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 119 Documents
 6   7   8   9   10 
KLASIFIKASI SKOR PROPENSITAS DALAM PENDUGAAN SELANG KEPERCAYAAN BOOTSTRAP UNTUK PERBEDAAN NILAI TENGAH DUA POPULASI . Marzuki; Asep Saefuddin; Anang Kurnia
FORUM STATISTIKA DAN KOMPUTASI Vol. 10 No. 2 (2005)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (176.122 KB)

Abstract

The comparison of mean of two populations assumes that there is no other variables influence (covariate) except the difference of the observed variable. In real data, this condition is often unfulfilled. Propensity score classification (PSC) is a method to overcome the case. In this research, we do simulation data to evaluate the method, and as the illustration we do the real data of first semester NMR of IPB postgraduate students in Statistics major. The simulation data is generated by covariates either with the same means or different ones to both groups, each with different parameter () 0,00, 0,25 and 0,50. The bootstrap confidence interval included a distribution which is built from propensity score estimations without the variance estimation.   The result shows that 95% bootstrap confidence interval with PSC method includes the parameter for the same and different covariate distribution respectively as 0,95 and 0,87. This method is suitable only when the sample sizes are larger. The illustration uses real data with covariate age, marital status, graduate (S-1) NMR and occupation as a lecturer or not, the result estimation of 95% bootstrap interval confidence to differentiate NMR of postgraduate Statistics students in IPB between those who came from the universities in Java and outside Java is between -0,13 and 0,72.   Keywords : propensity, bootstrap, covariates
PENDUGAAN PRODUKTIVITAS KENTANG DENGAN METODE KEMUNGKINAN MAKSIMUM UNTUK MODEL ACAK Hari Wijayanto; Khairil Anwar Notodiputro; Barizi .; Edi Abdurrachman
FORUM STATISTIKA DAN KOMPUTASI Vol. 10 No. 2 (2005)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (193.058 KB)

Abstract

Metode kemungkinan maksimum merupakan salah satu metode yang paling umum digunakan untuk pendugaan parameter populasi.  Dalam penerapannya pada model acak, metode kemungkinan maksimum menghadapi berbagai kendala dalam prosedur pendugaan parameter populasi terutama untuk kasus data yang tidak seimbang.  Pada tulisan ini dibahas penggunakan metode kemungkinan maksimum pada model acak untuk pendugaan produktivitas komoditas kentang.   Keywords: :      random model, maximum likelihood method, profile likelihood, backfitting algorithm, potatoe productivity
SEJARAH PERKEMBANGAN STATISTIKA DAN APLIKASINYA Sony Sunaryo; Setiawan Setiawan; Anik Djuraidah; Asep Saefuddin
FORUM STATISTIKA DAN KOMPUTASI Vol. 8 No. 1 (2003)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (209.239 KB)

Abstract

Statistika diawali sebagai ilmu untuk mengumpulkan angka (data).  Pada abad 17  statistika deskriptif mulai berkembang, begitu juga ilmu peluang yang awalnya dilahirkan dari meja judi sudah mulai muncul .  Ilmu peluang ini melandasi berkembangnya statistika induktif yang terjadi pada pertukaran abad 19 dan 20 dengan Karl Pearson sebagai pelopornya. Statistika induktif berkembang pesat setelah R. A. Fisher memperkenalkan metode Maximum Likelihood pada tahun 1922. Dengan adanya perkembangan teknologi komputer, metode eksplorasi data dan bootstrap mulai berkembang pada tahun 1970.  Metode ini sebagai awal dari analisis data tanpa model peluang yang populer dengan data driven. Seiring dengan perkembangan statistika induktif, statistika mulai diterapkan pada berbagai bidang  seperti ekonomi, industri, pertanian, sosiologi, psikologi, dan lain-lain.Di bidang ekonomi aplikasi statistika pada ekonometrika, sedangkan di bidang  industri aplikasi yang sangat terkenal adalah metode Quality Control dan metode Six-Sigma.Pada abad 21 diperkirakan metode data mining akan banyak digunakan dalam bidang terapan.  Perkembangan ini akan berpengaruh terhadap model pendidikan dan pengajaran statistika dewasa ini.Di Indonesia penggunaan statistika dipelopori dengan dibukanya  program pendidikan statistika di bawah naungan Jurusan Statistika IPB  (S1 sejak tahun 1967 dan S2 sejak tahun 1975). Peran Jurusan Statistika IPB baik lewat mata kuliah pelayanan pada jurusan lain di lingkungan IPB, maupun para lulusannya yang sudah tersebar di bergai bidang pekerjaan memberikan dampak positif bagi penggunaan statistika sebagai alat bantu analisis.Sekarang selain IPB ada  PTN  dan PTS yang telah membuka jurusan statistika. 
PERBANDINGAN KUASA UJI PENDEKATAN BIGGERS DAN SATTERTHWAITE-COCHRAN DALAM MENGANALISIS DATA HILANG PADA RANCANGAN KELOMPOK TERACAK LENGKAP Achmad Firdaus; Mustofa Usman; Netti Herawati
FORUM STATISTIKA DAN KOMPUTASI Vol. 8 No. 1 (2003)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (298.504 KB)

