Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Gaussian Prosiding Seminar Matematika dan Pendidikan Matematik Jurnal Varian
Rizwan Arisandi, Rizwan
Unknown Affiliation
Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Mathematics Social Sciences Other

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
ESTIMASI PARAMETER DAN PENGUJIAN HIPOTESISMODEL REGRESI BURRTIGA PARAMETER TIPE XII Arisandi, Rizwan; Purhadi, Purhadi
Prosiding Seminar Matematika dan Pendidikan Matematik Vol 1, No 1 (2014): Prosiding Seminar Nasional Matematika 2014
Publisher : Prosiding Seminar Matematika dan Pendidikan Matematik

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Analisis regresi adalah metode statistik yang berguna untuk memeriksa dan memodelkan hubungan diantara variabel-variabel respon dan prediktor. Model regresi pada umumnya dibangun berdasarkan asumsi bahwa data mengikuti distribusi Normal, namun terbatasnya jumlah data dalam analisis dan pemodelan data statistika membuat asumsi kenormalan tidak tepat digunakan karena mungkin saja distribusi data bersifat menceng (asimetri) dan bahkan bisa juga berekor lebih tebal atau berekor lebih tipis dari distribusi normal (neo normal). Ada beberapa distribusi data yang relaksasinya mampu menangkap pola kemencengan dan ketebalan pada ekor datanya salah satunya adalah distribusi Burr.Ketika pola data menceng atau berekor tebal, pemodelan dan pengolahan data harus dilakukan secara hati-hati. Analisis klasik terutama dengan inferensi statistiknya terhadap parameter model tidak akan memberikan hasil yang lebih baik, oleh sebab itu distribusi Burr dirancang utuk mengatasi pola data yang sedikit miring atau tidak simetri karena distribusi ini didesain sebagai distribusi yang fleksibel dan adaptif. Untuk estimasi parameter regresi Burr menggunakan metode maximum likelihood estimation (MLE), namun hasil yang diperoleh tidak close form sehingga secara numerik digunakan metode iterasi Newton-Raphson. Dalam pengujian hipotesis menggunakan maksimum likelihood Ratio test (MLRT). Uji yang digunakan adalah uji serentak dan parsial yang dilakukan dengan statistik uji yang berdistribusi chi-square. Penelitian ini mengkaji estimasi parameter dan uji hipotesis model regresi Burr tiga parameter tipe XII. Hasil penelitian pada estimasi parameter dibawah populasi yaitu θ =[θ0 , θ1 , θ2 , ..., θJ], l, b dan parameter  di  bawah  H0 yaitu l, b serta perbandingkan nilai lnlikelihood di bawah  H0 dengan  lnlikelihood di  bawah populasi atau dengan perumusan  , pada pengujian hipotesis.
ESTIMASI PARAMETER DAN PENGUJIAN HIPOTESISMODEL REGRESI BURRTIGA PARAMETER TIPE XII Arisandi, Rizwan; Purhadi, Purhadi
Prosiding Seminar Matematika dan Pendidikan Matematik Vol 1 No 1 (2014): Prosiding Seminar Nasional Matematika 2014
Publisher : Prosiding Seminar Matematika dan Pendidikan Matematik

