Articles
353 Documents
<![CDATA[Uji Kesamaan Beberapa Koefisien Korelasi ]]>
<![CDATA[Anneke Iswani Achmad]]>
<![CDATA[ STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 2, No 1 (2002) ]]>
Publisher : <![CDATA[Program Studi Statistika Unisba ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/jstat.v2i1.490
<![CDATA[Dalam analisis regresi, khususnya regresi linier berganda selain ditaksir koefisien regresinyakadangkala peneliti juga menguji keberartia koefisien korelasi berganda untuk melihat besarnyapengaruh keseluruhan variabel bebas terhadap variabel tak bebas. Makalah ini mencobamenawarkan suatu bentuk analisis yang tujuannya menguji kesamaan beberapa koefisien korelasidalam regresi linier berganda. Pengujian kesamaan beberapa koefisien korelasi dilakukan melaluistatistik uji t dengan terlebih dahulu menghitung koefisien korelasi produk moment.]]>
<![CDATA[Pendekatan Regresi Ordinal untuk Klasifikasi Tingkat Hidup Pekerja ]]>
<![CDATA[Bambang Widjanarko Otok]]>;
<![CDATA[Suryo Guritno]]>;
<![CDATA[Subanar Subanar]]>
<![CDATA[ STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 5, No 1 (2005) ]]>
Publisher : <![CDATA[Program Studi Statistika Unisba ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/jstat.v5i1.915
<![CDATA[Masalah klasifikasi (pengelompokkan) pada kelompok yang sudah diketahui pada umumnyamembatasi diri dalam melibatkan sejumlah peubah yang terkait, sehingga mengakibatkan hilangnyasebagian informasi yang justru berkonsekuensi dalam kesimpulan penelitian. Untuk itu upaya yangdilakukan untuk membatasi keterlibatan sejumlah peubah dalam penelitian harus melihat kerangkapermasalahan secara menyeluruh pada kelompok dalam peubah tersebut.Metode klasifikasi yang baik akan menghasilkan sedikit kesalahan klasifikasi atau peluangkesalahan alokasi yang kecil dan juga terpenuhinya asumsi seperti variansi sama pada kelompok.Sehingga diperlukan suatu kajian mengenai masalah klasifikasi dengan pendekatan regresi ordinaldan sebagai kriteria kestabilan klasifikasi digunakan Press-Q.Hasil penelitian menunjukkan bahwa analisis regresi ordinal merupakan suatu metode yangsangat baik dalam masalah klasifikasi dan dalam menentukan variabel yang mempengaruhi padakelompok dan interpretasi model. Selain itu fungsi peluang komulatif yang diperoleh mudahdiinterpretasikan untuk menjelaskan keterkaitan prediksi kedepan dalam pengelompokkan.Secara keseluruhan tingkat ketepatan prediksi model dengan analisis regresi ordinal untukmengelompokkan tingkat hidup pekerja yang dipengaruhi empat variabel (Pendidikan (X1), Statuspekerjaan (X2), Upah/Gaji Sebulan (X3) dan Status perkawinan (X4)) secara keseluruhan sebesar54.6%, dan pengaruh yang signifikan pada pendidikan adalah pendidikan SMA dan SMP, statuspekerjaan bulanan (berbanding terbalik), upah/gaji sebulan sebesar Rp 1.000.000 s/d Rp 1.500.000,dan status perkawinan yang sudah menikah.]]>
<![CDATA[Penerapan Time Series Regression with Calendar Variation Effect pada Data Netflow Uang Kartal Bank Indonesia Sebagai Solusi Kontrol Likuiditas Perbankan di Indonesia ]]>
<![CDATA[Renny Elfira Wulansari]]>;
<![CDATA[Epa Suryanto]]>;
<![CDATA[Kiki Ferawati]]>;
<![CDATA[Ilafi Andalita]]>;
<![CDATA[Suhartono Suhartono]]>
<![CDATA[ STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 14, No 2 (2014) ]]>
Publisher : <![CDATA[Program Studi Statistika Unisba ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/jstat.v14i2.1203
<![CDATA[Bank Indonesia merupakan bank sentral Republik Indonesia yang mempunyai satu tujuan tunggalyaitu mencapai dan memelihara kestabilan nilai rupiah. Uang kartal adalah uang yang beredar dimasyarakat maupun uang kartal yang disimpan sebagai kas di bank umum. Uang kartal yangmasuk ke BI melalui setoran dari bank umum disebut inflow dan uang kartal yang keluar dari BIdisebut outflow. Selisih antara outflow dan inflow disebut netflow. Keadaan netflow ini akanmempengaruhi naik turunnya likuiditas bank. Hari raya idul fitri merupakan salah satu faktor yangmenyebabkan terjadinya fluktuasi yang cukup tinggi pada netflow. Karena setiap tahunnya hari rayaidul fitri bergeser maju 11 hari, maka metode peramalan yang tepat untuk memodelkan netflowadalah dengan menggunakan metode time series regression with calendar variation effect. Setelahdilakukan pemodelan, didapatkan model yang memuat variasi kalender dan cukup sesuai untukmenangkap pola dari data netflow sebelumnya, dan model sudah memenuhi asumsi yangdibutuhkan. Dibandingkan dengan metode yang sebelumnya sudah digunakan oleh BI yaitu metodeARIMA dan ekstrapolasi data, model ini memberikan pendekatan yang lebih baik pada netflow. Modelini dapat digunakan untuk meramalkan netflow selanjutnya yang dapat membantu BI untukmengambil kebijakan moneter yang harus dijalankan.]]>
