cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota bogor,
Jawa barat
INDONESIA
FORUM STATISTIKA DAN KOMPUTASI
Published by Institut Pertanian Bogor
ISSN : 08538115     EISSN : -     DOI : -
Core Subject : Education,
Mathematics
Forum Statistika dan Komputasi (ISSN:0853-8115) was published scientific papers in the area of statistical science and the applications. It is issued twice in a year. The papers should be research papers with, but not limited to, following topics: experimental design and analysis, survey methods and analysis, operation research, data mining, statistical modeling, computational statistics, time series and econometrics, and statistics education.
Arjuna Subject : -
Articles 5 Documents
 1 
Search results for , issue "Vol. 6 No. 1 (2001)" : 5 Documents clear
Implementing Bayesian Inference using MCMC on MINITAB Nur Iriawan
FORUM STATISTIKA DAN KOMPUTASI Vol. 6 No. 1 (2001)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Bayesian paradigm offers a conceptually simple and coherent system of statistical inference based on the simple data structure in representing uncertain knowledge by probability distribution for quantities of interest. The quantities of observed and unobserved data are then be manipulated by using laws of probability, in particular Bayes theorem, to obtain the posterior distribution of the quantity of interest. By using the pragmatic advantages of the Bayesian framework that allow to cope a very complex problems in analytic and dimension become simple in one dimension, this paper emphasize a stochastic simulation and the combination of mathematical analysis and simulation, in particular MCMC approach, as a general methods for summarizing distributions computationally.The methods of MCMC approaches with their stichastic simulation for Bayesian inference have been developed in macros of the MINITAB-based approaches. Some examples are presented to demonstrate the use of MINITAB for this Bayesian statistical inference. It is shown that for a single parameter the Package is useful for statistical computation, analysis and graphical presentation of the posterior densities. These capabilities show that the package is a suitable, a simple and an appropriate tool for implementing and teaching a computational Bayesian statistical inference using MCMC approach.Keywords: Markov Chain Monte Carlo, Bayesian methods, Rejection Sampling, Full conditional density, Marginal posterior density, MINITAB macros.
Perluasan Kueri Menggunakan Peluang Bersyarat (Query Expansion Using Conditional Probability) Julio Adisantoso
FORUM STATISTIKA DAN KOMPUTASI Vol. 6 No. 1 (2001)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Ukuran kesamaan merupakan nilai yang digunakan untuk memberikan peringkat kesesuaian dokumen berdasarkan kueri yang diberikan pengguna. Berbagai pengolahan terhadap ukuran kesamaan dilakukan agar semakin banyak dokumen relevan dapat terambil, salah satunya adalah menggunakan peluang bersyarat. Agar dokumen yang ditemukembalikan mempunyai relevansi yang tinggi, maka dapat juga dilakukan perluasan kueri dengan menambahkan istilah yang benar-benar mempunyai keterkaitan tinggi dengan istilah dalam kueri aslinya.Berdasarkan penelitian dan uji coba yang telah dilakukan terhadap sekelompok dokumen, diperoleh kesimpulan bahwa perluasan kueri berbasis peluang bersyarat mampu meningkatkan efisiensi dan nilai presisi dokumen temu kembali. Semakin tinggi peluang kemunculan istilah yang digunakan untuk memperluas kueri terhadap kemunculan istilah lainnya mengakibatkan tingkat relevansi dokumen yang dihasilkan juga semakin tinggi.
