Claim Missing Document
Check
Articles

Found 10 Documents
Search
Journal : BIMASTER

ANALISIS AUTOKORELASI SPASIAL KASUS POSITIF COVID-19 MENGGUNAKAN INDEKS MORAN DAN LISA Rika Mailanda; Dadan Kusnandar; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (2022): 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.v11i3.55447

Abstract

Autokorelasi spasial merupakan salah satu analisis spasial untuk menentukan pola hubungan atau korelasi antar lokasi amatan. Pada kasus positif Covid-19 di Pulau Jawa, metode ini memberikan informasi penting dalam menganalisis hubungan karakteristik kasus positif Covid-19 antar lokasi. Dengan demikian, dalam penelitian ini dilakukan analisis autokorelasi spasial antarprovinsi di Pulau Jawa menggunakan data kasus positif Covid-19 dari 11 Januari 2021 hingga 3 Januari 2022. Data harian yang diperoleh dipartisi berdasarkan kebijakan yang ditetapkan pemerintah. Kebijakan tersebut meliputi penerapan pembatasan kegiatan masyarakat (PPKM), PPKM Mikro, PPKM Mikro Darurat, PPKM level 1-4 dan perpanjangan dari masing-masing kebijakan tersebut. Pada 11 Januari 2021 hingga 3 Januari 2022, ada 30 partisi berdasarkan kebijakan yang diberlakukan. Metode yang digunakan adalah Indeks Moran dan Local Indicator of Spatial Autocorrelation (LISA). Pembobot spasial yang digunakan adalah Inverse Distance Weight. Hasil analisis menggunakan Indeks Moran dengan tingkat signifikansi α = 5% menunjukkan ada hubungan kasus positif Covid-19 antar provinsi di Pulau Jawa pada saat pemerintah menerapkan kebijakan perpanjangan PPKM Mikro (23 Maret - 5 April 2021). Nilai Indeks Moran saat kebijakan tersebut adalah 0,197 yang mengindikasikan adanya autokorelasi spasial positif (pola mengelompok). Selanjutnya menggunakan LISA, terdapat autokorelasi spasial di provinsi Jawa Barat saat kebijakan perpanjangan PPKM Mikro (23 Maret - 5 April 2021) dan di provinsi Banten saat PPKM Level 3, 2 dan 1 (14 Desember 2021 - 3 Januari 2022). Hal ini ditunjukkan oleh nilai Z(LJawa Barat) sebesar 1,978 dan Zα/2 sebesar 1,96 (1,978 > 1,96), dan nilai Z(LBanten) sebesar -1,976 dan Zα/2 sebesar 1,96 (1,976 > 1,96). Kata Kunci : Autokorelasi Spasial, Indeks Moran, LISA, Covid-19.
ESTIMASI DATA SPASIAL BERPENCILAN PADA LAJU INFLASI DI PULAU JAWA MENGGUNAKAN METODE ROBUST KRIGING Erna Yulianti; Dadan Kusnandar; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (2022): 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.v11i3.55951

Abstract

Inflasi adalah keadaan perekonomian suatu negara dengan kecenderungan naiknya harga barang dan jasa yang pada umumnya berlangsung secara terus-menerus. Perhitungan inflasi di Indonesia dilakukan setiap bulannya oleh Badan Pusat Statistik berdasarkan perubahan Indeks Harga Konsumen (IHK) antar periode waktu. Namun, perhitungan inflasi masih terbatas hanya pada beberapa kabupaten/kota, sehingga untuk mengatasi ketidaktersediaan data pada lokasi yang tidak dilakukan perhitungan dapat diketahui menggunakan analisis Geostatistik yaitu dengan metode Kriging. Estimasi kriging pada suatu data spasial dapat menghasilkan estimasi yang kurang tepat apabila terdapat pencilan dalam data. Penelitian ini bertujuan mengestimasi laju inflasi di wilayah Pulau Jawa menggunakan metode Robust Kriging. Robust Kriging merupakan pengembangan dari metode Ordinary Kriging yang mentransformasikan bobot semivariogram klasik menjadi semivariogram yang robust terhadap pencilan dalam data. Banyaknya observasi dalam penelitian ini berjumlah 26 kabupaten/kota yang ada di Pulau Jawa. Berdasarkan hasil analisis dan pembahasan diperoleh bahwa model semivariogram teoritis laju inflasi terbaik adalah semivariogram teoritis model Gaussian dengan nilai MSE sebesar 0,00107. Hasil estimasi laju inflasi menggunakan semivariogram terbaik diperoleh nilai estimasi terendah berada di Kota Semarang yaitu sebesar 0,57% dan hasil estimasi laju inflasi tertinggi berada di Kota Probolinggo yaitu sebesar 0,76%.  Kata Kunci : Inflasi, Pulau Jawa, Geostatistik, Robust Kriging.
PENERAPAN METODE EXTENDED KALMAN FILTER PADA KASUS PERTUMBUHAN PENDUDUK DI KOTA PONTIANAK Siti Masitah; Yundari Yundari; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (2022): 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.v11i3.55448

