Articles
<![CDATA[ESTIMASI PARAMETER DAN PENGUJIAN HIPOTESISMODEL REGRESI BURRTIGA PARAMETER TIPE XII ]]>
<![CDATA[Arisandi, Rizwan]]>;
<![CDATA[Purhadi, Purhadi]]>
<![CDATA[ Prosiding Seminar Matematika dan Pendidikan Matematik Vol 1, No 1 (2014): Prosiding Seminar Nasional Matematika 2014 ]]>
Publisher : <![CDATA[Prosiding Seminar Matematika dan Pendidikan Matematik ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Analisis regresi adalah metode statistik yang berguna untuk memeriksa dan memodelkan hubungan diantara variabel-variabel respon dan prediktor. Model regresi pada umumnya dibangun berdasarkan asumsi bahwa data mengikuti distribusi Normal, namun terbatasnya jumlah data dalam analisis dan pemodelan data statistika membuat asumsi kenormalan tidak tepat digunakan karena mungkin saja distribusi data bersifat menceng (asimetri) dan bahkan bisa juga berekor lebih tebal atau berekor lebih tipis dari distribusi normal (neo normal). Ada beberapa distribusi data yang relaksasinya mampu menangkap pola kemencengan dan ketebalan pada ekor datanya salah satunya adalah distribusi Burr.Ketika pola data menceng atau berekor tebal, pemodelan dan pengolahan data harus dilakukan secara hati-hati. Analisis klasik terutama dengan inferensi statistiknya terhadap parameter model tidak akan memberikan hasil yang lebih baik, oleh sebab itu distribusi Burr dirancang utuk mengatasi pola data yang sedikit miring atau tidak simetri karena distribusi ini didesain sebagai distribusi yang fleksibel dan adaptif. Untuk estimasi parameter regresi Burr menggunakan metode maximum likelihood estimation (MLE), namun hasil yang diperoleh tidak close form sehingga secara numerik digunakan metode iterasi Newton-Raphson. Dalam pengujian hipotesis menggunakan maksimum likelihood Ratio test (MLRT). Uji yang digunakan adalah uji serentak dan parsial yang dilakukan dengan statistik uji yang berdistribusi chi-square. Penelitian ini mengkaji estimasi parameter dan uji hipotesis model regresi Burr tiga parameter tipe XII. Hasil penelitian pada estimasi parameter dibawah populasi yaitu θ =[θ0 , θ1 , θ2 , ..., θJ], l, b dan parameter di bawah H0 yaitu l, b serta perbandingkan nilai lnlikelihood di bawah H0 dengan lnlikelihood di bawah populasi atau dengan perumusan  , pada pengujian hipotesis.]]>
<![CDATA[Model Probit Spasial pada Faktor-Faktor yang Mempengaruhi Klasifikasi IPM di Pulau Jawa ]]>
<![CDATA[Puspita, Feni Ira]]>;
<![CDATA[Ratnasari, Vita]]>;
<![CDATA[Purhadi, Purhadi]]>
<![CDATA[ CAUCHY Vol 2, No 4 (2013): CAUCHY ]]>
Publisher : <![CDATA[Mathematics Department, Maulana Malik Ibrahim State Islamic University of Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (973.126 KB)
|
DOI: 10.18860/ca.v2i4.3116
<![CDATA[Human pembagunan Index (HDI) is a composite index that includes three basic dimensions of human development is considered to reflect the status of the population's basic abilities of health, educational attainment, and purchasing power. Data IPM classified into four, namely low, lower middle, upper middle, and high. Therefore, determining the HDI can be done with the data probit regression approach. In the data found that there were similarities between the HDI value of geographically adjacent regions which resulted in the classification of the adjacent HDI same region. This is presumably due to the inter-regional dependency. This phenomenon is suspected because of