Analisis Data Longitudinal dengan Metode Regresi Berstruktur Pohon (Kasus Penyakit Kencing Manis) Hazmira Yozza; . Siswadi; Budi Suhardjo
FORUM STATISTIKA DAN KOMPUTASI Vol. 6 No. 1 (2001)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

This research aimed to analyzed longitudinal data after a tree structure regression method being applied to the data, to group some objects with the same response profile. The comparison of mean profile of all groups is also shown, as well as the comparison of each group's data with ungrouped data. The analyzed longitudinal response data are the glucose content of diabetes patients who cured in M. Jamil Hospital, Padang. Explanatory variables which assumed as the ones those have contribution to the response value are age, sex, relative body weight, kind of diabetes mellitus, complication, the recorded length of symptomps appearance and calorie content of patient's diet. The best tree of glucose content has tix terminal nodes, so that based on the glucose content profile, diabetes patient can be classified into six groups. The classification is based on the variables of kind of diabetes mellitus, age, complication, and relative body weight. The comparison applied to confidence band of glucose content mean shows that the groups have different mean glucose content. Futhermore, it is obvious that the grouped and ungrouped data have different mean of glucose content profile. It is also shown that patients who have recognized diabetes without complication and with neuropati perifer have possibility of increase of glucose content during the curing period. For other group, the treatment given gives results as expected.
Transformasi BOX-COX untuk Kenormalan Komponen Utama (Kasus Beberapa Data Pertanian) Hanny AH Komalig; . Siswadi; Budi Suhardjo; Aji Hamim Wigena
FORUM STATISTIKA DAN KOMPUTASI Vol. 6 No. 1 (2001)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Untuk memperbaiki kenormalan data peubah ganda bagi analisis komponen utama (AKU) dapat dilakukan transformasi Box-Cox. Penelitian ini bertujuan untuk menelusuri perubahan konfigurasi sebagai akibat perbaikan asumsi kenormalan beberapa komponen utama dalam AKU.Penggunaan transformasi Box-Cox dapat memperbaiki kenormalan sejumlah data yang tidak berdistribusi normal. Perbaikan kenormalan dengan transformasi Box-Cox dalam dimensi rendah cenderung merubah konfigurasi dan perubahan ini berkaitan dengan struktur data yang ada gugus data tersebut. Penggunaan transformasi Box-Cox untuk menormalkan komponen utama sangat berkaitan dengan tujuan penggunaan hasil komponen utama tersebut. Apabila tujuannya untuk inferensia mengenai struktur komponen utama, maka transformasi Box-Cox dapat digunakan untuk menormalkan komponen-komponen utama. Tetapi bila komponen utama ditujukan hanya untuk mendapatkan suatu deskripsi sederhana mengenai pengamatan-pengamatan, maka penggunaan transformasi Box-Cox tidak penting untuk dilakukan.
Metode AMMI pada Model Campuran . Suwardi; Ahmad Ansori Mattjik; Budi Susetyo
FORUM STATISTIKA DAN KOMPUTASI Vol. 6 No. 1 (2001)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Metode AMMI (Additive Main Effects and Multiplicative Interaction) adalah suatu metode analisis yang menggabungkan pengaruh utama aditif pada analisis ragam dengan penguraian bilinear pengaruh interaksi ganda. Dalam berbagai penelitian agronomi metode ini mampu menjelaskan lebih efektif pengaruh dan pola struktur interaksi antara genotip dengan lingkungan. Metode AMMI dapat diterapkan pada model campuran jika pengaruh acak pada faktor interaksi dipandang sebagai pengaruh tetap. Sebagai ilustrasi penerapan, penelitian ini menggunakan data produksi padi gogo (ton per hektar) dari hasil percobaan multi lingkungan.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2001 2001


Reset
Filter By Issues
All Issue Vol. 20 No. 2 (2015) Vol. 18 No. 1 (2013) Vol. 17 No. 2 (2012) Vol. 17 No. 1 (2012) Vol. 16 No. 2 (2011) Vol. 16 No. 1 (2011) Vol. 15 No. 2 (2010) Vol. 15 No. 1 (2010) Vol. 14 No. 2 (2009) Vol. 14 No. 1 (2009) Vol. 13 No. 1 (2008) Vol. 12 No. 2 (2007) Vol. 12 No. 1 (2007) Vol. 11 No. 2 (2006) Vol. 11 No. 1 (2006) Vol. 10 No. 2 (2005) Vol. 10 No. 1 (2005) Vol. 9 No. 2 (2004) Vol. 8 No. 2 (2003) Vol. 8 No. 1 (2003) Vol. 7 No. 2 (2002) Vol. 6 No. 2 (2001) Vol. 6 No. 1 (2001) More Issue