Articles
168 Documents
<![CDATA[Pemodelan Menggunakan Metode Spasial Durbin Model untuk Data Angka Putus Sekolah Usia Pendidikan Dasar ]]>
<![CDATA[Luh Putu Safitri Pratiwi]]>;
<![CDATA[Shofwan Hanief]]>;
<![CDATA[I Ketut Putu Suniantara]]>
<![CDATA[ Jurnal Varian Vol 2 No 1 (2018) ]]>
Publisher : <![CDATA[Universitas Bumigora ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30812/varian.v2i1.314
<![CDATA[Masalah anak yang putus sekolah perlu mendapatkan perhatian karena salah satu indikator yang berguna untuk mengukur kemajuan sumber daya manusia pada bidang pendidikan. Untuk menekan laju pertambahan jumlah anak putus sekolah tersebut dapat dilakukan dengan cara mengetahui faktor-faktor yang berpengaruh terhadap jumlah anak putus sekolah dan berpotensi dalam meningkatkan laju pertumbuhan anak yang putus sekolah. Pemodelan yang menggunakan pengaruh daerah (area) disebut pemodelan spasial. Ciri dari pemodelan spasial adalah adanya matriks pembobot yang merupakan penanda adanya hubungan antara suatu wilayah dengan wilayah lain. Salah satu model spasial yaitu Spasial Durbin Model (SDM). Penelitian ini bertujuan untuk mengetahui jumlah anak putus sekolah di wilayah Bali dengan menggunakan metode SDM dan ingin menetahui faktor-faktor yang mempengaruhi anak putus sekolah di wilayah Bali. Model yang didapat ialah pemodelan SDM menghasilkan nilai AICc yang lebih kecil dibandingkan pemodelan dengan OLS. Tidak adanya lag variabel independen yang signifikan menyebabkan hasil estimasi parameter menggunakan SDM menjadi tidak signifikan akan tetapi pada identifikasi nilai Moran’s I mengidentifikasikan adanya dependensi spasial pada variabel independen yang artinya ada kemiripan sifat untuk lokasi yang saling berdekatan.]]>
<![CDATA[Ketepatan Klasifikasi Penerima Beasiswa STMIK STIKOM Bali dengan Hybrid Self Organizing Maps dan Algoritma K-Mean ]]>
<![CDATA[Ni Putu Nanik Hendayanti]]>;
<![CDATA[Gusti Ayu Made Arna Putri]]>;
<![CDATA[Maulida Nurhidayati]]>
<![CDATA[ Jurnal Varian Vol 2 No 1 (2018) ]]>
Publisher : <![CDATA[Universitas Bumigora ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30812/varian.v2i1.316
<![CDATA[Data Mining adalah penemuan informasi baru dengan mencari pola atau aturan tertentu dari sejumlah data yang sangat besar. Salah satu teknik yang dikenal dalam Data Mining yaitu clustering. Pengertian clustering dalam Data Mining adalah pengelompokan sejumlah data atau objek ke dalam cluster (group) sehingga setiap di lama cluster tersebut akan berisi data yang semirip mungkin dan berbeda dengan objek dalam cluster yang lain. Salah satu metode klasifiaksi atau clustering adalah Self Organizing Maps (SOM). SOM merupakan metode artificial neural network yang digunakan untuk mengelompokkan (clustering) data berdasarkan karakteristik/fitur-fitur data. Metode pengelompokan yang menggunakan konsep jarak dan memiliki karakteristik yang hampir sama dengan SOM yaitu metode K-means. Penelitian ini bertujuan untuk mengembangkan suatu metode yang merupakan hybrid dari SOM dan K-means yang digunakan untuk menentukan ketepatan suatu klasifikasi. Sebelum diujikan pada data asli, metode hybrid SOM dan K-Means diujikan lebih dulu pada data benchmark sehingga dapat diketahui berapa persen ketepan yang dihasilkan. Kemudian dilanjutkan dengan penerapan metode hybrid SOM dan K-means pada data penerimaan beasiswa di STMIK STIKOM Bali. Penelitian ini bertujuan untuk menentukan ketepatan klasifikasi penerima beasiswa STMIK STIKOM Bali dengan metode hybrid SOM dan K-means. Hasil penelitian menunjukkan bahwa metode Kmeans dan SOM memberikan hasil yang sama yang akibatnya metode SOM-Kmeans juga memberikan hasil yang sama. Alasannya, metode SOM-Kmeans menggunakan nilai centroid dari hasil SOM, dan hasil yang diperoleh pada metode Kmean memiliki hasil yang sama dengan SOM akibatnya metode SOM-Kmeans menghasilkan hasil yang sama dengan kedua metode sebelumnya.]]>
<![CDATA[A Analisis Portofolio Investasi dengan Metode Mean Varian Dua Konstrain ]]>
<![CDATA[Gilang Primajati]]>;
<![CDATA[Ahmad Ahmad]]>
<![CDATA[ Jurnal Varian Vol 2 No 1 (2018) ]]>
Publisher : <![CDATA[Universitas Bumigora ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30812/varian.v2i1.319
<![CDATA[Dalam pembentukan portofolio efisien, banyak metode yang dapat digunakan. Tentu dengan berbagai asumsi dan keungulannya tersendiri. Pada prosesnya, asumsi investor yang wajar cenderung menghindari risiko (risk averse). Investor yang risk averse adalah investor yang jika dihadapkan pada dua investasi dengan expected return yang sama, maka ia akan memilih investasi dengan tingkat risiko yang lebih rendah. Jika seorang investor memiliki beberapa pilihan portofolio yang efisien, maka portofolio yang paling optimal-lah yang akan dipilihnya. Portofolio optimal dengan kriteria mean-variance efficient portfolio, investor hanya berinvestasi pada aset-aset berisiko saja. Investor tidak memasukkan aset bebas risiko (risk free asset) dalam portofolionya. Mean-variance efficient portfolio didefinisikan sebagai portofolio yang memiliki variansi yang minimum di antara keseluruhan kemungkinan portofolio yang dapat dibentuk, pada tingkat mean expected return yang sama. Metode mean varian dua konstrain dapat dijadikan dasar dalam penentuan bobot portofolio yang optimal yaitu dengan meminimalkan resiko return portofolio dengan dua kendala. Pada artikel ini kendala yang dimaksud disimbolkan dengan lamda dan beta. Dengan metode dua konstrain ini hasil yang diperoleh lebih detail sehingga mampu menggambarkan hasil analisa yang lebih tajam bagi seorang investor.]]>
