Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Variansi : Journal of Statistics and Its Application on Teaching and Research VARIANSI: Journal of Statistics and Its Application on Teaching and Research
Sudarmin Sudarmin
Department of Statistics, Universitas Negeri Makassar
Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Mathematics Public Health

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Perbandingan Analisis Cluster Metode Average Linkage dan Metode Ward (Kasus: IPM Provinsi Sulawesi Selatan) Musarrafah Paramadina; Sudarmin Sudarmin; Muhammad Kasim Aidid
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 1, No 2 (2019)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (74.11 KB) | DOI: 10.35580/variansiunm9357

Abstract

Penelitian ini bertujuan untuk mengetahui langkah-langkah analisis cluster dengan  metode average linkage dan metode Ward, serta membandingkan hasil analisis kedua metode tersebut cluster yang mana yang lebih baik digunakan. Langkah–langkah dalam analisis cluster hierarki yaitu melakukan standarisasi data, menentukan ukuran kemiripan atau ketidakmiripan antar data, proses pengclusteran dengan matriks jarak menentukan jumlah cluster dan anggotanya, menginterpretasi hasil cluster yang dibentuk. Langkah-langkah analisis cluster dengan metode average linkage adalah pasangan obyek yang berdekatan digabungkan menjadi satu cluster, menghitung kedua jarak kedekatan obyek tersebut dengan responden yang lain, penggabungan berikutnya terjadi pada cluster-cluster yang paling mirip dibandingkan dengan responden yang lain, sehingga membentuk cluster yang kedua. Hasil pengclusteran kedua metode tersebut kemudian dibentu beberapa pengelompokan awal yang selanjutnya akan ditentukan cluster yang baik digunakan dengan menggunakan validasi cluster indeks dunn. Kemudian diperoleh hasil bahwa pengelompokan dengan metode average linkage menghasilkan index dunn yang terbaik dengan nilai 0.55 dengan jumlah cluster yang terbentuk sebanyak 8 cluster dibandingkan dengan metode ward yang menghasilkan nilai index dunn 0.43. Kata Kunci : Analisis Cluster, Average Linkage, Ward, index dunn
ANALISIS SUPPORT VECTOR REGRESSION (SVR) DENGAN KERNEL RADIAL BASIS FUNCTION (RBF) UNTUK MEMPREDIKSI LAJU INFLASI DI INDONESIA Isnaeni R; Sudarmin Sudarmin; Zulkifli Rais
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol. 4 No. 1 (2022)
Publisher : Program Studi Statistika Fakultas MIPA UNM

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (977.99 KB) | DOI: 10.35580/variansiunm13

Abstract

Inflation is one indicator that affects the economic growth of a country. As a developing country, Indonesia has an unstable inflation rate every year. Therefore, it is necessary to predict the inflation rate in the future to be useful for formulating future economic policies. SVR is a Support Vector Machine (SVM) development for regression cases. In the SVR method, the RBF kernel is used as an aid in solving non-linear problems, the Min-Max Normalization method for data normalization, distribution of training data and testing data, selecting the best model with Grid Search Optimization, then forecasting using the model obtained with parameter = 0,1, C = 1, and = 3. The forecasting results obtained were evaluated by looking at the RMSE value, the test value obtained was RMSE of 0.0020, which means the model's ability to follow the data pattern well
ANALISIS HIERARCHICAL CLUSTERING MULTISCALE BOOTSTRAP (KASUS: INDIKATOR KEMISKINAN DI PROVINSI SULAWESI SELATAN TAHUN 2020) Musdalifah M. Ramly; Sudarmin Sudarmin; Bobby Poerwanto
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol. 4 No. 3 (2022)
Publisher : Program Studi Statistika Fakultas MIPA UNM

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (805.252 KB) | DOI: 10.35580/variansiunm26

Abstract

Hierarchical cluster analysis is a statistical analysis used to group data based on their similarities. The single linkage, complete linkage and average linkage methods can be used to group data using distance techniques. There is a large difference in the number of poor people in urban and rural areas in South Sulawesi Province, so an analysis is needed to classify areas that have the same characteristics based on poverty indicators. For this reason, these three methods are used. However, the results of this analysis are only based on the similarity measure based on the distance technique used. Thus, the multiscale bootstrap method is used to obtain the validity of the resulting clusters. The results of the research using these three methods are four clusters with different characteristics. By using multiscale bootstrap, it is found that in single linkage there are four valid clusters, for complete linkage there is only one valid cluster and on average linkage there are three valid clusters. So it is found that single linkage is the best method in classifying these cases.
Penerapan Radial Basis Function Neural Network dalam Mengklasifikasikan Kab/Kota di Provinsi Sulawesi Selatan Berdasarkan Indeks Kesejahteraan Rakyat Jiran Julita; Sudarmin Sudarmin; Zulkifli Rais
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol. 5 No. 02 (2023)
Publisher : Program Studi Statistika Fakultas MIPA UNM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm95

Abstract

Jiran Julita, 2023. Penerapan Radial Basis Function Neural Network dalam Mengklasifikasikan Kab/Kota di Provinsi Sulawesi Selatan Berdasarkan Indeks Kesejahteraan Rakyat. Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Negeri Makassar. (Dibimbing oleh Sudarmin dan Zulkifli Rais). Klasifikasi merupakan cara pengelompokan benda berdasarkan ciri-ciri yang dimiliki oleh objek klasifikasi. Metode yang digunakan dalam penelitian ini yaitu radial basis function neural network (RBFNN) yang merupakan salah satu arsitektur ANN yang popular digunakan dalam klasifikasi. Penelitian ini bertujuan untuk melihat klasifikasi dari Kab/Kota di Provinsi Sulawesi Selatan berdasarkan indeks kesejahteraan rakyat menggunakan RBFNN. Adapun data yang digunakan berjumlah 24 data dengan 10 variabel. Pada penelitian ini metode K-Means diaplikasikan untuk mengelompokan Kab/Kota di Provinsi Sulawesi Selatan berdasarkan indeks kesejahteraan rakyat dengan validasi cluster menggunakan Davies Boulding Index, hasil klasifikasi dari penelitian ini diperoleh 4 cluster terbaik berdasarkan indeks kesejahteraan rakyat Kab/Kota di Provinsi Sulawesi Selatan dengan perfoma klasifikasi dengan hasil accuracy 90%, precision 75%, recall 100% dan F-Measure 85%.
Co-Authors Bobby Poerwanto Isnaeni R Jiran Julita Muhammad Kasim Aidid Musarrafah Paramadina Musdalifah M. Ramly Zulkifli Rais