Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Majalah Ilmiah Matematika dan Statistika (MIMS) SAINSMAT: Jurnal Ilmiah Ilmu Pengetahuan Alam
Asfar, Asfar
Unknown Affiliation
Biochemistry, Genetics & Molecular Biology Chemistry Decision Sciences, Operations Research & Management Education Mathematics Physics

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Spatial EBLUP dalam Pendugaan Area Kecil Muhammad Nusrang; Suwardi Annas; Asfar Asfar; Hastuty Hastuty; Jajang Jajang
Sainsmat : Jurnal Ilmiah Ilmu Pengetahuan Alam Vol 6, No 1 (2017): Maret
Publisher : Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/sainsmat6164562017

Abstract

Empirical Best Linear Unbiased Prediction (EBLUP) merupakan salah satu metode dalam pendugaan area kecil. Asumsi yang digunakan dalam EBLUP adalah bahwa pengaruh acak galat area saling bebas. Namun dalam beberapa kasus, asumsi ini sering dilanggar. Penyebabnya adalah keragaman suatu area  dipengaruhi area sekitarnya, sehingga pengaruh spasial dapat dimasukkan ke  dalam pengaruh acak. Akibat pelanggaran ini menyebabkan penduga EBLUP menjadi bias dan memiliki ragam yang besar. Solusi untuk mengatasi hal tersebut adalah dengan memasukkan informasi pengaruh spasial ke dalam model. Pendugaan area kecil yang memperhatikan pengaruh acak spasial area dikenal dengan istilah penduga Spatial Empirical Best Linear Unbiased Prediction (SEBLUP). Penduga SEBLUP memberikan pendugaan yang lebih baik dibandingkan dengan penduga EBLUP dengan membandingkan nilai ARRMSE dari masing-masing metode pendugaan.
Penerapan model regresi multilevel untuk data ketepatan waktu lulus mahasiswa Ula, Rahmatul; Ibnas, Risnawati; Nurfadilah, Khalilah; Nawawi, M. Ichsan; Asfar, Asfar
Majalah Ilmiah Matematika dan Statistika Vol 23 No 1 (2023): Majalah Ilmiah Matematika dan Statistika
Publisher : Jurusan Matematika FMIPA Universitas Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19184/mims.v23i1.34479

Abstract

Multilevel logistic regression is one of the alternatives to solving a problem that has a nested data structure like the student data in Alauddin in 2016. The data indicates that students are nested in each different study program. This condition allows the students in the same study program tend to have similar characteristics. The study aims to gain a student graduating model of punctuality using multilevel regression analysis and recognize factors that have a significant impact on student graduating time. Based on our research, we find the best model that fits the data to be the random intercepts model with a random slope of gender variable. The variables that have significant effects are gender, cumulative achievement index, educational background, and accredited program. Keywords: logistic regression, nested, multilevel logistic regression, graduation of studentMSC2020: 62J05
Co-Authors Hastuty Musa Jajang Jajang Nawawi, M. Ichsan Nurfadilah, Khalilah Nusrang, Muhammad Risnawati Ibnas Suwardi Annas Ula, Rahmatul