cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Aceng Komarudin Mutaqin
Contact Email
aceng.k.mutaqin@gmail.com
Phone
+628179289987
Journal Mail Official
jstat.unisba@gmail.com
Editorial Address
Jl. Ranggagading No. 8 Bandung 40116
Location
Kota bandung,
Jawa barat
INDONESIA
Statistika
Published by Universitas Islam Bandung
ISSN : 14115891     EISSN : 25992538     DOI : https://doi.org/10.29313/jstat.v19i2.4898
Core Subject : Economy, Science, Education, Engineering,
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Industrial & Manufacturing Engineering Mathematics
STATISTIKA published by Bandung Islamic University as pouring media and discussion of scientific papers in the field of statistical science and its applications, both in the form of research results, discussion of theory, methodology, computing, and review books.
Arjuna Subject : Matematika - Statistik dan Probabilitas
Articles 353 Documents
 19   20   21   22   23 
Prediksi Harga Saham Harian Menggunakan Cascade Forward Neural Network (CFNN) Dengan Particle Swarm Optimization (PSO) Yunita Pipiet Sugandhi; Budi Warsito; Arief Rachman Hakim
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 19, No 2 (2019)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v19i2.4878

Abstract

PENDEKATAN REGRESI LINIER UNTUK PEREDUKSIAN DATA KELUARAN FOURIER TRANSFORM INFRARED (FTIR) Erfiani Erfiani
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 4, No 2 (2004)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v4i2.879

Abstract

Spektrum keluaran FTIR merupakan data dalam dua dimensi yang merupakan data berpasangan antara % transmitan (Y)dan bilangan gelombang (X). Data spektrum yang dihasilkan oleh FTIR tersebut adalah data kuantitatif yang umumnyamemiliki ukuran dimensi yang besar. Sehingga bila ingin dilakukan analisis data akan dijumpai permasalahan dalampenggunaan paket program pengolah data dan kemampuan hardware yang dimiliki. Sehingga diperlukan suatu metodependekatan untuk mereduksi data tanpa menghilangkan pola spektrum awal. Pada penelitian ini dilakukan kajian untukmereduksi dimensi data yang sangat besar, dengan tidak mengabaikan informasi tentang kandungan senyawa kimia padabilangan-bilangan gelombang tertentu. Salah satu metoda yang digunakan adalah membuat partisi atau sekatan dari polaspektrum yang dihasilkan. Pada setiap sekatan memiliki satu fungsi persamaan antara bilangan gelombang dan%transmitan. Sehingga pada setiap sekatan tersebut cukup diambil sebagian data dari kumpulan data yang ada.Data yang digunakan adalah adalah data spektrum senyawa aktif gingerol yang diamati menggunakan FTIR. Senyawaaktif gingerol tersebut berasal dari tanaman jahe dua daerah sentra produksi tanaman obat yaitu Kulonprogo, Jawa Tengahdan Karanganyar, D.I. Yogyakarta. Pengamatan dilakukan pada periode waktu 27 Juli 2003 sampai dengan 1 Agustus2003. Penerapan pendekatan regresi linier pada setiap sekatan data spektrum yang dihasilkan ternyata memberikan hasilyang cukup baik. Tanpa menghilangkan informasi yang dibutuhkan, teknik ini dapat mereduksi data hingga menjadi limapersen. Jumlah data awal yang semula sekitar 2000 buah data berpasangan (X,Y) dapat direduksi hingga menjadi sekitar100 buah.
Modifikasi Statistik Uji-T pada Test Inferensia Mean Mereduksi Pengaruh Keasimetrikan Populasi Menggunakan Ekspansi Cornish-Fisher Joko Riyono
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 11, No 2 (2011)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v11i2.1052

Abstract

Paper ini membahas suatu prosedur yang mengurangi pengaruh kemiringan dari populasi padadistribusi student-t sehingga uji inferensi mean dapat terhitung lebih baik dengan suatu modifikasivariable student-t .Modifikasi dari variabel student-t diperoleh menggunakan ekspansi Cornish-Fisher.
Pendekatan Multivariate Adaptive Regression Spline (MARS) pada Pengelompokkan Zona Musim Suatu Wilayah Bambang Widjanarko Otok
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 10, No 2 (2010)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v10i2.1021

