Article Per Year (5 Year)
p-Index From 2020 - 2025
3.683
P-Index
This Author published in this journals
All Journal FORUM STATISTIKA DAN KOMPUTASI dCartesian: Jurnal Matematika dan Aplikasi Jurnal TIMES JURNAL LPPM BIDANG SAINS DAN TEKNOLOGI Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi Operations Research: International Conference Series Jurnal Ilmiah Sains Journal of Information Technology, Software Engineering and Computer Science d'Cartesian: Jurnal Matematika dan Aplikasi Jurnal Informatika dan Rekayasa Perangkat Lunak
Deiby T Salaki
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Biochemistry, Genetics & Molecular Biology Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Mathematics Physics

Published : 25 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 25 Documents
Search

 1   2   3 
Analisis Regresi Data Panel Untuk Peramalan Konsumsi Energi Listrik di Sulawesi Utara Maingga, Dikky Malvino; Salaki, Deiby T.; Kekenusa, John S.
d'CARTESIAN:Jurnal Matematika dan Aplikasi Vol 9, No 2 (2020): September 2020
Publisher : Universitas Sam Ratulangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (451.701 KB) | DOI: 10.35799/dc.9.2.2020.29142

Abstract

Seiring dengan peningkatan konsumsi energi di Sulawesi Utara, PDRB juga mengalami peningkatan di setiap sektor-sektor. Tingkat harga dan ketersediaaan energi yang dibutuhkan dalam perekonomian akan turut mempengaruhi performa ekonomi makro dari Sulawesi Utara. Konsumsi energi dan PDRB merupakan suatu variabel yang tersusun atas beberapa sektor dengan karakteristik yang berbeda-beda, oleh sebab itu penelitian ini menggunakan metode analisis regresi data panel. Tujuan penelitian ini ialah menganalisis pengaruh dari Produk Domestik Regional Bruto (PDRB) terhadap konsumsi energi listrik di Sulawesi Utara, untuk masing-masing sektor. Setiap variabel independen pada masing-masing sektor, dilakukan peramalan menggunakan analisis trend.  Hasil peramalan tersebut disubstitusikan ke dalam model regresi data panel yang telah diperoleh untuk meramalkan jumlah konsumsi energi listrik di Sulawesi Utara untuk tahun 2019 dan 2020. Data cross section dalam studi ini ialah rumah-tangga, industri, public, dan bisnis; sedangkan data time series diambil kurun waktu tahun 2010-2018. Hasil penelitian ini menunjukkan bahwa model regresi data panel terbaik menggunakan FEM (Fixed Effect Model) dengan efek individu dengan persamaan regresi data panelnya adalah . Dimana PDRB dapat menjelaskan konsumsi energi listrik sebesar 97,64%. Hasil peramalan menunjukkan bahwa konsumsi energi di SULUT pada tahun 2019 dan 2020 meningkat untuk sektor rumah tangga dan publik. Sebaliknya,sektor industri dan bisnis mengalami penurunan pada tahun 2019 dan kembali meningkat pada tahun 2020.
Penerapan Regresi Binomial Negatif Dalam Mengatasi Overdispersi Regresi Poisson Pada Kasus Jumlah Kematian Ibu Majore, Marzena; Salaki, Deiby T.; Prang, Jantje D.
d'CARTESIAN:Jurnal Matematika dan Aplikasi Vol 9, No 2 (2020): September 2020
Publisher : Universitas Sam Ratulangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (442.967 KB) | DOI: 10.35799/dc.9.2.2020.29150

