Garuda - Garba Rujukan Digital

Article Per Year (5 Year)

All

Jurnal Statistika Universitas Muhammadiyah Semarang

statistik
Website

Published by Universitas Muhammadiyah Semarang

ISSN : 23383216 EISSN : 25281070 DOI : -

Core Subject : Science,

Decision Sciences, Operations Research & Management

Focus and Scope a. Statistika Teori, Statistika Komputasi, Statistika terapan b. Matematika Teori dan Aplikasi c. Design of Experiment

Arjuna Subject : Matematika - Pemodelan dan Simulasi

Articles 9 Documents

Search results for , issue "Vol 2, No 1 (2014): Jurnal Statistika" : 9 Documents clear

ANALISIS KEMENANGAN PEMILIHAN GUBERNUR (PILGUB) JAWA TENGAH 2013 DENGAN AUTOKORELASI SPASIAL Alan Prahutama
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 2, No 1 (2014): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Indonesia merupakan negara yang menganut sistem demokrasi, dimana sistem pemilihan kepala daerah dilakukan secara demokrasi. Oleh karena itu setiap calon gubernur dan wakil gubernur berlomba-lomba untuk menarik simpati masyarakat dalam pemilihan gubernur (Pilgub). Pilgub Jawa Tengah 2013 diikuti oleh 3 calon gubernur dan wakil gubernur yaitu Hadi-Don, Bibit-Sudijono, dan Ganjar-Heru. Terkadang aspek suatu wilayah pelu diperhitungkan untuk melihat karaketristik pemilih berdasarkan wilayah. Autokorelasi spasial mengkaji tentang hubungan antara lokasi yang dipengaruhi oleh lokasi disekitarnya. Metode pengujian autokorelasi spasial menggunakan metode Moran’s I, Moran’s scatterplot, dan LISA. Pada Pilgub Jawa Tengah 2013 hasil analisis indeks Moran’s dan LISA menunjukan bahwa setiap pasangan calon mempunyai autokorelasi spasial. Daerah yang mempunyai autokorelasi spasial untuk ketiga pasangan calon tersebut antara lain wilayah Wonogiri, Sukoharjo, Kota Surakarta, Klaten, Karanganyar.

METODE PCR-TOPSIS UNTUK OPTIMASI TAGUCHI MULTIRESPON Ronald John Djami; Sony Sunaryo
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 2, No 1 (2014): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Dalam bidang industri, statistika biasa digunakan dalam hal pengambilan keputusan dalam suatu masalah, salah satu metode yang digunakan dalam statistika untuk pengambilan keputusan adalah metode optimasi. Salah satu metode optimasi yang sering dipakai adalah metode Taguchi, metode ini diperkenalkan oleh Dr. Genichi Taguchi pada tahun 1940. Metode Taguchi merupakan metode yang efisien digunakan dalam off line kontrol kualitas dimana desain percobaan dikombinasikan dengan penurunan kualitas. Metode ini mencakup tiga tahap desain yaitu desain sistem, desain parameter, dan desain toleransi. Dalam dunia nyata jelas bahwa lebih dari satu karakteristik kualitas harus dipertimbangkan untuk produk industri yang paling baik, yaitu dalam sebagian besar aplikasi perhatian pelanggan adalah dengan masalah multirespon. Namun demikian, metode Taguchi tidak tepat untuk mengoptimalkan masalah multirespon karena teknik penilaian adalah prosedur optimasi utama dalam metode Taguchi. Untuk mengatasi masalah ini, peneliti mengusulkan suatu prosedur yang efektif disebut PCR-TOPSIS yang didasarkan pada kemampuan proses ratio (PCR) Technique for Order Performance by Similarity to Ideal Solution (TOPSIS) untuk mengoptimalkan masalah multirespon. Sehingga dengan metode PCR-TOPSIS, kita dapat memperoleh solusi yang terbaik dan dapat menghasilkan solusi yang memuaskan untuk masalah multirespon dalam proses pembuatan kertas pada PT. Adiprima Suraprinta yang merupakan salah satu perusahan manufaktur yang bergerak di bidang industri kertas khususnya daur ulangan kertas.