Abstract

Pertumbuhan penduduk adalah bertambah atau berkurangnya jumlah penduduk di suatu daerah. Jumlah penduduk memiliki pengaruh penting diantaranya dalam hal tingkat pengangguran dan pertumbuhan ekonomi, sehingga perlu adanya estimasi jumlah penduduk sebagai salah satu cara dalam hal perencanaan kesejahteraan masyarakat. Penelitian ini bertujuan untuk mengestimasi pertumbuhan penduduk Kota Pontianak dengan metode Extended Kalman Filter (EKF). Estimasi ini dilakukan dengan membandingkan dua asumsi model yaitu model persamaan pertumbuhan logistik dengan asumsi linier dan model persamaan pertumbuhan logistik dengan asumsi parabolik terbuka ke bawah.Hasil estimasi didapatkan dengan melakukan beberapa langkah, yaitu melakukan pengumpulan data jumlah penduduk Kota Pontianak tahun 1990-2020, menentukan laju pertumbuhan penduduk dan ambang batas populasi, melakukan diskritisasi pada model pertumbuhan logistik menggunakan metode beda hingga maju, menghitung matriks Jacobi dan menambahkan noise pada model pertumbuhan logistik, mengimplementasikan algoritma EKF, serta menganalisis hasil simulasi penggunaan metode EKF. Simulasi dilakukan sebanyak tiga kali menggunakan 7, 15 dan 31 data pengukuran. Analisis yang dilakukan adalah membandingkan model pertumbuhan logistik yang digunakan. Hasil simulasi menunjukkan bahwa model pertumbuhan logistik dengan asumsi fungsi populasi parabolik lebih sesuai dengan pertumbuhan penduduk Kota Pontianak pada keseluruhan simulasi yang dilakukan dan hasil estimasi jumlah penduduk menggunakan metode EKF dengan data pengukuran yang lebih besar memberikan hasil yang relatif lebih baik. Kata Kunci:  Penduduk, Pertumbuhan Logistik, Extended Kalman Filter
PREDIKSI REALISASI PENERIMAAN PAJAK BUMI DAN BANGUNAN PROVINSI KALIMANTAN BARAT DENGAN MODEL GREY-MARKOV(1,1) Dea Rizki Darmawanti; Yundari Yundari; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (2022): 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.v11i3.55449

Abstract

Pajak Bumi dan Bangunan (PBB) merupakan salah satu pajak yang wajib dibayar warga negara Indonesia hanya satu kali dalam setahun. Pengoptimalan penerimaan PBB daerah Provinsi Kalimantan Barat, perlu dilakukan untuk kelancaran pembagunan di daerah Provinsi Kalimantan Barat. Badan Pusat Statistik (BPS) biasanya melakukan proyeksi realisasi penerimaan PBB. Pada data realisasi penerimaan PBB, data yang tersedia terbatas dan jumlahnya tidak terlalu besar. Model prediksi yang digunakan adalah Model Grey-Markov(1,1). Penelitian ini bertujuan mengkaji bentuk Model Grey-Markov(1,1)  dan memprediksi realisasi penerimaan PBB pada tahun 2021. Tahap awal dalam penelitian ini adalah membentuk data penerimaan PBB ke dalam bentuk barisan, tahap kedua menghitung nilai dengan mengakumulasi data penerimaan PBB atau Accumulated Generating Operation (AGO). Selanjutnya menentukan nilai tengah atau rata-rata dari dua data yang berdekatan atau Mean Generating Operation (MGO) dan menentukan nilai parameter Model Grey(1,1). Hasil peramalan Model Grey(1,1)  dimodifikasi dengan rantai markov dengan empat interval keadaan sehingga diperoleh hasil prediksi Model Grey-Markov(1,1). Hasil penelitian ini menunjukkan bahwa, pada tahun 2021 prediksi realisasi penerimaan PBB adalah Rp.447.889.085. Data prediksi ini memiliki nilai akurasi  yaitu 9,67% yaitu berarti model sangat baik.. Kata Kunci: Badan Pusat Statistik, Rantai Markov, Model Grey(1,1)
PREDIKSI HARGA SAHAM MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE DENGAN INNOVATIONAL OUTLIER Theresia Resi Trydini; Helmi Helmi; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): 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.v12i1.61975

