Garuda - Garba Rujukan Digital

MODEL SURSHING: MODEL HYBRID ANTARA MODEL PRODUKSI SURPLUS DAN MODEL CUSHING DALAM PENDUGAAN STOK IKAN (STUDI KASUS: PERIKANAN LEMURU DI SELAT BALI) Georgina M. Tinungki; Mennofatria Boer; Daniel R. Monintja; Johanes Widodo; Akhmad Fauzi
Jurnal Ilmu-Ilmu Perairan dan Perikanan Indonesia Vol. 11 No. 2 (2004): Desember 2004
Publisher : Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (204.342 KB)

Kajian terhadap pendugaan stok ikan, khususnya perikanan lemuru di Selat Bali, telah banyak dilakukan oleh para peneliti melalui penggunaan model poduksi surplus. Dalam penelitian ini dilakukan penggabungan antara model produksi surplus dan model Cushing atau disebut model Surshing yang digunakan untuk menduga stok ikan lemuru di Selat Bali. Adapun hasil yang diperoleh menunjukkan bahwa model Surshing lebih memuaskan dalam menduga stok ikan lemuru di Selat Bali, terlihat dari tampilan indikator statistiknya.Kata Kunci: model Cushing, model hybrid, model produksi surplus, pendugaan stok ikan.

Penaksir Tak Bias Variansi Minimum Seragam Georgina M. Tinungki
Jurnal Matematika, Statistika dan Komputasi Vol. 2 No. 2: January 2006
Publisher : Department of Mathematics, Hasanuddin University

Apabila terdapat lebih dari satu penaksir tak bias, maka ada tak berhingga banyaknya penaksir tak bias, akan tetapi mungkin pula tidak ada satu pun penaksir tak bias. Sehingga dapat muncul dua pertanyaan, yaitu bagaimana cara memilih salah satu penaksir tak bias untuk dipakai, jika terdapat beberapa atau banyak penaksir tak bias, dan penaksir bias bagaimana yang harus digunakan jika tidak terdapat penaksir tak bias. Beberapa sifat dari penaksir kemungkinan maksimum dapat menjawab pertanyaan yang muncul, dengan melihat sifat ketak biasan, keselarasan dan bentuknya yang lain. Penaksir tak bias optimum dengan penaksir tak bias varian minimum seragam mempunyai varian yang minimum di antara semua kemungkinan penaksir yang tak bias. Penaksir tak bias varian minimum seragam yang ada biasanya mencapai batas bawah variansi Rao-Cramer, meskipun penaksir tak bias bervariansi minimum ini bisa saja tidak dapat ditentukan. Suatu metode mencari penaksir tak bias varian minimum seragam adalah dengan mencari suatu fungsi tak bias dari suatu statistik cukup yang lengkap. Bentuk lainnya adalah dengan mencari fungsi tak bias jika diketahui adanya suatu statistik cukup yang lengkap.

Teorema Limit Pusat Linberg-Levy Pada Kasus Multivariate Georgina M. Tinungki
Jurnal Matematika, Statistika dan Komputasi Vol. 4 No. 1: July 2007
Publisher : Department of Mathematics, Hasanuddin University

Jika kita berhadapan dengan keadaan yang mana dalam suatu fungsi padat peluang fungsi distribusinya diketahui dengan tepat, namun sesungguhnya sering kita hanya mengetahui sedikit sekali malahan tidak sama sekali tentang distribusi yang melatar belakangi sample. Dalam pendekatan statistika, apabila sebagian atau tidak ada keterangan tentang f.d. Teorema Limit Pusat (TPL) merupakan hasil yang utama dari semua bidang matematika, dan terapannya yang muncul dalam seluruh statistika yang bersifat teori maupun terapan. Teorema ini akan dibuktikan untuk kasus yang sederhana dan bentuk yang lebih umum.