PERFORMANSI GPH TERKOREKSI TERHADAP SKIP SAMPLING PADA PROSES LONG MEMORY DAN SPURIOUS LONG MEMORY Gede Suwardika; Heri Kuswanto
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 2, No 1 (2014): Jurnal Statistika
Publisher : Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muham

Proses long memory telah diamati dalam banyak hal, seperti hidrologi, telekomunikasi, ekonomi dan keuangan. Long Memory adalah salah satu fenomena dalam time series, dimana dependensi antara kejadian masih ada dan dapat diamati untuk waktu yang lama, yang dicirikan oleh nilai difference yang tidak bulat (fractional). Parameter differencing ini biasanya diestimasi menggunakan GPH estimator. Dengan estimator ini, seringkali menghasilkan kesimpulan yang spurious untuk model-model seperti Estar, Markov switching, STOP-BREAK dan level shift. Tesis ini akan melakukan simulasi model-model tersebut dan estimasi parameter GPH terkoreksi pada proses aggregasi. Selanjutnya dilakukan pemodelan menggunakan ARFIMA dan Markov Switching pada data stock price LQ45 . Pengidentifikasian sifat Long Memory dalam suatu series data dapat dilakukan dengan aggregasi baik flow aggregation maupun stock aggregation. Dimana pada kasus ini hanya menggunakan stock aggregation. Berdasarkan hasil simulasi, stok aggregasi ini menghasilkan perilaku yang sama dalam parameternya untuk Spurious Long Memory, yaitu random, tidak memiliki trend turun atau naik jika seriesnya diaggregasi. Pemodelan dari absolut return saham dari kedua series terpilih yaitu Indosat dan Telkom, didapatkan bahwa model Markov Switching lebih baik diban-dingkan model ARFIMA. Hasil aplikasi saham menunjukkan nilai estimasi GPH untuk data teraggregasi memiliki pola yang random, dilihat dari nilai AIC terkecil berdasarkan kedua model, model ARFIMA memiliki nilai AIC terkecil, sehingga GPH standar tidak bisa digunakan untuk mendeteksi Sprurious Long Memory, dimana return saham dari kedua series adalah mengandung outlier.

ANALISIS KLASTER UNTUK PENGELOMPOKAN KABUPATEN/KOTA DI PROVINSI JAWA TENGAH BERDASARKAN INDIKATOR KESEJAHTERAAN RAKYAT Safa’at Yulianto; Kishera Hilya Hidayatullah
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 2, No 1 (2014): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Kesejahteraan rakyat selalu menjadi topik yang menarik untuk dibahas. Peningkatan kesejahteraan masyarakat merupakan sasaran utama kegiatan pembangunan yang dilaksanakan oleh setiap negara. Dalam melaksanakan program pembangunan perlu adanya identifikasi berdasarkan karakteristik tingkat kesejahteraan rakyat tiap daerah agar dalam mengambil kebijakan dan strategi pembangunan dapat tepat sasaran dan tepat guna. Tujuan dari penelitian ini adalah untuk mengetahui pengelompokan 35 kabupaten/kota di Provinsi Jawa Tengah dan mengetahui karakteristik setiap kelompok berdasarkan Indikator Kesejahteraan Rakyat Tahun 2010. Meskipun dalam penelitian ini terdapat data outlier (nilai ekstrim) yaitu Kabupaten Kudus dan Kota Surakarta, kedua data outlier tersebut tetap dipertahankan karena tidak bisa dikatakan ada kesalahan pada proses sampling maupun inputing data. Dari hasil analisis yang dilakukan, dapat diambil kesimpulan bahwa proses pengelompokan 35 kabupaten/kota di Provinsi Jawa Tengah dapat dibentuk tiga kelompok (klaster), dimana kelompok A beranggotakan 28 kabupaten/kota, kelompok B beranggotakan 2 kabupaten/kota dan kelompok C beranggotakan 5 kabupaten/kota.