Abstract

Angka kematian ibu merupakan banyaknya kematian yang terjadi selama proses kehamilan serta dalam periode 42 hari setelah berakhirnya kehamilan per 100.000 kelahiran hidup. Hubungan antara faktor-faktor dengan banyaknya kematian ibu dapat diketahui dengan menggunakan analisis regresi Poisson.  Penelitian ini menggunakan data tahun 2018 dari Dinas Kesehatan Provinsi Sulawesi Utara berupa jumlah kematian ibu sebagai variabel respon dan sejumlah variabel prediktor dengan unit pengamatannya adalah kabupaten/kota.  Dalam analisis regresi Poisson, variabel respon mengasumsikan ekuidispersi (nilai ragam sama dengan nilai rataannya). Namun, dalam data riil seringkali terjadi overdispersi (nilai varians lebih besar dari mean). Salah satu cara untuk mengatasinya adalah dengan analisis regresi binomial negatif. Tujuan dari penelitian ini adalah menentukan model regresi Poisson dan regresi binomial negatif untuk mendapatkan faktor-faktor yang secara signifikan mempengaruhi jumlah kematian ibu di Provinsi Sulawesi Utara. Model regresi binomial negatif yang diperoleh adalah bertambahnya jumlah kasus perdarahan pada ibu hamil  dan jumlah kasus yang disebabkan oleh faktor-faktor lainnya , maka akan meningkatkan angka kematian ibu di Provinsi Sulawesi Utara.
Kajian Model Prediksi Metode Least Absolute Shrinkage and Selection Operator (LASSO) pada Data Mengandung Multikolinearitas Mait, Yeremia Armstrong; Salaki, Deiby Tineke; Komalig, Hanny A. H.
d'CARTESIAN:Jurnal Matematika dan Aplikasi Vol 10, No 2 (2021): September 2021
Publisher : Universitas Sam Ratulangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35799/dc.10.2.2021.34909

Abstract

Indonesia dan semua negara di dunia masih berkutat dengan penanganan masalah Covid-19. Pengeluaran anggaran pemerintah terhadap penanganan di bidang kesehatan serta penyaluran bantuan sosial untuk masyarakat dapat mempengaruhi tingkat inflasi di Indonesia. Analisis yang digunakan adalah analisis regresi. Metode kuadrat terkecil (MKT) merupakan salah satu metode pendugaan parameter yang mensyaratkan ketiadaan multikolinearitas antar peubah bebas. Jika terdapat multikolinearitas maka Least Absolute Shrinkage and Selection Operator (LASSO) merupakan metode alternatif yang dapat menyeleksi peubah sekaligus menduga parameter. Tujuan penelitian ini adalah membandingkan performa LASSO dengan MKT dilihat dari root mean squared error (RMSEP) dan nilai mean absolute error (MAE) serta menentukan model regresi inflasi sejumlah kota besar di Indonesia dengan menggunakan metode LASSO. Data yang digunakan adalah data simulasi yang dibangkitkan dengan bantuan aplikasi dan data real yaitu inflasi 90 kota besar di Indonesia tahun 2020. Hasil penelitian menunjukkan bahwa LASSO menghasilkan nilai RMSEP dan nilai MAE yang jauh lebih baik dari MKT serta LASSO dapat menghasilkan model regresi untuk inflasi sejumlah kota besar di Indonesia dengan baik. Indonesia and all countries in the world are still struggling with the handling of the Covid-19 problem. The government's budget expenditure on handling in the health sector and the distribution of social assistance to the community can affect the inflation rate in Indonesia. The analysis used is regression analysis. The least squares method is a parameter estimation method that requires the absence of multicollinearity between independent variables. If there is multicollinearity, the Least Absolute Shrinkage and Selection Operator (LASSO) is an alternative method that can select variables as well as estimate parameters. The purpose of this study was to compare the performance of LASSO with MKT in terms of the root mean squared error (RMSEP) and the mean absolute error (MAE) and to determine the inflation regression model for a number of major cities in Indonesia using the LASSO method. The data used are simulation data generated with the help of applications and real data, namely inflation in 90 major cities in Indonesia in 2020. The results show that LASSO produces RMSEP and MAE values which are much better than least square method and LASSO can produce regression models for inflation of a number of big cities in Indonesia. 
MODEL AVERAGING, AN ALTERNATIVE APPROACH TO MODEL SELECTION IN HIGH DIMENSIONAL DATA ESTIMATION Deiby T. Salaki; Anang Kurnia; Arief Gusnanto; I Wayan Mangku; Bagus Sartono
FORUM STATISTIKA DAN KOMPUTASI Vol. 20 No. 2 (2015)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (541.415 KB)

