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 8 Documents

Search results for , issue "Vol 5, No 2 (2017): Jurnal Statistika" : 8 Documents clear

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TENGAH MENGGUNAKAN REGRESI GENERALIZED POISSON DAN BINOMIAL NEGATIF Alan Prahutama; Sudarno Sudarno; Suparti Suparti; Moch. Abdul Mukid
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 5, No 2 (2017): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Angka Kematian Bayi (AKB) adalah banyaknya kematian bayi berusia dibawah satutahun, per 1000 kelahiran hidup pada satu tahun tertentu. Banyak faktor-faktor yangmempengaruhi angka kematian bayi antara lain karakteristik orang tua dam faktorlingkungan. Pada penelitian ini mengkaji faktor-faktor lingkungan yang mempengaruhiangka kematian bayi. Metode yang digunakan adalah pemodelan regresi poisson,generalized poisson dan binomial negatif. Regresi generalized poisson dan binomialnegatif digunakan untuk mengatasi overdispesi dalam regresi Poisson. Pada pemodelan AKB dengan regresi poisson terjadi overdispersi sebesar 15.919. Variabel yang signifikan untuk pemodelan AKB menggunakan ketiga metode antara lain jumlah sarana kesehatan (RS dan Puskesmas) (X1); prosentase berperilaku hidup bersih dan sehat (X6); rata-rata lama pemberian ASI (X9). Model terbaik adalah binomial negatif dengan nilai AIC sebesar 375.7. Kata kunci: Angka Kematian Bayi, Regresi Poisson, Generalized Poisson, BinomialNegatif

PEMODELAN RISIKO KEJADIAN DIABETES MELLITUS DAN HIPERTENSI BERDASARKAN REGRESI LOGISTIK BIRESPON Marisa Rifada; Nur Chamidah; Sely Novika Norrachma
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 5, No 2 (2017): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Diabetes dan hipertensi merupakan penyakit yang berhubungan erat. Mereka seringterjadi bersama-sama sehingga dianggap sebagai “komorbiditas” (penyakit yangmungkin ada pada pasien yang sama). Penderita hipertensi dapat mempunyai risikoterkena diabetes. Demikian pula sebaliknya, risiko hipertensi juga dapat dialami oleh penderita diabetes. Untuk melihat seberapa besar pengaruh faktor-faktor yang secara signifikan mempengaruhi peluang kejadian sesorang terkena suatu penyakit akan lebih bermanfaat apabila dirumuskan dalam bentuk matematis. Salah satu analisis statistik yang dapat menggambarkan kejadian tersebut adalah analisis regresi logistik birespon yang merupakan pengembangan dari regresi logistik jika terdapat dua variabel respon biner dengan asumsi ada hubungan yang signifikan antar variabel respon. Berdasarkan analisis data secara deskriptif, diabetes dan hipertensi lebih banyak terjadi pada laki-laki dibandingkan perempuan, serta paling banyak terjadi pada usia 55-64 tahun. Responden yang memiliki Body Mass Index (BMI) > 30 Kg/ m2 cenderung terkena Diabetes.Sedangkan responden yang terkena Hipertensi memiliki BMI antara 25 – 30 Kg/ m. Dalam penelitian ini diperoleh nilai odds ratio () sebesar 1.1454 yang artinyaterdapat dependensi antara kejadian Diabetes dengan Hipertensi. Kata Kunci: Diabetes Mellitus, Hipertensi, Regresi Logistik Biner, Odds ratio.

FUZZY SUBTRACTIVE CLUSTERING BERDASARKAN KEJADIAN BENCANA ALAM PADA KABUPATEN/KOTA DI JAWA TENGAH Diah Safitri; Rita Rahmawati; Onny Kartika Hitasari
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 5, No 2 (2017): Jurnal Statistika
Publisher : Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muham

Bencana alam adalah bencana yang diakibatkan oleh peristiwa atau serangkaianperistiwa yang disebabkan oleh alam. Provinsi Jawa Tengah terdiri dari 76kabupaten/kota, kabupaten/kota tersebut dapat dikelompokkan menjadi beberapakelompok berdasarkan frekuensi terjadinya bencana, yang mana masing-masingkelompok mempunyai karakteristik yang berbeda berdasarkan kejadian bencana alam.Metode untuk mengelompokkan yang digunakan dalam penelitian ini adalah FuzzySubtractive Clustering yang merupakan metode dalam fuzzy. Dari penelitian ini dapatdisimpulkan bahwa cluster dengan jari-jari 0,92 – 0,94 merupakan jumlah cluster yangterbaik yang digunakan dalam permasalahan ini. Pada jari-jari (r) antara 0,92 – 0,94diperoleh kesamaan kecenderungan data yang masuk pada setiap cluster, maka clusteryang terbentuk dengan r = 0,92 sampai 0,94 adalah sebagai berikut, cluster 1 terdapat14 Kabupaten/Kota, cluster 2 terdapat 7 Kabupaten/Kota, cluster 3 terdapat 7Kabupaten/Kota, cluster 4 terdapat 5 Kabupaten/Kota, dan Cluster 5 terdapat 2 Kabupaten/Kota.Kata Kunci: bencana alam, fuzzy subtractive clustering