Abstract

Data harga saham merupakan salah satu data deret waktu yang dapat diprediksi dengan model Autoregressive Integrated Moving Average (ARIMA). Harga saham berfluktuasi setiap harinya karena dipengaruhi oleh berbagai faktor. Data yang berfluktuasi secara ekstrim seringkali menimbulkan outlier sehingga perlu dilakukan deteksi outlier untuk mendapat analisis yang lebih baik. Pada analisis ini dilakukan deteksi outlier dengan prosedur iteratif  pada model ARIMA. Data yang digunakan merupakan data harga saham PT. Aneka Tambang Tbk mulai dari 2 Januari 2020 hingga 6 Januari 2021. Tujuan dari analisis ini adalah melakukan pemodelan ARIMA dengan faktor outlier pada data harga saham serta memprediksi harga saham. Langkah awal proses analisis yaitu memodelkan ARIMA melalui data in-sample dan menentukan residual.  Selanjutnya dilakukan deteksi outlier berdasarkan residual dengan prosedur iteratif. Kemudian outlier yang terdeteksi ditambahkan pada model ARIMA. Prosedur iteratif akan berhenti ketika |λT| < C  yang artinya tidak ada lagi outlier yang terdeteksi, dengan λT sebagai parameter deteksi outlier dan C adalah konstanta. Hasil dari analisis ini adalah model ARIMA (1,1,0) dengan penambahan 11 outlier tipe Innovational Outlier (IO). Berdasarkan analisis yang dilakukan dapat disimpulkan model ARIMA dengan penambahan 11 outlier adalah model peramalan terbaik dengan nilai AIC sebesar -4086,35 dan nilai MAPE sebesar 7,30%. Oleh karena itu, nilai harga saham PT Aneka Tambang Tbk untuk lima hari kedepan diprediksi menggunakan model ARIMA dengan IO. Kata Kunci : ARIMA, outlier, innovational outlier
PENERAPAN MODEL DCC-MGARCH PADA DATA RETURN KURS JUAL DOLAR DAN YUAN Fahiza Syanaya; Shantika Martha; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): 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.v12i1.63004

Abstract

Kurs merupakan nilai tukar harga mata uang suatu negara terhadap mata uang negara asing. Kurs seringkali memiliki perubahan volatilitas bervariasi yg tidak konstan (heteroskedastisitas) dari waktu ke waktu sehingga asumsi varians konstan tidak dapat digunakan. Model yang biasanya digunakan untuk mengatasi heteroskedastisitas adalah model GARCH. Namun untuk menganalisis data time series dengan melibatkan lebih dari satu variabel yang conditional varians dan conditional correlation bergantung terhadap waktu, maka dapat menggunakan model Dynamic Conditional Correlation MGARCH. Tujuan dalam penelitian ini adalah melihat korelasi dinamis antara return kurs jual dolar dan yuan dan memperoleh model terbaik yang sesuai untuk mengestimasi return kurs menggunakan model DCC-MGARCH. Langkah-langkah pemodelan DCC-MGARCH adalah pembentukan model ARMA dilanjutkan dengan pemodelan GARCH lalu pemodelan MGARCH untuk mendapatkan model DCC-MGARCH.  Data yang digunakan adalah data return kurs harian terhadap dolar dan yuan dari tanggal 5 Maret 2019 hingga 6 April 2022. Hasil penelitian ini menunjukkan bahwa terdapat korelasi dinamis sebesar 0,976345 antara nilai return kurs dolar dan yuan, ini menunjukkan bahwa perubahan return kurs dolar memberikan pengaruh terhadap perubahan return kurs yuan, begitu pula sebaliknya. Model GARCH(1,1) yang telah dibentuk diterapkan sebagai dasar pemodelan multivariat, oleh karena itu model multivariat yang dihasilkan adalah model DCC-MGARCH(1,1). Model DCC-MGARCH(1,1) dianggap baik digunakan untuk memodelkan nilai return kurs dolar dan yuan dengan nilai MAPE return kurs dolar sebesar 10% dan yuan 18%.  Kata Kunci: DCC- MGARCH, return, kurs, korelasi dinamis.
ANALISIS BOOTSTRAP AGGREGATING MULTIVARIATE ADAPTIVE REGRESSION SPLINES UNTUK AKREDITASI SEKOLAH SMA/MA DI KALIMANTAN BARAT Muhammad Septian; Shantika Martha; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 2 (2023): 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.v12i2.65267

