cover
Article Per Year (5 Year)
All
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
Jurnal Statistika Universitas Muhammadiyah Semarang
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 200 Documents
 10   11   12   13   14 
PENERAPAN METODE WEIGHTED PRODUCT (WP) DAN ELIMINATION ET CHOIX TRANDUISANT LA REALITÉ (ELECTRE) DENGAN PEMBOBOTAN ENTROPY MENGGUNAKAN GUI MATLAB Eko Adyan Sukanianto; Sugito Sugito; Rita Rahmawati
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 7, No 1 (2019): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jsunimus.7.1.2019.%p

Abstract

Arena of Valor (AOV) adalah mobile game yang diterbitkan oleh Garena di Indonesia. Lima pemain dari setiap tim masing-masing memilih hero yang akan dimainkan dalam permainan.  Dengan memilih hero terkuat dari masing-masing role dapat memudahkan tim dalam menyusun strategi komposisi hero yang akan dipakai untuk meraih kemenangan. Pembobotan masing-masing kriteria dan pemilihan hero terkuat juga menjadi bahan pertimbangan oleh pihak pengembang untuk melakukan kontrol game agar stabil dan seimbang. Alternatif yang digunakan yaitu hero dari masing-masing role (Tank, Warrior, Assassin, Mage, Archer dan Support), sedangkan kriterianya adalah tingkat efek kemampuan (skill), maksimum HP (Health Points), serangan fisik, pertahanan dari serangan fisik, kecepatan pergerakan dan pemulihan HP setiap 5 detik. Dalam penelitian ini, penulis menggunakan metode WP dan ELECTRE untuk memilih hero terkuat dengan pembobotan metode Entropy. Penelitian ini menghasilkan sebuah GUI Matlab yang dapat digunakan untuk memudahkan komputasi dalam penyeleksian. Hasil dari perhitungan menunjukkan bahwa hero terkuat dalam AOV adalah Grakk (Tank), Astrid (Warrior), Ormarr (Warrior), Murad (Warrior/Assassin), Lauriel (Mage/Assassin), The Joker (Archer) dan Alice (Support). Sedangkan kriteria dengan bobot tertinggi adalah tingkat efek kemampuan.
GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) UNTUK PEMODELAN JUMLAH PENDERITA KUSTA DI JAWA TENGAH Devy Noviani; Rochdi Wasono; Indah Manfaati Nur
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 2, No 2 (2014): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (507.562 KB) | DOI: 10.26714/jsunimus.2.2.2014.%p

Abstract

Regresi poisson adalah metode statistika yang digunakan untuk menganalisa hubungan antara variabel prediktor dan variabel respon dimana variabel respon berbentuk data cacahan atau counted data dan berdistribusi poisson. Data jumlah penderita kusta adalah salah satu contoh data yang asumsinya memenuhi distribusi poisson karena merupakan peristiwa yang jarang terjadi. Dalam penelitian ini peneliti ingin memodelkan jumlah penderita kusta di Provinsi Jawa Tengah dengan menggunakan pendekatan Geographically Weighted Poisson Regression atau GWPR. Penambahan pengaruh aspek spasial diharapkan mampu menghasilkan model terbaik dengan bias kecil dan menghasilkan model yang berbeda-beda ditiap wilayah. Pada pemodelan Pembobotan fungsi kernel yang digunakan untuk penaksiran parameter yaitu pembobotan kernel klasik kernel dan bisquare kernel, dari kedua pembobotan itu akan dipilih yang terbaik yaitu yang memiliki nilai AIC paling kecil. Pemodelan jumlah penderita kusta menggunakan GWPR dengan pembobot kernel gaussian adalah model yang terbaik diantara model regresi poisson dan GWPR dengan pembobot kernel bisquare karena memiliki nilai AIC terkecil. Dari hasil pemodelan menggunakan pembobot kernel gaussian diperoleh 22 kelompok wilayah berdasarkan variabel yag signifikan. Dari 35 kabupaten dan kota ternyata persentase rumah tangga ber-PHBS dan rata-rata lama sekolah penduduk menjadi faktor yang banyak berpengaruh untuk jumlah penderita kusta di Jawa Tengah.
PERAMALAN DATA SAHAM DENGAN MODEL WINTERS Tiani Wahyu Utami; Moh. Yamin Darsyah
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 3, No 2 (2015): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (239.264 KB) | DOI: 10.26714/jsunimus.3.2.2015.%p