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Analisis regresi adalah metode statistik yang berguna untuk memeriksa dan memodelkan hubungan diantara variabel-variabel respon dan prediktor. Model regresi pada umumnya dibangun berdasarkan asumsi bahwa data mengikuti distribusi Normal, namun terbatasnya jumlah data dalam analisis dan pemodelan data statistika membuat asumsi kenormalan tidak tepat digunakan karena mungkin saja distribusi data bersifat menceng (asimetri) dan bahkan bisa juga berekor lebih tebal atau berekor lebih tipis dari distribusi normal (neo normal). Ada beberapa distribusi data yang relaksasinya mampu menangkap pola kemencengan dan ketebalan pada ekor datanya salah satunya adalah distribusi Burr.Ketika pola data menceng atau berekor tebal, pemodelan dan pengolahan data harus dilakukan secara hati-hati. Analisis klasik terutama dengan inferensi statistiknya terhadap parameter model tidak akan memberikan hasil yang lebih baik, oleh sebab itu distribusi Burr dirancang utuk mengatasi pola data yang sedikit miring atau tidak simetri karena distribusi ini didesain sebagai distribusi yang fleksibel dan adaptif. Untuk estimasi parameter regresi Burr menggunakan metode maximum likelihood estimation (MLE), namun hasil yang diperoleh tidak close form sehingga secara numerik digunakan metode iterasi Newton-Raphson. Dalam pengujian hipotesis menggunakan maksimum likelihood Ratio test (MLRT). Uji yang digunakan adalah uji serentak dan parsial yang dilakukan dengan statistik uji yang berdistribusi chi-square. Penelitian ini mengkaji estimasi parameter dan uji hipotesis model regresi Burr tiga parameter tipe XII. Hasil penelitian pada estimasi parameter dibawah populasi yaitu θ =[θ0 , θ1 , θ2 , ..., θJ], l, b dan parameter  di  bawah  H0 yaitu l, b serta perbandingkan nilai lnlikelihood di bawah  H0 dengan  lnlikelihood di  bawah populasi atau dengan perumusan  , pada pengujian hipotesis.
ANALISIS FAKTOR RISIKO GAGAL JANTUNG DENGAN REGRESI LOGISTIK BERBASIS IoMT Arisandi, Rizwan; Dewi, Adhe Lingga
Jurnal Gaussian Vol 12, No 4 (2023): Jurnal Gaussian
Publisher : Department of Statistics, Faculty of Science and Mathematics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/j.gauss.12.4.549-559

Abstract

Technology in the era of revolution 4.0, which is currently developing so rapidly, has given birth to Internet of Things technology and can be implemented in the health sector or called the Internet of Medical Things (IoMT). IoMT technology can be applied to monitor heart disease patients and obtain medical record data that is useful for further decision making, such as predicting the potential for heart disease using logistic regression. This study uses medical record data for heart disease with the variable heart failure as the dependent variable and the variables age, gender, diabetes, anemia, hypertension, smoking habits as independent variables. In this research, machine learning was applied with a logistic regression algorithm on clinical data collected via IoMT devices to detect heart disease. Classification. The accuracy of the model was obtained at 75%, so it can be said that the model score is on the average model scale, which means the model is quite good. The average gender of patients who suffer a heart attack is male with an age range of 60-70 years. Furthermore, in patients who have a history of hypertension, a person's risk of developing heart failure increases by 4,2%. Meanwhile, in patients who have a history of diabetes, a person's risk of developing heart failure increases by 4%.
Mapping of Village Population Profile with Schistosomiasis Cases Using Clustering Large Applications Fajri, Mohammad; Rais, Rais; Gamayanti, Nurul Fiskia; Dg Mabaji, Siti Natazha; Rahman Jati, Shalsa Yunita; Arisandi, Rizwan
Jurnal Varian Vol. 7 No. 2 (2024)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/varian.v7i2.3423

Abstract

Schistosomiasis is a tropical disease caused by Schistosoma mansoni (intestinal schistosomiasis) and Schistosoma haematobium (urogenital schistosomiasis). Schistosomiasis in Indonesia is endemic to Central Sulawesi and is commonly found in the Napu Valley and Bada Valley areas, which are administratively included in Poso District and Sigi District. One approach to obtain information on schistosomiasis endemic areas is by mapping the population profile of villages with schistosomiasis cases. This mapping is intended to provide an overview of the social and demographic conditions of villages with schistosomiasis cases. One of the many analysis methods that can be used is cluster analysis. Cluster analysis is a method for grouping data based on the extent of their similarities. Data with similar characteristics will be grouped together, while data with different characteristics will be placed in different groups. Among several types of methods in cluster analysis is Clustering Large Application (CLARA). CLARA is a clustering method which is more robust to unusual data and can be applied to handle large volumes of data. The results of this study are obtained two optimum clusters, each possessing distinct characteristics as determined by Schistosomiasis cases indicators. Cluster 1 with low schistosomiasis cases and cluster 2 with high schistosomiasis cases.
Co-Authors Dewi, Adhe Lingga Dg Mabaji, Siti Natazha Gamayanti, Nurul Fiskia Mohammad Fajri Purhadi Purhadi Rahman Jati, Shalsa Yunita Rais Rais