Abstract

Model averaging is an alternative approach to classical model selection in model estimation. The model selection such as forward or stepwise regression, use certain criteria in choosing one best model fitted the data such as AIC and BIC. On the other hand, model averaging estimates one model whose parameters determined by weighted averaging the parameter of each approximation models. Instead of conducting inference and prediction only based one best chosen model, model averaging covering model uncertainty problem by including all possible model in determining prediction model. Some of its developments and applications also challenges will be described in this paper. Frequentist model averaging will be preferential described.Keywords : model selection, frequentist model averaging, high dimensional data
PENENTUAN LINTASAN TERPENDEK DARI FMIPA KE REKTORAT DAN FAKULTAS LAIN DI UNSRAT MANADO MENGGUNAKAN ALGORITMA DJIKSTRA Deiby T. Salaki
JURNAL ILMIAH SAINS Volume 11 Nomor 1, April 2011
Publisher : Sam Ratulangi University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (542.093 KB) | DOI: 10.35799/jis.11.1.2011.46

Abstract

Universitas Sam Ratulangi Manado adalah salah satu perguruan tinggi di Sulawesi Utara yang terdiri atas 11 fakultas dan satu gedung rektorat. Setiap fakultas dan rektorat terhubung dengan fasilitas jalan raya. Secara matematis kondisi seperti ini dapat direpresentasikan sebagai sebuah graf yang bisa diterapkan untuk mencari lintasan terpendek. Pada penelitian ini akan dicari lintasan terpendek dari FMIPA ke rektorat dan fakultas lainnya. Dengan menggunakan algoritma Djikstra, lintasan terpendek dari FMIPA diperoleh dengan memilih minimum lokal atau akses dengan jarak terdekat dari setiap lokasi yang kemudian digabungkan menjadi sebuah kumpulan lintasan dari satu lokasi ke lokasi lainnya dengan jarak terpendek. DETERMINATION OF SHORTEST PATH FROM FMIPA TO RECTORATE AND OTHER FACULTIES AT SAM RATULANGI UNIVERSITY USING DJIKSTRA ALGORITHMABSTRACTSam Ratulangi University is one of the colleges in North Sulawesi consisting of 11 faculties and one rectorate building. Every faculty and rectorate connected by highway facilities. Mathemathically this condition can be represented as an undirected weighted graph that can be applied to find the shortest path. By using the Djikstra algorithm, the shortest paths are obtained by setting the FMIPA as the initial vertex and then select the local minimum or access to the closest distance from each location, then combined the collection of path from one location to another with the shortest distance.
PENGELOMPOKKAN DATA WAJAH MENGGUNAKAN METODE AGGLOMERATIVE CLUSTERING DENGAN ANALISIS KOMPONEN UTAMA Altien J Rindengan; Deiby Tineke Salaki
JURNAL ILMIAH SAINS Volume 11 Nomor 2, Oktober 2011
Publisher : Sam Ratulangi University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (165.102 KB) | DOI: 10.35799/jis.11.2.2011.204

Abstract

PENGELOMPOKKAN DATA WAJAH MENGGUNAKAN METODE AGGLOMERATIVE CLUSTERING DENGAN ANALISIS KOMPONEN UTAMA Altien J. Rindengan1) dan Deiby Tineke Salaki1) 1)Program Studi Matematika FMIPA Universitas Sam Ratulangi Manado 95115 ABSTRAK Pada penelitian ini dilakukan analisis pengelompokkan data wajah dengan analisis komponen utama untuk mengambil beberapa akar ciri yang cukup mewakili data tersebut dan pengelompokkannya menggunakan metode agglomerative clustering. Dengan menggunakan program Matlab, data wajah yang terdiri dari 6 orang dengan 10 image dapat dikelompokkan sesuai data aslinya.  Pengelompokkannya cukup menggunakan 3 akar ciri pada selang 68 %. Kata kunci: agglomerative clustering, analisis komponen utama, data wajah  FACE DATA CLUSTERING USING AGGLOMERATIVE CLUSTERING METHODS WITH PRINCIPAL COMPONENT ANALYSIS ABSTRACT In this research, face data is grouped using principal component analysis by getting some of its eigenvalues which are representative enough to describe the data and then by using agglomerative clustering the data is clustered.  By running the Matlab program, face data which is consist of 6 people with 10 images can be clustered to fit the original data.  The clustering is enough using 3 eigenvalues with 68 % of interval. Keywords: agglomerative clustering, principal component analysis, face data
Deskripsi Sistem Antrian pada Klinik Dokter Spesialis Penyakit Dalam Deiby T Salaki
JURNAL ILMIAH SAINS Volume 12 Nomor 1, April 2012
Publisher : Sam Ratulangi University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (448.915 KB) | DOI: 10.35799/jis.12.1.2012.405

