cover
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
ISSN : 23383216     EISSN : 25281070     DOI : -
Core Subject : Science,
Focus and Scope a. Statistika Teori, Statistika Komputasi, Statistika terapan b. Matematika Teori dan Aplikasi c. Design of Experiment
Articles 200 Documents
PEMODELAN SPATIAL DURBIN ERROR MODEL (SDEM) PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI JAWA TENGAH Imaroh Izzatun Nisa; Abdul Karim; Rochdi Wasono
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 (158.275 KB) | DOI: 10.26714/jsunimus.5.1.2017.%p

Abstract

Indeks Pembangunan Manusia (IPM) atau Human Devlompent Index (HDI) merupakan indeks pembangunan manusia yang dipergunakan untuk pencapaian hasil daripembangunan suatu daerah atau wilayah dalam tiga dimensi dasar pembangunan yaitu lamanya hidup, pengetahuan/tingkat pendidikan dan standar hidup layak. Dalam penelitian ini dilakukan pendeskripsian Indeks Pembangunan Manusia (IPM) dan faktorfaktor yang mempengaruhinya dari sudut pandang kewilayahan dengan matriks pembobot customaize, serta pemodelan Indeks Pembangunan Manusia (IPM) dengan menggunakan spatial Durbin Error Models. Hasil penelitian menunjukan bahwa penyebaran Indek Pembangunan Manusia di Provinsi Jawa Tengah mempunyai pola yang menyebar. Berdasarkan hubungan Indeks Pembangunan (IPM) dengan variabel yangmempengaruhinya yaitu Angka Harapan Hidup (AHH), Rata-rata Lama Sekolah (RLS), Harapan Lama Sekolah (HLS), dan Pengeluaran Perkapita yang Disesuaikan (PPDS)dapat diartikan bahwa persamaan dan perbedaan karakteristik pada setiap kabupaten/kota yang berdekatan dapat menimbulkan peningkatan atau penurunan Indeks Pembangunan Manusia di Provinsi Jawa Tengah. Model yang memenuhi evaluasi model spatial econometriks yaitu model SDEM (Spatial Durbin Error Models), dan variabel yangmempunyai efek tidak langsung adalah pengeluaran erkapita yang disesuaikan artinya Indeks Pembangunan Manusia disuatu wilayah dipengaruhi oleh pengeluaran perkapitayang disesuaikan pada wilayah tersebut dan wilayah lain yang memiliki karakteristik yang sama.Kata Kunci : Indeks Pembangunan Manusia
APLIKASI METODE REGRESI NONPARAMETRIK SPLINE MULTIVARIABEL UNTUK PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN GENDER DI PROVINSI JAWA BARAT Sulistya Umie Ruhmana Sari
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 (492.328 KB) | DOI: 10.26714/jsunimus.6.2.2018.%p

Abstract

Indeks Pembangunan Gender menjadi salah satu indikator dari keberhasilan pembangunan di sebuah negara. Indeks Pembangunan Gender dapat mengukur pencapaian pembangunan kapabilitas dasar menusia di berbagai bidang kesehatan, pendidikan dan bidang ekonomi dengan mempertimbangkan aspek kesetaraan gender antara laki-laki dan perempuan. Jawa Barat merupakan salah satu provinsi di Jawa dengan kepadatan penduduk yang sangat tinggi namun justru memiliki Indeks Ketimpangan Gender yang berada di bawah rata-rata Indonesia. Oleh karena itu, perlu dilakukan sebuah analisis untuk memodelkan Indeks Pembangunan Gender di Provinsi Jawa Barat dengan faktor-faktor yang diduga mempengaruhi. Pemodelan pada penelitian ini dilakukan dengan metode nonparameterik Spline multivariabel dengan meggunakan GCV (Generalized Cross Validation) sebagai metode untuk memilih titikknot optimalnya. Hasil analisis menunjukkan bahwa variabel yang berpengaruh terhadap Indeks Pembangunan Gender di Provinsi Jawa Barat adalah Angka Harapan Hidup (X1), Harapan Lama Sekolah (X2), Rata-Rata Lama Sekolah (X3), Pengeluaran Berdasarkan Gender (X4) dan Keterlibatan Perempuan di Parlemen (X5). Model regresi nonparametrik spline yang dihasilkan mempunyai koefisien determinasi sebesar 95,18persen.  Kata kunci : Regresi Nonparametrik Spline, GCV, Indeks Pembangunan Gender
SMALL AREA ESTIMATION TERHADAP PENGELUARAN PER KAPITA DI KABUPATEN SUMENEP DENGAN PENDEKATAN NONPARAMETRIK Moh Yamin Darsyah
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 1, No 2 (2013): 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 (235.869 KB) | DOI: 10.26714/jsunimus.1.2.2013.%p

