Articles
353 Documents
<![CDATA[Strategi Pembentukan Model Regresi Logistik ]]>
<![CDATA[Nusar Hajarisman]]>
<![CDATA[ STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 5, No 2 (2005) ]]>
Publisher : <![CDATA[Program Studi Statistika Unisba ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/jstat.v5i2.924
<![CDATA[Metode pemilihan model regresi terbaik bagi sebagian pengguna statistik merupakan suatu halyang relatif sulit dilakukan karena menyangkut dua tujuan yang berbeda. Pertama, kita inginmemasukkan sebanyak mungkin variabel agar diperoleh model dugaan yang terandalkan. Kedua, kitaingin melibatkan sesedikit mungkin variabel ke dalam model agar diperoleh varians dari taksiranrespons yang kecil. Dalam makalah ini akan diberikan beberapa prosedur atau strategi pembentukanmodel regresi logistik yang banyak diadopsi dari prosedur regresi linear biasa. Prosedur pembentukanmodel regresi logistik yang akan dibahas dalam makalah ini diantaranya adalah prosedur pemilihanvariabel, regresi logistik bertahap (stepwise logistic regression), dan regresi logistik himpunan bagianterbaik (best subsets logistic regression).]]>
<![CDATA[PERBANDINGAN FUNGSI RESPONS STOKASTIK HASIL KEDELAI TERHADAP PEMUPUKAN KALIUM ]]>
<![CDATA[Mohammad Masjkur]]>
<![CDATA[ STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 15, No 1 (2015) ]]>
Publisher : <![CDATA[Program Studi Statistika Unisba ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/jstat.v15i1.1405
<![CDATA[Abstrak Fungsi respons stokastik hasil tanaman terhadap pemupukan diketahui lebih baik daripada versi deterministik bagi penentuan dosis optimum rekomendasi pemupukan suatu wilayah. Namun demikian, pemilihan bentuk fungsi yang sesuai bagi kondisi pertanaman tertentu juga perlu dievaluasi secara kritis. Kajian ini ditujukan untuk mengetahui model terbaik fungsi respons stokastik hasil kedelai terhadap pemupukan kalium. Penelitian ini dilakukan berdasarkan pada data percobaan multilokasi respons hasil kedelai terhadap pemupukan kalium. Model parameter tetap (M1) linear plateau, Spillman-Mitscherlich, kuadratik, dan logistik dibandingkan dengan model parameter acak dengan 1 (M2) atau 2 pengaruh acak (M3) menggunakan -2 log-likelihood, Akaike information criterion, dan Bayesian information criterion. Hasil penelitian menunjukkan bahwa nilai AIC model parameter tetap (M1) secara berurutan adalah logistik < Spillman-Mitscherlich < linear plateau < kuadratik. Adapun nilai AIC model parameter acak (M2) secara berurutan adalah kuadratik <. Spillman-Mitscherlich < logistik < linear plateau. Model parameter acak (M3) secara berurutan adalah linear plateau < Spillman-Mitscherlich < logistik. Model terbaik bagi respons hasil kedelai terhadap pemupukan kalium adalah model linear plateau stokastik dengan pengaruh acak intersep dan plateau.]]>
<![CDATA[METODE POHON REGRESI PIECEWISE LINEAR DENGAN MENGGUNAKAN ALGORITMA GUIDE ]]>
<![CDATA[Izzati Rahmi H.G.]]>;
<![CDATA[Budi Susetyo]]>;
<![CDATA[Indahwati Indahwati]]>
<![CDATA[ STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 3, No 1 (2003) ]]>
Publisher : <![CDATA[Program Studi Statistika Unisba ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/jstat.v3i1.533
<![CDATA[Pohon regresi merupakan metode alternatif yang dapat digunakan untuk melihat hubungan antara peubah responkontinu dengan peubah-peubah penjelas. Metode pohon regresi menghasilkan dugaan piecewise constant atau piecewise lineardari model regresi. Penggunaan metode pohon regresi piecewice linear memberikan beberapa keunggulan dibandingkan metodepohon regresi piecewice constant. Metode pohon regresi picewice linear melibatkan peubah penjelas dalam model sehinggamampu mereduksi sisaan yang dihasilkan model picewise constant. Dengan demikian metode pohon regresi piecewice linearcenderung menghasilkan pohon regresi yang lebih pendek.Tulisan ini melihat penggunaan algoritma GUIDE dalam pohon regresi untuk model piecewice linear. Data yang digunakanterdiri dari data simulasi dengan mengambil satu peubah penjelas kontinu dan data sekunder dari internet dengan peubah responharga mobil dengan peubah-peubah penjelas berupa atribut-atribut mobil yang terdiri dari 10 peubah kategorik dan 13 peubahnumerik.Metode GUIDE menghasilkan kelompok-kelompok pengamatan yang memiliki model regresi yang lebih baik dibandingkandengan model regresi dengan melibatkan semua data. Disamping itu GUIDE mampu mejelaskan hubungan antara peubah respondan peubah penjelas yang bersifat kuadratik dengan menggunakan model regresi linier dengan terlebih dahulu membentukkelompok-kelompok pengamatan berdasarkan peubah penjelas yang digunakan.]]>
