaruh signifikan terhadap lama studi mahasiswa Jurusan Matematika FMIPA Unsrat dengan menggunakan  Regresi Cox Proportional Hazard . Dari hasil analisis pada lama studi mahasiswa jurusan Matematika FMIPA Unsrat  dapat diperoleh kesimpulan bahwa variabel Jenis Kelamin (X1) dan variabel Asal Daerah (X2) tidakberpengaruh secara signifikan terhadap lama studi mahasiswa S-1 jurusan Matematika FMIPA Unsrat dan untuk variabel IPK (X3) berpengaruh terhadap lama studi mahasiswa. Model regresi Cox Proportional Hazard dari faktor-faktor yang mempengaruhi lama studi mahasiswa jurusan Matematika FMIPA Unsrat diperoleh sebagai berikut :  h(t,X) = h0(t) . (exp  (0.426X1 + 0.89X2 – 0.602X3)).Kata Kunci: Analisis Survival, Regresi Cox, Metode Kaplan-Meier
Analisis Faktor-faktor yang Mempengaruhi Pernikahan Usia Dini di Kecamatan Pasan Kabupaten Minahasa Tenggara Yesinta Kezia Tilaar; Nelson Nainggolan; Hanny A.H Komalig
d\'Cartesian: Jurnal Matematika dan Aplikasi Vol. 10 No. 2 (2021): September 2021
Publisher : Sam Ratulangi University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35799/dc.10.2.2021.35289

Abstract

Pernikahan dini merupakan sebuah pernikahan dibawah umur yang target persiapannya belum dikatakan maksimal seperti persiapan fisik, persiapan materi serta persiapan mental emosional. Penelitian ini bertujuan untuk mengetahui faktor-faktor yang mempengaruhi pernikahan usia dini di Kecamatan Pasan Kabupaten Minahasa Tenggara menggunakan metode analisis faktor. Analisis faktor merupakan analisis statistik yang berfungsi untuk mereduksi beberapa variabel yang saling independen menjadi lebih sedikit variabel. Dalam penelitian ini digunakan data primer menggunakan metode angket. Objek yang diteliti adalah orang yang menikah pada usia 15-20 tahun dan periode pernikahannya terjadi pada tahun 2010-2021 di Kecamatan Pasan dan digunakan sebanyak 10 variabel. Berdasarkan hasil penelitian diperoleh 3 faktor dominan yang mempengaruhi keputusan remaja menikah usia muda di Kecamatan Pasan yaitu faktor Kehamilan diluar nikah (39,385%), Faktor Pergaulan (19,013%) dan Faktor Ekonomi (15,246%). Ketiga faktor tersebut memberikan proporsi keragaman kumulatif sebesar 73,644%.
Pengelompokan Kecamatan Di Kabupaten Minahasa Berdasarkan Data Hasil Produksi Pertanian Tahun 2019 Dengan Menggunakan Analisis Komponen Utama (Aku) Dan Analisis Gerombol Cantika Valensia Mukuan; Fernando Dorothius Pongoh; Hanny A.H. Komalig
d\'Cartesian: Jurnal Matematika dan Aplikasi Vol 11, No 1 (2022) Maret 2022
Publisher : Sam Ratulangi University

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pengelompokan Kecamatan di Kabupaten Minahasa Berdasarkan Data  Hasil Produksi Pertanian Tahun 2019 dengan Analisis Komponen Utama (AKU) dan Analisis Gerombol. Bertujuan untuk mereduksi variabel dengan Analisis Komponen Utama, dan Mengelompokkan Kecamatan-kecamatan se-Kabupaten Minahasa dengan menggunakan Analisis Gerombol. Data yang diambil ialah data sekunder dari publikasi resmi Badan Pusat Statistik dengan data produksi pertanian dalam studi ini ialah 25 Kecamatan di kabupaten Minahasa tahun 2019, dengan 13 variabel hasil produksi pertanian. Adapun hasil penelitian ini terbentuk 4 Komponen Utama yang merupakan kombinasi linier dari variabel-variabel asli penyusunnya dan mampu menjelaskan sebesar mampu menjelaskan 74,197% variasi dari ke-13 variabel. Terbentuknya 5 kelompok atau gerombol dari ke 25 kecamatan dengan menggunakan metode analisis gerombol average lingkage.
Analisis Regresi Logistik Untuk Menentukan Pengaruh Kualitas Layanan Pendidikan Terhadap Indeks Prestasi Kumulatif Mahasiswa Universitas Sam Ratulangi Manado Maruli Gultom; Nelson Nainggolan; Hanny Komalig
d\'Cartesian: Jurnal Matematika dan Aplikasi Vol. 11 No. 2 (2022): September 2022
Publisher : Sam Ratulangi University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35799/dc.11.2.2022.42536

