Articles
24 Documents
Search results for
, issue
"Vol 2 (2020)"
:
24 Documents
clear
<![CDATA[PEMODELAN ANGKA KEMISKINAN DENGAN REGRESI LINIER SPLINE BERGANDA ]]>
<![CDATA[Hidayat, Rahmat]]>;
<![CDATA[Ma’rufi, Ma’rufi]]>;
<![CDATA[Ilyas, Muhammad]]>
<![CDATA[ Prosiding Seminar Nasional Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika (VARIANSI) Vol 2 (2020) ]]>
Publisher : <![CDATA[Program Studi Statistika, FMIPA, Universitas Negeri Makassar ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Keberhasilan pembangunan suatu daerah dapat dilihat dari tingkat kemiskinannya. Dalam mewujudkan tujuan kesejahteraan, pemerintah terus menerus melakukan program pembangunan nasional yaitu pengentasan kemiskinan. Provinsi Jawa Tengah merupakan salah satu provinsi dengan angka kemiskinan cukup tinggi, bahkan melebihi angka kemiskinan nasional. Oleh karena itu, akan diteliti tentang faktor-faktor yang mempengaruhi kemiskinan di Provinsi Jawa Tengah. Metode yang digunakan adalah Regresi Spline Berganda karena data yang digunakan memiliki pola yang tidak menentu sehingga tidak tepat jika dianalisis hanya dengan Regresi Linier Berganda. Tujuan dari penelitian ini adalah agar pemerintah setempat dapat menentukan program penanggulangan kemiskinan yang sesuai. Persentase rumah tangga miskin pada setiap kabupaten/kota dijadikan sebagai peubah respon dalam penelitian ini yang dimodelkan dengan faktor yang diduga mempengaruhinya. Data yang digunakan adalah data dari Badan Pusat Statistik. Peubah penjelas digunakan adalah pengeluaran per kapita per orang dalam satu tahun, rata-rata lama sekolah, dan angka harapan hidup. Tahapan analisis diawali dengan melakukan pemotongan kurva berdasarkan fungsi yang bersesuaian. Lalu dipilih model dengan nilai GCV terkecil dari beberapa model dengan knot yang berbeda. Hasilnya, model yang terpilih adalah model dengan knot tiga yang nilai GCV-nya sebesar 11.078. Peubah penjelas yang berpengaruh nyata terhadap persentase penduduk miskin di Provinsi Jawa Tengah adalah rata-rata lama sekolah. Kata Kunci: kemiskinan, knot, spline.]]>
<![CDATA[ANALISIS MODEL EPIDEMI STOKASTIK SEIR PADA PENYAKIT TUBERCULOSIS DI KOTA MAKASSAR DENGAN ABSEIR ]]>
<![CDATA[Aidid, Muhammad Kasim]]>;
<![CDATA[Tiro, Muhammad Arif]]>
<![CDATA[ Prosiding Seminar Nasional Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika (VARIANSI) Vol 2 (2020) ]]>
Publisher : <![CDATA[Program Studi Statistika, FMIPA, Universitas Negeri Makassar ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Tuberkulosis (TBC) merupakan penyakit menular paru-paru akibat dari infeksi Mycobacterium tuberculosis. Indonesia masuk dalam lima negara dengan insiden kasus tertinggi bersama India, Cina, Filipina, dan Pakistan. Sulawesi Selatan (Sulsel) menjadi Provinsi dengan angka kasus penyakit tuberkulosis yang terbilang tinggi. Kasus terbanyak tercatat di Kota Makassar yaitu 271 orang pada 2014. Telah dikenal berbagai model epidemi dengan karakteristik yang berbeda-beda, diantaranya adalah SI, SIS, SIR dan SEIR. Untuk mengetahui masalah prevalensi penyakit tuberkulosis yang terjadi, maka dilakukan pendekatan stokastik dengan melihat lokasi (spasial) pada model epidemi SEIR dengan paket ABSEIR. Hasil analisis menunjukkan bahwa peluang terjadinya tuberkulosis di Kota Makassar lebih tinggi dari waktu ke waktu.Kata Kunci: TBC SEIR, spasial, Stokastik.]]>
