Parameter: Jurnal Matematika, Statistika dan Terapannya
Parameter: Jurnal Matematika, Statistika dan Terapannya is an open access journal (e-journal) published since April 2022. Parameteris published by Department of Mathematics, Faculty of Science and Mathematics, Pattimura. Parameterpublished scientific articles on various aspects related to mathematics and statistics and its application. Articles can be in the form of research results, case studies, or literature reviews.
Articles
95 Documents
<![CDATA[PENANGANAN MULTIKOLINEARITAS PADA REGRESI LINIER BERGANDA MENGGUNAKAN REGRESI LASSO (STUDI KASUS: DISTRIBUSI PRESENTASE PRODUK DOMESTIK REGIONAL BRUTO DI PROVINSI MALUKU TAHUN 1999-2021) ]]>
<![CDATA[Jamco, Juan Charles]]>;
<![CDATA[Kondolembang, Ferry]]>;
<![CDATA[Noya Van Delsen, Marlon Stivo]]>
<![CDATA[ Parameter: Jurnal Matematika, Statistika dan Terapannya Vol 2 No 2 (2023): Parameter: Jurnal Matematika, Statistika dan Terapannya ]]>
Publisher : <![CDATA[Jurusan Matematika FMIPA Universitas Pattimura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30598/parameterv2i02pp145-154
<![CDATA[Abstrak Pertumbuhan ekonomi akhir-akhir ini menjadi lebih penting karena implementasinya secara luas, konsep pertumbuhan ekonomi merupakan ukuran penilaian ekonomi suatu negara atau regional. Data pertumbuhan ekonomi dalam penelitian ini yang diukur dengan Produk Domestik Regional Bruto (PDRB) rentan terhadap masalah asumsi klasik. Salah satunya adalah tidak adanya multikolinearitas yaitu korelasi atau hubungan yang tinggi diantara variabel independen. Multikolinearitas menjadi masalah dalam analisis regresi, terutama pada Ordinary Least Square (OLS) karena menyebabkan estimasi koefisien regresi menjadi tidak efisien. Salah satu metode untuk mengatasi multikolinearitas menggunakan Least Absolute Shrinkage and Selection Operator (LASSO). LASSO adalah metode regresi berganda yang digunakan untuk shrinkage yaitu menyusutkan koefisien taksiran mendekati angka nol dan selection operator yaitu menyeleksi variabel-variabel independen sehingga menghasilkan model dengan variabel terbaik karena kendala itu, LASSO dapat mengkecilkan koefisien menuju nol atau mengaturnya dengan tepat nol sehingga dapat melakukan pemilihan variabel juga. Berdasarkan Variance Inflation Factor (VIF), terdapat korelasi yang tinggi antar variabel independen, sehingga terdapat multikolinearitas pada data pertumbuhan ekonomi Provinsi Maluku 1999-2021 jika kita menggunakan OLS. Dalam penelitian ini, LASSO mengkecilkan dua koefisien penduga variabel independen menjadi tepat nol, sehingga variabel-variabel tersebut dianggap tidak memiliki pengaruh yang signifikan terhadap model.]]>
<![CDATA[PREDIKSI CURAH HUJAN DI KOTA TUAL DENGAN MENGGUNAKAN METODE BACKPROPAGATION ]]>
<![CDATA[Anggriyani, Sheva]]>;
<![CDATA[Manuputty, Meirel]]>;
<![CDATA[Lewaherilla, Aprilia]]>;
<![CDATA[Bakarbessy, Lusye]]>
<![CDATA[ Parameter: Jurnal Matematika, Statistika dan Terapannya Vol 3 No 1 (2024): Parameter: Jurnal Matematika, Statistika dan Terapannya ]]>
Publisher : <![CDATA[Jurusan Matematika FMIPA Universitas Pattimura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30598/parameterv3i01pp01-11