Abstract

Layanan pendidikan adalah suatu usaha yang dilakukan oleh lembaga pendidikan dalam rangka menciptakan lingkungan belajar yang ideal agar menunjang keberhasilan pendidikan itu sendiri dengan memperhatikan aspek kepuasan dari konsumen pendidikan. Dalam penelitian ini akan ditentukan hubungan dari IPK mahasiswa dan layanan pendidikan pada mahasiswa UNSRAT dengan menggunakan metode analisis regresi logistik. Data yang digunakan dalam penelitian ini merupakan penilaian mahasiswa yang telah menyelesaikan Program S1 dari tahun 2018-2019 terhadap layanan pendidikan UNSRAT yang diperoleh dari Lembaga Pembinaan dan Pengembangan Pembelajaran (LP3) UNSRAT. Layanan pendidikan UNSRAT dibagi ke dalam beberapa indikator, diantaranya : Kegiatan Perkuliahan, Kegiatan Praktikum, Fasilitas Laboratorium, Fasilitas Penunjang Pembelajaran (Ruangan dan Kursi yang Memadai), Fasilitas Penunjang Pembelajaran (Kelancaran Internet, Wi-Fi), Fasilitas Penunjang Pembelajaran (Toilet, Kantin), Lama Perkuliahan, dan Kelengkapan Perpustakaan. Hasilnya menunjukkan bahwa terdapat beberapa indikator yang memiliki pengaruh signifikan terhadap nilai IPK mahasiswa adalah : Kegiatan Perkuliahan,  Fasilitas Penunjang Pembelajaran (ruangan dan kursi yang memadai), Fasilitas Penunjang Pembelajaran (Kelancaran internet, Wi-Fi), Kelengkapan Perpustakaan dan Lama Kuliah.
Analisis Gerombol Untuk Pengelompokkan Kecamatan Berdasarkan Produksi Tanaman Sayuran di Kabupaten Minahasa Tenggara Excel Mokosolang; Hanny Komalig; Yohanes Langi
d\'Cartesian: Jurnal Matematika dan Aplikasi Vol. 13 No. 1 (2024): Maret 2024
Publisher : Sam Ratulangi University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35799/dc.13.1.2024.52526

Abstract

          Penelitian ini bertujuan untuk pemotongan dendogram dengan nilai mean untuk mengelompokkan kecamatan berdasarkan produksi tanaman sayuran di Kabupaten Minahasa Tenggara dengan menggunakan Analisis Gerombol. Data yang digunakan dalam penelitian ini merupakan data sekunder tahun 2020 yaitu data produksi perkebunan yang diperoleh dari publikasi Badan Pusat Statistik (BPS) Kabupaten Minahasa Tenggara.             Analisis yang digunakan adalah Analisis Gerombol (Cluster) dengan metode single linkage dan hasil yang di peroleh adalah terbentuknya 2 gerombol. Gerombol pertama yang diklasifikasikan sebagai daerah dengan kemiripan produksi tanaman sayuran terdiri dari 9 Kecamatan dan Gerombol kedua yang di klasifikasikan sebagai daerah dengan tingkat kemiripan produksi tidak mirip dengan gerombol yang pertama sehingga terdiri dari 3 Kecamatan.
Pengelompokkan Kabupaten/Kota di Sulawesi Utara Berdasarkan Data Peternakan Menggunakan Cluster Hierarki Vita Sagai; Hanny Komalig; Marline Paendong
d\'Cartesian: Jurnal Matematika dan Aplikasi Vol. 13 No. 1 (2024): Maret 2024
Publisher : Sam Ratulangi University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35799/dc.13.1.2024.52536