Ketidaksamaan Chebyshev Hukum Bilangan Besar pada Bisnis Asuransi Georgina M. Tinungki
Jurnal Matematika, Statistika dan Komputasi Vol. 5 No. 2: January 2009
Publisher : Department of Mathematics, Hasanuddin University

Bisnis asuransi sangat erat kaitannya dengan teori statistik, khususnya teori probabilitas (kemungkinan) dalam mengelola risiko yang dijaminnya. Pentingnya mengasuransikan mobil untuk mengalihkan risiko yang mungkin terjadi akibat kerusakan, kecurian, atau kecelakaan terhadap kendaraan maupun jika kecelakaan tersebut menyebabkan kerugian secara langsung terhadap pihak ketiga. Prinsip yang diambil dari teori probabilitas ini dinamakan hukum bilangan besar (the law of large number). Cara yang dilakukan perusahaan asuransi dalam mengaplikasikan prinsip hukum bilangan besar ini ialah memperbanyak jumlah risiko itu sendiri. The Law of Large Number merupakan teorema dari statistik. Jika terdapat variabel acak, maka variabel acak itu akan stabil dalam waktu yang lama. Ini berarti dalam jangka waktu yang panjang nilai pengamatan akan selalu mendekati nilai harapan. Jenis kekonvergenen yang terpenting dalam hal ini jenis kekonvergenen lemah, yang menyatakan bahwa rataan sampel konvergen dalam peluang. Ketidaksamaan Chebyshev merupakan alat yang ampuh untuk membuktikan kekonvergenan lemah, yang dapat ditunjukkan pada pembuktian hukum bilangan besar yang lemah (The Weak Law).

Aplikasi Model Regresi Logit dan Probit pada Data Kategorik Georgina M. Tinungki
Jurnal Matematika, Statistika dan Komputasi Vol. 6 No. 2: January 2010
Publisher : Department of Mathematics, Hasanuddin University

Metode Pendeteksian Autokorelasi Murni dan Autokorelasi Tidak Murni Georgina M. Tinungki
Jurnal Matematika, Statistika dan Komputasi Vol. 13 No. 1: July 2016
Publisher : Department of Mathematics, Hasanuddin University

Autokorelasi merupakan salah satu pelanggaran asumsi Ordinary Least Square yang menyatakan bahwa dalam pengamatan-pengamatan yang berbeda tidak terdapat korelasi antara error term pada persamaan regresi. Autokorelasi yang digunakan pada penelitian ini adalah autokorelasi urutan pertama yang dideteksi dengan menggunakan Statistik Durbin-Watson. Untuk mengatasi autokorelasi tersebut digunakan prosedur Cochrane-Orcutt yang merupakan salah satu alternatif pemecahan dalam permasalahan penaksiran koefisien regresi pada persamaan Generalized Least Square.

Metode Bayes Dan Ketidaksamaan Cramer-Rao Dalam Penaksiran Titik Georgina M. Tinungki
Jurnal Matematika, Statistika dan Komputasi Vol. 14 No. 2 (2018): January 2018
Publisher : Department of Mathematics, Hasanuddin University

Ketidaksamaan Cramer–Rao merupakan batas bawah dari variansi suatu penaksir tak bias. Suatu penaksir tak bias mempunyai variansi yang sama dengan batas bawah yang berarti bahwa penaksir tersebut mempunyai variansi terbaik dalam kumpulan besar dari penaksir.

Penentuan Daerah Kritis Terbaik dengan Teorema Neyman- Pearson Georgina M. Tinungki
Jurnal Matematika, Statistika dan Komputasi Vol. 6 No. 1 (2009): July 2009
Publisher : Department of Mathematics, Hasanuddin University

Terdapat beberapa metode untuk membangun uji statistik yang baik, diantaranya adalah Teorema Neyman Pearson yang diawali dengan menguji hipotesis sederhana H0 melawan hipotesis alternatif H1. Sebelum kita mendefinisikan suatu uji terbaik, suatu observasi harus dibuat. Tentu uji tersebut menetapkan suatu daerah kritis, atau dengan kata lain suatu pilihan atas suatu daerah kritis menggambarkan suatu uji

Penentuan Distribusi Sample Terbatas Uji-J Davidson dan Mackinnon dengan Metode Bootstrap pada Model Regresi Tak Tersarang Georgina M. Tinungki
Jurnal Matematika, Statistika dan Komputasi Vol. 15 No. 2 (2019): JMSK Vol. 15, No. 2, January 2019
Publisher : Department of Mathematics, Hasanuddin University