Abstract

DESKRIPSI SISTEM ANTRIAN PADA KLINIK DOKTER SPESIALIS PENYAKIT DALAM ABSTRAK Penelitian ini dilakukan untuk mengetahui deskripsi sistem antrian pada klinik dokter internist. Pengumpulan data dilakukan secara langsung pada klinik dokter internist JHA selama 12 hari, selama 2 jam waktu pengamatan tiap harinya pada periode sibuk.. Model antrian yang digunakan adalah model (M/M/1) : (FIFO/~/~), tingkat kedatangan bersebaran poisson, waktu pelayanan bersebaran eksponensial, dengan jumlah pelayanan adalah seorang dokter, disiplin antrian yang digunakan adalah pasien yang pertama datang yang pertama dilayani, jumlah pelayanan dalam sistem dan ukuran populasi pada sumber masukan adalah tak berhingga.  Sistem antrian pada klinik ini memiliki kecepatan kedatangan pelayanan anamnesa rata-rata  menit 1 orang pasien datang, kecepatan kedatangan pelayanan pemeriksaan fisik rata-rata  menit 1 orang pasien datang, rata-rata waktu pelayanan anamnesa untuk  seorang pasien  menit, rata-rata waktu pelayanan pemeriksaan fisik untuk  seorang pasien  menit, peluang kesibukan  pelayanan anamnesa sebesar , peluang kesibukan  pelayanan pemeriksaan fisik sebesar , dan peluang pelayanan anamnesa menganggur sebesar , peluang pelayanan pemeriksaan fisik menganggur sebesar . Rata-rata banyaknya pengantri untuk anamnesa adalah  pasien sedangkan untuk pemeriksaan fisik  pasien, rata-rata banyaknya pengantri dalam sistem adalah  pasien, waktu rata-rata seorang pasien dalam klinik adalah  menit, waktu rata-rata seseorang pasien untuk antri adalah  menit. Kata kunci: Sistem Antrian, Klinik Penyakit Dalam  DESCRIPTION OF QUEUING SYSTEM AT THE INTERNIST CLINIC ABSTRACT This research determines the description of queuing system at the internist Clinic. Data collected by direct observation during 12 days and in 2 hours. Queuing model that used is model of (M/M/1): (FIFO /~/~). Based on the research, the clinic has 3.256 minutes per patient in average arrival rate for anamnesys, the average arrival rate for diaagnosys is 3.255 minutes per patient, average service speed for anamnesys is 2.675 minutes per patient, average service speed for diagnosys is 12.635 minutes, the probability of busy periods for anamnesys is 0.864, the probability of busy periods for diagnosys is 0.832 and probability of all free services or no patient in the anamnesys equal to 0.136, probability of all free services or no patient in the anamnesys equal to 0.168. The average number of patients in anamnesys queue is 5 patients, the average number of patients in diagnosys queue is 4 patients, the average number of patients in the system is 10 patients, the average waiting time in the system is 47.078 minutes and the average queuing time is 31.660 minutes. Keywords: Queuing system, internist clinic
Model Regresi Poisson Tergeneralisasi untuk Anak Gizi Buruk di Sulawesi Utara Faranika Deysi G Maneking; Deiby Tineke Salaki; Djoni Hatidja
JURNAL ILMIAH SAINS Volume 20 Nomor 2, Oktober 2020
Publisher : Sam Ratulangi University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (15.191 KB) | DOI: 10.35799/jis.20.2.2020.29133