the spatial dependencies can be described through spatial methods. From the explanation above, the HDI of data in this study are based on the spatial probit regression method are compared with the probit method. This study aims to assess the predictors for estimating parameters and testing parameters were applied to the data classification IPM in Java. MCMC is used as a method of estimating the parameters in the assessment. While the assessment test parameters used are 25% to 75% of the estimated parameters]]>
<![CDATA[ESTIMASI PARAMETER DAN PENGUJIAN HIPOTESISMODEL REGRESI BURRTIGA PARAMETER TIPE XII ]]>
<![CDATA[Arisandi, Rizwan]]>;
<![CDATA[Purhadi, Purhadi]]>
<![CDATA[ Prosiding Seminar Matematika dan Pendidikan Matematik Vol 1 No 1 (2014): Prosiding Seminar Nasional Matematika 2014 ]]>
Publisher : <![CDATA[Prosiding Seminar Matematika dan Pendidikan Matematik ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Analisis regresi adalah metode statistik yang berguna untuk memeriksa dan memodelkan hubungan diantara variabel-variabel respon dan prediktor. Model regresi pada umumnya dibangun berdasarkan asumsi bahwa data mengikuti distribusi Normal, namun terbatasnya jumlah data dalam analisis dan pemodelan data statistika membuat asumsi kenormalan tidak tepat digunakan karena mungkin saja distribusi data bersifat menceng (asimetri) dan bahkan bisa juga berekor lebih tebal atau berekor lebih tipis dari distribusi normal (neo normal). Ada beberapa distribusi data yang relaksasinya mampu menangkap pola kemencengan dan ketebalan pada ekor datanya salah satunya adalah distribusi Burr.Ketika pola data menceng atau berekor tebal, pemodelan dan pengolahan data harus dilakukan secara hati-hati. Analisis klasik terutama dengan inferensi statistiknya terhadap parameter model tidak akan memberikan hasil yang lebih baik, oleh sebab itu distribusi Burr dirancang utuk mengatasi pola data yang sedikit miring atau tidak simetri karena distribusi ini didesain sebagai distribusi yang fleksibel dan adaptif. Untuk estimasi parameter regresi Burr menggunakan metode maximum likelihood estimation (MLE), namun hasil yang diperoleh tidak close form sehingga secara numerik digunakan metode iterasi Newton-Raphson. Dalam pengujian hipotesis menggunakan maksimum likelihood Ratio test (MLRT). Uji yang digunakan adalah uji serentak dan parsial yang dilakukan dengan statistik uji yang berdistribusi chi-square. Penelitian ini mengkaji estimasi parameter dan uji hipotesis model regresi Burr tiga parameter tipe XII. Hasil penelitian pada estimasi parameter dibawah populasi yaitu θ =[θ0 , θ1 , θ2 , ..., θJ], l, b dan parameter di bawah H0 yaitu l, b serta perbandingkan nilai lnlikelihood di bawah H0 dengan lnlikelihood di bawah populasi atau dengan perumusan , pada pengujian hipotesis.]]>
<![CDATA[ESTIMASI PARAMETER DAN UJI HIPOTESIS PADA MODEL LINEAR MULTIVARIAT DENGAN METODE LDL ]]>
<![CDATA[Makkulau Makkulau]]>;
<![CDATA[Susanti Linuwih]]>;
<![CDATA[Purhadi Purhadi]]>;
<![CDATA[Muhammad Mashuri]]>;
<![CDATA[Rahmawati Pane]]>
<![CDATA[ Jurnal Matematika Sains dan Teknologi Vol. 11 No. 1 (2010) ]]>
