cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota makassar,
Sulawesi selatan
INDONESIA
Seminar Nasional Variansi (Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika)
Published by Universitas Negeri Makassar
ISSN : -     EISSN : -     DOI : -
Core Subject : Education,
Education
Arjuna Subject : -
Articles 42 Documents
 1   2   3   4   5 
IMPLEMENTASI METODE FUZZY TIME SERIES SINGH PADA PERAMALAN BANGGAI CARDINALFISH DI BALAI PERIKANAN BUDIDAYA LAUT AMBON Nur, Indah Manfaati; Pietoyo, Atiek; Basir, Erdy Asmaul
Prosiding Seminar Nasional Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika (VARIANSI) Vol 2 (2020)
Publisher : Program Studi Statistika, FMIPA, Universitas Negeri Makassar

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

Abstract

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
ANALISIS SENTIMEN TERHADAP DAMPAK COVID-19 PADA PERFORMA TOKOPEDIA MENGGUNAKAN SUPPORT VECTOR MACHINE Wisudawati, Dinda Tri; Utami, Tiani Wahyu; Arum, Prizka Rismawati
Prosiding Seminar Nasional Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika (VARIANSI) Vol 2 (2020)
Publisher : Program Studi Statistika, FMIPA, Universitas Negeri Makassar

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

Abstract

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
DETERMINAN PARTISIPASI PEREMPUAN DALAM ANGKATAN KERJA DI KABUPATEN SEKADAU Rahman, Arif; Putrie, Devaki Areta
Prosiding Seminar Nasional Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika (VARIANSI) Vol 2 (2020)
Publisher : Program Studi Statistika, FMIPA, Universitas Negeri Makassar

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

Abstract

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
ANALISIS SENTIMEN PADA TWITTER MENGENAI NETFLIX DIBLOKIR TELKOM MENGGUNAKAN SUPPORT VECTOR MACHINE Husna, Rizqa El; Wasono, Rochdi; Al Haris, M.
Prosiding Seminar Nasional Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika (VARIANSI) Vol 2 (2020)
Publisher : Program Studi Statistika, FMIPA, Universitas Negeri Makassar

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

Abstract

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 “buka”, “tidak”, “indihome”, merupakan kata yang paling sering digunakan. Sedangkan pada sentimen negatif kata “buka”, “pakai”, “telkom” merupakan kata yang paling sering digunakan Kata Kunci: Netflix, Twitter, Analisis Sentimen, Support Vector Machine (SVM).
DETERMINAN KETAHANAN PANGAN BERDASARAKAN PROPORSI PENGELUARAN PANGAN DAN KONSUMSI ENERGI (Studi Kasus pada Rumah Tangga di Provinsi Kalimantan Barat) Putrie, Devaki Areta; Rahman, Arif
Prosiding Seminar Nasional Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika (VARIANSI) Vol 2 (2020)
Publisher : Program Studi Statistika, FMIPA, Universitas Negeri Makassar

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

Abstract

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
SISTEM INFORMASI POTENSI KREDIT MACET BERBASIS APLIKASI CREDIT SCORING-SUPPORT VECTOR MACHINE (CSSVM) Yasin, Hasbi; Hakim, Arief Rachman; Hoyyi, Abdul
Prosiding Seminar Nasional Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika (VARIANSI) Vol 2 (2020)
Publisher : Program Studi Statistika, FMIPA, Universitas Negeri Makassar

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

Abstract

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.
ESTIMASI MODEL LINEAR PARSIAL UNTUK DATA RESPON HILANG MENGGUNAKAN PENDEKATAN NORMAL Salam, Nur; Farid, Fuad Muhajirin; Maisarah, Maisarah
Prosiding Seminar Nasional Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika (VARIANSI) Vol 2 (2020)
Publisher : Program Studi Statistika, FMIPA, Universitas Negeri Makassar

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

Abstract

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.
MODEL BAYESIAN SPASIAL CAR LOCALISED: STUDI KASUS DEMAM BERDARAH DENGUE DI KOTA MAKASSAR Aswi, Aswi; Sukarna, Sukarna
Prosiding Seminar Nasional Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika (VARIANSI) Vol 2 (2020)
Publisher : Program Studi Statistika, FMIPA, Universitas Negeri Makassar

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

Abstract

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
METODE ARIMA BOX-JENKINS PADA DATA KUNJUNGAN WISATAWAN MANCANEGARA DI INDONESIA Ruliana, Ruliana; Aidid, Muhammad Kasim; Adiyanty, Tri Amelia
Prosiding Seminar Nasional Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika (VARIANSI) Vol 2 (2020)
Publisher : Program Studi Statistika, FMIPA, Universitas Negeri Makassar

