Articles
<![CDATA[MODEL-CHECKS FOR HOMOSCHEDASTIC SPATIAL LINEAR REGRESSION MODEL BASED ON BOOTSTRAP METHOD ]]>
<![CDATA[Wayan Somayasa]]>
<![CDATA[ JURNAL ILMIAH MATEMATIKA DAN TERAPAN Vol. 7 No. 2 (2010) ]]>
Publisher : <![CDATA[Program Studi Matematika, Universitas Tadulako ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22487/2540766X.2010.v7.i2.138
<![CDATA[In this paper we propose Efron residual based-bootstrap approximation methods in asymptotic model-checks for homoschedastic spatial linear regression models. It is shown that under some regularity conditions given to the known regression functions the bootstrap version of the sequence of least squares residual partial sums processes converges in distribution to a centred Gaussian process having sample paths in the space of continuous functions on 1,0 1,0 :I . Thus, Efron residual based-bootstrap is a consistent approximation in the usual sense. The finite sample performance of the bootstrap level Kolmogorov-Smirnov (KS) type test is also investigated by means of Monte Carlo simulation.]]>
<![CDATA[ESTIMASI PARAMETER DAN UJI GOODNESS OF FIT UNTUK DATA BINER BERPASANGAN: ESTIMASI PARAMETER DAN UJI GOODNESS OF FIT ]]>
<![CDATA[Ummi Maryam]]>;
<![CDATA[Wayan Somayasa]]>;
<![CDATA[Ruslan Ruslan]]>;
<![CDATA[La Gubu La Gubu]]>;
<![CDATA[Jufra Jufra]]>
<![CDATA[ Jurnal Matematika Komputasi dan Statistika Vol. 2 No. 1 (2022): Januari - April ]]>
Publisher : <![CDATA[Universitas Halu Oleo ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (779.67 KB)
|
DOI: 10.33772/jmks.v2i1.7
<![CDATA[Tujuan penelitian ini adalah menunjukkan estimasi parameter dan uji goodness of fit untuk data biner berpasangan. Estimasi parameter dilakukan menggunakan metode estimasi maksimum likelihood. Data biner dari organ berpasangan diperoleh dengan melakukan pengukuran dari bagian tubuh yang berpasangan atau dari subjek yang sama pada dua titik waktu yang berbeda. Dengan asumsi adalah hasil pengukuran bagian tubuh ke dari bagian tubuh yang berpasangan dari subjek ke dan kelompok ke . dapat bernilai atau (biner). jika bagian tubuh ke dari bagian tubuh yang berpasangan dari subjek ke dan kelompok ke menunjukkan respond dan jika sebaliknya. Adapun model yang digunakan untuk menggambarkan hasil pengukuran organ berpasangan yaitu model Rosner (1982) dan model Dallal (1988). Rosner (1982) mengusulkan suatu konstanta yang memperhitungkan intra korelasi bagian tubuh yang dipasangkan. Rosner (1982) menyatakan bahwa untuk beberapa konstanta positif . Jika maka bagian tubuh yang dipasangkan independen, jika maka bagian tubuh yang dipasangkan saling dependen. Dallal (1988) mengkritik asumsi Rosner (1982) karena tidak dapat mendekati untuk semua kelompok kecuali nilai hampir sama. Dallal (1988) mengasumsikan . Selanjutnya dilakukan pengaplikasian model Rosner (1982) dan model Dallal (1988) terhadap data pasien scleroderma dimana MRSS (Modified Rodnan Skin Score) digunakan sebagai alat ukur ketebalan kulit yang telah divalidasi oleh American Collage of Rheumatologist. Dari kedua model kemudian dilakukan uji goodness of fit untuk mengetahui alokasi probabilitas kedua model. Selanjutnya dilakukan pemilihan model terbaik menggunakan metode Akaike’s Criterion Information (AIC).]]>