Publisher : <![CDATA[LPPM Universitas Terbuka ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Outliers are observations (data) that lies in an abnormal distance from other observations. Outliers can be distinguished into outliers of univariate or multivariate observation and outliers of univariate or multivariate linear models. Multivariate linear model is a linear model with more than one dependent (response) variables. This research studied parameter estimation and hypothesis test for multivariate linear model using Likelihood Displacement Statistic-Lagrange Method called as LDL method for detecting outlier observations in multivariate linear models with the LDLAm statistical test.]]>
<![CDATA[Faktor-faktor Eksternal Pneumonia pada Balita ]]>
<![CDATA[Fitriarma Putri Santoso]]>;
<![CDATA[Sri Pingit W]]>;
<![CDATA[Purhadi Purhadi]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 1, No 1 (2012): Jurnal Sains dan Seni ITS (ISSN 2301-928X) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373520.v1i1.577
<![CDATA[Pneumonia adalah infeksi saluran pernafasan akut bagian bawah yang mengenai parenkim paru dan paling sering menyebabkan kematian pada bayi dan balita. Analisis regresi linier merupakan analisis statistik yang bertujuan memodelkan hubungan antara variabel respon dengan variabel prediktor. Geographically Weighted Regression (GWR) adalah bentuk lokal dari regresi linier dan merupakan metode statistik yang digunakan menganalisis data spasial. Penelitian ini bertujuan mengetahui faktor-faktor eksternal yang mempengaruhi pneumonia balita di Jawa Timur dengan menggunakan GWR. Hasil penelitian menunjukkan bahwa pada model regresi linier diperoleh hasil yang tidak signifikan, sehingga dilanjutkan dengan analisis GWR. Model GWR kejadian pneumonia balita menghasilkan R2 lebih besar dari model regresi, yaitu 46,54 persen dan SSE yang lebih kecil, yaitu 19,77945. Faktor geografis berpengaruh terhadap kejadian pneumonia balita di Jawa Timur sehingga model GWR yang terbentuk berbeda-beda tiap kabupaten. Faktor eksternal yang berpengaruh terhadap pneumonia balita di Jawa Timur adalah pemberian vitamin A dan balita mendapat imunisasi.]]>
<![CDATA[Pemodelan Faktor-Faktor Yang Berpengaruh Terhadap Prevalensi Balita Kurang Gizi Di Provinsi Jawa Timur Dengan Pendekatan Geographically Weighted Logistic Re¬gression (GWLR) ]]>
<![CDATA[Retno Anggarini]]>;
<![CDATA[Purhadi Purhadi]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 1, No 1 (2012): Jurnal Sains dan Seni ITS (ISSN 2301-928X) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (425.225 KB)
|
DOI: 10.12962/j23373520.v1i1.1960
<![CDATA[Kondisi kekurangan gizi pada balita akan mempe-ngaruhi kesehatan dan umur harapan hidup yang merupakan salah satu unsur utama dalam keberhasilan pembangunan nega-ra (Human Development Index). Faktor penyebab terjadinya kekurangan gizi diduga berbeda-beda antar wilayah kabupa-ten/kota. GWLR merupakan bentuk lokal dari regresi logistik dimana faktor geografis dipertimbangkan. Hasil dari penelitian ini menunjukkan bahwa persentase balita kurang gizi di Jawa Timur memiliki pola yang menyebar sehingga diindikasikan terdapat faktor spasial. Hasil analisis model GWLR dengan pem-bobot Adaptif Bisquare Kernel lebih baik karena mempunyai nilai AIC terkecil. Variabel yang berpengaruh signifikan menu-runkan prevalensi balita kurang gizi di Jawa Timur yaitu pro-sentase balita yang mendapatkan vitamin A, persentase bayi yang mendapat ASI eksklusif, persentase penduduk yang meng-gunakan air bersih, persentase bayi yang mendapat imunisasi lengkap, dan persentase tenaga kesehatan. Analisis GWLR dengan menggunakan pembobot Adaptive Bisquare Kernel meng-hasilkan 11 kelompok daerah yang memiliki karakteristik sama. Masing-masing kabupaten/kota dalam kelompok ini relatif ber-dekatan satu dengan lainnya sehingga terdapat dependensi wila-yah dalam kasus prevalensi balita kurang gizi di Jawa Timur. ]]>