<![CDATA[IMPLEMENTASI METODE FUZZY TIME SERIES SINGH PADA PERAMALAN BANGGAI CARDINALFISH DI BALAI PERIKANAN BUDIDAYA LAUT AMBON ]]>
<![CDATA[Nur, Indah Manfaati]]>;
<![CDATA[Pietoyo, Atiek]]>;
<![CDATA[Basir, Erdy Asmaul]]>
<![CDATA[ Prosiding Seminar Nasional Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika (VARIANSI) Vol 2 (2020) ]]>
Publisher : <![CDATA[Program Studi Statistika, FMIPA, Universitas Negeri Makassar ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Fuzzy time series merupakan sebuah metode yang menggunakan data historis untuk meramalkan suatu masalah berdasarkan konsep logika fuzzy, dimana data tersebut dibentuk dalam nilai-nilai linguistik, dengan kata lain data-data terdahulu dalam deret waktu fuzzy adalah data linguistik, sedangkan data terkini sebagai hasilnya berupa angka-angka riil. Metode yang digunakan dalam penelitian ini adalah Fuzzy Time Series Singh. Tujuan penelitian untuk meramalkan hasil produksi Banggai cardinalfish (Pterapogon kauderni) yang merupakan komoditas ikan hias yang banyak diminati. Kebutuhan pasar yang tinggi dan prediksi produksi mampu menyuplai pasar, menjadi informasi penting sehingga potensi dan peluang dapat dimanfaatkan. Ketepatan peramalan yang dihasilkan dihitung dengan menggunakan nilai RMSE (Root Mean Squared Error). Hasil peramalan dari produksi Banggai Cardinalfish menggunakan metode fuzzy Singh adalah sebesar 683.36 pada bulan Januari 2017 dengan nilai RMSE yang dihasilkan sebesar 368,676. Kata Kunci: Banggai Cardinalfish, Fuzzy Time Series Singh, RMSE]]>
<![CDATA[ANALISIS SENTIMEN TERHADAP DAMPAK COVID-19 PADA PERFORMA TOKOPEDIA MENGGUNAKAN SUPPORT VECTOR MACHINE ]]>
<![CDATA[Wisudawati, Dinda Tri]]>;
<![CDATA[Utami, Tiani Wahyu]]>;
<![CDATA[Arum, Prizka Rismawati]]>
<![CDATA[ Prosiding Seminar Nasional Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika (VARIANSI) Vol 2 (2020) ]]>
Publisher : <![CDATA[Program Studi Statistika, FMIPA, Universitas Negeri Makassar ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Tokopedia merupakan e-commerce populer di Indonesia. Hal tersebut didukung dengan rating Tokopedia yang tinggi pada Google Play. Diperlukan sebuah metode yang mampu mengkategorikan reviews pengguna secara otomatis, apakah tergolong ke dalam klasifikasi positif atau negatif. Analisis Sentimen menggunakan Support Vector Machine (SVM) merupakan metode yang digunakan.Konsep SVM merupakan usaha mencari hyperplane terbaik yang berfungsi sebagai pemisah dua buah kelas pada input space dengan memaksimalkan jarak antar kelas. Sehingga SVM dapat menjamin kemampuan generalisasi yang tinggi untuk data-data yang akan datang. Klasifikasi menggunakan SVM pada periode sebelum munculnya Covid-19 di Indonesia (Februari 2020) menghasilkan akurasi sebesar 87% dan 84% pada periode sesudah munculnya Covid-19 (April 2020). Hasil menunjukkan bahwa walaupun Covid-19 muncul di Indonesia, performa Tokopedia masih tetap terjaga dan pengguna masih tetap memberikan penilaian suka sekali.Hal ini dibuktikan dengan penurunan jumlah review negatif dari 43% pada Februari 2020 menjadi 27% pada April 2020. Kata Kunci: Review, Google Play, Tokopedia, Support Vector Machine, Analisis Sentimen]]>
<![CDATA[DETERMINAN PARTISIPASI PEREMPUAN DALAM ANGKATAN KERJA DI KABUPATEN SEKADAU ]]>
<![CDATA[Rahman, Arif]]>;
<![CDATA[Putrie, Devaki Areta]]>
<![CDATA[ Prosiding Seminar Nasional Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika (VARIANSI) Vol 2 (2020) ]]>