MAMMOGRAPHY SCREENING PADA KANKER PAYUDARA DENGAN GENERALIZED STRUCTURED COMPONENT ANALYSIS Indah Manfaati Nur
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 2, No 1 (2014): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Kanker merupakan salah satu jenis penyakit tidak menular yang paling banyak menyebabkan kematian di seluruh dunia. Kementrian kesehatan RI (2008) mencatat bahwa Kanker Payudara dan Kanker Leher Rahim merupakan salah satu masalah utama kesehatan perempuan di dunia, terutama di negara berkembang seperti Indonesia, dan salah satu alasan semakin berkembangnya kanker tersebut disebabkan oleh rendahnya upaya deteksi dini atau screening. Pada saat ini, mammografi masih menjadi standar paling efektif untuk screening dini kanker payudara. Beberapa faktor yang digunakan untuk pemeriksaan mammografi merupakan unobserved variable, karena tidak dapat diukur secara langsung dan masing-masing memiliki indikator untuk mengukurnya. Oleh karena itu, teknik analisis yang dipilih adalah menggunakan pemodelan persamaan struktural. Generalized Structure Component Analysis (GSCA) merupakan salah salah satu pendekatan dalam Component Based Structured Analysis, yang merupakan pengembangan lebih lanjut dari pemodelan dengan menggunakan pendekatan Partial Least Square (PLS) [6]. hal ini dikarenakan GSCA menggunakan algoritma Alternating Least Square (ALS) sedangkan PLS menggunakan algoritma Fixed Point. Kegunaan GSCA adalah untuk mendapatkan model struktural yang powerfull guna tujuan prediksi. Jika model struktural dirancang tanpa mendasarkan landasan teori yang kuat dan aplikasi GSCA adalah dalam kerangka model building, model hasil analisis lebih diutamakan untuk tujuan prediksi. Tujuan pertama penelitian ini yaitu untuk menduga parameter menggunakan pendekatan GSCA dan mengetahui pengaruh antar faktor dalam variabel laten pada proses skrining mammografi menggunakan pendekatan GSCA. Hasil analisis menunjukkan bahwa nilai signifikansi parameter model terlihat bahwa hampir semua nilai loading factor signikan secara statistik, dengan taraf signifikansi 0,05 (nilai t hitung t-tabel(α/2;n-1) = 2,023), kecuali pada konstruk BIRADS C-2. Composite reliability dan AVE menunjukkan bahwa seluruh konstruk memiliki reliabilitas yang baik terlihat dari nilai composite reliability semua diatas 0,70 dan semua nilai AVE semua diatas 0,5. Selain itu masing-masing konstruk memiliki discriminant validity yang baik, terlihat nilai akar AVE lebih tinggi dari nilai korelasi antar konstruk. Pada analisis pengaruh antar faktor dalam variabel laten, terbukti bahwa variabel eksogen memiliki pengaruh signifikan terhadap variabel endogen.

ANALISIS IPM DI PULAU JAWA MENGGUNAKAN ANALISIS REGRESI KUANTIL Vendy Eka Wahyudi; Ismaini Zain
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 2, No 1 (2014): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Analisis regresi merupakan metode statistika untuk mengetahui hubungan antara variabel respon dengan variabel prediktor. Dalam analisis regresi, salah satu metode estimasi yang sering digunakan adalah OLS (Ordinary Least Square). Namun metode ini sangat rentan dipengaruhi oleh adanya pencilan. Pencilan dapat menyebabkan hasil estimasi parameter menjadi tidak stabil. Metode OLS dianggap kurang tepat untuk menganalisis sejumlah data yang tidak simetris karena nilai mean sebagai penduga bagi nilai tengah data menjadi sangat peka dengan adanya data pencilan. Selanjutnya dikembangkan metode regresi kuantil (Quantile Regression). Penduga parameter regresi kuantil diperoleh dengan meminimumkan jumlah nilai mutlak dari error. Secara umum ada beberapa kelebihan dari regresi kuantil, salah satunya adalah dapat meminimumkan pengaruh dari pencilan. Penelitian dan pengaplikasian tentang regresi kuantil banyak dilakukan diberbagai bidang oleh negara-negara di dunia. Dari ide itulah maka penelitian ini membahas tentang model regresi kuantil pada kasus IPM (Indek Pembangunan Manusia).