MODEL ANTREAN KONTINU (STUDI KASUS DI GERBANG TOL BANYUMANIK) Sugito Sugito; Alan Prahutama; Rukun Santoso; Jenesia Kusuma Wardhani
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 5, No 2 (2017): Jurnal Statistika
Publisher : Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muham

Mengantri merupakan salah satu fenomena yang sering terjadi dalam kehidupan seharihari. Mengantri juga terjadi di ruas jalan tol terutama pada waktu sibuk. Sistempengumpulan tol elektronik atau Electronic Toll Collection (ETC) merupakan sistemterbaru dari gerbang tol Banyumanik yang mulai beroperasi pada tahun 2014. SebelumETC, pengguna gerbang tol Banyumanik mendapat layanan reguler, yaitu membayarbiaya tol secara tunai. Keuntungan ETC lebih banyak daripada penggunaan gardureguler, namun pengguna ETC masih sedikit dibanding dengan pengguna gardu reguler.Untuk mengetahui efektifitas pelayanan gardu digunakan analisis sistem antrean. Datayang digunakan adalah data waktu kedatangan dan waktu pelayanan kendaraan.Berdasarkan hasil analisis model antrean gardu reguler arah Ungaran-Semarang, modelantrean gardu tol otomatis arah Ungaran-Semarang, model antrean untuk arahSemarang-Ungaran gardu regular, dan model antrean pada gardu otomatis adalah(G/G/3):(GD/∞/∞). Kata Kunci: Teori antrean, Simulasi antrean, Gardu tol reguler, Gardu tol otomatis.

SMOOTH SUPPORT VECTOR MACHINE (SSVM) UNTUK PENGKLASIFIKASIAN INDEKS PEMBANGUNAN MANUSIA KABUPATEN/KOTA SE-INDONESIA Fatkhurokhman Fauzi; Moh. Yamin Darsyah; Tiani Wahyu Utami
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 5, No 2 (2017): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Indeks Pembangunan Manusia (IPM) adalah mengukur capaian pembangunan manusia berbasis sejumlah komponen dasar kualitas hidup. Indeks pembangunan manusia dikatakan rendah jika IPM kurang dari 60, IPM sedang antara 60 sampai kurang dari 70,IPM tinggi antara 70 sampai kurang dari 80, dan sama dengan 80 dan lebih dari 80 tergolong IPM tinggi. Smooth Support Vector Machine (SSVM) merupakan teknik pengklasifikasian yang tergolong baru. Algoritma yang digunakan adalah Newton Armijo dengan pendekatan kernel linier, polynomial, dan Radial Basis Function (RBF). Hasil klasifikasi indeks pembangunan manusia dengan metode SSVM dengan kernel linier menunjukan keakuratan prediksi sebesar 84.77%, kernel polynomial 61.65%, dan kernel RBF sebesar 100%. Dengan jumlah klasifikasi 440 kabupaten/ kota untuk kernel linier,kernel polynomial 320, dan kernel RBF 519 kabupaten/kota yang dibagi menjadi 4 klasifikasi menurut BPS. Dari ketiga kernel yang digunakan kernel Radial Basis Function (RBF) merupakan kernel yang paling akurat dalam memperdiksi serta IPM.Kata kunci: Indeks Pembangunan Manusia, Smooth Support Vector Machine (SSVM), kernel, akurasi, klasifikasi

APLIKASI REGRESI NONPARAMETRIK DERET FOURIER PADA DATA HIGH WATER LEVEL (HWL) KOTA SEMARANG Tiani Wahyu Utami; Indah Manfaati Nur
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 5, No 2 (2017): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Salah satu pendekatan regresi nonparametrik adalah dengan pendekatan DeretFourier. Pola data yang sesuai dengan pendekatan Deret Fourier adalah pola databerulang (fluktuatif), yaitu pengulangan nilai variabel dependen untuk variabelindependen yang berbeda-beda. Data pasang air laut menunjukkan pola sebaran data yang periodik atau fluktuatif. Oleh karena itu aplikasi regresi nonparametrik Deret Fourier dapat diterapkan pada data pasang air laut (High Water Level). Di Kota Semarang bagian utara sering terjadi banjir Rob akibat dari pasang air laut. Dampak dari banjir rob salah satunya adalah dapat mengganggu aktifitas perekonomian di kota Semarang, khususnya di kawasan industri. Penerapan data HWL dengan pendekatan deret fourier, terlebih dahulu dilakukan penentukan nilai K optimal, berdasakan hasil penentuan K optimal dengan metode GCV diperoleh K=276. Hasil aplikasi pada data HWL Kota Semarang dengan pendekatan regresi Nonparametrik Deret Fourier didapatkan R2 sebesar 94% dan MSE=10,31. Hasil maksimum data HWL atau dapatdikatakan mengalami pasang maksimal terjadi pada tanggal 21 November 2016. Kata kunci: Deret Fourier, GCV, HWL