Abstract

Multivariate adaptive regression spline (MARS) adalah salah satu model regresi nonparametrik, yaitumodel yang mengasumsikan bentuk hubungan fungsional antara variabel respon dan prediktor tidakdiketahui. MARS adalah kombinasi yang komplek antara metode spline dengan rekursif partisiuntuk menghasilkan estimasi fungsi regresi yang kontinu, dan digunakan untuk prediksi danklasifikasi. Hasil penelitian menunjukkan bahwa estimasi parameter model MARS untuk variabelrespon kontinu dilakukan dengan penalized least square (PLS). Pemilihan model MARS terbaikdilakukan dengan prosedur forward dan backward stepwise didasarkan pada nilai GCV. Prosedurforward adalah tahapan untuk mendapatkan fungsi basis maksimum yang mencakup pengaruh efekutama, interaksi, dan knot. Sedangkan prosedur backward adalah tahapan untuk mengeliminasifungsi basis yang kontribusinya tidak signifikan. Hasil kajian juga menunjukkan bahwa GCV denganpotongan regresi linear dapat terbukti bekerja dengan baik dalam menentukan pemilihan modelterbaik pada MARS respon kontinu.
Penentuan Gugus Kombinasi Taraf-taraf Faktor Optimal pada Percobaan Respon Ganda Berkorelasi Aceng Komarudin Mutaqin; Aunuddin Aunuddin; Budi Susetyo
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 5, No 1 (2005)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v5i1.911

Abstract

Makalah ini membahas metode penentuan gugus kombinasi taraf-taraf faktor optimal padapercobaan respon ganda berkorelasi. Kombinasi taraf-taraf faktor optimalnya diperoleh denganmenggunakan kriteria yang memaksimumkan proporsi sesuai. Gugus kombinasi taraf-taraf faktoroptimalnya diperoleh melalui pendugaan selang proporsi sesuai untuk setiap kombinasi taraf-taraffaktor dalam daerah percobaan dengan menggunakan metode persentil bootstrap parametrik.Sebagai bahan untuk mengilustrasikan metode tersebut adalah data penelitian hasil percobaanpembuatan briket batubara yang dilakukan di Lab. Batubara Puslitbang TekMIRA Bandung, JawaBarat.
Tabel Kematian Multistate Penduduk Jabar Berdasarkan Data Hasil SP 2000 Yayat Karyana
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 2, No 2 (2002)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v2i2.500

Abstract

Tabel Kematian Multistate merupakan hal umum dari Tabel Kematian yang konvensional yanghanya memperhatikan 2 state (hidup di suatu tempat dan mati). Dalam tabel Kematian Multistateterdapat matriks Rata-rata harapan hidup yang dapat dirinci berapa tahun hidup di tempat lahirdan di tempat-tempat lainnya. Di sini akan dicoba dihitung Tabel Kematian Multistate PendudukJawa Barat berdasarkan data hasil Sensus Penduduk 2000 (SP 2000).
Pendugaan Regresi Spline Terpenalti dengan Pendekatan Model Linear Campuran Anik Djuraidah; Aunuddin Aunuddin
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 6, No 1 (2006)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v6i1.935

Abstract

Regresi spline terpenalti, atau P-spline, adalah regresi yang ditentukan dengan kuadrat terkecil danpenalti kekasaran. P-spline dapat direpresentasikan dalam bentuk model linear campuran dengankomponen ragam mengontrol tingkat ketidaklinearan dari penduga fungsi mulusnya. Pendugaan Psplinedengan pendekatan model linear campuran mempunyai tiga keuntungan. Keuntunganpertama adalah P-spline dapat diduga dengan metode kemungkinan maksimum (ML) atau denganmetode kemungkinan maksimum berkendala (REML). Keuntungan kedua adalah komputasi lebihcepat karena menggunakan basis pemulus berdimensi rendah. Keuntungan ketiga adalah P-splinedapat dikembangkan untuk model dengan peubah penjelas lebih dari satu.
Masalah Overdispersi dalam Model Regresi Logistik Multinomial Annisa Lisa Nurjanah; Nusar Hajarisman; Teti Sofia Yanti
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 16, No 1 (2016)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v16i1.2278

Abstract

Model regresi logistik multinomial merupakan pengembangan dari model regresi logistik binomialdimana variabel responnya mempunyai lebih dari dua kategori (politokomus). Model ini jugamerupakan kelompok model linear terampat (generalized linear model), dimana komponen acaknyamengasumsikan bahwa distribusi dari variabel respon mengikuti distribusi multinomial. Salah satuasumsi yang harus dipenuhi dalam model regresi logistik multinomial ini adalah variabel responnyamerupakan variabel acak yang saling bebas dan kategorinya bersifat mutually exclusive. Apabilaasumsi ini dilanggar maka akan muncul masalah yang dikenal dengan masalah overdispersi.Konsekuensi dari adanya masalah overdispersi dalam data akan menghasilkan suatu model yangtidak valid. Salah satu cara untuk mengatasi masalah overdispersi dalam model regresi logistikmultinomial yang akan dibahas dalam makalah ini adalah mengadopsi apa yang dilakukan olehMcCullagh dan Nelder (1989) dengan mengkoreksi matriks varians kovariansnya. Model regresilogistik multinomial ini kemudian akan diaplikasikan untuk mengetahui pengaruh dari jenis kelamindan perilaku merokok orang tua terhadap perilaku merokok mahasiswa Unisba. Dari model regresilogistik multinomial biasa dan dengan model regresi logistik multinomial terkoreksi dapat disimpulkanbahwa variabel-variabel prediktor yang dianggap berarti dalam kedua pemodelan tersebut berbeda.Perbedaan lainnya terdapat pada nilai galat baku model regresi logistik multinomial biasa lebih kecildari yang seharusnya dengan kata lain underestimate dibandingkan dengan model regresi logistikmultinomial terkoreksi, dan selang kepercayaan untuk rasio odds menjadi pendek dibandingkandengan model regresi logistik multinomial terkoreksi.
ESTIMASI KERNEL FUNFSI INTENSITAS KEMUNCULAN GEMPA Ocke Kurniandi; Sutawanir Darwis
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 3, No 1 (2003)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v3i1.553

