cover
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
ISSN : 14115891     EISSN : 25992538     DOI : https://doi.org/10.29313/jstat.v19i2.4898
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.
Articles 353 Documents
Taksiran Perbedaan Resiko Pada Studi Beberapa Rumah Sakit Di Bawah Heterogenitas Baseline Resiko Aceng Komarudin Mutaqin; Riki Kurniawan
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 3, No 2 (2003)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v3i2.579

Abstract

Dalam bidang kesehatan muncul suatu permasalahan untuk menaksir parameter perbedaanresiko dari dua kelompok pasien pada beberapa Rumah Sakit (t) jika terdapat heterogenitasperbedaan resiko sepanjang rumah sakit (heterogenitas baseline resiko). Lipsitz et al. mengusulkansuatu penaksir untuk parameter t jika terdapat heterogenitas baseline resiko berdasarkan rata-ratadiboboti dari penaksir perbedaan resiko dua kelompok pasien di setiap rumah sakit. Ada kesulitanteknis dalam menggunakan penaksir ini, yaitu bobot yang digunakan tidak terdefinisi untuk kasuskasustertentu sehingga penaksir ini bias. Skripsi ini membahas metode penaksir parameter tdengan menggunakan penaksir jenis Mantel-Haenszel. Penaksir ini tidak bias dan memiliki variansyang kecil untuk ukuran sampel (banyaknya pasien) yang kecil dalam rumah sakit. Metode iniditerapkan untuk data medical record (rekam medis) dari Rumah Bersalin (RB) Al–Islam dan RBPuskesmas Padasuka yang ada di Kota Bandung pada bulan Januari sampai Desember 2003.Kondisi dari kedua RB tersebut berbeda, khususnya dalam tingkat pelayanan, alat medis yangdigunakan, dokter, perawat, dan sosial ekonomi pasien, jadi dapat dikatakan terdapat heterogenitasbaseline resiko untuk kedua RB tersebut. Hasilnya menunjukkan bahwa ada perbedaan antarakelompok ibu-ibu yang mengkonsumsi vitamin dari RB dan tidak mengkonsumsi vitamin dari RBselama masa kehamilan terhadap kenormalan berat badan bayi waktu lahir di kedua RB tersebut.Kata Kunci: perbedaan resiko, heterogenitas baseline resiko, taksiran jenis Mantel-Haenzel
Total Factor Productivity and the R & D Expenditures Anton Abdulbasah Kamil
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 9, No 2 (2009)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v9i2.995

Abstract

The total factor productivity (TFP) growth comes from improvements in the quality of labor and capitaland from other sources of technological change, many of them in the form of externalities, spillovers,representing contributions of science and innovations in other enterprises, industries and countries.Economies of scale and scope, as well as improving x-efficiency, are among the other potentialsources of total factor productivity growth. The goal of this paper is to advance the debate on thecontribution of R & D to productivity. We used the method of constructing a proxy variable for interindustrytechnology spillovers and test its statistical association with the TFP growth.
Statistical Process Control Vibrasi Bearing untuk Identifikasi Degradasi Riyani Desriawati; Sutawanir Darwis; Nusar Hajarisman; Suliadi Suliadi; Achmad Widodo
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 20, No 1 (2020)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v20i1.5298

Abstract

Statistical Process Control (SPC) is usually applied to  the production process of goods, with the aim of detecting the quality of a production item that is within or beyond the specified specifications. In this study, SPC was applied to the bearing vibration signal to detect the first observable defect on a machine that functions as part of a prognostic tool for maintenance decision making. The detection of damage and prognostic are two important aspects in machine maintenance based on current conditions or better known as Condition (data) Based Maintenance (CBM). This paper discusses the shewhart average level chart and adaptive shewhart average level chart to detect the first observable defect. The  shewhart chart is built with two assumptions, i.e. that the data must vary randomly around an established mean and follows a normal distribution. However, the adaptive Shewhart  chart there is no need for normal assumption. The exploration of our data shows that the assumption of normality is not fulfilled, so that the Shewhart average level chart is not implemented. The adaptive Shewhart  chart shows that the warning line for bearing 1 amounted to 5.547 and 3.631, for bearing 2 amounted to 5.491 and 3.635, for bearing 3 amounted to 5.762 and 3, 573, for bearing 4 of 5.604 and 33.615. The action line for bearing 1 is 6.026 and 3.152, for bearing 2 is 5.955 and 3.171, for bearing 3 is 6.309 and 3.026, for bearing 4 is 6.101 and 3.118. The first observable defect was t = 81 for bearing 1,  t = 146 for bearing 2,  t = 40 for bearing 3 and  t = 61 for bearing 4.  The adaptive Shewart chart can be used as a toll to estimate the initiation of transition state from normal to degenerate.
PERBANDINGAN PREPROCESSING METODE NN (NEURAL NETWORK) MENGGUNAKAN DISCRETE FOURIER TRANSFORM (DFT) DAN PRINCIPAL COMPONENT (PC) PADA DATA KALIBRASI Mohamad Atok; Khairil Anwar Notodiputro
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.v4i2.891