<![CDATA[ESTIMASI PARAMETER DISTRIBUSI GAMMA DIPERUMUM UNTUK SAMPEL TERSENSOR TIPE II DAN TIPE I ]]>
<![CDATA[Eka Sahapati]]>;
<![CDATA[Wayan Somayasa]]>;
<![CDATA[Herdi Budiman]]>;
<![CDATA[Muhammad Kabil Djafar]]>
<![CDATA[ Jurnal Matematika Komputasi dan Statistika Vol. 2 No. 2 (2022): Mei - Agustus ]]>
Publisher : <![CDATA[Universitas Halu Oleo ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (448.299 KB)
|
DOI: 10.33772/jmks.v2i2.8
<![CDATA[Analisis uji hidup merupakan salah satu kumpulan dari prosedur statistika untuk analisis data dimana variabelnya adalah waktu sampai terjadinya kejadian. Tujuan penelitian ini adalah mendapatkan penduga dari distribusi Gamma diperumum untuk sampel tersensor tipe II dan tipe I.Estimasi parameter adalah pendugaan karakteristik populasi (parameter) dengan menggunakan karakteristik sampel (statistik).Dalam penelitian ini, untuk mengestimasi parameter digunakan metode maksimum likelihood. Karena turunan pertama fungsi log-likelihood nonlinear, tidak dapat diselesaikan secara analitik, maka dilakukan pendekatan numerik yaitu dengan metode Newton-Raphson.Dengan menggunakan software R, untuk sampel tersensor tipe II menggunakan data waktu hidup marmut diperoleh , dan . Untuk sampel tersensor tipe I menggunakan data waktu kegagalan sistem pendingin udara pesawat terbang diperoleh , dan .]]>
<![CDATA[UJI GOODNESS OF FIT DISTRIBUSI GAMMA TERBOBOTI DENGAN STATISTIK KOLMOGOROV-SMIRNOV UNTUK PARAMETER TERESTIMASI ]]>
<![CDATA[Radiyatul Mardiyah]]>;
<![CDATA[Wayan Somayasa]]>;
<![CDATA[Herdi Budiman]]>;
<![CDATA[Muhammad Kabil Djafar]]>;
<![CDATA[Rahmalia Sahupala]]>
<![CDATA[ Jurnal Matematika Komputasi dan Statistika Vol. 2 No. 2 (2022): Mei - Agustus ]]>
Publisher : <![CDATA[Universitas Halu Oleo ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (665.964 KB)
|
DOI: 10.33772/jmks.v2i2.13
<![CDATA[Distribusi gamma terboboti merupakan versi bobot dari distribusi gamma. Tujuan dari penelitian ini adalah untuk menurunkan model uji goodness of fit dengan statistik Kolmogorov-Smirnov untuk distribusi gamma terboboti. Menentukan distribusi limit statistik Kolmogorov-Smirnov dibawah yaitu diturunkan proses limit dari proses empiris dengan asimtotik. Akan ditunjukkan konsistensi dari statistik uji Kolmogorov-Smirnov secara analitik dan menggunakan simulasi Monte-Carlo. Kuantil-kuantil dari statistik Kolmogorov-Smirnov dihampiri menggunakan simulasi Monte-Carlo untuk menetukan nilai kritis terhadap pengujian hipotesis dimana menolak pada berbagai tingkat signifikansi jika . Hasil perhitungan fungsi power dari satatistik uji Kolmogorov-Smirnov, Cramer-Von Mises, dan Anderson-Darling menggunakan distribusi eksponensial dan distribusi Weibull untuk berbagai dan dengan dan adalah . Jadi dengan nilai power yang maksimal tersebut menunjukkan bahwa ketiga uji mempunyai kemampuan yang tinggi untuk mendeteksi yang salah. Selanjutnya, dilakukan penerapan uji Kolmogorov-Smirnov untuk mengetahui apakah data waktu (dalam hari) kelangsungan hidup marmut yang terinfeksi basil tuberkulum virulen yang digunakan berasal dari populasi yang berdistribusi gamma terboboti. Diperoleh hasil pengujian bahwa data berasal dari distribusi gamma terboboti.]]>