Abstract

Topik yang dibahas dalam tulisan ini adalah estimasi kernel untuk fungsi intensitas kemunculan gempa bumi dilingkungan sekitar pulau Jawa. Kemunculan gempa dapat dimodelkan sebagai proses Poisson spasial-waktu inhomogen dalamtulisan ini dibatasi pada masalah kemunculan gempa bumi dengan intensitas kekuatan gempa lebih dari 4 skala righter padadaerah domain suatu himpunan kompak di R2 (longitude dan Latitude). Estimasi kernel di R2 ini menghasilkan suatu peta konturintensitas kemunculan gempa yang berguna untuk prediksi daerah gempa.
Parameter Quantile-like dalam Pendugaan Area Kecil Melalui Pendekatan Penalized- Splines Kusman Sadik
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 8, No 1 (2008)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v8i1.972

Abstract

Pada beberapa tahun terakhir ini, para statistisi mulai mengembangkan metodologi yang berkaitandengan pendugaan untuk daerah atau domain survei yang memiliki sampel kecil atau bahkan tidakmemiliki sampel satupun. Data yang diperoleh melalui teknik survei yang tepat akan sangat efektifdan memiliki sifat reliabilitas untuk menduga total atau rataan peubah tertentu. Sifat penduga yangdemikian dapat dicapai apabila data sampel dari survei mencakup daerah atau domain yang besar.Misalnya, beberapa survei ekonomi yang dilakukan di Indonesia berskala nasional. Pada survei yangdemikian banyaknya sampel rumah tangga untuk tiap kecamatan dalam suatu kabupaten sangatkecil (small area). Bahkan bisa terjadi suatu kecamatan tertentu tidak terpilih sebagai daerah surveisehingga sampel rumah tangga dari kecamatan tersebut tidak ada. Persoalannya adalah bagaimanamenduga parameter, misalnya tingkat kemiskinan di level kecamatan tersebut sementara sampelnyasangat kecil. Salah satu metode yang banyak dikembangkan untuk pendugaan area kecil (small areaestimation / SAE) adalah model yang berbasis pada generalized linear mixed model (GLMM).Beberapa pendekatan lain saat ini mulai didiskusikan oleh para statistisi di dunia. Salah satumetode alternatif tersebut adalah pemodelan yang didasarkan pada kuantil yang dikenal dengan MquantileP-splines. Aspek penting dari metode ini adalah adanya sifat tegar (robust) terhadappencilan (outliers) dan bebas sebaran (distribution free).

Page 21 of 36 | Total Record : 353

 19   20   21   22   23 

Filter by Year

2001 2021


Reset
Filter By Issues
All Issue Vol 21, No 1 (2021) Vol 20, No 2 (2020) Vol 20, No 1 (2020) Vol 19, No 2 (2019) Vol 19, No 1 (2019) Vol 18, No 2 (2018) Vol 18, No 1 (2018) Vol 17, No 2 (2017) Vol 17, No 1 (2017) Vol 16, No 2 (2016) Vol 16, No 1 (2016) Vol 15, No 2 (2015) Vol 15, No 1 (2015) Vol 14, No 2 (2014) Vol 14, No 1 (2014) Vol 13, No 2 (2013) Vol 13, No 1 (2013) Vol 12, No 2 (2012) Vol 12, No 1 (2012) Vol 11, No 2 (2011) Vol 11, No 1 (2011) Vol 10, No 2 (2010) Vol 10, No 1 (2010) Vol 9, No 2 (2009) Vol 9, No 1 (2009) Vol 8, No 2 (2008) Vol 8, No 1 (2008) Vol 7, No 2 (2007) Vol 7, No 1 (2007) Vol 6, No 2 (2006) Vol 6, No 1 (2006) Vol 5, No 2 (2005) Vol 5, No 1 (2005) Vol 4, No 2 (2004) Vol 4, No 1 (2004) Vol 3, No 2 (2003) Vol 3, No 1 (2003) Vol 2, No 2 (2002) Vol 2, No 1 (2002) Vol 1, No 1 (2001) More Issue