Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Official Statistics
Rory Rory
Unknown Affiliation
Humanities Computer Science & IT Economics, Econometrics & Finance Social Sciences

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

Found 4 Documents
Search

 1 
PREDIKSI GEOSTATISTIK AREA KECIL PADA DATA SURVEI BERBASIS BLOK SENSUS Rory Rory; Rita Diana
Seminar Nasional Official Statistics Vol 2019 No 1 (2019): Seminar Nasional Official Statistics 2019
Publisher : Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (609.826 KB) | DOI: 10.34123/semnasoffstat.v2019i1.118

Abstract

Metode Small Area Estimation (SAE) memiliki dua pendekatan, yaitu SAE berbasis desain survei dan SAE berbasiskan model. SAE berbasiskan model memiliki dua pendekatan, yaitu statistik dan geostatistik. Tujuan penelitian ini adalah melakukan prediksi rata-rata lama sekolah tingkat nagari di Kabupaten Padang Pariaman menggunakan metode geostatistik. Metode geostatistik yang digunakan adalah adalah Stable Ordinary Kriging, Ordinary Circular Ordinary Kriging, Spherical Ordinary Kriging, Exponential Ordinary Kriging dan Gaussian Ordinary Kriging. Perbandingan hasil prediksi kelima metode tersebut terhadap data rata-rata lama sekolah menunjukkan bahwa Exponential Ordinary Kriging adalah metode terbaik dalam melakukan prediksi. Hasil prediksi menggunakan Exponential Ordinary Kriging diperoleh banyaknya nagari yang rata-rata lama sekolahnya kurang dari 6,0 tahun adalah sebanyak 4 nagari, rata-rata lama sekolah antara 6,0-7,0 tahun sebanyak 26 nagari, rata-rata lama sekolah antara 7,0-8,0 tahun sebanyak 31 nagari, rata-rata lama sekolah antara 8,0-9,0 tahun sebanyak 34 nagari, rata-rata lama sekolah antara 9,0-10,0 tahun sebanyak 5 nagari dan rata-rata lama sekolah lebih dari 10,0 tahun sebanyak 3 nagari.
ESTIMASI RATA-RATA LAMA SEKOLAH TINGKAT KECAMATAN DI KABUPATEN PADANG PARIAMAN DENGAN METODE EMPIRICAL BEST LINEAR UNBIASED PREDICTOR Rita Diana; Rory Rory
Seminar Nasional Official Statistics Vol 2019 No 1 (2019): Seminar Nasional Official Statistics 2019
Publisher : Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (486.343 KB) | DOI: 10.34123/semnasoffstat.v2019i1.228

Abstract

Rata-rata lama sekolah penduduk umur 25 tahun ke atas merupakan salah satu indikator yang menggambarkan tingkat pendidikan penduduk secara keseluruhan. Dari 19 kabupaten/kota di Sumatera Barat, Kabupaten Padang Pariaman memiliki rata-rata lama sekolah terendah kedua setelah Kabupaten Kepulauan Mentawai. Penanganan rendahnya rata-rata lama sekolah membutuhkan tersedianya data rata-rata lama sekolah yang up to date dan menjangkau level wilayah yang kecil seperti kecamatan dan desa/nagari, agar kebijakan yang diambil pemerintah bisa tepat sasaran. Ketersediaan data tersebut belum mampu diakomodir oleh Badan Pusat Statistik (BPS), karena survei yang dilakukan oleh BPS dirancang untuk pendugaan data area besar, yaitu provinsi dan kabupaten. Salah satu solusi untuk masalah tersebut adalah dengan menggunakan metode estimasi tidak langsung, yaitu Small Area Estimation (SAE). Salah satu estimasi parameter secara tidak langsung berbasiskan model SAE adalah Empirical Best Linear Unbiased Predictor (EBLUP). Tujuan penelitian ini adalah melakukan estimasi rata-rata lama sekolah tingkat kecamatan di Kabupaten Padang Pariaman menggunakan metode EBLUP dengan prosedur maximum likelihood (ML) dan prosedur restricted maximum likelihood (REML). Variabel penyerta yang digunakan dalam penelitian ini yang diduga berpengaruh terhadap variabel respon adalah rasio jumlah SLTA/sederajat per 10.000 penduduk, rata-rata jarak terhadap SLTA/sederajat dan persentase keluarga pertanian. Hasil penelitian menunjukkan SAE metode EBLUP dengan prosedur REML menghasilkan nilai estimasi rata-rata lama sekolah tingkat kecamatan di kabupaten Padang Pariaman memiliki akurasi yang lebih baik dibandingkan dengan hasil estimasi langsung (direct) dan prosedur ML.
PEMODELAN DATA COVID-19 MENGGUNAKAN REGRESI POLINOMIAL LOKAL Rory Rory; Rita Diana
Seminar Nasional Official Statistics Vol 2020 No 1 (2020): Seminar Nasional Official Statistics 2020
Publisher : Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (205.816 KB) | DOI: 10.34123/semnasoffstat.v2020i1.554