Georgina Maria Tinungki* AbstractThere are some tests proposed for un-nested hypothesis between J-Davidson Test and MacKinnon Test. J’s Test is often bad result, but it always works very well when used bootstrap. Bootstrapping for J’s Test is expected to be able to show that by using bounded sample is better, because there is no fault in counting process. Moreover, bootstrapping J-Test will omit the possibility of inconsistence of the results test previously. Simulation result of Monte Carlo will compare the proposed bounded sample test with Cox and J’s Test previously. Keywords: un-nested hypothesis, J-Davidson Test, MacKinnon Test AbstrakTerdapat beberapa pengujian yang diusulkan untuk hipotesis tak tersarang antara lain Uji-J Davidson dan MacKinnon. Uji-J sering bekerja buruk, tetapi biasanya bekerja sangat baik ketika dibootstrapkan.. Bootstrapping Uji-J diharapkan mampuh menunjukkan sampel terbatas lebih baik karena tidak mempunyai kesalahan didalam proses perhitungan. Lebih dari itu, bootstrapping J-Tests akan mengeluarkan kemungkinan dari ketidak konsistenan hasil uji yang sebelumnya. Hasil Simulasi Monte Carlo membandingkan uji sampel terbatas yang diusulkan dengan test yang sebelumnya seperti Uji Cox dan J-Test. Kata Kunci: Hipotesis tak tersarang,, Uji-J Davidson, Uji MacKinnon

Penerapan Sparse Principal Component Analysis dalam Menghasilkan Matriks Loading yang Sparse Georgina M. Tinungki; Nurtiti Sunusi
Jurnal Matematika, Statistika dan Komputasi Vol. 15 No. 2 (2019): JMSK Vol. 15, No. 2, January 2019
Publisher : Department of Mathematics, Hasanuddin University

Abstract Sparse Principal Component Analysis (Sparse PCA) is one of the development of PCA. Sparse PCA modifies new variables as a linier combination of p old variables (original variable) which is yielded by PCA method. Modifying new variables is conducted by producing a loading yang sparse matrix, such that old variable which is not effective (value of loading is zero) able be exit from PCA. In this study, Sparse PCA method was applied on data of Indonesia Poverty population in 2015, that contains 13 variables and 34 observation with variable reduction such that yields 4 (four) new variables, which can explain 80.1% of total variance data. This study show, the loading matrix that has been yielded by using Sparse PCA method to become sparse with there exist 11 elements (loading value) zero entry of matrix, such that the model that has been produced to be simpler and easy to be interpreted. Keywords: Principal Component Analysis, Sparse Principal Component Analysis, reduksi dimensi, matriks loading yang sparse Abstrak Sparse Principal Component Analysis (Sparse PCA) merupakan salah satu pengembangan dari metode PCA. Sparse PCA memodifikasi variabel-variabel baru yang merupakan kombinasi linear dari variabel lama (variabel asli) yang dihasilkan oleh metode PCA. Pemodifikasian variabel baru ini dilakukan dengan dengan menghasilkan matriks loading yang sparse sehingga variabel lama yang tidak efektif (memiliki nilai loading sama dengan nol) dapat dikeluarkan dari model PCA. Pada penelitian ini, metode Sparse PCA diterapkan pada data Indikator Kemiskinan Penduduk Indonesia Tahun 2015 yang memuat 13 variabel dan 34 observasi dengan reduksi variabel menghasilkan 4 (empat) variabel baru yang telah mampu menjelaskan 80,1% dari total variansi data. Hasil penelitian menunjukkan, matriks loading yang dihasilkan menggunakan metode Sparse PCA menjadi sparse dengan terdapat 11 elemen (nilai loading) matriks bernilai nol sehingga model yang dihasilkan menjadi lebih sederhana dan mudah untuk diinterpretasikan. Kata Kunci: Principal Component Analysis, Sparse Principal Component Analysis, reduksi dimensi, matriks loading yang sparse

Title

Found 10 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 10 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 10 Documents
Search