Claim Missing Document
Check
Articles

Found 26 Documents
Search

Penerapan Model Geographically Dan Temporally Weighted Regression Pada Kecelakaan Lalu Lintas Naomi Nessyana Debataraja; Dadan Kusnandar; Riani Mahalalita; Nurfitri Imro’ah
Jurnal Siger Matematika Vol 2, No 1 (2021): Jurnal Siger Matematika
Publisher : FMIPA Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (741.391 KB) | DOI: 10.23960/jsm.v2i1.2751

Abstract

Geographically and temporally weighted regression (GTWR) is a model that is used to deal with instability in data both spatially and temporally and to produce local parameters. In this paper, The GTWR model is used to analyze the factors that are thought to significantly influence the number of traffic accidents in Mempawah Regency.  The data used in this study came from 8 districts with the variables used were the number of traffic accidents, the number of population (gender ratio, length of damaged road conditions, and percentage of adolescence. The parameter estimation of the GTWR model was obtained using the weighted least square (WLS) method. The optimal bandwidth selection uses the Cross-Validation (CV) method and the weighting used is the Fixed bisquare function. The results of the analysis show that using the GTWR model, it was found that only the population size variable significantly affected the number of traffic accidents in all locations in Mempawah Regency from 2015 to 2018. The GTWR model was known to be better than the multiple regression model because it produced smaller AIC and RSS values and a larger R-square value.
PEMODELAN SEBARAN TOTAL DISSOLVED SOLID MENGGUNAKAN METODE MIXED GEOGRAPHICALLY WEIGHTED REGRESSION Dadan Kusnandar; Naomi Nessyana Debataraja; Siti Fitriani
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 13 No 1 (2021): Jurnal Aplikasi Statistika dan Komputasi Statistik
Publisher : Pusat Penelitian dan Pengabdian kepada Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v13i1.257

Abstract

Model mixed geographically weighted regression (Mixed GWR) merupakan teknik mengeksplorasi ketidakstasioneran spasial dengan mempertimbangkan pengaruh lokal dan global secara bersamaan. Dalam penelitian ini, Mixed GWR digunakan untuk menentukan model sebaran Total Dissolved Solid (TDS) pada kualitas air di Kota Pontianak. Variabel independen yang digunakan yaitu Chemical Oxygen Demand (COD), Biological Oxygen Demand (BOD), pH, kesadahan dan warna. Hasil penelitian menunjukkan model Mixed GWR dengan pembobot Fixed Bisquare Kernel lebih baik dibandingkan model regresi global dan GWR dengan AIC sebesar 326,48 dan MAPE 22,34%, dan variabel yang berpengaruh secara global yaitu kesadahan dan warna, sedangkan lokal yaitu COD, BOD dan pH
Pelatihan Software Minitab Pada Evaluasi Hasil Belajar Siswa Nurfitri Imro'ah; Dadan Kusnandar; Naomi Nessyana Debataraja; Shantika Martha; Wirda Andani; Evy Sulistianingsih; Hendra Perdana; Neva Satyahadewi; Ray Tamtama; Setyo Wir Rizki
Jurnal Pengabdian kepada Masyarakat Nusantara Vol. 3 No. 2 (2022): Jurnal Pengabdian kepada Masyarakat Nusantara (JPkMN)
Publisher : Cv. Utility Project Solution

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (543.339 KB)