Abstract

Salah satu masalah kesehatan yang sering terjadi di Indonesia adalah gizi buruk.  Seorang anak yang mengalami gizi buruk akan rentan terhadap berbagai penyakit karena sistem kekebalan tubuhnya mudah terinfeksi virus.  Jumlah kasus anak gizi buruk merupakan data diskrit y­­ang dapat dimodelkan dengan regresi poisson.  Penelitian ini bertujuan untuk menentukan model regresi poisson tergeneralisasi dalam mengatasi overdispersi pada model regresi poisson dari jumlah kasus gizi buruk dan menentukan faktor-faktor yang mempengaruhi jumlah kasus gizi buruk di Sulawesi Utara tahun 2018. Data yang digunakan berupa jumlah kasus gizi buruk sebagai variabel respon dan sejumlah variabel prediktor dengan unit pengamatannya adalah kota dan kabupaten di Sulawesi Utara.  Hasil penelitian menunjukkan bahwa variabel yang mempengaruhi jumlah anak gizi buruk di Sulawesi Utara adalah persentase bayi dengan berat badan lahir rendah (BBLR) dan variabel yang tidak berpengaruh signifikan adalah jumlah posyandu, persentase keluarga yang memiliki sanitasi layak pakai, jumlah penduduk miskin, persentase bayi yang menggunakan ASI ekslusif dengan model regresi poisson tergeneralisasi.Kata kunci: Keluarga eksponensial; multikolinearitas; overdispersi; Sulawesi UtaraGeneralized Poisson Regression Model For Malnourished Children in North SulawesiABSTRACTOne of the health problems that often occurs in Indonesia is malnutrition.  A child who is suffering from malnutrition will be vulnerable to various diseases because his immune system is easily infected by a virus.  The number of cases of malnutrition children is discrete data that can be modeled by Poisson regression. This study aimed to determine the Generalized Poisson Regression (GPR) model for handling the overdispersion occurred in the Poisson regression model of the number of malnutrished children case and also to determine the factors that influence the number of malnutrished children case in North Sulawesi in 2018. This study utilizes the number of cases of malnutrition as a response variable and a number of predictor variables with the observation unit was cities and districts in North Sulawesi. The results of this study indicate that the variables that significantly affect the number of malnourished children in North Sulawesi include the percentage of child with low weight birth (LWB) and variables that have no significant effect are the number of posyandu, the percentage of families who have decent sanitation, the number of poor people, the percentage of babies who use exclusive breast milk with the generalized poisson regression model Keywords: Exponential family; multicolinearity; overdispersion; North SulawesiSalah satu masalah kesehatan yang sering terjadi di Indonesia adalah gizi buruk.  Seorang anak yang mengalami gizi buruk akan rentan terhadap berbagai penyakit karena sistem kekebalan tubuhnya mudah terinfeksi virus.  Jumlah kasus anak gizi buruk merupakan data diskrit y­­ang dapat dimodelkan dengan regresi poisson.  Penelitian ini bertujuan untuk menentukan model regresi poisson tergeneralisasi dalam mengatasi overdispersi pada model regresi poisson dari jumlah kasus gizi buruk dan menentukan faktor-faktor yang mempengaruhi jumlah kasus gizi buruk di Sulawesi Utara tahun 2018. Data yang digunakan berupa jumlah kasus gizi buruk sebagai variabel respon dan sejumlah variabel prediktor dengan unit pengamatannya adalah kota dan kabupaten di Sulawesi Utara.  Hasil penelitian menunjukkan bahwa variabel yang mempengaruhi jumlah anak gizi buruk di Sulawesi Utara adalah persentase bayi dengan berat badan lahir rendah (BBLR) dan variabel yang tidak berpengaruh signifikan adalah jumlah posyandu, persentase keluarga yang memiliki sanitasi layak pakai, jumlah penduduk miskin, persentase bayi yang menggunakan ASI ekslusif dengan model regresi poisson tergeneralisasi .Kata kunci: Keluarga eksponensial; multikolinearitas; overdispersi; Sulawesi UtaraGeneralized Poisson Regression Model For Malnourished Children in North Sulawesi ABSTRACTOne of the health problems that often occurs in Indonesia is malnutrition.  A child who is suffering from malnutrition will be vulnerable to various diseases because his immune system is easily infected by a virus.  The number of cases of malnutrition children is discrete data that can be modeled by Poisson regression. This study aimed to determine the Generalized Poisson Regression (GPR) model for handling the overdispersion occurred in the Poisson regression model of the number of malnutrished children case and also to determine the factors that influence the number of malnutrished children case in North Sulawesi in 2018. This study utilizes the number of cases of malnutrition as a response variable and a number of predictor variables with the observation unit was cities and districts in North Sulawesi. The results of this study indicate that the variables that significantly affect the number of malnourished children in North Sulawesi include the percentage of child with low weight birth (LWB) and variables that have no significant effect are the number of posyandu, the percentage of families who have decent sanitation, the number of poor people, the percentage of babies who use exclusive breast milk with the generalized poisson regression model Keywords: Exponential family; multicolinearity; overdispersion; North Sulawesi
Kajian Terhadap Motivasi Konsuen untuk Merokok dengan Analisis Faktor Deiby Tineke Salaki
Jurnal Ilmiah Sains Volume 7 Nomor 1, April 2007
Publisher : Sam Ratulangi University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35799/jis.v7i1.48088