<![CDATA[PENDEKATAN MARGINAL PADA ANALISIS DATA SURVIVAL “BERKORELASI” ]]>
<![CDATA[Dian Handayani]]>;
<![CDATA[Anang Kurnia]]>
<![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.v3i1.523
<![CDATA[Didalam konteks data survival yang berkorelasi, yaitu pada saat objek terkelompok (misal karena perlakuan, ikatankeluarga atau karena pengamatan berulang), maka peubah respon didalam kelompok pada dasarnya akan berkorelasi, sehinggakita akan menganggap dan mengasumsikan bahwa data tersebut berkorelasi.Shoukri dan Pause (1998) telah menunjukan bahwa metode penduga maksimum likehood (MLE) memberikan hasil yang tidakkonsisten. Sedangkan Liang dan Zeger (1986) serta Zeger dan Liang (1986) telah mengembangkan metode GEE untukmengkoreksi kasus data berjorelasi. Telah banyak penulis yang memberikan evaluasi terhadap GEE dan memberikan kesimpulanbahwa GEE adalah salahsatu pendekatan yang robust dalam menduga ragam untuk data terkelompok. Selain itu alternatif lainyang bisa digunakan adalah GJE yang dikembangkan oleh Therneau (1993).Dalam makalah ini akan dicoba pendekatan GEE dalam analisis survival untuk kasus data terkelompok yang dikenal sebagaipendekatan marginal.Pendekatan GEE dikembangkan serupa dan berlandaskan pada model Cox Proportional Hazards.Pendekatan margianl membeikan hasil pendugaan ragam yang cukup baik sehingga cukup efektif mengoreksi pengaruh dataterkelompok. Namun demikian masih terdapat kelemahan yang sangat mengganggu yaitu makna dari pengelompokan data,dimana tidak semua kelompok mempunyai makna yang berarti.]]>
<![CDATA[Stock Price Prediction in Bursa Malaysia ]]>
<![CDATA[Nurfadhlina Binti Abdul Halim]]>;
<![CDATA[Goh Khang Wen]]>
<![CDATA[ STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 7, No 1 (2007) ]]>
Publisher : <![CDATA[Program Studi Statistika Unisba ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/jstat.v7i1.949
<![CDATA[Investment in stock is a highly risky investment, it is because the existence of randomness in thestock price. In lecture, usually we used Binomial model to price the stock. But, in real world, how dowe price the stock? Because the stock price is random, the volatility and drift is a crucial items tobehold. The main questions is how to calculate this volatility and drift, and the answer to thequestion is the sample variance and the sample mean. At any time, the stock price will be either up ordown from the previous price. This is where we need a method or model to calculate parameters forup-state and down-state for the stock price. And it will cover the volatility and the drift in anembrace. The method we used in this paper is the Hull-White algorithm. Hull-White algorithm is tofind the parameters value of u and d for prediction to stock price. Using SPSS, we will run the data toget the sample variance and sample mean. Then, using Maple 10, we calculate the u and d beforeenter the value of u and d into programming C++.]]>
<![CDATA[Aplikasi Analisis Korespondensi Berganda Terhadap Pemetaan Perkembangan Pembangunan Kota Ambon ]]>
<![CDATA[Yopi Andry Lesnussa]]>;
<![CDATA[H. Kelian]]>;
<![CDATA[E. R. Persulessy]]>;
<![CDATA[R. J. Djami]]>;
<![CDATA[M. W. Talakua]]>
<![CDATA[ STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 17, No 2 (2017) ]]>
Publisher : <![CDATA[Program Studi Statistika Unisba ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/jstat.v17i2.3100
<![CDATA[Penelitian ini bertujuan untuk mengetahui peta persepsi indikator pembangunan di kota Ambon dengan menggunakan Analisis Korespondensi Berganda. Dimana metode ini menganalisis kategori dari beberapa indikator pembangunan antara lain, banyaknya fasilitas Pendidikan, banyaknya fasilitas Kesehatan, penduduk miskin dan banyaknya Objek Wisata yang ada di kota Ambon. Dari hasil penelitian diperoleh kesimpulan bahwa kecamatan yang melalui jalan pusat kota Ambon menunjukan adanya peningkatan sarana pendidikan, sarana Kesehatan dan juga penduduk miskin, sedangkan untuk indikator Objek Wisata sendiri terjadi peningkatan pada kecamatan yang tidak dilalui Jalan Pusat Kota]]>