Abstract

Pengolahan data dapat dilakukan dengan perhitungan manual ataupun menggunakan alat bantu aplikasi software pengolah data. Salah satu software untuk mengolah data statistik yang dapat digunakan adalah software Minitab. Pengenalan software Minitab kepada kalangan guru khususnya guru SMP Negeri 5 Pontianak merupakan tujuan dari kegiatan Pengabdian Kepada Masyarakat (PKM) yang dilaksanakan oleh Program Studi Statistika FMIPA Universitas Tanjungpura. Kegiatan dilaksanakan dengan dua tahap, yaitu tahap pelatihan dan tahap pendampingan. Tahap pertama bertujuan untuk memperkenalkan software Minitab sebagai alat bantu pengolahan data dan diharapkan agar para guru yang menjadi khalayak dapat memperluas pengetahuan dan meningkatkan motivasi untuk melakukan penelitian yang berkaitan dengan data. Tahap kedua bertujuan untuk membantu para guru agar lebih mampu menganalisis data hasil penelitian yang telah dilakukan dan menambah motivasi untuk membuat publikasi hasil penelitiannya. Selanjutnya dilakukan monitoring terhadap pelaksanaan pelatihan pengolahan data menggunakan software Minitab. Selain itu juga dilakukan survey tanggapan kepada guru-guru terkait tanggapan tentang pelatihan yang dilakukan. Berdasarkan hasil analisis menggunakan uji paired sample t test didapat bahwa rata-rata nilai posttest lebih tinggi secara signifikan dibandingkan dengan rata-rata nilai pretest. Hal ini berarti bahwa pelatihan yang diberikan pada kegiatan PKM ini memberikan pengaruh pada kemampuan olah data para guru SMP Negeri 5 Pontianak.
PERAMALAN CURAH HUJAN DENGAN METODE FUZZY TIME SERIES MARKOV CHAIN Kurniawati Safitri; Dadan Kusnandar; Naomi Nessyana Debataraja
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.v12i1.61980

Abstract

Fuzzy Time Series Markov Chain merupakan kombinasi antara metode Fuzzy Time Series dan Markov Chain. Kombinasi antara untuk kedua metode tersebut dapat digunakan untuk menentukan peluang terbesar, penentuan ini dengan menggunakan matriks peluang transisi. Tujuan penelitian ini untuk meramalkan curah hujan satu periode kedepan. Data penelitian yang digunakan merupakan data curah hujan bulanan Kota Pontianak bulan Januari 2017 – Maret 2022. Pada proses penelitian ini, penentuan banyaknya interval kelas menggunakan metode Sturges. Hasil analisis yang diperoleh curah hujan di Kota Pontianak bulan April 2022 sebesar 175,01 mm. Ukuran ketepatan hasil peramalan dengan menggunakan MAPE sebesar 31,56%. Hal ini menunjukkan bahwa peramalan dengan menggunakan metode Fuzzy Time Series Markov Chain cukup baik untuk meramalkan curah hujan di Kota Pontianak. Kata Kunci: Matriks Peluang Transisi, Sturges, Mean Absolute Percentage Error.
PERBANDINGAN AVERAGE BASED DAN STURGES PADA FUZZY TIME SERIES CHEN UNTUK PERAMALAN HARGA SAHAM Ahmad Zeidi; Dadan Kusnandar; Naomi Nessyana Debataraja
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.v12i1.62556

Abstract

Fuzzy Time Series (FTS) merupakan teknik prediksi data untuk mengetahui pola data masa lalu dan dimanfaatkan dalam menggambarkan data di masa depan. FTS menerapkan kecerdasan buatan dimana data masa lalu dibentuk dalam nilai-nilai linguistik. Salah satu pengembangan metode FTS adalah FTS chen. Metode average based dan sturges digunakan dalam penelitian ini untuk penetapan rentang interval pada FTS chen. Tujuan penelitian ini adalah untuk meramalkan harga saham satu hari kedepan dan mengetahui metode panjang interval yang lebih akurat dalam peramalan berdasarkan nilai MAPE terkecil. Data yang digunakan adalah harga saham GGRM tanggal 3 Januari 2022 – 31 Maret 2022. Data harga saham dilakukan analisis deskriptif statistik, pembentukan himpunan semesta, penentuan panjang interval, setelah itu membentuk himpunan fuzzy dan di lakukan proses fuzzifikasi, kemudian membentuk Fuzzy Logic Relations (FLR) dan Fuzzy Logic Relations Group (FLRG). Tahapan selanjutnya adalah menjalankan defuzzifikasi terhadap nilai peramalan. Nilai MAPE diperoleh dari hasil defuzifikasi menggunakan average based dan sturges berturut-turut yaitu 1,37% dan 1,81%. Metode average based menghasilkan nilai MAPE yang lebih kecil sehingga dinyatakan lebih akurat dari sturges. Model FTS chen melalui panjang interval average based dan sturges memperoleh hasil peramalan harga saham GGRM pada tanggal 1 April 2022 sebesar 31.450 dan 31.230.  Kata Kunci: peramalan, saham GGRM, MAPE
PREDIKSI HARGA EMAS MENGGUNAKAN FUZZY TIME SERIES LEE Devi Eka Putri; Naomi Nessyana Debataraja; Nurfitri Imro’ah
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.v12i2.65272

