Claim Missing Document
Check
Articles

Found 13 Documents
Search

Penerapan Metode Geographically Weighted Panel Regression Pada Indeks Pembangunan Manusia di Indonesia Tahun 2017-2022 Deta Erviana; Mustofa Usman; Widiarti; Khoirin Nisa
Sciencestatistics: Journal of Statistics, Probability, and Its Application Vol. 2 No. 1 (2024): JANUARY
Publisher : Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/sciencestatistics.v2i1.5669

Abstract

Regresi linier merupakan metode statistik untuk memeriksa hubungan antara variabel respons dan satu atau lebih variabel prediktor. Dalam sebuah penelitian, satu unit observasi harus diteliti selama beberapa periode waktu, karena mempelajari satu unit dalam satu periode waktu tidaklah cukup. Oleh karena itu, sebuah pendekatan statistik yang disebut analisis regresi panel diciptakan untuk mengintegrasikan data cross-section dan data time series. Namun pada kenyataannya, perbedaan kondisi antar lokasi dipengaruhi oleh efek spasial yang menyebabkan terjadinya heterogenitas spasial. Dikembangkanlah metode Geographically Weighted Regression (GWR) untuk mengatasi masalah heterogenitas spasial. Berdasarkan kelebihan kedua metode tersebut maka berkembanglah suatu metode yang menggabungkan antara regresi data panel dan GWR yaitu Geographically Weighted Panel Regression (GWPR). Tujuan dari penelitian ini adalah untuk mengetahui faktor-faktor yang mempengaruhi indeks pembangunan manusia (IPM) di Indonesia tahun 2017-2022 dan menentukan model terbaik dengan membandingkan model regresi global dan GWPR. Model GWPR dengan pembobot adaptive bisquare merupakan model terbaik dengan nilai AIC terkecil dan R^2 terbesar. Secara keseluruhan semua variabel prediktor yang digunakan dalam penelitian berpengaruh signifikan terhadap IPM pada taraf signifikansi α=0,05. Persamaan model dan variabel yang berpengaruh signifikan yang dihasilkan dalam pemodelan GWPR berbeda untuk setiap provinsi. Berdasarkan kesamaan variabel yang mempengaruhi IPM di provinsi yang letaknya berdekatan membentuk 8 kelompok.
MEMBANGUN DESAIN EKSPERIMEN, PEMODELAN DAN ANALISIS DENGAN SAS PROGRAM Mustofa Usman; Widiarti widiarti; Edwin Russel; Noti Ragayu
Jurnal Dedikasi untuk Negeri Vol 1, No 1 (2022): Jurnal Dedikasi untuk Negeri (JDN)
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1017.541 KB) | DOI: 10.36269/jdn.v1i1.877

Abstract

Abstrak Dewasa ini penggunaan statistika dalam analisis data dan penelitian telah secara intensif digunakan, khususnya dikalangan akademisi. Khusus dalam penggunakan perancangan eksperimen pemahaman yang benar tentang pembangunan desain eksperimen dan pemodelan dan analisis datanya yang dirasakan masih kurang dipahami oleh sebagian besar para peneliti. Pengabdian pada masyarakat yang dilakukan ini disampaikan dalam rangka mengatasi kekurangan pemahaman dosen swasta akan pembangunan desain eksperimen dan analisisnya. Metode yang digunakan adalah pemberian kuliah, diskusi dan studi kasus khususnya adalah analisis completely Randomized Desain. Kata kunci: Desain eksperimen, CRD, randomisasi, analisis. Abstract Nowadays, the use of statistics in data analysis and research has been intensively used, especially among academics. Especially in the use of experimental design, a correct understanding of the construction of experimental designs and modeling and data analysis is felt to be still poorly understood by most researchers. This community service is delivered in order to overcome the lack of understanding of private lecturers on the development of experimental designs and their analysis. The method used is giving lectures, discussions and case studies, especially analysis of completely randomized design. Keywords: Experimental design, CRD, randomization, analysis.
Hybrid Autoregressive Integrated Moving Average - Long Short-Term Memory (ARIMA-LSTM) Model for Forecasting BRI Bank Stock Prices Dian Kurniasari; Silvi Fitriani; Warsono Warsono; Mustofa Usman
Jurnal Matematika UNAND Vol. 15 No. 3 (2026)
Publisher : Departemen Matematika dan Sains Data FMIPA Universitas Andalas Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/jmua.15.3.274-290.2026

Abstract

Investors highly favour the BRI stock as one of the most popular investment options. The ARIMA method is a suitable approach for predicting stock prices. ARIMA is flawed because it assumes linearity. An alternative approach for predicting stock prices is using Long Short-Term Memory (LSTM) models. LSTM has advantages over ARIMA in handling both linear and nonlinear data. This study utilizes the ARIMA-LSTM hybrid approach to forecast the stock price of BRI. Utilizing a hybrid approach that involves dividing the data 90 percent of the data used for training The hybrid model, which uses 80 percent of the data for training and 20 percent for testing, does not achieve the same degree of accuracy as the model that uses 10 percent of the data for testing.