Claim Missing Document
Check
Articles

Found 23 Documents
Search
Journal : BIMASTER

PEMODELAN DATA GARIS KEMISKINAN DI PULAU KALIMANTAN DENGAN PENDEKATAN SPATIAL DURBIN ERROR MODEL (SDEM) Ervin Ervin; Dadan Kusnandar; Nurfitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 4 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v10i4.49542

Abstract

Kemiskinan adalah keadaan dimana terjadi ketidakmampuan untuk dapat memenuhi kebutuhan dasar seperti makanan, pakaian, tempat berlindung, pendidikan dan kesehatan. Sementara itu, garis kemiskinan atau batas kemiskinan adalah tingkat minimum pendapatan yang dianggap perlu dipenuhi untuk memperoleh standar hidup yang mencukupi di suatu negara. Angka garis kemiskinan setiap tahunnya mengalami kenaikan, hal ini menunjukkan bahwa aspek pembangunan manusia terus mengalami kemajuan dan memungkinkan adanya saling ketergantungan dari faktor-faktor yang mempengaruhi garis kemiskinan dengan terjadinya hubungan antardaerah. Faktor-faktor yang mempengaruhi angka garis kemiskinan yang digunakan dalam penelitian ini diantaranya angka harapan hidup, harapan lama sekolah, rata-rata lama sekolah dan pengeluaran perkapita disesuaikan. Perbedaan angka garis kemiskinan antardaerah dan permasalahan yang dihadapi dapat dimodelkan dalam bentuk pemodelan spasial. Salah satu pemodelan spasial yang dapat digunakan adalah Spatial Durbin Error Model (SDEM). Pada penelitian ini dilakukan dengan pemodelan SDEM yang bertujuan untuk mengetahui hubungan dependensi spasial yang terjadi pada variabel dependen. Hasil penelitian menunjukkan bahwa terdapat dependensi spasial lag dan spasial error antar kabupaten/kota yang berarti kabupaten/kota yang berdekatan memiliki nilai yang cenderung mirip. Uji dependensi spasial dilakukan pada matriks pembobot dengan metode queen contiguity. Hasil yang menunjukkan bahwa lag variabel error signifikan adalah dengan nilai uji signifikansi parameter λ>X(0,05;1). Berdasarkan persamaan yang diperoleh untuk masing-masing model dengan jumlah tetangga yang berbeda, disimpulkan bahwa semakin banyak jumlah tetangga akan berpengaruh terhadap nilai koefisien dependensi spasial lag dan nilai koefisien dependensi spasial error yang semakin kecil.Kata Kunci: pembobot spasial, regresi spasial, garis kemiskinan, SDEM.
PERBANDINGAN KINERJA PETA KENDALI DECISION ON BELIEF (DOB) DAN PETA KENDALI U PADA PRODUKSI CRUMB RUBBER Maria Regina Vindasari; Helmi Helmi; Nurfitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 4 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v9i4.43369

Abstract

Setiap perusahaan pasti menginginkan proses produksi yang terkendali. Terkait hal itu, pemilihan peta kendali sebagai alat pengendalian kualitas statistik merupakan keputusan yang penting. Umumnya produk yang dihasilkan sebuah perusahaan memiliki jumlah yang bervariasi setiap periodenya serta pengendalian kualitas yang dilakukan lebih sering menghitung kecacatan dari produk yang dihasilkan. Peta kendali yang sesuai pada kasus tersebut adalah peta kendali atribut. Peta kendali atribut adalah peta kendali yang digunakan apabila karakteristik yang digunakan bersifat cacat atau tidak cacat. Pada kasus ini, dapat dipilih peta kendali 15u">  karena jumlah produksi yang dihasilkan bervariasi dan cacat yang dihitung adalah jumlah cacat pada per satuan produk. Perkembangan peta kendali atribut yang semakin pesat memunculkan peta kendali baru yang dinamakan peta kendali Decision on Belief (DOB). Peta kendali ini dikatakan lebih cepat dalam melihat pergeseran data. Terkait hal itu, dilakukan perbandingan kinerja antara peta kendali DOB dan peta kendali 15u">  untuk menganalisis proses produksi crumb rubber pada PT. PQL. Penelitian dilakukan dengan terlebih dahulu membuat peta kendali 15u">  dan peta kendali DOB. Setelah itu dilakukan analisis perbandingan kinerja dari peta kendali DOB dan peta kendali 15u"> . Hasil dari penelitian ini dapat disimpulkan bahwa kinerja dari peta kendali DOB lebih cepat mendeteksi pergeseran data sehingga dapat meminimalisir kemungkinan terjadinya proses yang tidak terkendali. Kata Kunci: Pengendalian kualitas statistik, Peta kendali 15u"> , Peta kendali DOB.
ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL PRIOR UNIFORM DENGAN METODE BAYESIAN ABSOLUTE ERROR LOSS FUNCTION Bagus Setiadi; Setyo Wira Rizki; Nurfitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 3 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (378.893 KB) | DOI: 10.26418/bbimst.v9i3.41046

Abstract

Data survival adalah data yang menunjukkan waktu suatu individu atau objek dapat bertahan hidup hingga terjadinya suatu kegagalan atau kejadian tertentu. Pada penelitian ini dibahas mengenai estimasi parameter model survival distribusi eksponensial prior Uniform dengan menggunakan Bayesian absolute error loss function (AELF) dan diterapkan pada kasus penderita kanker paru-paru. Estimasi parameter model survival dimulai dengan mencari fungsi distribusi kumulatif, fungsi survival, kemudian menentukan fungsi likelihood, distribusi prior, dan posterior untuk metode Bayesian. Dari metode Bayesian AELF diperoleh dan fungsi survival kemudian diterapkan pada data pasien penderita kanker paru-paru untuk mengetahui peluang individu dapat bertahan hidup. Berdasarkan hasil estimasi metode Bayesian AELF untuk studi kasus penderita kanker paru-paru dapat diketahui bahwa peluang hidup pasien yang mengidap penyakit kanker paru-paru semakin lama akan semakin kecil (mendekati nol). Nilai mean absolute persentage error (MAPE) yang diperoleh dari fungsi survival dengan menggunakan metode Bayesian AELF adalah sebesar 0,485%. Hal ini berarti bahwa metode Bayesian AELF memiliki kemampuan estimasi yang sangat baik dalam mengestimasi peluang bertahan hidup pasien penderita kanker paru-paru. Kata kunci: Loss Function, Prior Uniform, Absolute Error