Abstract

Emas ialah suatu investasi dimasa depan yang dapat membawa keuntungan. Keuntungan berinvestasi emas salah satunya ialah harganya yang tidak terpengaruh oleh inflasi. Walaupun harga emas cenderung normal, tetap ada risiko dalam berinvestasi emas. Oleh karena itu, diperlukan suatu model peramalan yang dapat digunakan untuk membuat keputusan dalam menentukan prediksi harga emas dimasa yang akan datang. Metode peramalan yang tepat ialah metode fuzzy time series Lee. Metode fuzzy time series Lee ialah bentuk suatu gabungan antara peramalan time series dan konsep logika fuzzy yang digunakan dalam menyelesaikan peramalan. Penelitian ini menjelaskan tentang prediksi harga emas yang diambil dari web London Bullion Market Association (LBMA) dari tangal 4 Januari 2021 – 31 Maret 2021. Tahapan pertama pada penelitian ini yang digunakan ialah melakukan analisis statistik deskriptif, kemudian membentuk himpunan semesta pembicara U. Setelah itu, membentuk panjang interval menggunakan average based, berikutnya pembentukan himpunan fuzzy dengan fungsi keanggotan, kemudian pembentukan fuzzifikasi data, Fuzzy Logical Relationship (FLR), Fuzzy Logical Relationship Group (FLRG), defuzzifikasi dan hasil pramalan. Langkah terakhir yaitu perhitungan ukuran ketetapan peramalan. Hasil pada penelitian ini  diperoleh prediksi harga emas untuk 1 April 2021 sebesar USD 1.694 dan memiliki tingkat kesalahan residual berdasarkan nilai MAPE dengan hasil 0,387% yang termasuk dalam kriteria sangat bagus dalam meramalkan harga emas. Kata Kunci: Mean Absolute Percentage Erorr, Emas, Fuzzy time series Lee.
METODE TIME INVARIANT FUZZY TIME SERIES UNTUK PREDIKSI PRODUKSI KELAPA SAWIT Valentinus Markus; Dadan Kusnandar; Naomi Nessyana Debataraja
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.v12i2.65273

Abstract

Perkebunan kelapa sawit merupakan komoditas unggulan di Indonesia yang memiliki nilai ekonomis yang tinggi dan menjadi salah satu sumber penghasilan bagi sebagian masyarakat Kalimantan Barat. Kelapa sawit termasuk jenis tanaman musiman yang memiliki data produksi secara deret waktu dan dapat diprediksi menggunakan time invariant fuzzy time series. Time invariant fuzzy time series merupakan metode peramalan yang memiliki dua aspek penting yaitu pada data variasi yang merupakan selisih dari data aktual dan perhitungan relasi (R) yang digunakan untuk prediksi waktu yang akan datang. Tujuan dari penelitian ini yaitu menentukan hasil prediksi produksi kelapa sawit selama enam periode kedepan. Data yang digunakan dalam penelitian adalah jumlah produksi tandan buah segar kelapa sawit bulanan di tujuh kebun PT. Perkebunan Nusantara XIII, periode Januari 2019 hingga September 2022 dengan satuan ton. Keakuratan hasil prediksi diukur menggunakan mean absolute percentage error (MAPE), dengan nilai MAPE 7,456% menunjukkan kategori sangat baik dalam memprediksi produksi kelapa sawit. Adapun nilai prediksi produksi yang diperoleh selama enam periode adalah pada bulan Oktober 2022 sebesar 21187,421 ton, November 2022 sebesar 20316,5420 ton, Desember 2022 sebesar 225716704 ton, Januari 2023 sebesar 23145,2444 ton, Februari 2023 sebesar 20854,3326 ton dan Maret 2023 sebesar 26132,9919 ton. Kata Kunci: variasi, prediksi, perkebunan
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.
METODE COKRIGING UNTUK MENGESTIMASI KANDUNGAN AIR DI KOTA PONTIANAK Marwalida Rachmadiar; Naomi Nessyana Debataraja; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (624.581 KB) | DOI: 10.26418/bbimst.v8i4.36640