Abstract

Peramalan merupakan seni dan ilmu untuk memperkirakan kejadian di masa depan, sehingga hasil dari peramalan dapat digunakan oleh pemangku kebijakan dalam mengambil kebijakan strategis untuk menyelesaikan persoalan dimasa mendatang.Peramalan melibatkan analisis time series dimana urutan pengamatan berdasarkan interval waktu yang sama dan pengamatan tersebut memiliki korelasi. Model time series yang digunakan pada penelitian ini antara lain model winters yang diaplikasikan pada data saham astra internasional. Model Winters dengan kombinasi parameter alpha (level), delta (musiman) dan gamma (trend) masing-masing sebesar 0,2; 0,2 dan 0,2menghasilkan MAPE sebesar 0,007676. Model Winters digunakan untuk peramalan data (forecasting) selama 30 hari kedepan. Hasil forecasting menunjukkan tren penurunan.Kata Kunci : Model Winters, MAPE
MODEL STOKHASTIK ANTRIAN NON POISSON PADA PELAYANAN PERBANKAN Sugito -; Alan Prahutama; Budi Warsito; Moch Abdul Mukid; Nia Puspita Sari
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 5, No 1 (2017): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (66.005 KB) | DOI: 10.26714/jsunimus.5.1.2017.%p

Abstract

Suatu proses secara umum terpisahkan menjadi dua jenis yaitu proses deterministik dan proses stokhastik. Pada proses stokastik bisa digolongkan menjadi 4 macam yaitu proses stokhastik dengan waktu diskrit dan ruang state diskrit, proses stokastik dengan waktu diskrit dan ruang state kontinu, proses stokastik dengan waktu kontinu dan ruang state kontinu serta proses stokastik dengan waktu kontinu dan ruang state diskrit. Proses stokhastik dengan ruang state diskrit dan waktu kontinu merupakan model matematik yang banyak dijumpai dalam kehidupan sehari-hari. Secara matematik bentuk proses stokhastik yang seperti ini di antaranya adalah proses poisson. Dalam tulisan ini akan dibahas proses poisson antrian yaitu secara spesifik proses stokhastik antrian non poisson. Proses stokhastik antrian non poisson adalah merupakan model antrian (a,b,c)/(d,e,f) dimana notasi a dan b nya tidak berdistribusi poisson ataupun  tidak berdistribusi eksponensial. Secara spesifik  pada tulisan ini model antrian non poissonnya adalah  model antrian (M/G/c) : (GD/ dan Model antrian (G/G/c) : (GD/∞/∞). Untuk aplikasi model antrian non poisson ini diterapkan pada antrian teller di suatu bank di jawa barat. Sehingga diperoleh dua model antrian non poisson yaitu model antrian (M/G/3) : (GD/   dan model (G/G/c) : (GD/ .Kata Kunci : Stokhastik, Antrian, Non Poisson, Teller
PEMODELAN INDEKS HARGA KONSUMEN DI JAWA TENGAH DENGANMETODE GENERALIZED SPACE TIME AUTOREGRESSIVE SEEMINGLY UNRELATED REGRESSION (GSTAR-SUR) Mega Fitria Andriyani; Abdul Hoyyi; Hasbi Yasin
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 6, No 2 (2018): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (458.668 KB) | DOI: 10.26714/jsunimus.6.2.2018.%p