Abstract

Small Area Estimation (SAE) merupakan suatu teknik statistika untuk mendugaparameter-parameter subpopulasi yang ukuran sampel nya kecil. Teknik pendugaan ini“borrowing information” memanfaatkan data dari domain besar (seperti data sensus,data susenas) untuk menduga variabel yang menjadi perhatian pada domain yang lebihkecil yang selanjutnya dikenal pendugaan tidak langsung. Adapun  pendugaanlangsungnya tidak mampu memberikan ketelitian yang cukup bila ukuran sampel dalam  area kecil, sehingga statistik yang dihasilkan akan memiliki varian yang besar atau bahkan menghasilkan pendugaan yang bias. Pendugaan tak langsung denganpendekatan SAE Nonparametrik di gunakan untuk menduga pengeluaran per kapitapada level kecamatan di Kabupaten Sumenep. Evaluasi hasil pendugaan dilakukandengan membandingkan nilai RRMSE (Relative Root Mean Square Error) pendugalangsung dengan nilai RRMSE (Relative Root Mean Square Error) penduga tidaklangsung SAE Nonparametrik, hasil pendugaan SAE Kernel-Bootstrap memberikanhasil dugaan dengan presisi yang lebih teliti.  Kata kunci : SAE, Nonparametrik, RRMSE
ANALISIS ANTREAN DAN KINERJA SISTEM PELAYANAN GARDU TOL OTOMATIS GERBANG TOL MUKTIHARJO Erna Fransisca Angela Sihotang; Sugito Sugito; Moch. Abdul Mukid; Alan Prahutama
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 (753.046 KB) | DOI: 10.26714/jsunimus.8.1.2020.%p

Abstract

Queue process is a process related to the arrival of customers in a service facility, waiting in line queue if it cannot be served, get service and finally leaves the facility after being served. Research on the queue process can be seen directly through the queue system at the automatic toll booth Muktiharjo. Queue models and their distribution were obtained using the Sigma Magic program. The model of the vehicle queue system at the Muktiharjo Automatic Toll Gate is (GAMM/ GAMM/ 4): (GD/ ∞/ ∞). Based on the values of the queue system performance measures obtained through the MATLAB GUI program as a whole it can be concluded that the queue of vehicles at the Muktiharjo Automatic Toll Gate has a condition where the average number of vehicles estimated in the system every 15 minutes is 25,5646 vehicles. The average number of vehicles in the queue system every 15 minutes is 24,5639 vehicles. The waiting time in the system is estimated to be around 7,99332 seconds. The estimated waiting time in line is around 7,68042 seconds. The queue system has a busy opportunity of 63.2849% and the remaining 36.7106% is a chance the queue system is not busy. The simulation of the vehicle queue system at the Automatic Toll Gate of Muktiharjo Toll Gate by using ARENA is optimal with the number of service points as many as 4 automatic toll booths.
ANALISIS PENGARUH LIMBAH SUSU SAPI CAIR MT.GKSI BOYOLALI TERHADAP PERTUMBUHAN DAN HASIL TANAM TANAMAN BAWANG MERAH (Allium cepa var.ascallonicum) Edy Sulistiyawan
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 3, No 1 (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 (180.843 KB) | DOI: 10.26714/jsunimus.3.1.2015.%p