<![CDATA[PENDAMPINGAN OPTIMALISASI LAYANAN KELURAHAN ABELI KOTA KENDARI ]]>
<![CDATA[Muh. Kabil Djafar]]>;
<![CDATA[Asrul Sani]]>;
<![CDATA[Wayan Somayasa]]>;
<![CDATA[Andi Tenriawaru]]>;
<![CDATA[Ruslan Ruslan]]>;
<![CDATA[Herdi Budiman]]>;
<![CDATA[Aswani Aswani]]>
<![CDATA[ Jurnal Pengabdian Masyarakat Ilmu Terapan Vol 4, No 2 (2022) ]]>
Publisher : <![CDATA[Vokasi Universitas Halu Oleo ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33772/jpmit.v4i2.28482
<![CDATA[Pelaksanaan program kegiatan Pengabdian kepada Masyarakat Terintegrasi Kuliah Kerja Nyata–Tematik bertujuan untuk meningkatkan optimalisasi layanan masyarakat, dengan memanfaatkan sumberdaya yang tersedia pada Kelurahan Abeli. Metode pelaksanaan kegiatan ini dengan cara memberikan pendampingan pembuatan Sistem Informasi Kelurahan, pendampingan penguatan literasi dan numerasi di sekolah, pendampingan sosialisasi Pola Hidup Bersih dan Sehat, dan pendataan kasus stunting. Hasil dari kegiatan PkM terintegrasi KKN-Tematik adalah mitra dalam hal ini Kelurahan Abeli telah memiliki Sistem Informasi Kelurahan berbasis web, terjadi peningkatan motivasi siswa dalam literasi dan numerasi melalui belajar bersama dan berbagai permainan, dan diperolehnya data awal kasus stunting di sekolah. ]]>
<![CDATA[ESTIMASI PARAMETER DARI DISTRIBUSI WEIBULL BERDASARKAN SAMPEL TERSENSOR TIPE II DAN TIPE I: ESTIMASI PARAMETER DARI DISTRIBUSI WEIBULL ]]>
<![CDATA[Christina Desriana]]>;
<![CDATA[Wayan Somayasa]]>;
<![CDATA[Ruslan Ruslan]]>;
<![CDATA[Muhammad Kabil Djafar]]>;
<![CDATA[Herdi Budiman]]>;
<![CDATA[Rahmalia Sahapati]]>
<![CDATA[ Jurnal Matematika Komputasi dan Statistika Vol. 2 No. 3 (2022): September - Desember ]]>
Publisher : <![CDATA[Jurusan Matematika FMIPA Universitas Halu Oleo ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33772/jmks.v2i3.20
<![CDATA[Analisis uji hidup merupakan salah satu kumpulan dari prosedur statistika untuk analisis data dimana variabelnya adalah waktu sampai terjadinya kejadian. Data uji hidup dapat berupa data lengkap ataupun data hasil penyensoran. Penyensoran data pada penelitian ini adalah penyensoran tipe II dan tipe I. Ada berbagai keluarga parametrik dari model yang digunakan dalam analisis data uji hidup, diantaranya adalah model distribusi Weibull dan distribusi Nilai Ekstrim. Tujuan penelitian ini adalah untuk menentukan estimasi parameter dari distribusi Weibull berdasarkan sampel tersensor tipe II dan tipe I dengan melakukan transformasi varibel distribusi Weibull menjadi variabel distribusi Nilai Ekstrim. Berdasarkan transformasi tersebut, maka akan dilakukan estimasi parameter distribusi Nilai Ekstrim dengan metode maximum likelihood estimation (MLE) dan didapatkan penyelesaian yang nonlinier, sehingga prosedur dilanjutkan dengan metode Newton-Rapshon untuk memperoleh penyelesaiannya. Hasil estimasi parameter Nilai Ekstrim yang diperoleh nantinya akan ditransformasi kembali menjadi parameter distribusi Weibull.]]>
<![CDATA[PEMILIHAN MODEL REGRESI LINIER BERGANDA DENGAN KRITERIA AIC: PEMILIHAN MODEL REGRESI LINIER BERGANDA DENGAN KRITERIA AIC ]]>