ESTIMASI MODEL SIMULTAN SPASIAL PERTUMBUHAN EKONOMI JAWA TIMUR Firda Fadri
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 5, No 2 (2017): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Model ekonometri spasial digunakan untuk menganalisa adanya efek spasial baikberupa spatial dependence maupun spatial heterogeneity. Jika variabel endogen yang mengandung lag yang saling berkorelasi errornya maka disebut model spatialautoregressive dengan autoregressive disturbance (SARAR). Untuk mendapatkan estimator dari model digunakan pendekatan two step generalized method of moments (2SGMM). Metode ini diterapkan untuk mengestimasi model simultan spasial pertumbuhan ekonomi di Jawa Timur. Hasil estimasi menunjukkan nilai moran’s I yang signifikan, sehingga terdapat dependensi spasial yaitu pertumbuhan ekonomi di suatu wilayah dipengaruhi oleh pertumbuhan ekonomi di wilayah sekitarnya. Variabelvariabel yang signifikan adalah jumlah penduduk kerja dipengaruhi jumlah penduduk, persentase penduduk berpendidikan SMA-Sarjana, dan upah minimum. Total investasi dipengaruhi oleh PAD sedangkan pendapatan rumah tangga dipengaruhi oleh IPM, persentase pengangguran dan belanja pemerintah daerah serta total investasi. Kata kunci : Generalized method of moments (GMM), Persamaan simultan spasial, Pertumbuhan Ekonomi.

AUTOKORELASI SPASIAL UNTUK PEMETAAN KARAKTERISTIK INDEKS PEMBANGUNAN KESEHATAN MASYARAKAT (IPKM) PADA KABUPATEN/KOTA DI JAWA TIMUR Gangga Anuraga; Edy Sulistiyawan
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 5, No 2 (2017): Jurnal Statistika
Publisher : Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muham

Indeks Pembangunan Kesehatan Masyarakat (IPKM) merupakan kumpulan indikator kesehatan yang dapat dengan mudah dan langsung diukur untuk menggambarkan masalah kesehatan suatu daerah. Beberapa penelitian seringkali ditemukan keterlibatan aspek kewilayahan (spasial) dalam suatu variabel, sehingga dalam pengembangannya perlu dipertimbangkan aspek spasial tersebut. Penelitian ini menggunakan Moran’s I dan Local Moran’s I (LISA) untuk mengetahui pola spasial dan asosiasi spasial pada data IPKM 2013 di 38 Kabupaten/Kota Jawa Timur. Hasil analisis Moran’s I didapatkan IPKM (Y), Indeks Kesehatan Balita (X1), Indeks Kesehatan Reproduksi (X2), Indeks Perilaku Kesehatan (X4), Indeks Penyakit Tidak Menular (X5), Indeks Penyakit Menular (X6) dan Indeks Kesehatan Lingkungan (X7) lebih kecil dari α = 0,05, artinya ada autokorelasi antar lokasi secara keseluruhan. Indikator kesehatan Indeks Pelayanan Kesehatan (X3) tidak signifikan atau tidak terjadi autokorelasi spasial antar lokasi karena probabilitas atau p_value Moran’s I lebih besar dari α = 0,05. Hasil analisis LISA untuk indikator kesehatan Indeks Penyakit Menular (X6), kabupaten/kota yang mengelompok dan memiliki karakteristik Indeks Penyakit Menular (X6) tinggiatau terletak pada kuadran High-High,kabupaten nganjuk, kabupaten madiun, kabupaten magetan, kabupaten ponorogo, kabupaten trenggalek, kabupaten tulungagung dan kabupaten pacitan. Sedangkan kabupaten/kota yang mengelompok atau terletak pada kuadran Low-Low adalah kabupaten pamekasan dan kabupaten sumenep, kabupaten probolinggo. Kata Kunci: Asosiasi Spasial, IPKM, Local Moran’s I, Moran’s I, Pola Spasial

Page 1 of 1 | Total Record : 8

Filter by Year

2017 2017

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 Universitas Muhammadiyah Semarang Vol 2, No 1 (2014): Jurnal Statistika 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

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

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