<![CDATA[Cuaca merupakan perubahan keadaan udara dari seluruh fenomena yang terjadi di atmosfer bumi atau sebuah planet lain. Itulah sebabnya kondisi udara disetiap pulau bisa berbeda. Karena sudut pemanasan matahari dan kemiringan bumi. Namun dengan seiring perkembangan jaman, kemajuan ilmu pengetahuan dan teknologi dapat dilakukan pendekatan guna memprediksi perubahan cuaca yang terjadi. Curah hujan yang turun dapat diprediksi namun belum akurat 100% dengan menggunakan data curah hujan sebelumnya untuk memprediksi curah hujan yang akan datang. Dengan menggunakan salah satu cabang AI jaringan syaraf tiruan dengan metode backpropagation, diperoleh hasil analisis data pelatihan menunjukkan bahwa hasil prediksi data pelatihan tahun 2021 dengan menggunakan data tahun 2020 sama dengan data curah hujan pada tahun 2020 dengan nilai MSE = 0.01078 pada epoch ke-6. Dengan menggunakan sistem pada data pelatihan dilakukan data pengujian untuk hasil prediksi 2023 dengan menggunakan data tahun 2021 hasil tersebut sudah cukup baik dengan nilai MSE = 0.027968.]]>
<![CDATA[PENERAPAN METODE FUZZY C-MEANS UNTUK MEMPREDIKSI PERSEDIAAN OBAT ]]>
<![CDATA[SUHARDIN, ASKIN SYAFIYAH]]>;
<![CDATA[UPUY, DOMS]]>;
<![CDATA[HIARIEY, ARLENE HENNY]]>
<![CDATA[ Parameter: Jurnal Matematika, Statistika dan Terapannya Vol 2 No 2 (2023): Parameter: Jurnal Matematika, Statistika dan Terapannya ]]>
Publisher : <![CDATA[Jurusan Matematika FMIPA Universitas Pattimura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30598/parameterv2i02pp155-160
<![CDATA[Pengklasteran adalah proses pengelompokan data ke dalam klaster berdasarkan parameter tertentu sehingga objek-objek dalam sebuah klaster memiliki tingkat kemiripan yang tinggi satu sama lain dan sangat tidak mirip dengan obyek yang lain pada klaster yang berbeda. Algoritma Fuzzy C-Means termasuk salah satu teknik pengklasteran data yang mana keberadaan pada setiap titik data dalam suatu klaster ditentukan oleh derajat keanggotaan. Dari analisis menggunakan Fuzzy C-Means dengan 3 cluster diperoleh fungsi objektif sebesar 21,1896, dimana cluster pertama 13 jenis obat, kedua 4 jenis obat dan ketia 3 jenis obat.]]>
<![CDATA[ANALISA FAKTOR PENYEBAB KETERLAMBATAN PEKERJAAN BORE PILE PADA PROYEK PEMBANGUNAN SEKOLAH CITRA KASIH AMBON DENGAN METODE FAULT TREE ANALYSIS (FTA) ]]>
<![CDATA[Mohdar, Windi]]>;
<![CDATA[Serang, Rudi]]>;
<![CDATA[Titaley, Henriette D.]]>
<![CDATA[ Parameter: Jurnal Matematika, Statistika dan Terapannya Vol 3 No 1 (2024): Parameter: Jurnal Matematika, Statistika dan Terapannya ]]>
Publisher : <![CDATA[Jurusan Matematika FMIPA Universitas Pattimura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30598/parameterv3i01pp19-32
<![CDATA[Proyek Pembangunan Sekolah Citra Kasih Ambon,tidak sesuai dengan jadwal yang di rencanakan pada kontrak. Proyek direncanakan selesai dalam 67 hari kelender, dimana pekerjaan di mulai dari 9 mei dan berakhir pada tanggal 31 juli 2022. Sedangkan dalam realisasi di lapangan proyek tersebut selesai dalam 98 hari kelender, dimulai dari 9 mei dan brakhir pada tanggal 31 agustus 2022, sehinggai keterlambatan pada proyek tersebut selama 31 hari kelender. Adapun tujuan dari penilitian ini adalah mendapatkan faktor-faktor sebagai basic even yang menjadi penyebab keterlambatan pada pekerjaan bore pile proyek pembangunan Sekolah Citra Kasih Ambon,Mendapatkan probabilitas keterlambatan pekerjaan proyek pembangunan Sekolah Citra Kasih Ambon serta memperoleh faktor yang dominan penyebab keterlambatan.dengan menggunakan metode fault tree analysis (FTA). Dengan metode fault tree analysis dapat mengetahui besic dan top even serta nilai probabilitas yang paling dominan Basic event yang paling dominan dari ketiga peristiwa dengan nilai probabilitas adalah persiapan jadwal kerja dan revisi desain oleh owner ketika pekerjaan sedang berjalan dengan probabilitas = 0,137,kualitas peralatan yang buruk = 0,263,tanah lunak = 0,218. Probabilitas dari keseluruhan peristiwa penyebab keterlambatan pekerjaan bore pile pada proyek pembangunan sekolah citra kasih ambon sebesar = 0,906 maka dari itu ketiga peristiwa tersebut sangat berpengaruh besar terhadap keterlambatan pekerjaan bore pile.]]>