<![CDATA[Ira Ernawati]]>;
<![CDATA[Wayan Somayasa]]>;
<![CDATA[Arman]]>;
<![CDATA[Alfian]]>
<![CDATA[ Jurnal Matematika Komputasi dan Statistika Vol. 3 No. 1 (2023): Januari-April ]]>
Publisher : <![CDATA[Jurusan Matematika FMIPA Universitas Halu Oleo ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33772/jmks.v3i1.30
<![CDATA[Tujuan dari penelitian ini adalah untuk mengetahui pemilihan model terbaik dalam regresi linier berganda dengan kriteria AIC dan pengaplikasiannya pada data real. AIC (Akaike Information Criterion) merupakan pengukuran untuk kualitas relatif pada model statistik dari data yang diberikan untuk pemilihan model terbaikdari beberapa model yang ada. Menurut metode AIC, model regresi terbaik adalah model regresi yang mempunyai nilai AIC terkecil. Jenis penelitian yang digunakan adalah penelitian terapan, yaitu penelitian yang memberikan solusi atas permasalahan tertentu secara praktis. Data yang digunakan pada penelitian ini adalah data sekunder yang diperoleh dari siswa setelah melakukan kegiatan pembelajaran selama tiga tahun dijenjang SMKN 1 Kulisusu Barat. Data yang digunakan terdiri dari variabel respon yang merupakan rata-rata nilai UN, dan variabel prediktor yang terdiri dari rata-rata nilai tryout, nilai ujian kompetensi, dan rata-rata nilai ujian sekolah. Penerapan kriteria AIC pada studi kasus faktor-faktor yang mempengaruhi rata-rata nilai UN di SMKN 1 Kulisusu Barat, menghasilkan model sebagai model regresi terbaik dengan kriteria AIC terendah.]]>
<![CDATA[ESTIMASI PARAMETER DISTRIBUSI GAMMA UNTUK SAMPEL TERSENSOR TIPE I DAN TIPE II: ESTIMASI PARAMETER DISTRIBUSI GAMMA UNTUK SAMPEL TERSENSOR ]]>
<![CDATA[Ayudikta Fitri Salaam]]>;
<![CDATA[Wayan Somayasa]]>;
<![CDATA[Muhammad Kabil Djafar]]>
<![CDATA[ Jurnal Matematika Komputasi dan Statistika Vol. 3 No. 1 (2023): Januari-April ]]>
Publisher : <![CDATA[Jurusan Matematika FMIPA Universitas Halu Oleo ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33772/jmks.v3i1.31
<![CDATA[Estimasi parameter adalah pendugaan karakteristik populasi (parameter) dengan menggunakan karakteristik sampel (statistik). Analisis uji hidup merupakan salah satu teknik statistika yang berguna untuk melakukan pengujian tentang keandalan komponen suatu produk atau pengukuran lamanya tahan hidup. Tujuan penelitian ini adalah mendapatkan penduga parameter dari distribusi Gamma untuk sampel tersensor tipe I dan tipe II. Sensor tipe I merupakan tipe penyensoran dimana pengamatan uji hidup akan dihentikan jika telah tercapai waktu tertentu (waktu penyensoran). Sensor tipe II merupakan tipe penyensoran dimana pengamatan uji hidup akan dihentikan jika telah tercapai kegagalan dalam jumlah tertentu. Dalam penelitian ini, untuk mengestimasi parameter digunakan metode maksimum likelihood. Karena turunan pertama fungsi log-likelihood nonlinear, tidak dapat diselesaikan secara analitik, maka dilakukan pendekatan numerik yaitu dengan metode Newton-Raphson. Metode Newton-Raphson merupakan salah satu metode iterasi yang digunakan untuk menyelesaikan permasalahan nonlinear. Dengan menggunakan software R, untuk sampel tersensor tipe I menggunakan data daya tahan transistor diperoleh nilai estimasi parameternya. Untuk sampel tersensor tipe II menggunakan data ketahanan hidup tikus jantan diperoleh hasil komputasi untuk nilai estimasi parameter-parameternya. Berdasarkan perhitungan fungsi survival dan fungsi hazard dapat disimpulkan bahwa semakin lama waktu hidup individu/item, maka semakin rendah probabilitas bertahan hidupnya dan semakin tinggi probabilitas kegagalannya.]]>