Abstract

Masalah utama dalam pemodelan data kalibrasi adalah peubah X (absorban senyawa kimia) yang berdimensi lebih besardari peubah Y (konsentrasi zat aktif) dan terjadinya kolinearitas antar peubah X. Dalam makalah ini ingin dikaji ketepatanpendugaan Gingerol (Y) metode Neural Network (NN) menggunakan preprocessing Principle Component (PC) danDiscrete Fourier Transform (DFT). Data peubah X berupa absorban senyawa Gingerol pada 1866 panjang gelombang yangdiukur menggunakan spektrometer FTIR. Peubah Y merupakan hasil pengukuran Gingerol menggunakan metode HPLC.Dari 15 pengamatan, data dibagi 3, bagian pertama dan kedua untuk pembuatan model. dan bagian ketiga untuk mengujimodel. Dengan kriteria NMRSE minimum ketepatan dugaan hasil metode PC-NN dan DFT-NN diperbandingkan. Hasilsimulasi menunjukkan bahwa metode DFT-NN relatif lebih baik daripada PC-NN.
Implementasi Model Poisson Bayes Berhirarki Dua-Level untuk Memodelkan Data Cacahan pada Masalah Pendugaan Area Kecil Nusar Hajarisman; Aceng Komarudin Mutaqin; Anneke Iswani Ahmad
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 12, No 2 (2012)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v12i2.1064

Abstract

In this paper, we address the issue of estimation of the hierarchical Bayesian models, especially forcount data in small area estimation problem. This model was developed by combining the existingterminology in generalized linear models with the concept of Bayes methods, especially hierarchicalBayes methods, such that it can be implemented to address the problem of small area estimation forsurvey data in the form of the count data. Development of this model starts by assuming that theobserved random variable is a member of the exponential family conditional on a certain parameter.The main objective of the development of this model is to make inference on these parameters are alsoconsidered as random variables. Then these parameters are modeled with the Fay-Herriot model asthe basic model of the small area estimation. Furthermore, the combination of both models will bestandardized in such a way as to represent a model within the framework of Bayes methods that willeventually form a two-level hierarchical Bayes Poisson model to solve problems in small areaestimation.
Penaksir Regresi Ridge yang Robust Terhadap Pencilan Abdul Kudus
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 2, No 1 (2002)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v2i1.489

Abstract

Analisis regresi pada data yang mempunyai gejala multikolinieritas dan mengandung pencilanmerupakan hal yang menarik. Penaksir Kuadrat Terkecil untuk parameter regresi pada data yangmempunyai dua sifat tadi mempunyai beberapa kelemahan. Hal ini menjadi dorongan untukmenemukan suatu metode penaksiran parameter regresi yang dapat mengatasi hal-hal yang tidakdiinginkan akibat adanya gejala multikolinieritas dan kehadiran pencilan. Metode regresi ridgemerupakan salah satu cara untuk mengatasi gejala multikolinieritas dan metode penaksiran robustmerupakan cara untuk mengatasi kehadiran pencilan. Kedua cara itu akan digabungkan untukmendapatkan penaksir parameter regresi yang dapat mengatasi gejala multikolinieritas dan bersifatrobust terhadap pencilan.
Pemodelan Overdispersi dalam Analisis Data BinerMelalui Model Regresi William Nusar Hajarisman
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.v5i1.914