Abstract

Air merupakan kebutuhan yang sangat penting bagi manusia. Kualitas air dapat ditentukan dengan melihat standar baku mutu kesehatan lingkungan untuk keperluan higiene sanitasi.  Salah satu indikator fisik penentu kualitas air adalah Total Dissolved Solid (TDS). TDS adalah indikator yang menunjukkan kandungan padatan terlarut dalam air yang termasuk didalamnya senyawa-senyawa organik dan anorganik, mineral dan garam-garamnya. Salah satu senyawa kimia yang dapat membantu memperkirakan kandungan TDS adalah kesadahan. Penelitian ini bertujuan untuk mengestimasi kandungan TDS dengan metode cokriging. Metode cokriging adalah metode estimasi yang meminimalkan kesalahan estimasi dengan memanfaatkan korelasi silang antara beberapa variabel. Kesadahan menjadi variabel tambahan dalam membantu mengestimasi TDS pada lokasi baru yang ditentukan. Model semivariogram teoritis TDS, kesadahan dan cross semivariogram yang digunakan adalah model exponential. Berdasarkan hasil analisis dan pembahasan yang telah dilakukan diperoleh estimasi TDS pada sembilan titik lokasi baru yang ditentukan dan airnya digunakan untuk kebutuhan higiene sanitasi masyarakat di sekitar lokasi tersebut. Hasil estimasi TDS terbesar di Parit Tokaya yaitu sebesar 76,3 mg/l dan hasil estimasi terkecil di parit sekitar Jalan  Tani yaitu sebesar 17,2 mg/l. Kata Kunci: variogram, higiene sanitasi, kualitas air, cokriging 
ANALISIS REGRESI DENGAN METODE LEAST ABSOLUTE SHRINKAGE AND SELECTION OPERATOR (LASSO) DALAM MENGATASI MULTIKOLINEARITAS Imi Sartika; Naomi Nessyana Debataraja; Nurfitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 1 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (466.749 KB) | DOI: 10.26418/bbimst.v9i1.38029

Abstract

Multikolinearitas merupakan salah satu uji asumsi klasik pada analisis regresi. Terjadinya multikolinearitas berarti antara variabel prediktor yang satu dengan yang lainnya saling berkorelasi. Apabila data penelitian mengandung multikolinearitas akan menimbulkan masalah, yaitu dapat mengakibatkan koefisien regresi yang dihasilkan tidak efisien. Salah satu solusi untuk mengatasi masalah tersebut dapat menggunakan metode least absolute shrinkage and selection operator (LASSO). Metode ini menyusutkan koefisien regresi dari variabel prediktor yang memiliki korelasi tinggi menjadi tepat pada nol atau mendekati nol. Koefisien LASSO dicari dengan menggunakan pemrograman kuadratik sehingga digunakan algoritma least absolute and regression (LARS) yang lebih efisien dalam komputasi LASSO. Data penelitian yang digunakan ialah banyaknya kasus pneumonia pada pada balita di 34 puskesmas di Kota Pontianak dan Kabupaten Mempawah. Pada data tersebut terdapat dua variabel prediktor yang mengalami masalah multikolinearitas, yaitu pemberian imunisasi DPT-Hb3-Hib3 (X2)  dan pemberian imunisasi campak (X3), sehingga masalah tersebut akan diatasi menggunakan metode LASSO. Berdasarkan analisis yang telah dilakukan, diperoleh model regresi terbaik menggunakan LASSO pada tahap ketiga saat nilai Cp= 2,62. Hasil analisis tersebut menunjukkan bahwa adanya  perubahan koefisien regresi yang mendekati nol dan tepat nol, yaitu pada variabel  X2 dari 0,285 menjadi 0,192 dan X3 dari -0,024 menjadi 0. Hal ini menunjukkan bahwa multikolinearitas yang terdeteksi telah teratasi. Kata Kunci : multikolinearitas, LASSO, LARS, pneumonia.