Publisher : <![CDATA[Program Studi Statistika, FMIPA, Universitas Negeri Makassar ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Menurut Badan Pusat Statistik (BPS), Kalimantan Barat merupakan salah satu provinsi dengan nilai Indeks Ketimpangan Gender (IKG) tertinggi. Pada tahun 2018, daerah yang memiliki nilai IKG relatif tinggi ialah Kabupaten Sekadau. Salah satu aspek utama dalam pembentukkan IKG adalah angkatan kerja, dan indikator yang digunakan yaitu Tingkat Partisipasi Angkatan Kerja (TPAK). Pada 2019, TPAK perempuan di Sekadau sebesar 63,89 persen, dan TPAK laki-laki sebesar 88,17 persen. Hal ini menunjukkan bahwa perempuan masih menghadapi diskriminasi dan hambatan untuk memasuki pasar kerja dibandingkan laki-laki. Memaksimalkan TPAK perempuan merupakan hal penting untuk mengurangi disparitas gender di bidang ketenagakerjaan. Tujuan penelitian ini adalah untuk mengetahui karakteristik TPAK perempuan, mengidentifikasi variabel sosial yang signifikan, dan menganalisis kecenderungan variabel TPAK perempuan di Sekadau. Untuk mencapai tujuan tersebut teknik analisis yang digunakan adalah regresi logistik biner. Data yang digunakan ialah berupa raw data hasil kegiatan Survei Angkatan Kerja Nasional (SAKERNAS) Agustus 2019 yang dikumpulkan oleh BPS. Hasil penelitian menunjukkan bahwa tingkat pendidikan, usia, dan status sebagai kepala rumah tangga (KRT) berpengaruh signifikan terhadap partisipasi perempuan dalam angkatan kerja di Kabupaten Sekadau tahun 2019. Kata Kunci: Angkatan kerja, Partisipasi perempuan, Regresi logistik biner]]>
<![CDATA[ANALISIS SENTIMEN PADA TWITTER MENGENAI NETFLIX DIBLOKIR TELKOM MENGGUNAKAN SUPPORT VECTOR MACHINE ]]>
<![CDATA[Husna, Rizqa El]]>;
<![CDATA[Wasono, Rochdi]]>;
<![CDATA[Al Haris, M.]]>
<![CDATA[ Prosiding Seminar Nasional Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika (VARIANSI) Vol 2 (2020) ]]>
Publisher : <![CDATA[Program Studi Statistika, FMIPA, Universitas Negeri Makassar ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Netflix merupakan salah satu media streaming online yang beroperasi di Indonesia sejak 2016. Biaya langganan Netflix yang mahal dibandingkan media streaming lain tidak menghalangi pertumbuhan Netflix di Indonesia yang semakin meningkat setiap tahunnya. Pelanggan PT. Telkom Indonesia tidak bisa mengakses Netflix karena diblokir oleh PT. Telkom Indonesia. Hal ini mengakibatkan pelanggan Telkom tidak bisa mengakses Netflix menggunakan provider Telkomsel dan Indihome. Twitter merupakan media sosial yang memungkinkan penggunanya membaca, meneruskan, dan mengirim pesan berbasis teks. Pada media sosial Twitter banyak pelanggan Telkom yang menyampaikan opini mengenai Netflix diblokir Telkom. Berdasarkan opini publik di media sosial Twitter metode klasifikasi cocok digunakan untuk mengetahui sentimen publik. Metode Support Vector Machine (SVM) sering digunakan pada analisis klasifikasi sentimen. SVM merupakan usaha mencari hyperlane terbaik yang berfungsi sebagai pemisah dua buah kelas dengan memaksimalkan jarak antar kelas. Tujuan dari penelitian ini adalah mengetahui tingkat akurasi SVM dan mengetahui tampilan word cloud berdasarkan masing-masing sentimen. Jumlah tweet yang diteliti pada penelitian ini sebanyak 1771 tweet. Perbandingan data training dan data testing pada penelitian adalah 70% sebanyak 1241 tweet dan 30% sebanyak 530 tweet. Klasifikasi sentimen  metode Support Vector Machine menggunakan Kernel Radial Basic Function (RBF) diperoleh akurasi sebesar 85.92%. Pada sentimen positif kata “bukaâ€, “tidakâ€, “indihomeâ€, merupakan kata yang paling sering digunakan. Sedangkan pada sentimen negatif kata “bukaâ€, “pakaiâ€, “telkom†merupakan kata yang paling sering digunakan Kata Kunci: Netflix, Twitter, Analisis Sentimen, Support Vector Machine (SVM).]]>