Abstract

Dalam pemodelan data biner seringkali dijumpai suatu kasus yang disebut denganoverdispersi. Munculnya masalah overdispersi dalam pengamatan data biner dapat dijelaskan olehdua hal, yaitu: adanya keragaman dalam peluang respon dan adanya korelasi antar peubah respon.Konsekuensi dari adanya overdispersi ini adalah dapat menimbulkan kekeliruan dalam membuatsuatu kesimpulan mengenai hubungan antara respon dengan sejumlah peubah penjelasnya. Dalammakalah ini akan diusulkan suatu model yang menangani masalah overdispersi seperti yangdiungkapkan oleh William (1982).
Simulasi Tingkat Kepercayaan dari Data Berdistribusi Eksponensial Satu Parameter Tersensor Tipe-II Double Akhmad Fauzy
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 14, No 1 (2014)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v14i1.1087

Abstract

Fauzy (2014) telah melakukan studi simulasi tingkat kepercayaan dari data berdistribusieksponensial satu dan dua parameter tersensor tipe-II tunggal. Tingkat kepercayaan dari satu dandua parameter distribusi eksponensial yang dihasilkan oleh metode bootstrap persentil lebih kecildaripada metode tradisional. Pada penelitian ini dilakukan studi simulasi tingkat kepercayaan daridata berdistribusi eksponensial satu parameter tersensor tipe-II double. Hasil penelitianmenunjukkan bahwa tingkat kepercayaan yang dihasilkan oleh metode bootstrap persentil lebih kecildaripada metode tradisional.
KAJIAN METODE POLINOMIAL ORTOGONAL, DALAM MENENTUKAN MODEL REGRESI POLINOMIAL Budiono Budiono
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.v3i1.522

Abstract

Dalam mempelajari pengaruh suatu objek terhadap objek lainnya pada analisis regresi tidak selamanya membangkitkanmodel regresi tersebiut diketahui dengan tepat, terutama pada data yang pola sebarannya berbentuk kurva linier atau polinomial.Salah satu model yang digunakan untuk menentukan model yang tepat bila pola sebarannya berbentuk kurva linier ataupolinomial adalah metode polinomial ortogonal, sehingga model regresinya berbentuk regresi polinomial.Proses pembentukan model regresi polinomial tergantung pada tingkat atau derajat polinomial yang signifikan yang dapatmemberikan nilai keragaman yang dapat dijelaskan oleh variabel bebas X terhadap variabel tidak bebas Y (koefisiendeterminasi) yang besar. Model regresi polinomial dapat berbentuk linear, kuadratik, kubik, katrik, dan seterusnya.
Carta Kawalan XmR Dan Median : Satu Penyelesaian Untuk Data Pencong Norizan Mohamed; Wan Muhamad Amir Bin W Ahmad; Rinner Masli
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 7, No 1 (2007)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v7i1.948

Abstract

Carta kawalan banyak digunakan dalam kawalan mutu berstatistik. Tujuan menggunakan cartakawalan ini adalah untuk memastikan sesuatu proses berada dalam keadaan terkawal dan stabilsepanjang masa secara grafik. Carta kawalan ini terdiri daripada had-had kawalan iaitu, hadkawalan atas, had kawalan tengah dan had kawalan bawah. Untuk mengetahui sesuatu prosestersebut adalah terkawal, kesemua titik yang mewakili variasi dalam sesuatu proses berada di dalamlingkungan had atas dan had bawah. Jika terdapat titik yang terkeluar daripada had kawalan atasmahupun had kawalan bawah, maka proses tersebut dikatakan tidak terkawal dan tidak stabil.Salah satu penggunaan carta kawalan yang meluas ialah carta kawalan XmR iaitu X mewakili nilaiindividu manakala mR mewakili peralihan julat. Untuk memastikan sesuatu proses tersebut beradadalam keadaan terkawal dan stabil, anggapan kenormalan mestilah dipenuhi. Namun demikian,kebanyakan proses pengeluaran menghasilkan data yang pencong dan ini menyebabkan prosestersebut tidak terkawal dan tidak stabil. Oleh itu, satu pendekatan berdasarkan kuasa penjelmaanakan turut dibincangkan dalam kajian ini.

Page 8 of 36 | Total Record : 353