<![CDATA[Pemodelan Faktor-Faktor Yang Mempengaruhi Tingkat Buta Huruf Kabupaten/kota di Jawa Timur dengan Geographically Weighted Ordinal Logistic Regression ]]>
<![CDATA[Nur Lailiyah]]>;
<![CDATA[Purhadi Purhadi]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 1, No 1 (2012): Jurnal Sains dan Seni ITS (ISSN 2301-928X) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (153.581 KB)
|
DOI: 10.12962/j23373520.v1i1.1987
<![CDATA[Salah satu indikator kualitas hidup suatu negara dapat ditentukan dengan Indeks Pembangunan Manusia (IPM) yang dilihat berdasarkan harapan hidup, melek huruf, pendidikan, dan standar hidup. Tingginya buta huruf terutama di Jawa Timur menjadi hambatan dalam dunia pendidikan sehingga dapat mempengaruhi rendahnya IPM di Indonesia terutama di Jawa Timur. Pada penelitian ini dibahas mengenai pemodelan faktor-faktor yang mempengaruhi tingkat buta huruf kabupaten/kota di Jawa Timur dengan Geographically Weighted Ordinal Logistic Regression (GWOLR). GWOLR merupakan pengembangan dari model regresi logistik ordinal yang memperhatikan faktor geografis. Penelitian ini bertujuan untuk memodelkan faktor-faktor yang mempengaruhi tingkat buta huruf kabupaten/kota di Jawa Timur berdasarkan model GWOLR. Hasil penelitian ini adalah pemodelan faktor-faktor yang mempengaruhi tingkat buta huruf dengan GWOLR lebih baik dibandingkan regresi logistik ordinal berdasarkan Akaike Information Criterion (AIC). Faktor yang mempengaruhi tingkat buta huruf tiap kabupaten/kota di Jawa Timur berdasarkan model GWOLR adalah persentase daerah berstatus kota dan angka partisipasi murni Sekolah Dasar tiap kabupaten/kota di Jawa Timur. Kedua faktor tersebut berpengaruh positif terhadap model. Model GWOLR terbaik pada penelitian ini yaitu dengan menggunakan pembobot fungsi kernel Exponential. ]]>
<![CDATA[Analisis Survival Faktor-Faktor yang Mempengaruhi Laju Kesembuhan Pasien Penderita Demam Berdarah Dengue (DBD) di RSU Haji Surabaya dengan Regresi Cox ]]>
<![CDATA[Riska Y. Fa’rifah]]>;
<![CDATA[Purhadi Purhadi]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 1, No 1 (2012): Jurnal Sains dan Seni ITS (ISSN 2301-928X) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (247.359 KB)
|
DOI: 10.12962/j23373520.v1i1.2061
<![CDATA[Tahun 2010, DBD di Indonesia merupakan suatu penyakit yang tergolong pada kejadian luar biasa (KLB) dengan jumlah kejadian sebanyak 156.086 kasus dan kematian sebanyak 1.358. Dari jumlah tersebut, sebanyak 26.059 kasus dan 233 kematian terjadi di Jawa Timur. Untuk mengurangi angka kematian akibat DBD, maka penelitian ini akan memodelkan waktu survival pasien penderita DBD yang dirawat di RSU Haji Surabaya dengan faktor-faktor yang diduga mempengaruhi laju kesembuhan pasien menggunakan analisis survival regresi cox dengan distribusi Weibull. Berdasarkan hasil analisis, diperoleh informasi bahwa dari 66 pasien sebesar 67% (44) pasien laki-laki, 50% (33) pasien berusia 0-14 tahun, 70% (46) pasien dengan jumlah trombosit di bawah normal (< 150.000/mm3) serta faktor-faktor yang mempengaruhi laju kesembuhan pasien penderita DBD adalah usia dan trombosit di bawah normal. Ketika antar pasien jumlah trombositnya sama, maka risiko untuk sembuh dari pasien yang berusia satu tahun lebih tua akan lebih lama dari pada yang berusia satu tahun lebih muda dan ketika usia pasien sama, dengan jumlah trombosit di bawah normal akan mencapai sembuh lebih lama daripada pasien dengan jumlah trombosit yang normal. ]]>