Abstract

Untuk mengurangi pencemaran lingkungan akibat pengolahan limbah yang kurangtepat dapat dilakukan pemanfaatan limbah tersebut sebagai pupuk, terutama limbahorganik yang masih banyak mengandung unsur Nitrogen, Fosfat dan Kalium fosfat.MT.GKSI Boyolali merupakan satu-satunya pabrik pengolahan susu sapi cair (cilling) yang telah melakukan uji kualitas air susu sebelum masuk ke pabrik pengolahan susu. Limbah susu yang dihasilkan berwarna putih dan apabila keberadaannya terlalu banyak tentu dapat merusak lingkungan karena dapat menimbulkan bau yang menyengat. Dalam penelitian ini dapat diketahui pengaruh limbah susu sapi cair dan kadar limbah susu sapi cair yang optimal bagi pertumbuhan dan hasil tanam tanaman bawang merah. Dari hasil pengolahan data dengan menggunakan analisis varians multivariate dapat disimpulkan bahwa konsentrasi limbah susu sapi cair yang berbeda-beda ternyata memberikan pengaruh yang berarti terhadap hasil tanam tanaman bawang merah. Dansecara univariate efek konsentrasi limbah susu sapi cair memberikan pengaruh yang berarti terhadap ketiga respon hasil tanam yaitu berat basah, berat kering dan jumlah umbi perumpun. Pengujian perbedaan rata-rata masing-masing perlakukan, dimana metode yang digunakan adalah Newman-Keuls didapatkan bahwa limbah susu sapi cair akan memberikan pengaruh yang optimal pada konsentrasi sebesar 60%. Sedangkan untuk data yang pengamatannya berdasarkan tiap minggunya, menunjukkan bahwa ada pengaruh pengamatan pada waktu yang berbeda terhadap variabel respon pertumbuhan apabila diperlakukan pada konsentrasi limbah yang berbeda-beda. Demikian pula secara univariate juga ada pengaruh pengamatan pada waktu yang berbeda pada respon tinggi tanaman dan jumlah daun apabila diperlukan pada konsentrasi yang berbeda-beda.Kata Kunci : Analisis Varians Multivarite, Limbah Susu Sapi Cair, Newman-Keuls,Tanaman Bawang Merah.
PEMODELAN KEMATIAN BALITA MALNUTRISI DENGAN PENDEKATAN ZERO-INFLATED POISSON (ZIP) REGRESSION DI PROVINSI JAWA TENGAH Prisca Shery Camelia; Indah Manfaati Nur; Moh. Yamin Darsyah
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 4, No 2 (2016): 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 (153.317 KB) | DOI: 10.26714/jsunimus.4.2.2016.%p

Abstract

Kasus balita malnutrisi di Jawa Tengah merupakan salah satu kasus yang harus diperhatikan karena dapat menyebabkan kematian pada balita jika tidak ditangani dengan serius. Jumlah kematian balita malnutrisi untuk tiap kabupaten/kota di ProvinsiJawa Tengah sebagai variabel dependen mengikuti distribusi Poisson, analisis yang dapat digunakan adalah Metode Regresi Poisson. Metode regresi Poisson memiliki asumsi bahwa data harus equidispersi, namun setelah dilakukan pengujian overdispersi terbukti bahwa terdapat kondisi overdispersi pada model regresi Poisson, dimana nilai varians lebih besar dari pada mean. Metode yang dapat digunakan pada data yangmengalami overdispersi adalah Regresi Zero-Inflated Poisson (ZIP). Pemodelan dengan regresi ZIP menghasilkan model logit yang menunjukkan bahwa jumlah kematian balita karena malnutrisi di tiap kabupaten di Provinsi Jawa Tengah yang bernilai nol dipengaruhi oleh jumlah balita yang mengalami malnutrisi, jumlah pusat kesehatan masayarakat dan rata-rata kelengkapan imunisasi. Model log Regresi ZIP menjelaskanbahwa jumlah kematian balita akan berkurang jika jumlah pelayanan kesehatan masyarakat (puskesmas) tiap kab/kota di Jawa tengah bertambah jumlahnya.Kata Kunci : Malnutrisi, Overdispersi, Regresi Poisson, Regresi Zero-Inflated Poisson
PREDIKSI HARGA MINYAK DUNIA DENGAN METODE AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE (ARFIMA) Dimas Kevin Natanael; Diah Safitri; Suparti Suparti
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 6, No 1 (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 (690.756 KB) | DOI: 10.26714/jsunimus.6.1.2018.%p