<![CDATA[ANALISIS KLASTER DAERAH SAMPAH MENGGUNAKAN METODE SOM, SINGLE LINKAGE DAN AVERAGE LINKAGE ]]>
<![CDATA[Heatubun, Ernesto L.]]>;
<![CDATA[Wattimena, A. Z.]]>;
<![CDATA[Batkunde, H.]]>
<![CDATA[ Parameter: Jurnal Matematika, Statistika dan Terapannya Vol 3 No 1 (2024): Parameter: Jurnal Matematika, Statistika dan Terapannya ]]>
Publisher : <![CDATA[Jurusan Matematika FMIPA Universitas Pattimura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30598/parameterv3i01pp33-48
<![CDATA[Sampah merupakan masalah lingkungan yang sering terjadi. Aktivitas masyarakat baik individu maupun kelompok tentunya akan menghasilkan sampah. Tidak hanya di darat sampah yang dibuang sembarangan akhirnya tersebar dan menumpuk di laut. Masalah sampah juga terjadi di perairan Teluk Ambon, ketika musim hujan sampah yang berada di selokan maupun sungai menghambat aliran air sehingga terjadilah banjir. Selain itu, penumpukan sampah di laut (perairan Teluk Ambon) terutama jenis plastik mengakibatkan rusaknya ekosistem laut seperti mangrove, palung, dan terumbu karang. Tujuan penelitian ini adalah memilih metode terbaik untuk mengelompokkan wilayah di Kecamatan Teluk Ambon berdasarkan jenis sampah ke dalam tingkatan sebaran sampah yaitu tinggi, sedang, dan rendah. Metode analisis yang digunakan adalah analisis clustering yaitu self organizing maps, single limkage dan average linkage. Hasil penelitiannya menunjukan bahwa metode terbaik untuk mengelompokkan wilayah di Kecamatan Teluk Ambon berdasarkan jenis sampah adalah metode Self Organizing Map (SOM) dengan nilai rasio terkecil 0,5% atau 5% dengan struktur hasil pengelompokkan metode Self Organizing Map (SOM) adalah baik.]]>
<![CDATA[Prediksi PREDIKSI TINGKAT OBESITAS MENGGUNAKAN NEURAL NETWORK: PENDEKATAN KLASIFIKASI BINER ]]>
<![CDATA[FITRIANI, DESY NUR]]>
<![CDATA[ Parameter: Jurnal Matematika, Statistika dan Terapannya Vol 3 No 1 (2024): Parameter: Jurnal Matematika, Statistika dan Terapannya ]]>
Publisher : <![CDATA[Jurusan Matematika FMIPA Universitas Pattimura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30598/parameterv3i01pp85-92
<![CDATA[Penelitian ini bertujuan untuk mengembangkan model prediktif menggunakan jaringan saraf tiruan (neural network) dalam memprediksi tingkat obesitas pada individu berdasarkan atribut terkait kebiasaan makan dan kondisi fisik dari individu negara-negara Meksiko, Peru, dan Kolombia. Pendekatan klasifikasi biner digunakan untuk membedakan antara individu yang termasuk dalam kategori obesitas dan tidak obesitas. Metode pelatihan jaringan saraf tiruan dilakukan dengan menggunakan dataset yang telah diklasifikasikan sebelumnya. Pemodelan dilakukan dengan membagi dataset menjadi data pelatihan dan data uji yaitu 70:30. Selanjutnya, jaringan saraf tiruan diadaptasi dan disesuaikan dengan fitur-fitur yang relevan dalam menentukan tingkat obesitas. Kinerja model dievaluasi menggunakan metrik evaluasi standar seperti akurasi, presisi, recall, dan F1-score. Dan mendapatkan hasil Accuracy: 0.9684, Loss: 0.1061, Presisi: 0.9669, Recall: 0.9915, dan F1-Score: 0.9791.]]>