Abstract

Multivariate Adaptive Regression Splines (MARS) adalah metode dengan pendekatan multivariate nonparametrik. MARS adalah teknik klasifikasi yang mudah serta fleksibel untuk mengetahui variabel respon dan variabel prediktor. MARS adalah penggabungan dari RPR dengan Spline yang dapat memberikan perkiraan  yang tepat. Tingkat akurasi klasifikasi model MARS bisa dilakukan peningkatan dengan memakai metode resampling, diantaranya adalah bagging. Bagging merupakan metode yang melakukan penggabungan banyaknya angka  prediktor serta respon untuk  mendapatkan agregat melalui angka Generalized Cross Validation (GCV). Data yang digunakan yakni data akreditasi sekolah SMA/MA di Kalimantan Barat. Jumlah variabel yang digunakan sebanyak 8 variabel prediktor yaitu standar isi (X1), standar proses (X2), standar lulusan (X3), standar pengajar dan tenaga kerja (X4), sarana dan prasarana (X5), standar pengelolaan (X6), standar pembiayaan (X7), dan standar penilaian (X8), dan variabel respon yaitu akreditasi A dan B (Y0.), akreditasi C dan sekolah tidak terakreditasi (Y1). Penelitian ini mengidentifikasi dan memodelkan komponen penilaian yang menjadi pengaruh dalam penentuan akreditasi sekolah dengan menggunakan Bagging MARS. Memperoleh model Bagging MARS diperlukan Bootstrap yang dikombinasikan dengan BF, MI, dan MO pada MARS.  Hasil penelitian menggunakan metode Bagging MARS dengan GCV minimum didapatkan sebesar 0,038. Variabel yang berpengaruh yaitu sarana dan prasarana (X5), standar pengajar dan tenaga kerja (X4), standar pengelolaan (X6), standar proses (X2), standar pembiayaan (X7), standar lulusan (X3), standar penilaian (X8), dan standar isi (X1). Tingkat kepentingan variabel pada model berturut – turut sebesar 100%, 37,515%, 36,290%, 34,542%, 22,300%, 16,180%, 12,183%, dan 5,214%. Ketepatan klasifikasi pada Bagging MARS sebesar 96,07%. Kata Kunci : MARS, Bagging MARS, Klasifikasi.
METODE GRAPH CONTRACTION TECNIQUE (GCT) DALAM MENYELESAIKAN MASALAH TRANSPORTASI SEIMBANG Yusi Sania; Mariatul Kiftiah; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 2 (2023): 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.v12i2.65270

Abstract

Metode transportasi dikembangkan untuk memecahkan masalah pendistribusian produk dari berbagai sumber ke berbagai tujuan untuk meminimumkan biaya distribusi. Pada penelitian ini digunakan metode Graph Contraction Technique (GCT) untuk menentukan solusi optimal dari masalah transportasi dengan beberapa contoh kasus transportasi seimbang. Masalah transportasi seimbang merupakan model transportasi dengan kondisi jumlah persediaan pada sumber bernilai sama dengan jumlah permintaan pada tujuan. Metode GCT diterapkan dengan merepresentasikan masalah transportasi ke dalam graf bipartit dan diselesaikan dengan proses iterasi. Pada proses iterasi dilakukan dengan menentukan biaya terkecil dari pengiriman unit sebagai acuan untuk alokasi pertama dan penghapusan simpul ditentukan dengan kuantitas yang ada pada simpul sumber dan tujuan yang mana yang lebih kecil. Untuk menentukan solusi optimal dengan metode GCT diterapkan pada tiga contoh kasus transportasi seimbang dengan ukuran yang berbeda. Ukuran yang dimaksud ialah ukuran (m)dari banyaknya jumlah sumber (n) dan jumlah tujuan  atau dilambangkan dengan (mxn). Berdasarkan hasil penelitian, dengan penerapan metode GCT diperoleh biaya pendistribusian yang minimum. Pada kasus berukuran (3x3) diperoleh biaya sebesar Rp4.283.000,-. Pada kasus berukuran (5x4) diperoleh biaya sebesar Rp10.200,-. Pada kasus berukuran (4x5), diperoleh biaya sebesar Rp29.000,-. Solusi yang diperoleh metode GCT dapat menghasilkan biaya yang minimum dari pengujian tiga contoh kasus yang diberikan dengan ukuran yang berbeda.   Kata Kunci : masalah  transportasi, metode GCT, biaya pendistribusian.
IMPLEMENTASI ALGORITMA C5.0 PADA KLASIFIKASI DATA SOSIAL MASYARAKAT (Studi Kasus : Kelayakan Penerimaan BLT di Kelurahan Condong Kota Singkawang) Sari Devi Asri; Helmi Helmi; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 3 (2023): 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.v12i3.66693