Abstract

Penelitian ini bertujuan untuk mengelompokkan Kabupaten/kota di Sulawesi Utara berdasarkan Populasi Ternak. Data yang digunakan dalam penelitian ini merupakan data sekunder tahun 2020 yaitu data Populasi Ternak  yang diperoleh dari publikasi Badan Pusat Statistik (BPS) Kabupaten Minahasa Selatan. Analisis yang digunakan adalah Analisis Cluster metode single linkage dan Uji korelasi. Hasil yang diperoleh dari analisis korelasi antar variabel  menunjukkan semua variabel berkorelasi dan dilanjutkan pada analisis cluster terbentuk 3 cluster dan 2 kelompok. Cluster pertama yang terbentuk 13 kabupaten/kota, cluster yang kedua terbentuk 1 kabupaten dan Cluster ketiga 1 kabupaten.
Pengelompokan Kecamatan di Kabupaten Minahasa Selatan Berdasarkan Produksi Perkebunan dengan Menggunakan Analisis Komponen Utama dan K-Means Jennifer Mamahit; Hanny Komalig; Marline Paendong
d\'Cartesian: Jurnal Matematika dan Aplikasi Vol. 13 No. 1 (2024): Maret 2024
Publisher : Sam Ratulangi University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35799/dc.13.1.2024.52540

Abstract

JENNIFER GABRIELLA NOVITA MAMAHIT. Pengelompokan Kecamatan di Kabupaten Minahasa Selatan Berdasarkan Produksi Perkebunan dengan menggunakan Analisis Komponen Utama dan K-means. Dibimbing oleh HANNY A.H. KOMALIG sebagai ketua dan MARLINE S PAENDONG sebagai anggota.Penelitian ini bertujuan untuk mengelompokkan kecamatan-kecamatan di Kabupaten Minahasa Selatan berdasarkan produksi perkebunan. Data yang digunakan dalam penelitian ini merupakan data sekunder tahun 2020 yaitu data produksi perkebunan yang diperoleh dari publikasi Badan Pusat Statistik Kabupaten Minahasa Selatan. Analisis yang digunakan adalah Analisis Komponen Utama dan Analisis K-means. Hasil analisis Komponen Utama yaitu KU1 , KU2 dan KU3 yang mewakili 67,2% variabilitasnya dan terbentuk 2 kelompok dengan menggunakan Analisis Klaster. Klaster pertama yang diklasifikasikan sebagai daerah dataran tinggi yang berproduksi sedikit terdiri dari 1 Kecamatan dan Klaster kedua yang di klasifikasikan sebagai daerah dataran sedang dan rendah yang berproduksi banyak yang terdiri dari 16 Kecamatan.
Pengelompokan Kecamatan di Kabupaten Kepulauan Sangihe Berdasarkan Luas Panen dan Produksi Hortikultura Menggunakan Metode K-Means Hamel, Jeliana; Komalig, Hanny; Salaki, Deiby Tineke
JURNAL LPPM BIDANG SAINS DAN TEKNOLOGI Vol. 9 No. 2 (2024): JLPPM SAINTEK
Publisher : Universitas Sam Ratulangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35801/jlppmsains.9.2.2024.48468

Abstract

Penelitian ini bertujuan untuk mengelompokkan kecamatan-kecamatan di Kabupaten Kepulauan Sangihe berdasarkan luas panen dan produksi hortikultura, serta mengetahui variabel penelitian apa saja yang mempengaruhi dimensi komponen utama pembentuk gerombol. Data yang digunakan dalam penelitian ini merupakan data sekunder tahun 2020 yaitu data luas panen dan produksi hortikultura yang diperoleh dari publikasi Badan Pusat Statistik (BPS) Kabupaten Kepulauan Sangihe. Analisis yang digunakan dalam penelitian ini adalah Analisis Komponen Utama dan Analisis Gerombol dengan metode k-means. Hasil Analisis Komponen Utama yaitu KU1 dan KU2 yang mewakili 86,1% variabilitasnya dan terbentuk 2 kelompok dengan menggunakan Analisis Gerombol. Gerombol pertama terdiri dari 4 Kecamatan dan gerombol kedua terdiri dari 11 kecamatan. KU1 dipengaruhi oleh variabel luas panen cabai rawit, luas panen tomat, luas panen ketimun, produksi cabai rawit, produksi tomat, dan produksi ketimun. Sedangkan, KU2 dipengaruhi oleh variabel luas panen cabai besar, luas panen kangkung, produksi cabai besar, dan produksi kangkung. Kata kunci : Analisis Komponen Utama, Analisis Gerombol, K-Means.