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
PERAMALAN JUMLAH WISATAWAN MANCANEGARA MENGGUNAKAN MODEL ARIMA Annisa Fitri; Ika Purnamasari; Meiliyani Siringoringo
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 | Full PDF (151.966 KB) | DOI: 10.26714/jsunimus.7.1.2019.%p

Abstract

Wisatawan mancanegara adalah setiap orang yang mengunjungi suatu negara di luar tempat tinggalnya, didorong oleh satu atau beberapa keperluan tanpa bermaksud memperoleh penghasilan di tempat yang dikunjungi. Kunjungan wisatawan mancanegara dapat berpengaruh terhadap penerimaan devisa negara dan perencanaan kedepan. Tujuan penelitian ini adalah untuk mengetahui model terbaik dan hasil peramalan berdasarkan data jumlah wisatawan mancanegara menurut pintu masuk Bandara Sultan Aji Muhammad Sulaiman Sepinggan Balikpapan Bulan Januari 2011 sampai Desember 2018. Model yang digunakan dalam penelitian ini adalah model ARIMA. Model ARIMA merupakan salah satu dari model deret waktu yang umum digunakan karena terdapat metode statistik, dikenal dengan metode Box-Jenkins yang digunakan dalam penentuan model. Model ARIMA juga memiliki tingkat akurasi peramalan yang cukup tinggi dan cocok digunakan untuk meramal sejumlah variabel dengan cepat dan akurat. Berdasarkan hasil analisis model ARIMA terbaik yaitu model ARIMA (2,1,0) yang memiliki nilai MSE sebesar 6,9267. Dengan rata-rata hasil peramalan jumlah wisatawan mancanegara menurut pintu masuk Bandara Sultan Aji Muhammad Sulaiman Sepinggan Balikpapan Bulan Januari sampai Desember 2019 sekitar 366 orang/bulan.
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

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (175.205 KB) | DOI: 10.26714/jsunimus.2.1.2014.%p

Abstract

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.
MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI KEJADIAN KONSTIPASI TERHADAP PEMBERIAN AIR SUSU IBU DAN PEMBERIAN AIR SUSU FORMULA Ria Muslikah; 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 (125.834 KB) | DOI: 10.26714/jsunimus.3.2.2015.%p

Abstract

Salah satu metode Regresi Nonparametrik yang digunakan untuk klasifikasi dan mengatasi permasalahan data yang berdimensi tinggi yaitu menggunakan Multivariate Adaptive Regression Spline (MARS). MARS juga digunakan memperbaiki kelemahan dengan menghasilkan model yang kontinu dalam knot berdasarkan nilai generalized cross validation (GCV) terkecil. Dalam menentukan derajat kesehatan di indonesia, terdapat beberapa indikator yang dapat digunakan antara lain angka kematian bayi, angka kesakitan bayi, status gizi dan angka harapan hidup waktu lahir. Salah satu contoh masalah mordibitas atau angka kesakitan yang dialami bayi dan anak balita yaitu sembelit atau konstipasi. Tujuan dari penelitian ini yaitu untuk mengklasifikasikan dan menganalisis kejadian konstipasi terhadap pemberian ASI eksklusif dan pemberian susu formula pada bayi usia 6-12 bulan .Variabel yang digunakan dalam penelitian ini adalah kejadian konstipasi (Y) sebagai variabel dependen dengan kategori 1 adalah terjadi konstipasi, kategori 0 tidak terjadi konstipasisedangkan variabel independennya yaitu frekuensi BAB < 5 kali (X1), pemberian makanan bayi pada usia 6 bulan (X2), tinja padat (X3), menangis (X4), mengejan (X5), kesakitan (X6). Model MARS terbaik dengan kombinasi Funsi Basis (BF), maksimum interaksi (MI), dan minimum observasi (MO) secara Trial and error. Model MARS terbaik untuk klasifikasi kejadian konstipasi yaitu BF=24, MI=2, dan MO=0.Terdapat lima variabel yang berpengaruh terhadap model yaitu variabel frekuensi defekasi atau BAB < 5 kali (X1), pemberian makanan bayi pada usia 6 bulan (X2), Konsistensi tinja padat (X3), Mengejan (X4) dan kesakitan (X5).Kata Kunci : MARS, GCV, Konstipasi
PEMODELAN KETIMPANGAN DI PROVINSI JAWA TENGAH DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) Lia Miftakhul Janah; Widia Istiqomah; Maharani Andini
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 (75.89 KB) | DOI: 10.26714/jsunimus.5.1.2017.%p