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

Abstract

Tujuan dari penelitian ini adalah untuk mengetahui deskripsi jumlah kunjungan wisatawan mencanegara ke Indonesia mulai dari Januari 2015 - Februari 2020, untuk mengetahui model Time Series Box-Jenkins dan nilai ramalan jumlah kunjungan wisatawan mencanegara ke Indonesia pada tahun-tahun berikutnya. Sumber data yang digunakan diperoleh dari data publikasi kunjungan wisatawan asing di Indonesia dari Januari 2015 - Februari 2020. Data yang digunakan meliputi data jumlah kunjungan wisatawan mancanegara (wisman) setiap bulannya di 26 pintu masuk utama yang meliputi Bandara, Pelabuhan dan Stasiun. Data tersebut  di publikasi oleh kementrian Parawisata yang adobsi dari data Ditjen Imigrasi dan BPS. Variabel yang digunakan dalam penelitian ini adalah t (waktu kedatangan) dan Variabel Yt (jumlah kunjungan wisatawan). Hasil analisis deskriptif dari penelitian ini diperoleh rata-rata kunjungan wisatawan mancanegara ke Indonesia sejak Januari 2015 – Februari 2020 adalah 1,129,341 kunjungan. Kunjungan paling rendah terjadi pada Januari 2015 sebanyak 785,973, sedangkan kunjungan paling tinggi sebanyak 1,547,231 kunjungan yang terjadi pada Juli 2018. Model time series Box-Jenkins yang didapatkan adalah model ARIMA (1, 1, 0) dengan persamaan model . Hasil peramalan dari model ini adalah tidak adanya kunjungan ke Indonesia mulai dari Maret 2020- hingga Februari 2022 Kata Kunci: ARIMA, Box-jenkins, Kunjungan Wisatawan Mancanegara, Peramalan.
PENINGKATAN PRESISI DUGAAN BERAT GABAH MELALUI PROSES SELEKSI PEUBAH DALAM PEMBELAJARAN MESIN STATISTIKA Ardiansyah, Muhlis; Notodiputro, Khairil Anwar; Sartono, Bagus
Prosiding Seminar Nasional Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika (VARIANSI) Vol 2 (2020)
Publisher : Program Studi Statistika, FMIPA, Universitas Negeri Makassar

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

Abstract

Pandemi COVID-19 berpotensi menyebabkan turunnya tingkat respon beberapa survei yang dilakukan oleh lembaga penyedia statistik resmi di berbagai negara termasuk salah satunya Survei Ubinan oleh Badan Pusat Statistik Indonesia. Pengukuran berat gabah dari Survei Ubinan pada masa pandemi tidak selalu berhasil dilakukan sehingga terjadi nonrespon. Dalam penelitian ini, dicari solusi baru untuk mengatasi masalah nonrespon yaitu dengan menduga data nonrespon berat gabah berdasarkan beberapa peubah yang diperoleh dari hasil wawancara dengan petani setelah kebijakan pembatasan sosial berakhir. Dalam penelitian dicoba berbagai metode seleksi peubah yaitu Stepwise, LASSO, Elastic Net, Adaptive LASSO, dan Relaxed LASSO guna menemukan model terbaik dalam pendugaan berat gabah berdasarkan data Survei Ubinan tahun 2019 di Kalimatan Tengah. Gugus data dibagi menjadi dua, yaitu data latih dan data uji. Pengambilan 75 persen data latih dilakukan secara acak dan diulang sebanyak 100 kali dan setiap kali divalidasi menggunakan data uji. Selanjutnya peubah yang terseleksi digunakan dalam model Quantile Regression Forest (QRF). Hasilnya menunjukkan bahwa Adaptive-QRF memberikan kinerja terbaik dengan nilai RMSE tekecil.  Peubah terpilih yang berpengaruh nyata terhadap berat gabah hasil penyeleksian Adaptive LASSO adalah varietas benih, cara penanaman (monokultur atau tumpangsari), sistem penanaman (jajar legowo atau bukan), terkena serangan hama atau tidak, lokasi penanaman, dan bulan panen.  Kata Kunci: Adaptive LASSO, Produktivitas Padi, Survei Ubinan, Quantile Regression Forest.

Page 3 of 5 | Total Record : 42

 1   2   3   4   5 

Filter by Year

2018 2020


Reset
Filter By Issues
All Issue Vol 2 (2020) 2018: Tahun 2018 Vol 1 (2018)