<![CDATA[Pattern of Exchange Rate Distributions ]]>
<![CDATA[Anton Abdulbasah Kamil]]>
<![CDATA[ STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 7, No 2 (2007) ]]>
Publisher : <![CDATA[Program Studi Statistika Unisba ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/jstat.v7i2.958
<![CDATA[This analysis is conducted within the contect of a stochastic version of the Dornbusch (1976)overshooting model, following the Miller and Weller (1991) extension of Krugman (1991), with shocksto aggregate supply. Hence, three realistic features are added to the Krugman (1991) model: (i) homeand foreign products are imperfect substitutes in consumption so that purchasing power parity isrelaxed, (ii) prices and wages are sluggish, and (iii) there are intra marginal as well as infra-marginalinterventions in the foreign exchange market. The objective of this paper is thus to show that meanreversion introduced by sluggish adjustment of prices and wages combined with a degree of intramarginalintervention can result in a hump-shaped exchange rate distribution and thereby explainthe empirical evidence. We would like to show that the hump shape is more likely to occur when thedegree of monetary accommodation is close to what is needed to peg the nominal exchange rate (sothat the fundamental has to move far away from its mean for the exchange rate to reach itsboundaries).]]>
<![CDATA[EVALUASI MODEL PENDUGAAN AREA KECIL DENGAN PENAMBAHAN INFORMASI GEROMBOL ]]>
<![CDATA[Ray Sastri]]>;
<![CDATA[Arbi Setiyawan]]>
<![CDATA[ STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 18, No 1 (2018) ]]>
Publisher : <![CDATA[Program Studi Statistika Unisba ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/jstat.v18i1.3669
<![CDATA[Beberapa survei yang dilakukan oleh Badan Pusat Statistik (BPS) mempunyai level estimasi provinsi atau kabupaten. Jumlah sampel tidak mencukupi untuk melakukan pendugaan sampai ke tingkat desa, bahkan beberapa desa tidak terkena sampel atau nirsampel. Model dengan penambahan informasi gerombol, menurut Anisa (2014), lebih baik untuk menduga variabel di wilayah nirsampel. Akan tetapi belum diketahui berapa besar area nirsampel yang bisa ditangani oleh model tersebut. Untuk menjawab pertanyaan ini, dilakukan kajian simulasi. Dilihat dari perbedaan MSE, model ini bisa digunakan pada area nirsampel sebanyak 40 persen. Akan tetapi, dilihat dari nilai relatif bias, jumlah area nirsampel yang bisa ditangani sebanyak 20 persen. Kesimpulannya, model EBLUP dengan penambahan informasi gerombol dapat dengan baik digunakan sampai 20 persen wilayah nirsampel.]]>
<![CDATA[Analisis Data Respon Biner Bivariat dengan Tidak Mengabaikan Data Hilang ]]>
<![CDATA[Nusar Hajarisman]]>;
<![CDATA[Aceng Komarudin Mutaqin]]>;
<![CDATA[Fera Shintarini]]>
<![CDATA[ STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 3, No 2 (2003) ]]>
Publisher : <![CDATA[Program Studi Statistika Unisba ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/jstat.v3i2.580
<![CDATA[Makalah ini membahas tentang analisis data respon biner bivariat dimana ada data hilangpada variabel respon yang kedua. Dalam penganalisisannya data hilang tersebut dapat dilibatkandengan cara menduplikasinya dan diberi bobot. Model yang digunakan dalam analisis ini adalahmodel regresi logistik. Penaksiran parameternya dihitung dengan menggunakan metode iterasi.Sedangkan varians dari penaksir parameternya dihitung dengan menggunakan metode jackknife.Data yang digunakan dalam penerapan analisis data respon biner bivariat dimana ada data hilangpada variabel respon yang kedua adalah data kenaikan berat badan balita berdasarkan jenis kelamindan umur balita (bulan) di Posyandu Anggrek Komplek Cilame Permai RW 19 Cilame Cimahi padabulan April sampai Juni tahun 2003. berdasarkan hasil dan pembahasan disimpulkan bahwa modelregresi logistik tidak cocok untuk memodelkan hubungan antara kenaikan berat badan balita bulanMei sampai Juni dengan jenis kelamin dan umur pada bulan April tahun 2003 di Posyandu AnggrekKompleks Cilame Permai RW 19 Cilame Cimahi]]>
<![CDATA[Menaksir Matriks Teknologi Kota Cimahi Berdasarkan Tabel Input Output Provinsi Jawa Barat Menggunakan Metode Location Quontient ]]>
<![CDATA[Teti Sofia Yanti]]>
<![CDATA[ STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 9, No 2 (2009) ]]>