<![CDATA[MODEL TWO-STAGE LEAST SQUARE (2SLS) UNTUK MENGANALISIS HUBUNGAN INDEKS PEMBANGUNAN MANUSIA DAN KEMISKINAN ]]>
<![CDATA[Souisa, Gilbert A.]]>;
<![CDATA[Noya, D. N.]]>;
<![CDATA[Helaha, D. A.]]>;
<![CDATA[Bakarbessy, Lusye]]>;
<![CDATA[Latupeirissa, S. J.]]>
<![CDATA[ Parameter: Jurnal Matematika, Statistika dan Terapannya Vol 3 No 1 (2024): Parameter: Jurnal Matematika, Statistika dan Terapannya ]]>
Publisher : <![CDATA[Jurusan Matematika FMIPA Universitas Pattimura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30598/parameterv3i01pp12-18
<![CDATA[Kemiskinan adalah keadaan dimana seorang individu maupun kelompok tidak mampu memenuhi kebutuhan dasarnya. Indeks pembangunan manusia (IPM) adalah suatu indicator yang mampu menggambarkan sejauh mana suatu wilayah telah menggunakan sumber daya penduduknya untuk meningkatkan mutu kehifdupan manusia wilayah atau negara tersebut. Model persamaan simultan merupakan system persamaan yang memiliki lebih dari satu persamaan dengan masing-masing variable independent, dimana penelitian in bertujuan untuk menganalisis hubungan IPM dan Kemiskinan dengan metode Two Stage Least Square (2SLS) dimana 2SLS adalah perluasan dari metode OLS yang termaksuk dalam analisis persamaan structural dimana data yang digunakan yaitu data BPS Maluku tahun 2017-2020. Hasil dari penelitian ini diperoleh bahwa variable yang berpengaruh terhadap IPM yaitu yaitu pengeluaran per-kapita, tingkat pengangguran terbuka, dan angka harapan hidup dengan koefisien determinasi 97% dan variable yang mempengaruhi Kemiskinan yaitu PDRB dengan koefisien Determinasi 67%.]]>
<![CDATA[PERBANDINGAN METODE DOUBLE EXPONENTIAL SMOOTHING DAN TRIPLE EXPONENTIAL SMOOTHING DALAM MEMPREDIKSI TINGKAT KRIMINALITAS ]]>
<![CDATA[Candio, Syaifullah Adam]]>;
<![CDATA[Hiariey, Arlene Henny]]>;
<![CDATA[Djami, Ronald John]]>
<![CDATA[ Parameter: Jurnal Matematika, Statistika dan Terapannya Vol 3 No 1 (2024): Parameter: Jurnal Matematika, Statistika dan Terapannya ]]>
Publisher : <![CDATA[Jurusan Matematika FMIPA Universitas Pattimura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30598/parameterv3i01pp49-60
<![CDATA[From 2010 to 2022, crime in Indonesia, especially Maluku Province, tends to increase compared to previous years. Considering these problems, a crime rate prediction system is needed so that the Maluku Provincial Police is able to estimate the quantity and type of crime that is likely to occur in the future. One of the prediction methods that has been used for crime prediction is Exponential Smoothing (ES). The Smoothing method is applied to obtain predictions based on time-series data. In this discussion, the author will compare the forecasting methods of Double Exponential Smoothing, and Triple Exponential Smoothing. The Double Exponential Smoothing method is suitable to be used to provide forecasting results when a data has a certain trend pattern. This Triple Exponential Smoothing method is used when there are still dominant expression elements &; seasonal conduite shown in the data. The MAPE value for the Double Exponential Smoothing method is 20.69552 and for the Triple Exponential Smoothing method is 30.48323, it can be said that the MAPE value of the Double Exponential Smoothing method is smaller than the Triple Exponential Smoothing method. So that the Double Exponential Smoothing method is more accurate than the Triple Exponential Smoothing method to predict the crime rate.]]>
<![CDATA[KLASIFIKASI STATUS KESEJAHTERAAN MASYARAKAT KABUPATEN KEPULAUAN MENTAWAI DENGAN METODE REGRESI LOGISTIK BINER DAN CLASSIFICATION AND REGRESSION TREE (CART) ]]>