Abstract

Ketimpangan adalah keadaan dimana terjadi ketidakseimbangan antara satu dengan lainya. Ketimpangan menunjukkan ketidak meratanya pembangunan yang berjalan di suatu daerah tersebut. Di Jawa Tengah sendiri masalah ketimpangan antar masyarakat masih ada dalam kehidupan sehari hari. Metode Geographically Weight Regression (GWR)merupakan metode yang menghasilkan penaksir parameter model yang mempunyai sifat kelokalan pada masing-masing titik atau lokasi. Dalam penelitian ini bertujuan untuk memodelkan masalah ketimpangan yang terjadi di Provinsi Jawa tengah menggunakan metode Geographically Weight Regression (GWR)yang memiliki sifat kelokalan pada titik. Data yang digunakan bersumber dari Badan Pusat Statistika tahun 2015. Melalui metode Geographically Weight Regression didapatkan bahwa setiap kenaikan pada Jumlah Penduduk sebesar 1 satuan maka ketimpangan akan berkurang sesbesar 1.476. Setiap kenaikan 1 satuan pada Jumlah tenaga Kerja maka ketimpangan akan naik sebesar 1.009. Nilai AIC dari GWRlebih kecil dibandingkan OLS yang berarti metode GWR lebih baik dibandingkan metode OLS dalam pemodelan masalah ketimpangan di Provinsi Jawa Tengah.Kata Kunci: Ketimpangan, GWR, OLS
RELIABILITAS DAN AVAILABILITAS SISTEM TIGA KOMPONEN TERSUSUN PARALEL BERSERI Sudarno Sudarno; Rukun Santoso; Avida Anugraheni
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 (313.818 KB) | DOI: 10.26714/jsunimus.6.2.2018.%p

Abstract

Reliability is the ability of a product or an item to maintain the required function of a specified period of time under given operating conditions. Availability is a measure of system performance and measures the combined effect of reliability, maintenance and logistic support on the operational effectivesness of the system. The system was formedby some components. This system could be broken, then it could not be operated. In order to system could operate again, it should be repaired. This system consist of three components, such that component-1 is a processor core, component-2 is interface input/output, and component-3 is memory. The system was arranged by parallel-seri.This paper use generation data. Data are failure time and repair time of components of system, respectively. Therefore, research variables are failure time and repair time of all component of system. The aim of this research is finding the mean time to failure and the mean time to repair components, reliability of system, and availability of system.The research result of reliability of system is 0.9998 while availability of system is 0.9987. These results could be concluded that system have best quality and high performing. Generally, if reliability value was higher then quality of system more perfect and if availability value was higher then perform of system was better.  Keywords : Reliability, availability, mean time to failure, mean time to repair.
SMOOTH SUPPORT VECTOR MACHINE DAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE UNTUK MENDIAGNOSIS KANKER PAYUDARA Shofi Andari; Santi W. Purnami; Bambang W. Otok
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 (473.431 KB) | DOI: 10.26714/jsunimus.1.2.2013.%p

Abstract

Kanker payudara merupakan kanker yang paling umum menyerang wanita dan menjadi kanker penyebab kematian utama bagi wanita di seluruh dunia. Penyebab dari kanker payudara masih belum dapat dipastikan sehingga metode preventif yang spesifik untuk penyakit ini juga belum dapat ditentukan, oleh karena itu diagnosis terhadap kanker payudara sedini mungkin menjadi sangat penting bagi para dokter dan tenaga medis untuk menyelamatkan pasien maupun orang-orang yang memiliki faktor risiko kanker payudara. Beberapa penelitian telah dikembangkan dengan ide dasar mengklasifikasikan kanker payudara berdasarkan rekaman gambar radiologi dan usia pasien terhadap hasil biopsi. Berdasarkan keunggulan smooth SVM (SSVM) serta potensi MARS dalam menyelesaikan permasalahan diagnosis kanker payudara, tulisan ini mengkaji dan memaparkan kedua metode tersebut digunakan untuk mengklasifikasikan kanker payudara ke dalam dua kelompok yaitu kelompok malignant dan kelompok benign. Secara umum baik SSVM maupun MARS mampu menghasilkan tingkat akurasi yang sama-sama tinggi. Tingkat akurasi kedua metode dalam mendiagnosis kanker payudara ke dalam kelompok benign dan malignant yang cukup tinggi dipercaya dapat mendukung prosedur pemeriksaan dan diagnosis kanker payudara.Kata Kunci : kanker payudara, klasifikasi, smooth SVM, MARS
HYBRID METODE BOOSTRAP DAN TEKNIK IMPUTASI PADA METODE C4-5 UNTUK PREDIKSI PENYAKIT GINJAL KRONIS Ahmad Ilham
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 (566.06 KB) | DOI: 10.26714/jsunimus.8.1.2020.%p

Abstract

Missing values is a serious problem that most often found in real data today. The C4.5 method is a popular classification predictive modeling used because of its ease of implementation. However, C4.5 is still weak when testing data that contains large missing. In this study we used a hybrid approach the bootstrap method and k-NN imputation to overcome missing values. The proposed method tested using Chronic Kidney Disease (CKD) data, and evaluated using accuracy and AUC. The results showed that the proposed method was superior in overcoming missing values in CKD. It can be concluded that the proposed method is able to overcome missing values for chronic kidney disease prediction.
PEMODELAN KETAHANAN PANGAN KEDELAI (GLYSINE SOYA MAX (LENUS&MERRIL)) DI PROVINSI JAWA TENGAH DENGAN PENDEKATAN SPATIAL REGRESSION Fathikatul Arnanda; Yusnia Kriswanto; Imaroh Izzatun; Devi Nurlita; Azqia Fajriyani; Tiani Wahyu Utami
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 (527.392 KB) | DOI: 10.26714/jsunimus.3.1.2015.%p