Abstract

This study was aimed to compare type I error in estimating missing data by Biggers and Satterhwaite-Cochran methods in  Randomized Comple Block Design.  Simulation study using Gauss software showed that type I error for Biggers approach are over estimate.  The problem  can be overcomed by Satterhwaite-Cochran approach.Keyword:  Missing data, randomized Block design, Biggers, Satterhwaite-Cochran.
ANALISIS KONJOIN: METODE FULL PROFILE DAN CBC UNTUK MENELAAH PERSEPSI MAHASISWA TERHADAP PILIHAN PEKERJAAN Hari Wijayanto; Yenni Angraini; Riana Riskinandini
FORUM STATISTIKA DAN KOMPUTASI Vol. 12 No. 1 (2007)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

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

Abstract

Tulisan ini membahas perbandingan analisis konjoin metode full profile dan metode CBC.  Metode full profile merupakan metode yang klasik dan cukup mudah diterapkan terutama dalam pembuatan disain pengumpulan dan analisis data, tetapi cukup merepotkan dalam tahap pengumpulan data.  Sedangkan Metode CBC, walaupun agak sulit dalam disain  pengumpulan dan analisis datanya tetapi pada saat pengumpulan datanya relatif lebih mudah dan dipandang lebih alamiah. Penerapan kedua metode ini dalam menelaah faktor yang paling dipertimbangkan oleh mahasiswa dalam memilih pekerjaan memberikan hasil yang relatif sama.  Faktor utama yang berpengaruh terhadap pilihan pekerjaan mahasiswa adalah besarnya gaji pertama dan kesesuaian bidang pekerjaan dengan latar belakang pendidikannya.
ANALISIS KONJOIN: METODE FULL PROFILE DAN CBC UNTUK MENELAAH PERSEPSI MAHASISWA TERHADAP PILIHAN PEKERJAAN I Made Sumertajaya; Erfiani Erfiani; Windi D.Y Putri
FORUM STATISTIKA DAN KOMPUTASI Vol. 12 No. 1 (2007)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

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

Abstract

Penggerombolan adalah proses mengelompokkan objek ke dalam kelompok-kelompok yang memiliki kemiripan. Beberapa masalah yang sering dijumpai dalam analisis gerombol yaitu skala pengukuran peubah tidak sama dan jumlah objek besar serta jumlah gerombol tidak diketahui. Salah satu pendekatan untuk menangani masalah ini tanpa mentransformasi peubah-peubah tersebut adalah dengan menggunakan metode Two Step Cluster. Penelitian ini bertujuan sebagai penerapan metode Two Step Cluster dengan menggerombolkan desa/kelurahan yang berada di Jawa Barat. Hasil penggerombolan dengan metode TwoStep Cluster, gerombol awal yang dihasilkan pada tahap pertama adalah sebanyak delapan gerombol, sedangkan gerombol optimal yang dihasilkan pada tahap dua adalah sebanyak tiga gerombol. Gerombol satu tidak dapat dikatakan sebagai suatu gerombol, karena anggota-anggota didalamnya merupakan objek-objek yang memencil ekstrim dan tidak dapat dimasukkan ke dalam gerombol lainnya. Desa/kelurahan yang termasuk gerombol dua memiliki karakteristik pedesaan. Desa/kelurahan tersebut memiliki lahan terluas, jumlah rumah tangga pertanian terbanyak, namun belum berkembang dalam bidang industri serta komunikasi dan informasi. Sehingga untuk meningkatkan potensi desa pada gerombol ini, yang harus diperhatikan adalah peubah-peubah yang tingkat perkembangannya masih rendah. Gerombol tiga memiliki karakteristik desa yang berstatus perkotaan. Desa/kelurahan pada gerombol ini memiliki jarak terdekat ke pusat kota, cukup maju dalam bidang industri, komunikasi dan informasi, namun memiliki angka pengangguran tertinggi.
ANALISIS BIPLOT STATUS KESUBURAN TANAH Muhammad Masjkur
FORUM STATISTIKA DAN KOMPUTASI Vol. 12 No. 1 (2007)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