<![CDATA[PENDEKATAN BOOTSTRAP UNTUK UJI ANDERSON-DARLING TERHADAP KENORMALAN POPULASI: PENDEKATAN BOOTSTRAP ]]>
<![CDATA[Roro Anteng]]>;
<![CDATA[Wayan Somayasa]]>;
<![CDATA[Herdi Budiman]]>;
<![CDATA[Rahmalia Sahupala]]>
<![CDATA[ Jurnal Matematika Komputasi dan Statistika Vol. 3 No. 1 (2023): Januari-April ]]>
Publisher : <![CDATA[Jurusan Matematika FMIPA Universitas Halu Oleo ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33772/jmks.v3i1.39
<![CDATA[Tujuan dari penelitian ini adalah menunjukkan definisi pendekatan bootstrap untuk uji Anderson-Darling terhadap kenormalan populasi Pendekatan ini dilakukan dengan menunjukkan konsistensi metode bootstrap untuk statistik Anderson-Darling yang dilakukan secara analitik dan menggunakan simulasi Monte-Carlo. Hasil perhitungan fungsi power dari satatistik uji Anderson-Darling menggunakan distribusi eksponensial dan distribusi Weibull di peroleh nilai power yang lebih besar dari nilai yang di/tentukan untuk dan dengan berbagai ukuran dan yang berbeda Berikutnya, kuantil-kuantil dari versi bootstrap statistik Anderson-Darling diaproksimasi menggunakan simulasi Monte-Carlo untuk menetukan nilai kritis terhadap hipotesis yang diuji. Selanjutnya, dilakukan pengaplikasian statistik Anderson-Darling menggunakan pendekatan bootstrap terhadap data detak jantung manusia dalam bpm (beats per minute) sedemikian sehigga diperoleh kesimpulan tidak menolak . Dengan kata lain, hasil pengujian terhadap data detak jantung manusia berasal dari populasi berdistribusi normal.]]>
<![CDATA[ESTIMASI MAKSIMUM LIKELIHOOD UNTUK PARAMETER DALAM MODEL REGRESI BETA: ESTIMASI UNTUK PARAMETER MODEL REGRESI BETA ]]>
<![CDATA[Elga Dwi Suanda]]>;
<![CDATA[Wayan Somayasa]]>;
<![CDATA[Muhammad Kabil Djafar]]>
<![CDATA[ Jurnal Matematika Komputasi dan Statistika Vol. 3 No. 2 (2023): Mei-Agustus ]]>
Publisher : <![CDATA[Jurusan Matematika FMIPA Universitas Halu Oleo ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33772/jmks.v3i2.44
<![CDATA[Penelitian ini bertujuan membahas estimasi maksimum likelihood untuk parameter pada model regresi beta. Sebelum memulai proses estimasi, terlebih dahulu dilakukan uji goodness-of-fit untuk mengetahui apakah variabel bebas berdistribusi beta. Kemudian, dilakukan pemilihan model terbaik menggunakan metode AIC (Akaike Information Criterion) sehingga didapatkan bahwa model polinomial berderajat 5 adalah yang terbaik. Dalam proses estimasi, fungsi log-likelihood model regresi beta tidak dapat diselesaikan secara analitik, sebab bukan merupakan fungsi yang linear. Sehingga parameter dan diestimasi dengan pendekatan numerik menggunakan metode Newton-Raphson. Terakhir, akan dibahas pula contoh pengaplikasian dari model regresi beta pada data pengaruh nilai IKK terhadap nilai IPM Kabupaten/Kota di Indonesia Tahun 2020.]]>