<![CDATA[Uji Normalitas Data Omzet Bulanan Pelaku Ekonomi Mikro Desa Senggigi dengan Menggunakan Skewness dan Kurtosi ]]>
<![CDATA[Dodiy Fahmeyzan]]>;
<![CDATA[Siti Soraya]]>;
<![CDATA[Desventri Etmy]]>
<![CDATA[ Jurnal Varian Vol 2 No 1 (2018) ]]>
Publisher : <![CDATA[Universitas Bumigora ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30812/varian.v2i1.331
<![CDATA[Ekonomi adalah salah satu ilmu sosial yang mempelajari aktivitas manusia yang berhubungan dengan produksi, distribusi dan konsumsi terhadap barang dan jasa. Ekonomi mikro adalah cabang dari ilmu ekonomi yang mempelajari perilaku konsumen dari perusahaan serta penentuan harga-harga pasar dan kuantitas faktor input, barang dan jasa yang diperjual belikan. Berkaitan dengan hal tersebut peneliti mengambil judul uji normalitas omzet bulanan bagi pelaku ekonomi mikro Desa Senggigi menggunakan skewness dan kurtosis yang bertujuan untuk mengetahui penyebaran omzet bulanan pelaku ekonomi mikro Desa Senggigi. Variabel yang digunakan dalam pengujian ini adalah omzet. Metode yang digunakan dalam penelitian ini adalah skewness dan kurtosis yang dianalisis menggunakan aplikasi IBM 24, guna melihat apakah data omzet bulanan, normal atau tidaknya dan juga melihat kemencengan datanya. Dari hasil penelitian diperoleh data omzet bulanan normal, tapi belum tentu data tersebut tidak baik, karena kita bisa melihat kemencengan datanya mengarah kearah kanan positif, hal tersebut menunjukkan omzet bulanannya termasuk tinggi, hanya saja omzet bulanan yang tinggi itu tidak merata untuk semua pelaku ekonomi mikro di Senggigi.]]>
<![CDATA[Ketidaktepatan Waktu Kelulusan Mahasiswa Universitas Terbuka dengan Metode Boosting Cart ]]>
<![CDATA[Gede Suwardika]]>;
<![CDATA[I Ketut Putu Suniantara]]>;
<![CDATA[Ni Putu Nanik Hendayanti]]>
<![CDATA[ Jurnal Varian Vol 2 No 2 (2019) ]]>
Publisher : <![CDATA[Universitas Bumigora ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30812/varian.v2i2.361
<![CDATA[The classification tree method or better known as Classification and Regression Tree (CART) has capabilities in various data conditions, but CART is less stable in changing learning data which will cause major changes in the results of the classification tree prediction. Predictive accuracy of an unstable classifier can be corrected by a combination method of many single classifiers where the prediction results of each classifier are combined into the final prediction through the majority voting process for classification or average voting for regression cases. Boosting ensemble method is one method that combines many classification trees to improve stability and determine classification predictions. This research purpose to improve the stability and predictive accuracy of CART with boosting. The case used in this study is the classification of inaccuracies in the Open University student graduation. The results of the analysis show that boosting is able to improve the accuracy of the classification of the inaccuracy of student graduation which reaches a classification prediction of 75.94% which previously reached 65.41% in the classification tree.]]>
<![CDATA[Pemodelan Kemisikinan di Indonesia dengan Generalized Method Momment Arellano dan Bond ]]>
<![CDATA[Arya Fendha Ibnu Shina]]>
<![CDATA[ Jurnal Varian Vol 2 No 2 (2019) ]]>
Publisher : <![CDATA[Universitas Bumigora ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30812/varian.v2i2.363
<![CDATA[Poverty is one of the important indicators to see the success of a country's development. Every country will try optimally to reduce poverty. On the other hand poverty is one of the economic variables that is dynamic, meaning that the value of a variable is influenced by the value of other variables and also the value of the variables concerned in the past. The purpose of this study was to analyze the effect of lag from poverty indicators, GDP, Gini Index, HDI, and on poverty levels. Based on the results of the study concluded that the lag coefficients of poverty and HDI indicators significantly influence the poverty of provinces in Indonesia. In addition, if there is an increase in HDI of 1% then in the short term it will cause a decrease in poverty of 1.747% and in the long term of 2.085]]>