MODEL REGRESI NONPARAMETRIK BERDASARKAN ESTIMATOR POLINOMIAL LOKAL KERNEL PADA KASUS PERTUMBUHAN BALITA Mifta Luthfin Alfiani; Indah Manfaati Nur; Tiani Wahyu Utami
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 2, No 1 (2014): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Analisis regresi merupakan salah satu tehnik analisis data dalam statistika yang paling banyak digunakan untuk mengetahui hubungan antara variabel prediktor (X) dengan variabel responnya (Y). Dalam analisis regresi, kurva regresi dapat didekati dengan model regresi nonparametrik. Model regresi nonparametrik yang pengamatan dilakukan sebanyak n subjek yang saling independen pada waktu satu titik tertentu sehingga mengikuti struktur data cross-section. Dalam penelitian ini akan dikaji mengenai model regresi nonparametrik berdasarkan estimator polinomial lokal kernel pada pertumbuhan balita. Estimator polinomial lokal kernel dapat diperoleh dengan meminimumkan WLS (Weighted Least Square). Estimator polinomial lokal kernel sangat bergantung pada bandwidth (h) optimal. Penentuan bandwidth optimal dapat diperoleh dengan menggunakan metode GCV (Generalized Cross Validation). Selanjutnya diterapkan pada aplikasi model regresi nonparametrik berdasarkan estimator polinomial lokal kernel pada kasus pertumbuhan balita untuk menganalisis pengaruh antara berat badan dan umur. Pemodelan dilakukan pada balita laki-laki dan perempuan, pada balita laki-laki mempunyai nilai MSE =1,487844 dan koefisien determinasi (R2) =81,86%, pada balita perempuan mempunyai nilai MSE =1,388796 dan koefisien determinasi (R2) = 79,55%.

KAJIAN EFEK SPASIAL BANTUAN OPERASIONAL SEKOLAH (BOS) MENGGUNAKAN ANALISIS SPASIAL Abdul Karim; Alfiyah -
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 2, No 1 (2014): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Otonomi pendidikan pada intinya, desentralisasi penyelenggaraan pendidikan sebagai konsekuensi pelimpahan sebagian kebijakan dan tanggung jawab dari Kemdikbud pusat kepada Kemdikbud daerah. Makalah ini menggunakan pendekatan spasial, karena diduga setiap wilayah memiliki keterkaitan. Berdasarkan analisis data spasial, makalah ini dikonstruk dari model ekonometrika spasial tentang pendanaan Bantuan Operasional Sekolah (BOS) untuk mengkaji lebih lanjut investasi pemerintah dalam bidang pendidikan khususnya pendidikan di 35 Kabupaten dan Kota Provinsi Jawa Tengah. Melalui kajian ini, dapat diketahui bahwa pendanaan BOS di Provinsi Jawa Tengah memiliki keterkaitan antar wilayah.

PEMODELAN REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSION PADA REGRESI POISSON Rena Muntafiah; Rochdi Wasono; Moh. Yamin Darsyah
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 2, No 1 (2014): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Data dari Kepolisian Republik Indonesia pada tahun 2009 menunjukkan bahwa setiap 9,1 menit sekali terjadi satu kecelakaan di jalan raya. Menurut WHO Saat ini kecelakaan lalu lintas menjadi penyebab pembunuh manusia terbesar di Dunia setelah penyakit jantung dan TBC.Banyaknya korban kecelakaan lalu lintas tidak hanya mengakibatkan kerugian materiil tetapi juga kerugian fisik dan psikis.Pada kenyataannya faktor kelalaian manusia merupakan penyebab utama terjadinya kecelakaan lalu lintas. Selain faktor manusia faktor jalan seperti jalan lurus (X1), tikungan (X2), persimpangan perempatan atau pertigaan (X3), jenis aspal (X4), penerangan gelap (X5), bundaran (X6) dan jalan berlubang (X7) juga diduga menjadi penyebab terjadinya kecelakaan lalu. Kecelakaan lalu lintas dapat digambarkan sebagai peristiwa yang jarang terjadi, bersifat acak (random) dan diskrit, maka dari itu untuk meneliti kasus kecelakaan lalu lintas dapat digunakan metode Generalized Linier Model (GLM) dengan sebaran Poisson untuk menghasilkan pemodelan yang lebih baik. Pada penelitian ini digunakan metode Regresi Poisson untuk menganalisa data cacahan dengan variabel respon berdistribusi Poisson atau menyatakan kejadian yang relatif jarang terjadi dan bersifat diskrit.Tetapi pada kenyataannya, data diskrit seringkali mengalami overdispersion (dimana varians data lebih besar daripada mean). Adanya overdispersion dalam model Poisson menyebabkan nilai deviance model menjadi sangat besar.Metode Regresi Binomial Negatif dapat mengatasi overdispersi pada Regresi Poisson karena memiliki parameter dispersi (κ). Kemungkinan fungsi hubungan dalam penelitian ini menggunakan pendekatan GLM yaitu; μ=exp(β0+β1x1+ … +βkxk). Hasil dari pemodelan diatas didapatkan pemodelan interaksi antara faktor persimpangan (4/3) dengan bundaran adalah model yang memiliki nilai devians terkecil. Sehingga model terbaik pada penelitian ini adalah μ =exp(β0+β3X3+β6X6)= exp(2.9239+0.0461X3+0.0587X6).