<![CDATA[METODE KLASIFIKASI BERSTRUKTUR POHON DENGAN ALGORITMA CRUISE ]]>
<![CDATA[Yasmin Erika F.]]>;
<![CDATA[Andriansyah Andriansyah]]>
<![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.v3i1.568
<![CDATA[Two univariate split methods are proposed for the construction of classification trees with multyway splits namedCRUISE (Classification Rule with Unbiased Interaction Selection and Estimation). A major strenght of the univariate splitmethods is that they have negligible bias in variable selection, both when the variables differ in the number of splits they offerand when they differ in number of missing values. This is an advantage because inference from the tree sructures can beadversely affected by selection bias. These methods also improve interpretability of trees by reducing tree depht.Application of CRUISE algorithms to Fisher’s Iris data is to predict the variety of an Iris flower based on its petal and sepallenght and widht. Results show that it only takes one variable to do so. Therefoce, the new methods are highly competitive interms of computational speed and classification accuracy of future observation.]]>
<![CDATA[Models for Transformation: A Global Optimization Transformation method with Some Extension from Box-Cox Transformation ]]>
<![CDATA[Wan Muhamad Amir Bin W Ahmad]]>;
<![CDATA[Nyi Nyi Naing]]>;
<![CDATA[Tengku Mohd Ariff Raja Hussein]]>
<![CDATA[ STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 9, No 1 (2009) ]]>
Publisher : <![CDATA[Program Studi Statistika Unisba ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/jstat.v9i1.987
<![CDATA[The choice of a transformation has often been made in an ad hoc trial-and-error fashion but in thisresearch paper we deals with the new solution of transformation which is covering all the real numbers.The assumption of normality that gained from the optimization method is much better improvedcompared to Box-Cox transformation through the statistical P value. The biggest values of thestatistical P value (> 0.05) reflect the goodness of the normality achievement. In order to obtain theefficiency status, we will illustrate the application of transformation method with the data that aregetting from Hospital University Science Malaysia (HUSM).]]>
<![CDATA[Analisis Regresi Untuk Menentukan Pengaruh Karakteristik Pembudidaya Terhadap Produksi Ikan Lele ]]>
<![CDATA[Yulia Puspita Sari]]>;
<![CDATA[Fitra Mulia Jaya]]>
<![CDATA[ STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 19, No 2 (2019) ]]>
Publisher : <![CDATA[Program Studi Statistika Unisba ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/jstat.v19i2.5019
<![CDATA[Peningkatan jumlah konsumsi Ikan Lele di Kota Palembang menjadi peluang bagi pembudidaya untuk meningkatkan produksinya. Salah satu pendukung keberhasilan budidaya Ikan Lele yaitu dengan mengetahui faktor pendukungnya, baik eksternal maupun internal. Karakteristik pembudidaya tersebut adalah umur pembudidaya, pendidikan terakhir p embudidaya, jumlah anggota keluarga dan pengalaman sebagai pembudidaya. Analisis regresi adalah alat uji statistika yang dapat digunakan untuk melihat pengaruh karakteristik pembudidaya Ikan Lele terhadap rerata jumlah produksinya per tahun. Hasil analisis regresi menunjukkan secara simultan, karakteristik pembudidaya (umur, pengalaman, pendidikan dan jumlah tanggungan) berpengaruh terhadap rerata jumlah produksi per tahun. Nilai R2 yang diperoleh hanya 19,4%, hal ini sejalan nilai t hitung yang diperoleh menunjukkan secara parsial, peubah bebas tidak berpengaruh terhadap rerata jumlah produksi per tahun.]]>
<![CDATA[PARAMETER DETERMINATION INMANUFACTURING PROGRESS CURVE WITH THREE POINTS OF DATA ]]>
<![CDATA[Hennie Husniah]]>;
<![CDATA[Asep K. Supriatna]]>
<![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.v4i2.883
<![CDATA[In this paper we discus a method to find the values of parameters in a manufacturing progress curve based on three pointsof data. In general to find better parameter estimation we need a lot of data. However, in some circumstances, the numbersof data are limited or even scarce, especially in the beginning of a manufacturing process. For this reason, we develop asimple method to determine the values of parameters if only three data are available. The curve we are dealing with is aninverse-like sigmoid that can describe a learning process in the beginning phase and has a lower bound in the long-termphase, hence a reasonably realistic curve.]]>