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

Abstract

Tulisan ini mendeskripsikan status kesuburan tanah menggunakan biplot.  Data yang digunakan merupakan lokasi rencana pencetakan sawah baru di daerah Merowi, Kalimantan Barat. Data terdiri dari 17 seri tanah dan 14 sifat-sifat tanah.  Hasil telaah menunjukkan bahwa daerah tersebut dapat dikelompokkan dalam empat kelompok dengan status kesuburan relatif sama yaitu kelompok pertama terdiri dari seri Seringkong, Sekayam, Pemodis, dan Merowi dengan ciri utama pH dan basa-basa dapat ditukar relatif tinggi; kelompok kedua terdiri dari Kualadua, Sebungkuh dan Robokan dengan ciri utama kadar kalium dan bahan organik relatif tinggi; kelompok ketiga terdiri dari Semayang, Ketanan, Tanjungpinang, dan Senajam dengan ciri utama pH dan basa-basa dapat ditukar relatif rendah; kelompok keempat terdiri dari Tanjungbunga, Seke, Tunggalbhakti, Tataikuju, Potua dan Kembayan dengan ciri utama kadar kalium dan bahan organik relatif rendah.
PENGKLASIFIKASIAN KOLEKTIBILITAS NASABAH KREDIT MENGGUNAKAN METODE SIMPLE NAÏVE BAYESIAN CLASSIFIER Bagus Sartono
FORUM STATISTIKA DAN KOMPUTASI Vol. 12 No. 2 (2007)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

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

Abstract

Dalam banyak kesempatan, penyusunan model skoring untuk memprediksi klasifikasi calon nasabah dilakukan menggunakan model regresi logistik dan beberapa model lain.  Proses pengklasifikasian dapat juga dilakukan dengan menerapkan simple naive Bayesian classifier.  Meskipun menggunakan asumsi yang secara umum dilanggar oleh data dan proses komputasi yang jauh lebih sederhana, teknik ini mampu menghasilkan akurasi dugaan yang tidak mengecewakan.  Paper ini memberikan ilustrasi penggunaan simple naive bayesian classifier pada kasus prediksi klasifikasi status kolektibilitas calon nasabah dan membandingkannya dengan model regresi logistik dan generalized additive model.   Kata kunci: simple naive Bayesian classifier
PERBAIKAN METODE KRIGING BIASA (ORDINARY KRIGING) MELALUI PEMECAHAN MATRIKS C MENJADI BEBERAPA ANAK MATRIKS NON OVERLAP UNTUK MEWAKILI DRIFT PADA PEUBAH SPASIAL Muhammad Nur Aidi
FORUM STATISTIKA DAN KOMPUTASI Vol. 12 No. 1 (2007)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

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

Abstract

Persoalan dalam pendugaan spasial dengan menggunakan konsep drift sering kali menemui kendala bila kondisi permukaan yang diduga bersifat anisotropik.  Pada kondisi anisotropik kuranglah tepat apabila hanya menggunakan satu model korelogram (variogram). Dalam tulisan ini dicoba area yang diteliti dibagi menjadi beberapa partisi (4 partisi) sehingga disusun empat model variogram untuk keseluruhan area.  Dari empat partisi tersebut dicari nilai-nilai total pembobot yang layak agar fungsi penduga menjadi tak bias.  Selanjutnya dilakukan perbandingan pendugaan nilai pada titik-titik yang tidak dilakukan pengukuran antara tanpa partisi dengan partisi.  Hasil pendugaan menunjukkan bahwa nilai dugaan sama dengan nilai sebenarnya baik yang tak dipartisi maupun yang dipartisi. Akan tetapi, nilai pendugaan yang dihasilkan dari area yang dipartisi lebih baik dibandingkan tanpa partisi.
KLASIFIKASI GENOTIPE PADA DATA TIDAK LENGKAP DENGAN PENDEKATAN MODEL AMMI Ahmad Anshori Mattjik; I Made Sumertajaya; Pika Silvianti
FORUM STATISTIKA DAN KOMPUTASI Vol. 12 No. 1 (2007)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

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

Abstract

Percobaan multilokasi mempunyai peranan penting dalam perkembangbiakan tanaman dan penelitian agronomi. Kajian mengenai interaksi antara genotipe dan lingkungan diperlukan dalam penyeleksian genotipe yang akan dilepas. Metode statistika yang biasa digunakan untuk mengolah data hasil percobaan multilokasi salah satunya adalah AMMI (Additive Main effect and Multiplicative Interaction).  Metode ini menggabungkan analisis ragam  aditif bagi pengaruh utama perlakuan dengan analisis komponen utama pada pengaruh interaksinya. Pendekatan AMMI juga sangat baik digunakan untuk uji multilokasi tanpa ulangan. AMMI adalah analisis yang membutuhkan data yang lengkap. Jika ada data yang hilang, maka harus dilakukan pendugaan terhadap data tersebut. Pada kasus data tidak lengkap, diperlukan suatu metode pendugaan data untuk mempermudah analisis. Metode yang dapat  digunakan antara lain connected data dan algoritma EM-AMMI untuk menduga data yang tak lengkap.

Page 8 of 12 | Total Record : 119

 6   7   8   9   10 

Filter by Year

2001 2015


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