<![CDATA[DETERMINAN KETAHANAN PANGAN BERDASARAKAN PROPORSI PENGELUARAN PANGAN DAN KONSUMSI ENERGI (Studi Kasus pada Rumah Tangga di Provinsi Kalimantan Barat) ]]>
<![CDATA[Putrie, Devaki Areta]]>;
<![CDATA[Rahman, Arif]]>
<![CDATA[ Prosiding Seminar Nasional Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika (VARIANSI) Vol 2 (2020) ]]>
Publisher : <![CDATA[Program Studi Statistika, FMIPA, Universitas Negeri Makassar ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Penelitian ini mengevaluasi keadaan ketahanan pangan rumah tangga di Provinsi Kalimantan Barat pada tahun 2019. Indikator ketahanan pangan yang digunakan mengacu pada proporsi pengeluaran pangan serta konsumsi kalori harian. Penelitian ini bertujuan untuk menngambarkan keadaan ketahan pangan level rumah tangga serta menganalisis faktor apa saja yang berpengaruh pada ketahanan pangan di di Kalimantan Barat. Analisis regresi logistik dengan metode backward diterapkan pada rumah tangga sampel SUSENAS Maret 2019. Hasil menunjukkan bahwa model terbaik terdiri dari 3 variabel dari total 7 variabel bebas yang digunakan dalam penelitian. Variabel yang signifikan berpengaruh terhadap kondisi ketahanan pangan rumah tangga di Kalimantan Barat adalah status pekerjaan kepala rumah tangga, status penerima bantuan PKH, serta ukuran keluarga. Ketiganya berpengaruh positif pada level 0,05. Kata Kunci:         Ketahanan pangan, Kalimantan Barat, pendidikan tertinggi KRT, RASTRA, ukuran keluarga, regresi logistik]]>
<![CDATA[SISTEM INFORMASI POTENSI KREDIT MACET BERBASIS APLIKASI CREDIT SCORING-SUPPORT VECTOR MACHINE (CSSVM) ]]>
<![CDATA[Yasin, Hasbi]]>;
<![CDATA[Hakim, Arief Rachman]]>;
<![CDATA[Hoyyi, Abdul]]>
<![CDATA[ Prosiding Seminar Nasional Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika (VARIANSI) Vol 2 (2020) ]]>
Publisher : <![CDATA[Program Studi Statistika, FMIPA, Universitas Negeri Makassar ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Asset utama dari sebuah bank adalah besarnya dan kredit yang dikelola bank, karena kredit juga merupakan konstributor yang paling signifikan terhadap pendapatan sebuah institusi perbankan. Oleh karena itu, deteksi dini terhadap munculnya kredit macet sangat diperlukan. Salah satunya adalah dengan menggunakan sistem informasi potensi kredit macet yang dibangun berdasarkan model Support Vector Machine (SVM). SVM merupakan salah satu metode klasifikasi yang bersifat non linier dan non parametrik, sehingga tidak diperlukan adanya asumsi yang membatasi terhadap distribusi data tertentu. Dalam penelitian ini, potensi kredit macet dilihat dari lima indikator, yaitu: nominal kredit, saldo rekening, suku bunga, jangka waktu kredit, dan lama menjadi nasabah sebuah bank. Berdasarkan beberapa skenario spesifikasi model SVM yang digunakan, diperoleh tingkat akurasi model SVM mencapai 95% untuk data training, dan 90% untuk data testing. Dengan demikian, dapat dikatakan bahwa sistem ini dapat dijadikan sebagai alat untuk mendeteksi adanya potensi kredit macet dari sebuah aplikasi kredit dengan melihat indikator yang digunakan. Kata kunci: Credit Scoring, Sistem Informasi, SVM.]]>