Abstract

The Generalized Space Time Autoregressive (GSTAR) model with Seemingly Unrelated Regression (SUR) estimation method or often called GSTAR-SUR is more efficient to be used for residual correlation than Ordinary Least Square (OLS) estimation method. The SUR estimation method utilizes residual correlation information to improve the estimated efficiency resulting in a smaller standard error. The purpose of this research is to get the GSTAR-SUR model according to Consumer Price Index (CPI) data in four regencies or cities in Central Java namely Purwokerto, Surakarta, Semarang, and Tegal. Based on the assumed white noise assumption, the smallest MAPE and RMSE averages, the best model chosen in this research is the GSTARSUR(11)I(1) model with the heavy of normalized cross-correlation with the average MAPE value of 0.4455% and RMSE value of 0.80582. The best model obtained explains that the CPI data in Purwokerto, Semarang, and Tegal not only influenced by the previous time but also influenced by the locations. Meanwhile, the CPI data in Surakarta is only influenced by the previous time, but it is not affected by other locations.   Keywords : SUR, OLS, Consumer Price Index
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

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (180.746 KB) | DOI: 10.26714/jsunimus.2.1.2014.%p

Abstract

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.
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PERTUMBUHAN EKONOMI DI PROVINSI BANTEN MENGGUNAKAN REGRESI LINIER DAN GEOGRAPHICALLY WEIGHTED REGRESSION Arief Rachman Hakim
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 8, No 1 (2020): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (764.916 KB) | DOI: 10.26714/jsunimus.8.1.2020.%p

Abstract

Economic growth in a particular area can be measured by the amount of Gross Regional Domestic Product (GRDP). Looking at the geographical location, Banten province is an area directly adjacent to Jakarta where there are many industrial sectors and there are activities in the Sunda Strait port, which is the mainland entrance between the islands of Java and Sumatra, causing economic activity to grow quite well in Banten Province. According to BPS data, economic growth in Banten Province rose by 5.59%. The increase also supports by several sectors there are agriculture, industry business and several other sectors. Linear regression method is a method commonly used to model the correlation of predictor variables and response variables. The weakness of this method is that the model produced is only one and global variable. Geographically Weighted Regression (GWR) is the development of location-weighted linear regression (spatial) based on regional characteristics so that the parameters and variables that influence will also be different for each location. The best model selected by the largest R square (R2) criterion and the smallest Akaike Information Criteria (AIC) value. The AIC value of the Linear Regression model is 47,094 and the AIC GWR value is 54,024, also the R2 GWR is 0.953 while the linear regression R2 is 0.87.
PEMODELAN GEOGRAPHICALLY WEIGHTED REGRESSION DENGAN FUNGSI KERNEL BISQUARE TERHADA FAKTOR- FAKTOR YANG MEMPENGARUHI TINGKAT KEMISKINAN DI KABUPATEN DEMAK Marlita Vebiriyana; Moh Yamin Darsyah; Indah Manfaati Nur
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 3, No 1 (2015): Jurnal Statistika
Publisher : Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muham

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (199.538 KB) | DOI: 10.26714/jsunimus.3.1.2015.%p

Abstract

Kemiskinan adalah ketidakmampuan untuk membeli barang-barang kebutuhan dasar seperti makanan, pakaian, papan dan obat-obatan. Kemiskinan merupakan salah satu permasalahan pembangunan di Indonesia. Salah satu upaya yang dilakukan untuk mengatasi tingkat kemiskinan ini adalah dengan menentukan faktor-faktor yang diduga berpengaruh terhadap kemiskinan. Keterkaitan akibat faktor lokasi tingkat kemiskinan antara suatu wilayah dengan wilayah sekitarnya diduga akan memberikan efek keragaman spasial terhadap tingkat kemiskinan di suatu wilayah. Hal tersebut dapat diatasi dengan pemodelan Geographically Weighted Regression (GWR). GWR merupakan bentuk lokal dari regresi linier dan merupakan salah satu metode spasial yang menggunakan faktor geografis sebagai variabel bebas yang dapat mempengaruhi variabel respon. Hasil penelitian menunjukkan bahwa variabel yang berpengaruh terhadap tingkat kemiskinan di Kabupaten Demak adalah kepadatan penduduk dengan nilai R2 sebesar 40,79% dengan SSE sebesar 43,976. Keterkaitan antar wilayah berpengaruh terhadap tingkat kemiskinan pada setiap kecamatan di Kabupaten Demak. Kecamatan dengan model terbaik adalah Kecamatan Karangawen dengan nilai Rsebesar 42,4%.Kata kunci : Kemiskinan, Geographically Weighted Regression, Kernel Bisquare.2
FUZZY CLUSTERING MENGGUNAKAN ALGORITHM FIREFLYFUZZY C-MEANS DENGAN JARAK MAHALANOBIS Joshua Ariel Perkasa; Robert Kurniawan
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 6, No 2 (2018): Jurnal Statistika
Publisher : Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muham