<![CDATA[Analisis Kestabilan dan Usaha Pemanenan Model Predator Prey Tipe Holling III dengan Keuntungan Maksimum ]]>
<![CDATA[Didiharyono Didiharyono]]>;
<![CDATA[Muh Irwan]]>
<![CDATA[ Jurnal Varian Vol 2 No 2 (2019) ]]>
Publisher : <![CDATA[Universitas Bumigora ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30812/varian.v2i2.373
<![CDATA[In this paper discussed Stability Analysis and Harvesting Effort at second Predator Prey Populations model Holling Type III with Maximum Profit. The step this research is to determine the equilibrium point, linearize the model, stability analysis of the equilibrium point, and numerical simulation. Result shows that obtained an interior point T that asymptotic stable based on Hurwitz stability test then obtained maximum profit from exploitation harvesting effort of second predator prey populations. This second populations will always exist, even though exploited with harvesting effort done by humans. Harvesting effort of second predator-prey populations given maximum profit that occur on critical points of surface profit function]]>
<![CDATA[Pemodelan Indeks Pembangunan Kesehatan Masyarakat Kabupaten/Kota di Pulau Kalimantan Menggunakan Pendekatan Regresi Probit ]]>
<![CDATA[M. Fathurahman]]>
<![CDATA[ Jurnal Varian Vol 2 No 2 (2019) ]]>
Publisher : <![CDATA[Universitas Bumigora ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30812/varian.v2i2.382
<![CDATA[The Public Health Development Index (PHDI) is a composite indicator that describes the progress of health development and is useful for ranking provinces and districts/cities in achieving successful community health development. In addition, the PHDIM can also be used to determine regional priorities that require assistance in improving health development. Based on the publication of the PHDI ranking by the Health Research and Development Agency of the Ministry of Health in 2013, the PHDI ranking for 55 districts/cities in Kalimantan Island varied greatly. So it needs to be studied, examined the factors that influence it. The purpose of this study was to examine the modeling of the factors that influence the PHDI of districts/cities in Kalimantan Island in 2013 using the probit regression approach. The results of this study indicate that the factors that significantly influence the PHDI of districts/cities in Kalimantan Island in 2013 are the human development index and the labor force participation rate.]]>
<![CDATA[Model Matematika Penyakti Diabetes Melitus ]]>
<![CDATA[muh irwan]]>;
<![CDATA[Irwan Irwan]]>;
<![CDATA[jusrawati jusrawati]]>
<![CDATA[ Jurnal Varian Vol 2 No 2 (2019) ]]>
Publisher : <![CDATA[Universitas Bumigora ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30812/varian.v2i2.385
<![CDATA[Diabetes mellitus (DM) or often known as diabetes mellitus, is a disease that can be caused by heredity, one of the factors caused by patterns of human life patterns. In the paper a model and mathematical analysis of DM disease are introduced. To simplify the analysis, the Runge Kutta method was used to complete the model. Based on the results of the analysis, it is known that the population of patients with DM disease tends to increase for a long period of time.]]>
<![CDATA[Analisis Faktor-Faktor yang Mempengaruhi Tingkat Kemiskinan Kabupaten dan Kota Provinsi Sulawesi Selatan ]]>
<![CDATA[Suryati Suryati]]>;
<![CDATA[Muhammad Syukri]]>
<![CDATA[ Jurnal Varian Vol 3 No 1 (2019) ]]>
Publisher : <![CDATA[Universitas Bumigora ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30812/varian.v3i1.436
<![CDATA[The purpose of this study is to analyze the factors that influence the poverty rates in the Regencies and Cities of South Sulawesi Province. This type of research is applied research with secondary quantitative data. The data used in this study are secondary data obtained by the Central Statistics Agency (BPS) including population data; PDRB per capita; AMH, AHH, and the poverty rates of Regencies and Cities in South Sulawesi in 2019. Based on the results of the study it can be concluded that the population, per capita GRDP, AMH and AHH simultaneously affect the poverty rates of Regencies and Cities in South Sulawesi. Whereas, partially per capita GRDP variable and AMH variable significantly influence the poverty rates of Regencies and Cities in South Sulawesi. With the coefficient of determination each variable has a contribution to the poverty rate of 57.7% and the remaining 42.3% is influenced by other indicators not yet examined. The suggestions for the improvement and development of subsequent research is by adding other variables that can affect poverty rates. With the hope that there will be efforts from all parties, especially the local government, to present superior programs, for example the UMKM development program that can reduce poverty and have an impact on people's welfare.]]>