Abstract

Provinsi DKI Jakarta menempati urutan teratas total kasus terkonfirmasi Covid-19 di Indonesia. Tujuan penelitian ini adalah memodelkan data Covid-19 di DKI Jakarta tersebut menggunakan model regresi polinomial lokal dan melakukan prediksi untuk beberapa hari ke depan. Derajat polinomial lokal yang digunakan dibatasinya hanya untuk derajat polinomial 0 (lokal konstan), 1 (lokal linier), 2 (lokal kuadratik), dan 3 (lokal kubik). Jenis kernel yang digunakan adalah kernel Gaussian dan bandwidth optimum diperoleh dengan metode GCV. Bandwidh optimum untuk pemodelan regresi polinomial lokal derajat 0, 1, 2, dan 3 masing-masing adalah 17,57, 22,18, 44,37 dan 48,26. Regresi polinomial lokal derajat 1 dianggap sebagai model regresi polinomial lokal terbaik karena memiliki nilai MSE paling kecil yaitu 2.446,99. Selanjutnya regresi polinomial lokal terbaik digunakan untuk melakukan prediksi jumlah kasus baru positif harian Covid-19 di DKI Jakarta beberapa hari ke depan. Nilai MAPE hasil prediksi adalah 15,96 persen, dimana berdasarkan nilai tersebut regresi polinomial lokal derajat 1 sudah dapat dikatakan baik dalam melakukan prediksi.
PEMODELAN KASUS COVID-19 MENGGUNAKAN MODEL REGRESI NONPARAMETRIK Rita Diana; Rory Rory
Seminar Nasional Official Statistics Vol 2020 No 1 (2020): Seminar Nasional Official Statistics 2020
Publisher : Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (187.676 KB) | DOI: 10.34123/semnasoffstat.v2020i1.588

Abstract

Pemodelan kasus positif COVID-19 perhari sangat sulit bahkan banyak gejala menunjukkan bahwa data yang diperoleh tidak menunjukkan suatu pola hubungan yang mudah untuk digambarkan. Untuk mengatasi kesulitan-kesulitan tersebut digunakan model regresi nonparametrik. Tujuan penelitian ini adalah medapatkan model terbaik dari pemodelan data kasus baru perhari COVID-19 di Jakarta menggunakan model regresi nonparametrik berupa regresi spline (cubic spline), smoothing spline dan MARS. Data kasus baru perhari COVID-19 di Jakarta yang digunakan adalah data kasus baru mulai tanggal 16 Maret 2020 sampai dengan 15 Agustus 2020. Data tersebut dibagi dalam dua kelompok yaitu data tanggal 16 Maret 2020 sampai dengan 6 Agustus 2020 sebagai data in sample yang digunakan sebagai pembentuk model regresi nonparametrik, dan data tanggal 7 Agustus 2020 sampai dengan 15 Agustus 2020 sebagai data out sample yang digunakan untuk memvalidasi model regresi nonparametrik. Hasil penelitian menunjukkan model regresi nonparametrik berupa MARS dengan BF=46, MI=1 dan MO=1 merupakan model terbaik dan sangat akurat dalam melakukan prediksi untuk kasus COVID-19 di Jakarta.
Co-Authors Rita Diana