<![CDATA[ESTIMASI MODEL LINEAR PARSIAL UNTUK DATA RESPON HILANG MENGGUNAKAN PENDEKATAN NORMAL ]]>
<![CDATA[Salam, Nur]]>;
<![CDATA[Farid, Fuad Muhajirin]]>;
<![CDATA[Maisarah, Maisarah]]>
<![CDATA[ Prosiding Seminar Nasional Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika (VARIANSI) Vol 2 (2020) ]]>
Publisher : <![CDATA[Program Studi Statistika, FMIPA, Universitas Negeri Makassar ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Paper ini akan membahas estimasi model linear parsial (semiparametrik) dengan respon hilang menggunakan pendekatan normal. Suatu kelas estimator didefinisikan yang memuat kasus-kasus khusus yaitu estimator imputasi regresi semiparametrik, estimator rata-rata marginal dan estimator berbobot skor kecenderungan. Kelas estimator tersebut adalah normal secara asimtotik. Tiga estimator khusus tersebut mempunyai variansi asimtotik yang sama. Dimana estimator ini mencapai batas efisiensi dalam kasus normal homoskedastik. Diperlihatkan bahwa metode jackknife dapat digunakan untuk mengestimasi variansi asimtotik secara konsisten. Berdasarkan keadaan-keadaan di atas akan diestimasi mean Y, sebut . Ketiga estimator khusus di atas akan digunakan untuk mengestimasi mean Y yaitu  berupa estimasi titik dan interval kepercayaan dengan beberapa respon hilang menggunakan metode pendekatan normal. Suatu studi simulasi dilakukan untuk membandingkan diantara 3 estimator khusus dengan metode berdasarkan pendekatan normal dalam hal nilai rata-rata Y dan lebar dari interval kepercayaan. Kata kunci: Estimasi dan Model linear parsial.]]>
<![CDATA[MODEL BAYESIAN SPASIAL CAR LOCALISED: STUDI KASUS DEMAM BERDARAH DENGUE DI KOTA MAKASSAR ]]>
<![CDATA[Aswi, Aswi]]>;
<![CDATA[Sukarna, Sukarna]]>
<![CDATA[ Prosiding Seminar Nasional Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika (VARIANSI) Vol 2 (2020) ]]>
Publisher : <![CDATA[Program Studi Statistika, FMIPA, Universitas Negeri Makassar ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Berbagai model Bayesian telah digunakan untuk menggambarkan pola spasial untuk data area. Dalam tulisan ini, kami mengaplikasikan model Bayesian spasial Conditional Autoregressive (CAR) localised yang memungkinkan untuk pembentukan pengelompokkan risiko relatif suatu kasus penyakit dalam hal ini kasus Demam Berdarah Dengue (DBD). Data yang digunakan adalah data kasus DBD tahun 2013-2015 untuk 14 wilayah kecamatan di Kota Makassar. Formula model Bayesian spasial CAR localised yang berbeda beda dibandingkan dengan menggunakan beberapa kriteria kecocokan model yaitu Deviance Information Criteria, Watanabe Akaike Information Criteria, residu dari Modified Moran’s I dan banyaknya wilayah yang termasuk dalam suatu kelompok. Penggunaan model Bayesian spasial CAR localised direkomendasikan jika rata rata dan variansi peubah terikat antar wilayah relatif besar karena dapat mengidentifikasi kelompok area yang berisiko tinggi, sedang dan rendah. Jika nilai rata rata dan variansi antar wilayah relatif besar, pembentukan kelompok dan anggotanya dipengaruhi juga oleh pemilihan hyperprior pada deviasi standar. Kecamatan Rappocini, Manggala dan Tamalanrea merupakan kecamatan yang memiliki risiko relatif yang tinggi untuk terjangkit DBD. Hasil ini dapat dijadikan rujukan pagi para pengambil kebijakan khususnya di bidang kesehatan. Kata Kunci: Conditional Autoregressive, Demam berdarah Dengue, Pengelompokan, Risiko Relatif]]>