Abstract

Masalah pangan merupakan salah satu masalah nasional. Kedelai merupakan salah satu sumber bahan komoditas pangan yang telah lama dibudidayakan di Indonesia, yang saat ini tidak hanya diposisikan sebagai bahan baku industri pangan, namun juga ditempatkan sebagai bahan baku industri non-pangan. Beberapa produk yang dihasilkan antara lain tempe, tahu, es krim, susu kedelai, tepung kedelai, minyak kedelai, pakan ternak ,dan bahan baku industri. Sifat multiguna yang ada pada kedelai menyebabkan tingginya permintaan kedelai di dalam negeri. Selain itu, manfaat kedelai sebagai salah satu sumber protein murah membuat kedelai semakin diminati. Variabel penelitian yang digunakan adalah variabel endogenous, yakni nilai total produktifitas kedelai (Y) berdasarkan Kabupaten-Kota di Jawa Tengah dan Variabel Exogenous luas panen kedelai di Kabupaten-Kota di Jawa Tengah (X) dan total produksi kedelai di Kabupaten-Kota di Jawa Tengah(X₂) Penelitian ini mengkaji efek dependensi spasial dengan menggunakan pendataan area. Spatial regression dengan lag di variable independen dinamakan Spatial Lag X (SLX). Model SLX merupakan model regresi linier lokal yang menghasilkan dugaan parameter model regresi yang bersifat lokal.Kata Kunci : Ketahanan Pangan, Kedelai, Spasial Regresi, SLX
APPLICATION OF NON PARAMETRIC BASIS SPLINE (BSPLINE) IN TEMPERATURE FORECASTING Rezzy Eko Caraka; Alvita Rachma Devi
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 4, No 2 (2016): 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 (324.998 KB) | DOI: 10.26714/jsunimus.4.2.2016.%p

Abstract

Weather is important but hard to predictlay people and scientists alike will agree. The complexity of system limits the knowledge about it and therefore its predictability even over a few days. It is complex because many variables within the Earthsatmosphere, such as temperature and they do so nonlinearly. B-spline as a basis for one-dimensional regression and we extend this paper by using B-spline to construct a basis for bivariate regression. This construction gives a basis in two dimensions with local support and hence a fully flexible family of fitted mortality surfaces one of the principal motivations behind the use of B-spline as the basis of regression is that it doesnot suffer from the lack of stability that can so bedevil ordinary polynomial regression. The essential difference is that B-spline have local non-zero support in contrast to the polynomial basis for standard regression. The optimal B-Spline models rely on theoptimal knots that has a minimum Generalized Cross Validation (GCV)Keywords: Temperature, B-Spline, Generalized Cross Validation, non-parametric
PERAMALAN NILAI TUKAR DOLAR AMERIKA TERHADAP INDONESIA DENGAN MODEL MAXIMAL OVERLAP DISCRETE WAVELET TRANSFORM-AUTOREGRESSIVE MOVING AVERAGE Vega Zayu Farima; Herni Utami
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 6, No 1 (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 (211.467 KB) | DOI: 10.26714/jsunimus.6.1.2018.%p

Abstract

Beberapa permasalahan dalam kehidupan sehari-hari perlu untuk diramalkan sebelum diambil keputusan. Nilai tukar mata uang asing yang mempengaruhi kurs Indonesia seperti nilai tukar dolar Amerika sangat perlu diramalkan untuk jangka waktu tertentu. Data kurs memiliki volatilitas yang sangat tinggi dan cenderung tidak stasioner. Transformasi wavelet mampu merepresentasikan informasi waktu dan frekuensi secara bersamaan sehingga dapat digunakan untuk menganalisis data-data nonstasioner. MODWT-ARMA yaitu model hibrid dari Maximal Overlap Discrete Wavelet Transform (MODWT) dan Autoregressive Moving Average (ARMA) yang berhubungan dengan data runtun waktu nonstasioner. Secara teori, nilai detail yang diperoleh dari dekomposisi MODWT adalah stasioner. Hal ini menyebabkan hasil dekomposisi dapat diramalan dengan ARMA. Pada peramalan nilai tukar dolar Amerika terhadap rupiah, diperoleh pemodelan yang fitted dengan data training dan diperoleh nilai MAPE yang kecil yaitu 0.82%. Hal ini mengindikasikan bahwa model gabungan ini efektif untuk menambah keakuratan peramalan.  Kata kunci : Peramalan, Data Runtun Waktu, Dekomposisi, MODWT-ARMA, MAPE.

Page 3 of 20 | Total Record : 200


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 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 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 Universitas Muhammadiyah Semarang Vol 7, No 2 (2019): Jurnal Statistika Vol 7, No 1 (2019): Jurnal Statistika Vol 7, No 1 (2019): Jurnal Statistika Universitas Muhammadiyah Semarang 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