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (517.332 KB) | DOI: 10.26714/jsunimus.6.2.2018.%p

Abstract

Fuzzy C-Means (FCM) adalah salah satu teknik clustering yang cukup sering digunakan, tetapi memiliki kelemahan yaitu mudah terjebak ke dalam local optima. Hal ini dikarenakan adanya faktor pengambilan pusat cluster yang awalnya random sehingga terjadi inkonsistensi pada saat memulai FCM. Firefly Algorithm (FA) mampu mengatasi ketidak konsistenan dari FCM. Penelitian ini bertujuan untuk melihat performa dari Firely Algorithm Fuzzy C-Means (FAFCM) dengan pendekatan jarak mahalanobis dibandingkan dengan jarak euclidean. Algoritme FAFCM ini dibangun dengan 2 jenis jarak tersebut untuk mengakomodir berbagai jenis persebaran data. FAFCM memiliki performa yang lebih baik dikarenakan sebagian besar nilai iterasi dari FAFCM lebih kecil dari FCM. FAFCM Mahalanobis sendiri menunjukan nilai fungsi objektif palingminimum untuk jenis data hyperspherical sehingga dapat disimpullkan FAFCM Mahalanobis cocok untuk data hyperspherical.Kata kunci : Clustering, Fuzzy C-Means, Mahalanobis, Firefly Algorithm Optimization-Fuzzy C-Means.
PARTIAL ADJUSTMENT MODEL ON THE ANALYSIS OF FACTORS AFFECTING INDONESIA’S TOBACCO EXPORTS TO THE UNITED STATES Siti Hajar Rahmawati
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 1, No 1 (2013): Jurnal Statistika
Publisher : Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muham

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (66.239 KB) | DOI: 10.26714/jsunimus.1.1.2013.%p

Abstract

Indonesia is having big tobacco’s production and tobacco industry also the biggest industry that hiring employee from the farmer until exporter. Researcher want to investigate the export condition next years, because the tobacco policy that imposing Indonesia lowering state farmers. This research attempt to investigate about the effect of International tobacco price on the export volume, the effect of real total GDP of the United States on the export volume, the effect of exchange rate on the export volume, and the effect of previous tobacco export. The relevance economic theory that is used is demand theory and PAM (Partial Adjustment Model) is being used as analytical method. Result show that price of tobacco and the United States real total GDP has a significant and positive effect on the volume of tobacco export. Last, tobacco export at previous year has a significant and positive effect on the volume of tobacco export. From the short-run and long-run PAM regression, conclude that Indonesia’s tobacco is less important to USA because elastic in the short-run and becoming inelastic in the future. The decision of buying Indonesia’s tobacco is induce by income it will make in the long-run the product become non-necessity. It can be concluded that Indonesia cannot rely on tobacco export and Indonesia should make product diversification or country diversification.   Keywords: PAM, Indonesian tobacco, export

Page 12 of 20 | Total Record : 200

 10   11   12   13   14 

Filter by Year

2013 2025


Reset
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 Universitas Muhammadiyah Semarang Vol 9, No 2 (2021): Jurnal Statistika Vol 9, No 1 (2021): Jurnal Statistika Vol 9, No 1 (2021): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 8, No 2 (2020): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 8, No 2 (2020): Jurnal Statistika Vol 8, No 1 (2020): Jurnal Statistika Vol 8, No 1 (2020): Jurnal Statistika Universitas Muhammadiyah Semarang 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 Universitas Muhammadiyah Semarang Vol 6, No 1 (2018): Jurnal Statistika 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 Vol 1, No 1 (2013): Jurnal Statistika Universitas Muhammadiyah Semarang More Issue