Page 1 of 1 | Total Record : 9

Filter by Year

2014 2014

Filter By Issues

All Issue Vol 13, No 1 (2025): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 12, No 2 (2024): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 12, No 1 (2024): Jurnal Statistika Universitass Muhammadiyah Semarang Vol 11, No 2 (2023): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 11, No 1 (2023): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 10, No 2 (2022): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 10, No 1 (2022): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 9, No 2 (2021): Jurnal Statistika Vol 9, No 2 (2021): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 9, No 1 (2021): Jurnal Statistika Vol 9, No 1 (2021): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 8, No 2 (2020): Jurnal Statistika Vol 8, No 2 (2020): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 8, No 1 (2020): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 8, No 1 (2020): Jurnal Statistika Vol 7, No 2 (2019): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 7, No 2 (2019): Jurnal Statistika Vol 7, No 1 (2019): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 7, No 1 (2019): Jurnal Statistika Vol 6, No 2 (2018): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 6, No 2 (2018): Jurnal Statistika Vol 6, No 1 (2018): Jurnal Statistika Vol 6, No 1 (2018): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 5, No 2 (2017): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 5, No 2 (2017): Jurnal Statistika Vol 5, No 1 (2017): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 4, No 2 (2016): Jurnal Statistika Vol 4, No 2 (2016): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 4, No 1 (2016): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 4, No 1 (2016): Jurnal Statistika Vol 3, No 2 (2015): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 3, No 2 (2015): Jurnal Statistika Vol 3, No 1 (2015): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 3, No 1 (2015): Jurnal Statistika Vol 2, No 2 (2014): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 2, No 2 (2014): Jurnal Statistika Vol 2, No 1 (2014): Jurnal Statistika Vol 2, No 1 (2014): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 1, No 2 (2013): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 1, No 2 (2013): Jurnal Statistika Vol 1, No 1 (2013): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 1, No 1 (2013): Jurnal Statistika More Issue

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name
Tiani Wahyu Utami

Contact Email
jurnalstatistik@unimus.ac.id

Phone
+6285235004282

Journal Mail Official
jurnalstatistik@unimus.ac.id

Editorial Address
Sekretariat Jurnal Statistika Universitas Muhammadiyah Semarang Program Studi Statistika FMIPA Universitas Muhammadiyah Semarang

Location
Kota semarang,

Jawa tengah

INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name Tiani Wahyu Utami

Contact Email jurnalstatistik@unimus.ac.id

Phone +6285235004282

Journal Mail Official jurnalstatistik@unimus.ac.id

Editorial Address Sekretariat Jurnal Statistika Universitas Muhammadiyah Semarang Program Studi Statistika FMIPA Universitas Muhammadiyah Semarang

Location Kota semarang, Jawa tengah INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
Tiani Wahyu Utami

Contact Email
jurnalstatistik@unimus.ac.id

Phone
+6285235004282

Journal Mail Official
jurnalstatistik@unimus.ac.id

Editorial Address
Sekretariat Jurnal Statistika Universitas Muhammadiyah Semarang Program Studi Statistika FMIPA Universitas Muhammadiyah Semarang

Location
Kota semarang,

Jawa tengah

INDONESIA