Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Variansi : Journal of Statistics and Its Application on Teaching and Research
Muhammad Nadjib Bustan
Program Studi Statistika FMIPA UNM
Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Mathematics Public Health

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

Found 3 Documents
Search

 1 
Model Regresi Logistik Terboboti Georafis pada Status Kemiskinan Kabupaten/Kota di Provinsi Sulawesi Selatan tahun 2016 Sadriana Rustan; Muhammad Arif Tiro; Muhammad Nadjib Bustan
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 1, No 3 (2019)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm14624

Abstract

Abstrak. Analisis regresi logistik digunakan untuk menentukan hubungan antara peubah respon bersifat kategori dengan satu atau lebih peubah penjelas dengan asumsi bahwa respon tidak dipengaruhi oleh lokasi geografis (data spasial). Salah satu metode analisis spasial adalah Model Regresi Logistik Terboboti Geografis (RLTG). Model RLTG adalah bentuk regresi logistik lokal di mana lokasi geografis diperhatikan dan diasumsikan memiliki distribusi Bernoulli. Pendugaan parameter model RLTG menggunakan metode Maximum Likelihood Estimation (MLE) dengan memberikan bobot yang berbeda pada lokasi yang berbeda. Data dalam penelitian ini diperoleh dari publikasi Badan Pusat Statistik, yaitu data dan Informasi Kemiskinan di Provinsi Sulawesi Selatan. Penelitian ini bertujuan untuk mengetahui faktor-faktor yang mempengaruhi status kemiskinan di Provinsi Sulawesi Selatan dengan menggunakan model regresi logistik terboboti geografis dengan fungsi pembobot Kernel bisquare. Hasil penelitian menunjukkan bahwa peubah penjelas yang mempengaruhi status kemiskinan di Provinsi Sulawesi Selatan adalah persentase penduduk tidak bekerja dan persentase rumah tangga pengguna jamban bersama.Abstract. Logistic regression a analysis is used to determine the relationship between categorical response variables with one or more predictor variable assuming that the response is not influenced by geographical location (spatial data). One method of spatial analysis is Geographically Weighted Logistic Regression (GWLR). The GWLR model is a local form of logistic regression where the geographical location is considered and assumed to have a Bernoulli distribution. Estimating parameters of the RLTG model uses the Maximum Likelihood Estimation (MLE) method by giving different weights to different locations. The data were obtained from BPS publications, namely Data and Information on Poverty in South Sulawesi Province. This study aims to determine the factors that influence poverty status in South Sulawesi Province using a geographically weighted logistic regression model with kernel bisquare weighting function. The results showed that the explanatory variables that influence the status of poverty in the province of South Sulawesi were the percentage of the population not working and the percentage of common household toilet users.Keywords: logistic regression, kernel bisquare, GWLR and poverty.
Pemodelan Pertumbuhan Ekonomi Provinsi Sulawesi Selatan dengan Menggunakan Regresi Data Panel Misriani Suardin; Muhammad Nadjib Bustan; Ansari Saleh Ahmar
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 2, No 3 (2020)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm14637

Abstract

Abstract. Economic growth is a process for change the economic condition a country or regional by continuously for the better condition as long as definite period. Economic growth in South Sulawesi for 2013-2016 have up and down because many factors have influence it. Like jobless, human capital index, regional revenue, expenditure, and total population. This research was conducted to determine the factors that influence economic growth in South Sulawesi by using data panel regression methods. Panel data regression is a regression by using panel data. Panel data is a statistics analysis method that combines between time series data and cross section data. The result indicates that the result if the regression analysis on the =5% show that the best panel data regression model is random effect model and human capital index variable have significant effect on economic growth with probability value about 0,0227. Meanwhile, jobless, regional revenue, expenditure, and total population no significant.Keywords: Panel Data Regression, Economic Growth, Common Effect Model, Fixed Effcet Model, Random Effect Model
METODE REGRESI EXTENDED COX DALAM SURVIVAL ANALYSIS PADA PENDERITA KANKER SERVIKS Rita Sahara; Muhammad Nadjib Bustan; R. Ruliana
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 2, No 2 (2020)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm14627

Abstract

Abstrak. Survival analysis merupakan salah satu metode statistika yang sering digunakan untuk menganalisis data yang berhubungan dengan waktu kejadian. Waktu survival didefiniskan sebagai waktu bertahan suatu objek pada awal pengamatan hingga terjadinya suatu peristiwa (event or end-event). Salah satu tujuan dari analisis survival adalah mengetahui hubungan antara waktu survival dengan variabel independen yang diduga mempengaruhi waktu survival-nya. Hubungan antara waktu survival dan variabel independen dapat dimodelkan dengan menggunakan regresi cox. Dalam penggunaan model regresi cox proportional hazard diasumsikan bahwa variabel independen memenuhi asumsi proportional hazard. Salah satu pendekatan yang digunakan jika asumsi proportional hazard tidak memenuhi adalah pendekatan model regresi extended cox. Data yang digunakan dalam penelitian ini adalah data pasien kanker serviks di RSUD Kota Makassar Tahun 2017-2018. Data kanker serviks memiliki karakteristik yang memungkinkan untuk dilakukan analisis dengan menggunakan regresi extended cox. Adapun hasil analisis yang diperoleh variabel phlebitis tidak memenuhi asumsi proportional hazard, hal ini mengindikasikan bahwa variabel phlebitis bergantung pada waktu. Variabel yang signifikan mempengaruhi laju kesembuhan penderita kanker serviks adalah jenis pengobatan operasi dan phlebitis, dimana jenis pengobatan operasi memiliki probabilitas kesembuhan 13,90 kali lebih besar dibandingkan dengan pasien yang menggunakan jenis pengobatan lain. Sedangkan penderita kanker kanker serviks mengalami kejadian phebitis memiliki probablitias kesembuhan 0,39 kali lebih kecil dibandingkan dengan pasien yang tidak mengalami kejadian phlebitis.Keywords: Survival Analysis, Regresi Cox, Regresi Extended Cox, Kanker serviks.
Co-Authors Ahmar, Ansari Saleh Misriani Suardin Muhammad Arif Tiro R. Ruliana Rita Sahara Sadriana Rustan