Abstract

Alasan seseorang dalam melakukan sesuatu atau memilih sesuatu dapat dipengaruhi oleh beberapa variabel, antara lain faktor sosial, budaya, maupun faktor psikologis. Penelitian ini bertujuan untuk menganalisis motivasi seseorang untuk merokok. Dari hasil penelitian ini diketahui bahwa motivasi seseorang untuk merokok adalah menjadikan dirinya aktif, membuat pikiran menjadi segar dan nyaman, untuk bersosialisasi, membuat penampilan lebih menarik, merasakan kenikmatan dan ingin diakui sebagai masyarakat modern serta menjadikannya sebagai suatu kebanggaan. Kata Kunci: Motivasi, Merokok, Analisis Faktor STUDY OF CONSUMER’S SMOKING MOTIVATIONS WITH FACTOR ANALYSIS ABSTRACT The reasons of doing something or choosing a product can be based on many factors, for example social, culture or psychological factors. The aim of this research is to analyze people’s smoking motivations. Based on the research, the smoking motivations are making more active, mind-refreshing, as a societal function, making appearance more attractive, enjoying the tasting, being acknowledge as modern people and being the pride of themselves. Keywords: Motivation, Smoke, Factor Analysis
Kecenderungan Konsumen Memilih Merek Rokok dengan Analisis Korespondensi Deiby Tineke Salaki
Jurnal Ilmiah Sains Volume 7 Nomor 1, April 2007
Publisher : Sam Ratulangi University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35799/jis.v7i1.48113

Abstract

Motivasi, sebagai salah satu faktor psikologi yang mempengaruhi konsumen dalam membeli suatu produk, sangat berarti bagi produsen agar kegiatan pemasaran lebih terarah. Penelitian ini bertujuan untuk mendapatkan gambaran kecenderungan konsumen dalam memilih merek rokok. Melalui penelitian ini diketahui Dji Sam Soe merupakan merek yang dapat mendukung penampilan seseorang, Sampoerna dipilih karena memberikan kenikmatan dan kebebasan, L.A.Light merupakan merek rokok yang kurang disukai dan hanya menjadi alternatif, Gudang Garam Filter dipilih karena membuat pikiran menjadi segar dan nyaman serta memberikan kebebasan dan dapat menjadikannya lebih aktif, dan Marlboro merupakan merek rokok untuk bersosialisasi dan memberikan kebanggaan kepada yang mengkonsumsinya. Kata Kunci: Merek, Rokok, Analisis Korespondensi CONSUMER PREFERENCE IN CHOOSING CIGARETTE BRAND WITH CORRESPONDENCE ANALYSIS ABSTRACT Motivation, as one of psycologycal considerations in purchasing a product, is very meanigful for producer in doing more directed marketing activities. The Aims of this research is to discover the description of consumer trend in choosing cigarette brand. The result show that Dji Sam Soe is chosen for supporting ones appearance; Sampoerna can give pleasantness and freedom; while L.A.Light is only an alternative brand; Gudang Garam Filter is liked because can refresh their mind, making free-feeling and more active; Marlboro is the brand for social activities and as the pride of themselves. Keywords: Brand, Cigarette, Correspondence Analysis
Co-Authors Aditya Lapu Kalua Alfonsius, Eric Altien J Rindengan Anang Kurnia Angelina Monica Gulla Arief Gusnanto Bagus Sartono Bastiaan, Richy Marcelino Djoni Hatidja Eliasta Ketaren, Eliasta Faranika Deysi G Maneking Ferelda Pasriyane Kele Gloria Rompas Hamel, Jeliana Hanny A. H. Komalig Hanny Andrea Huibert Komalig Hanny Komalig I Wayan Mangku Jantje D. Prang Jantje D. Prang John S. Kekenusa Komalig, Hanny Andrea Huibert Lengkong, Agnes Gratia Maingga, Dikky Malvino Mait, Yeremia Armstrong Majore, Marzena Maneking, Faranika Deysi G Marline Paendong Marzena Majore Ramengkomole, Virgini Graditya Samosir, Ravika Dewi Tohap Manurung Tohap Manurung Veronika H Wawo, Rohelio Yoel Yeremia Armstrong Mait Yohanes Langi