Abstract

Algoritma C5.0 merupakan salah satu algoritma pohon keputusan yang dapat memproses data sosial masyarakat menjadi sebuah aturan yang bisa dijadikan masukan dalam pengambilan keputusan. Pada penelitian ini, peneliti menganalisis variabel yang paling menentukan kelayakan untuk Bantuan Langsung Tunai (BLT). Variabel-variabel yang digunakan dalam penelitian ini adalah pendapatan, umur, pendidikan, pekerjaan, kepemilikan rumah, jumlah tanggungan dan keputusan kelayakan. Tujuan penelitian ini adalah mengklasifikasi data sosial masyarakat untuk kelayakan penerimaan bantuan program BLT menggunakan metode Algoritma C5.0 serta mengetahui tingkat akurasi dan laju error hasil klasifikasi metode Algoritma C5.0. Ada beberapa langkah yang dilakukan yaitu menginput data yang diteliti. Selanjutnya pemilihan node akar diawali dengan menghitung nilai entropy. Kemudian proses dilanjutkan dengan mencari nilai gain. Setelah itu mencari nilai gain ratio. Penentuan cabang untuk masing-masing node dengan menghitung nilai gain ratio tertinggi dari variabel bebas yang ada. Penelitian ini menghasilkan decision tree dari kasus yang diangkat menunjukkan bahwa ada beberapa variabel yang mempengaruhi dalam penentuan masyarakat yang mendapatkan BLT.  Setelah dilakukan analisis didapatkan hasil tingkat akurasi sebesar 81,429%. Dengan tingkat akurasi yang tinggi bisa dikembangkan menjadi sebuah aturan yang dapat memberikan prediksi atau masukan dalam membuat keputusan kelayakan penerima bantuan langsung tunai (BLT). Kata kunci: C5.0, bantuan langsung tunai, gain ratio
PEMODELAN DATA PRODUKSI KELAPA SAWIT DI KALIMANTAN BARAT MENGGUNAKAN GENERALIZED ADDITIVE MODEL Ahmad Fernanda; Naomi Nessyana Debataraja; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 3 (2023): 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.v12i3.66818

Abstract

Kelapa sawit merupakan salah satu komoditas penting dan strategis peranannya dalam mendorong perekonomian rakyat di Kalimantan Barat. Banyak faktor yang mempengaruhi produksi kelapa sawit seperti luas lahan, produktivitas dan jumlah tenaga kerja pada perkebunan kelapa sawit.  Tujuan penelitian ini untuk menerapkan Generalized Additive Models (GAM) pada data jumlah produksi kelapa sawit di Kalimantan Barat. Penelitian ini menggunakan metode GAM, yang merupakan perluasan dari Generalized linier Models (GLM) dengan menggantikan fungsi linier menjadi fungsi aditif dan mengganti prediktor non-linier dengan suatu fungsi penghalus. Penghalus yang digunakan pada permodelan adalah penghalus spline dan pendugaan parameter model dengan Peneralized Likelihood Maximation. Variabel respon penelitian ini adalah jumlah produksi dan variabel prediktor adalah luas lahan, produktivitas, dan tenaga kerja.Tenaga kerja memiliki pengaruh non-linier terhadap jumlah produksi. Sementara luas lahan dan produktivitas secara linier berpengaruh positif terhadap jumlah  produksi. Nilai koefisien determinasi (R2) yang diperoleh dengan software R sebesar 0,957 yang berarti yang berarti kemampuan model dalam menggambarkan keragaman data sebesar 95,7%.  Kata kunci : Linier, Koefisien Determinasi, Model Aditif.