Publisher : <![CDATA[Program Studi Statistika Unisba ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/jstat.v9i2.996
<![CDATA[Tabel Input Output dapat digunakan sebagai analisis keterkaitan antar sektor perekonomian, olehkarena itu setiap daerah, wilayah atau negara seyogyanya memiliki tabel tersebut. Kota Cimahisampai saat ini belum memiliki tabel input output, oleh karena itu penulis mencoba menaksirmatriks teknologi Kota Cimahi berdasarkan matriks teknologi Provinsi Jawa Barat menggunakanmetode Location Quontient (LQ). Matriks teknologi adalah komponen dari tabel input output yangakan digunakan dalam pembentukan matriks pengganda, di mana matriks pengganda dapatdigunakan untuk melihat keterkaitan antar sektor ekonomi dan menentukan sektor ekonomiunggulan. Berdasarkan hasil perhitungan sektor Industri merupakan sektor unggulan di KotaCimahi. Sektor perdagangan dan sektor lainnya perlu mendapat dorongan dan dukungan darisektor lain terutama perhatian yang lebih dari pemerintah karena termasuk sektor yang lemah.]]>
<![CDATA[PEMODELAN DATA ASURANSI SYARIAH DENGAN METODE BEST SUBSET DAN STEPWISE ]]>
<![CDATA[Karin Amelia Safitri]]>
<![CDATA[ STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 20, No 1 (2020) ]]>
Publisher : <![CDATA[Program Studi Statistika Unisba ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/jstat.v20i1.5896
<![CDATA[Industri asuransi di Indonesia mengalami perkembangan yang tidak terlalu pesat jika dibandingkan dengan industri perbankan. Tujuan penelitian ini adalah untuk melakukan perbandingan model dari data asuransi dengan metode 2 jenis regresi agar terlihat perilaku peubah bebas yang memberikan pengaruh yang nyata terhadap perkembangan asuransi. Metode analisis yang diterapkan adalah pemilihan model regresi terbaik yang dilakukan dengan metode best subset dan regresi linear stepwise. Hasil penelitian menyatakan bahwa model yang didapat dari regresi stepwise dikatakan lebih baik dibandingkan dengan model yang dihasilkan metode regresi best subset yang terlihat dari nilai R2 yang ditentukan dan nilai S.Kata Kunci: Asuransi Syariah, Best Subset, Stepwise]]>
<![CDATA[PERBANDINGANMODEL LOGIT, PROBIT DAN KEBARANGKALIAN LINEAR TERHADAP KADAR KEMATIAN DI ICU HOSPITAL AWAM ]]>
<![CDATA[Mohd Saifullah Bin Rusiman]]>;
<![CDATA[Zalina Bte Mohd Daud]]>;
<![CDATA[Ismail bin Mohamad]]>
<![CDATA[ STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 4, No 2 (2004) ]]>
Publisher : <![CDATA[Program Studi Statistika Unisba ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/jstat.v4i2.892
<![CDATA[Satu kajian kadar kematian di ICU yang terperinci terhadap model logit, model probit dan model kebarangkalianlinear telah dijalankan di sebuah hospital awam di Johor. Perbandingan model dari segi penganggaran parameter bk(kaedah kebolehjadian maksimum dan kaedah kuasadua terkecil berpemberat) dan pemilihan pembolehubah palingberpengaruh dilakukan. Beberapa ujian seperti multikolineariti, ujian reja, pengujian hipotesis, kebagusan penyuaian dandiagnosis data berpengaruh serta data terpencil dilakukan terhadap ketiga-tiga model yang diperolehi. Perbandingan diantara ketiga-tiga model mencapai satu kesimpulan yang mana model logit diketengahkan sebagai model yang terbaikdengan peratus ketepatan ramalan yang tertinggi.]]>
<![CDATA[Pengaruh Suhu dan Tekanan Udara terhadap Operasi Penerbangan di Bandara H.A.S. Hananjoeddin Belitung Periode 1980-2010 ]]>
<![CDATA[Akhmad Fadholi]]>
<![CDATA[ STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 12, No 2 (2012) ]]>
Publisher : <![CDATA[Program Studi Statistika Unisba ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/jstat.v12i2.1065
<![CDATA[Dalam operasi penerbangan ada tiga tingkat (fase) yang sangat penting dan berhubungandengan meteorology yaitu lepas landas (take off), penerbangan, dan mendarat (landing). Ketigafase tersebut memerlukan informasi meteorologi. Dalam hal ini sejumlah unsur meteorologidapat berpengaruh terhadap kemampuan pesawat terbang pada saat-saat kritis. Diantara unsuryang dapat menunjang kelancaran ketiga fase di atas adalah suhu dan tekanan udara, dimanaunsur cuaca tersebut harus dimengerti dan diperhitungkan. Karena tekanan udara bersamasamadengan suhu akan menentukan kerapatan udaranya dan selanjutnya akan menentukandaya angkat pesawat terbang. Karena dipandang perlunya untuk mengetahui mengenaipengaruh unsur cuaca khususnya bagi dunia penerbangan sehingga ICAO (International CivilAviation Organization) membuat satuan standar yang diperuntukkan bagi pelayanan dankeselamatan penerbangan.]]>