Abstract

Autoregressive Fractionally Integrated Moving Average (ARFIMA) model is a development of the ARIMA model. The advantage of the ARFIMA method is the non-integer differentiation value so that it can overcome long memory effect that cannot be solve with the usual ARIMA method. Non-integer differential values can be estimated with a binomialexpansion approach which is an infinite weighted sum of past values to solve the long memory effect that arises. Some of the advantages of using the ARFIMA model iscapable of modeling high changes in the long term (long term persistence), be able to explain longterm and short-termcorrelation structures at the same time, to provide models with simple parameters (parsimony) for data with memory long term and short term. Data of world oil price contain long memory effect, then used ARFIMA method to get the best model.The best model obtained is the ARMA([1,7]; 0) model with the differentialvalue is 0,48937, then the model can be written into ARFIMA ([1,7]; d;1).The best model chosen has an MSE value of 0,44 and a MAPE value of 3,32%. Keywords : Sea Passengers, ARIMA Box-Jenkins, Calendar Variation, ARIMAX
PRAKIRAAN SIFAT HUJAN MENGGUNAKAN METODE POHON KLASIFIKASI Dwi Haryo Ismunarti
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 1, No 1 (2013): 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 (100.069 KB) | DOI: 10.26714/jsunimus.1.1.2013.%p

Abstract

Metode pohon klasifikasi digunakan untuk menduga nilai variabel respon berjenis kategorik, sedangkan variabel bebasnya dapat berjenis kategorik, kontinu atau keduanya. Pohon dibentuk menggunakan algoritma pemilahan secara rekursif terhadap himpunan data pengamatan dan himpunan bagiannya. Pohon klasifikasi untuk prakiraan sifat hujan bulanan menghasilkan Pohon klasifikasi optimum dengan 22 buah simpul terminal dengan nilai harapan tingkat kesalahan pengklasifikasian sebesar 0,33. Variabel Kelembaman nisbi pada jam 13.00 merupakan variabel yang paling berpengaruh. Metode pohon klasifikasi memberikan ketepatan 80% untuk prakiraan sifat hujan.   Kata kunci : pohon klasifikasi. variabel kategorik.
PENERAPAN ANALISIS KONJOIN UNTUK MENENTUKAN PREFERENSI MASYARAKAT KOTA PADANG TERHADAP PENGGUNAAN JASA OJEK ONLINE TAHUN 2019 Suci Wulandari; Fitri Mudia Sari
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 7, No 2 (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 | Full PDF (415.628 KB) | DOI: 10.26714/jsunimus.7.2.2019.%p

Abstract

Transportation services in Indonesia continue to experience developments in the field of technology. This is indicated by the emergence of application-based online transportation. One of the most common types of online transportation is online motorcycle taxi. The number of online motorcycle taxi brands with a variety of products and facilities offered, has caused problems for online motorcycle taxi entrepreneurs.Therefore, a study is needed to find out what are the preferences of consumers in using online motorcycle taxi services. One method that can explain consumer preferences is the conjoined method. The data used is in the form of metric data with rating evaluations on the combination of levels of each attribute. Based on the results of the study, obtained the highest utility value for the price attribute is a special promo price of19.9375, a method of cash payment of 6.8125, friendly driver service at 88.5625, and drivers using uniform at 39.6875. The most preferred combination is a special promo price, cash, friendly, and the driver uses the uniform. While the least preferred combination is the normal price, non-cash, not friendly, and drivers do not use uniforms. Then the most important attribute for the community is the driver service attribute. Keywords: Conjoint Analysis, Online Motorcycle Taxi, Preferences, Rating
ANALISIS KETAHANAN HIDUP MENGGUNAKAN METODE PERLUASAN REGRESI COX DENGAN VARIABEL BERGANTUNG WAKTU Nabila Chairunnisa; Agus Rusgiyono; Puspita Kartikasari
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 9, No 1 (2021): 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.9.1.2021.40-46

Abstract

Extension of the cox proportional hazards model for time dependent variables is an alternative method used if the PH assumption is not satisfied for one or more of the predictors in the model. The step of this method are testing the PH assumption, interacting the time independent variable not satisfying the PH assumption with function of time (linear, logarithm and the combination), testing the parameters using the Likelihood Ratio test and the Wald test, determine the better model of both models by the AIC values, calculating the hazard ratio of each variable that significantly affected ASD. Based on the smallest AIC values, a better model is the extension of the cox proportional hazards model for time dependent variables interacted with logarithm time function. From the better model obtained the variables that affect the recurrence time ASD is patient with heart beat, noisy heart, blood pressure, body mass index, and treatment with catheter.

Filter by Year

2013 2025


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 Vol 8, No 1 (2020): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 7, No 2 (2019): Jurnal Statistika Vol 7, No 2 (2019): Jurnal Statistika Universitas Muhammadiyah Semarang 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 Vol 4, No 1 (2016): Jurnal Statistika Universitas Muhammadiyah Semarang 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