Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal Statistika Jurnal Sains Matematika dan Statistika
Asnafiya Asrof
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Industrial & Manufacturing Engineering Mathematics

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Perbandingan Regresi Zero Inflated Negatif Binomial dan Regresi Hurdle Negatif Binomial pada Data Overdispersi (Studi Kasus: Kejadian Difteri di Indonesia) Rini Luciani Rahayu; Asnafiya Asrof; Shailla Rustiana; Widia Puspitasari; Yusep Suparman
Jurnal Sains Matematika dan Statistika Vol 4, No 1 (2018): JSMS Januari 2018
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/jsms.v4i1.5253

Abstract

Difteri merupakan penyakit menular yang menyerang saluran pernafasan bagian atas dan terlihat selaput putih kotor yang semakin lama akan membesar yang akan mempersempit saluran pernafasan. Penyakit difteri merupakan kejadian luar biasa (KLB), yaitu penyakit yang sebelumnya memiliki jumlah kasus yang sedikit tetapi mengalami peningkatan pesat.Jumlah kasus difteri merupakan data count yang mengikuti distribusi poisson sehingga untuk mengetahui faktor-faktor yang berpengaruh terhadap kasus difteri menggunakan analisis regresi Poisson. Regresi Poisson mensyaratkan kondisi dimana nilai mean dan variansi dari variabel respon bernilai sama. Namun, adakalanya terjadi fenomena overdispersi dalam data yang dimodelkan dengan distribusi Poisson. Pada penelitian ini dilakukan analisis dengan memperhatikan excess zero dan overdispersi menggunakan regresi Zero Inflated Negative Binomial (ZINB) dan model regresi Hurdle Negative Binomial (HNB) pada kasus difteri di Indonesia. Hasil penelitian menunjukkan bahwa model ZINB memiliki nilai AICsebesar 123,40 lebih kecil dibandingkan model HNB. Sehingga model ZINB merupakan model yang tepat untuk mengendalikan overdispersi pada data kasus difteri di Indonesia.
PerbandinganRegresiZero Inflated Negatif BinomialdanRegresiHurdle Negatif Binomialpada Data Overdispersi (StudiKasus: KejadianDifteri di Indonesia) Rini Luciani Rahayu; Asnafiya Asrof; Shailla Rustiana; Widia Puspitasari; Yusep Suparman
Jurnal Sains Matematika dan Statistika Vol 4, No 1 (2018): JSMS Januari 2018
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/jsms.v4i1.5084

Abstract

Paper ini membahas tentang PerbandinganRegresiZero Inflated Negatif BinomialdanRegresiHurdle Negatif Binomialpada Data Overdispersi (StudiKasus: KejadianDifteri di Indonesia)
Peramalan Produksi Cabai Merah di Jawa Barat Menggunakan Metode Singular Spectrum Analysis (SSA) Asnafiya Asrof
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 17, No 2 (2017)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v17i2.2839

Abstract

Peramalan merupakan suatu proses untuk memperkirakan peristiwa di waktu mendatang berdasarkan data yang relevan di waktu lampau. Produksi Cabai Merah di Jawa Barat merupakan salah satu data deret waktu. Peramalan pada data berpola musiman ini dilakukan dengan metode Singular Spectrum Analysis.. Pada akhir proses Singular Spectrum Analysis, diperoleh pengelompokkan data sebanyak 4 grup, yang menggambarkan fluktuasi data untuk 12 periode peramalan. Tingkat akurasi data peramalan diukur dari kriteria Mean Absolute Percentage Error (MAPE) dengan nilai terkecil. Diperoleh nilai MAPE pada model peramalan SSA terhadap data aktual sebesar 18.23%. Dengan begitu model Singular Spectrum Analysis merupakan model terbaik untuk meramalkan produksi cabai merah di Jawa Barat periode Januari 2016 sampai Desember 2016.  
Co-Authors Rini Luciani Rahayu Shailla Rustiana Widia Puspitasari Yusep Suparman