<![CDATA[Pemodelan Jumlah Balita Gizi Buruk di Jawa Timur dengan Geographically Weighted Poisson Regression ]]>
<![CDATA[Rahmi Amelia]]>;
<![CDATA[Purhadi Purhadi]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 1, No 1 (2012): Jurnal Sains dan Seni ITS (ISSN 2301-928X) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (273.562 KB)
|
DOI: 10.12962/j23373520.v1i1.2066
<![CDATA[Kasus balita gizi buruk di Indonesia khususnya di Jawa Timur masih tergolong cukup tinggi. Laju gizi buruk dapat ditekan apabila faktor-faktor yang mempengaruhi gizi buruk dapat diketahui. Oleh sebab itulah diperlukan adanya suatu pemodelan untuk mengetahui faktor-faktor yang berpengaruh secara signifikan. Kasus gizi buruk termasuk dalam data count, sehingga untuk pemodelan dapat menggunakan Regresi Poisson dan GWPR yang memperhatikan aspek spasial. Penelitian ini menitikberatkan pada pemilihan model terbaik dari GWPR berdasarkan kriteria kebaikan model R2 yang terdiri atas tiga macam yaitu R2 residual tak terboboti, R2 pearson, dan R2 devians. Hasil analisis menunjukkan bahwa nilai R2 yang terbesar ialah R2 residual tak terboboti dengan fungsi kernel yang digunakan adalah fungsi kernel bisquare. Secara umum variabel yang berpengaruh hampir di setiap kabupaten/kota ialah rasio jumlah tenaga kesehatan dibanding jumlah balita dan rata-rata usia pertama perkawinan ≤16 tahun. ]]>
<![CDATA[Pemodelan Mixed Geographically Weighted Regression (MGWR) pada Angka Kematian Balita di Kabupaten Bojonegoro Tahun 2011 ]]>
<![CDATA[Ika Wuryanti Febrina Wuryanti]]>;
<![CDATA[Santi Wulan Purnami]]>;
<![CDATA[Purhadi Purhadi]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 2, No 1 (2013) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (272.86 KB)
|
DOI: 10.12962/j23373520.v2i1.3028
<![CDATA[Penurunan Angka Kematian Balita (AKABA) adalah salah satu tujuan Millenium Development Goals (MDGs). Peningkatan angka kematian balita di Jawa Timur masih sering terjadi khususnya di Kabupaten Bojonegoro. Namun penelitian mengenai kematian balita masih jarang dilakukan. Untuk itu, dilakukan pemodelan untuk mengetahui faktor-faktor yang berpengaruh secara signifikan. Pemodelan dilakukan dengan regresi linier global yang dilanjutkan menggunakan model GWR dan MGWR untuk menduga adanya faktor-faktor yang berpengaruh secara spasial. Model GWR (Geographically Weighted Regression) adalah pengembangan dari model regresi global yang mempertimbangkan adanya faktor spasial. Semua variabel prediktornya berpengaruh secara lokal. Sedangkan pada MGWR (Mixed Geographically Weighted Regression) tidak semua variabel prediktor mempunyai pengaruh secara lokal, namun sebagian berpengaruh secara global. Penelitian bertujuan untuk memilih model terbaik berdasarkan nilai AIC terkecil. Hasil penelitian menunjukkan bahwa model terbaik adalah model MGWR dengan pembobot gaussian. Variabel yang berpengaruh terhadap angka kematian balita adalah presentase ibu hamil mendapat Tablet FE (X1), presentase balita yang mendapat vitamin A (X2), balita mendapat pelayanan kesehatan (X5) dan presentase balita kurang gizi (X8).]]>