<![CDATA[Sanur, Lulu Anata]]>;
<![CDATA[Haris, M Al]]>;
<![CDATA[Fauzi, Fatkhurokhman]]>
<![CDATA[ Parameter: Jurnal Matematika, Statistika dan Terapannya Vol 3 No 1 (2024): Parameter: Jurnal Matematika, Statistika dan Terapannya ]]>
Publisher : <![CDATA[Jurusan Matematika FMIPA Universitas Pattimura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30598/parameterv3i01pp71-84
<![CDATA[Kabupaten Kepulauan Mentawai merupakan salah satu daerah yang saat ini masih berstatus sebagai daerah tertinggal, ditandai dengan minimnya ketersediaan fasilitas sarana prasarana. Pembangunan infrastruktur adalah kunci utama untuk memajukan daerah Kabupaten Kepulauan Mentawai seperti adanya trans daerah sebagai penghubung antar pulau sehingga ekonomi kemasyarakatan akan turut tumbuh. Tujuan penelitian ini untuk mengetahui karakteristik atau variabel yang memiliki pengaruh pada pengkategorian status kesejahteraan rumah tangga ke dalam klasifikasi miskin dan tidak miskin. Klasifikasi adalah suatu teknik statistik yang digunakan untuk mengelompokkan data yang telah tersusun secara sistematis. Ada dua pendekatan berbeda untuk mengklasifikasi objek, yaitu metode parametrik dan metode nonparametrik. Penelitian ini memakai metode regresi logistik biner dan Classification and Regression Tree (CART) karena memiliki performasi yang baik, sehingga dalam penelitian ini akan mencoba memperoleh perbandingan nilai akurasi terbaik diantara kedua metode tersebut. Lalu hasilnya akan di evaluasi dengan nilai APER dan nilai akurasi klasifikasi. Data yang digunakan adalah hasil Susenas tahun 2022 sebanyak 326 sampel dengan data testing dan data training adalah 20% dan 80%. Dari hasil penelitian kedua metode, variabel umur, tingkat pendidikan terakhir, dan kesehatan kepala rumah tangga memiliki pengaruh signifikan terhadap model klasifikasi. Akurasi klasifikasi model regresi logistik biner mencapai 93,94% yang lebih tinggi dibandingkan dengan model klasifikasi CART yang bernilai 89,40%. Oleh karena itu, bisa ditarik kesimpulan bahwa model regresi logistik biner ialah pemilihan terbaik untuk memprediksi faktor kesejahteraan rumah tangga di Kabupaten Kepulauan Mentawai.]]>
<![CDATA[PEMODELAN REGRESI MULTIVARIAT PADA KASUS INDEKS PEMBANGUNAN MANUSIA DAN INDEKS PEMBANGUNAN GENDER ]]>
<![CDATA[Tebiary, Meliyanus]]>;
<![CDATA[Balami, Abdul Malik]]>;
<![CDATA[Loklomin, S. B.]]>;
<![CDATA[Salhuteru, R.]]>;
<![CDATA[Talakua, M. W.]]>
<![CDATA[ Parameter: Jurnal Matematika, Statistika dan Terapannya Vol 3 No 1 (2024): Parameter: Jurnal Matematika, Statistika dan Terapannya ]]>
Publisher : <![CDATA[Jurusan Matematika FMIPA Universitas Pattimura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30598/parameterv3i01pp61-70
<![CDATA[Salah satu isu yang sering dibicarakan akhir-akhir ini adalah perihal gender. Hal ini dikarenakan dalam keseharian kata gender sering disalahartikan dan segala hal yang berhubungan dengan perempuan. Di Indonesia bias gender lebih dirasakan oleh perempuan disebabkan nilai maupun norma yang berlaku dalam masyarakat telah membatasi perempuan untuk berperan aktif dalam kegiatan ekonomi, sosial-budaya, pendidikan, organisasi dan lainnya. Regresi multivariat adalah regresi yang memuat variabel respon lebih dari satu yang saling berkorelasi dengan satu atau lebih variabel prediktor. Oleh sebab itu, regresi multivariat dianggap sesuai untuk menganalisis indeks pembangunan manusia (IPM) dan indeks pembangunan gender (IPG).]]>
