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
 3   4   5   6   7 
METODE DBSCAN UNTUK PENGELOMPOKAN KABUPATEN/KOTA DI PROVINSI JAWA TENGAH BERDASARKAN PRODUKSI PADI SAWAH DAN PADI LADANG Diah Safitri; Triastuti Wuryandari; Rita Rahmawati
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 (50.227 KB) | DOI: 10.26714/jsunimus.5.1.2017.%p

Abstract

Padi merupakan tanaman yang penting di Jawa Tengah karena nasi merupakan makanan pokok sebagian besar masyarakat di Jawa Tengah. Provinsi Jawa Tengah terdiri dari 35 kabupaten/kota, dalam penelitian ini berdasarkan produksi padi sawah dan padi ladang, kabupaten/kota di Provinsi Jawa Tengah akan dikelompokkan menjadi beberapa kelompok menggunakan metode Density  Based Spatial Clustering Algorithm With Noise (DBSCAN)berdasarkan produksi padi sawah dan padi ladang, dimana pada masing-masing kelompok dapat dilihat karakteristiknya mengenai potensi produksi padi sawah dan padi ladang. Metode DBSCAN adalah metode yang tangguh untuk mendeteksi noise. Kelompok 1 terdiri dari Kabupaten/Kota di Provinsi Jawa Tengah selain yang sudah masuk dalam kelompok 2 dan 3, kelompok 1 adalah kelompok yang mempunyai hasil produksi padi sawah terendah dibandingkan dengan kelompok yanglain. Kelompok 2 adalah kelompok yang mempunyai hasil produksi padi ladang tertinggi dibandingkan dengan kelompok yang lain. Kelompok 2 terdiri dari KabupatenKebumen dan Kabupaten Blora. Kelompok 3 terdiri dari Kabupaten Sragen, Kabupaten Grobogan, Kabupaten Pati, Kabupaten Demak, dan Kabupaten Brebes, adalahkelompok yang mempunyai hasil produksi padi sawah tertinggi dibandingkan dengan kelompok yang lain. Pada penelitian ini ditemukan 2 noise, yaitu Kabupaten Cilacapdan Kabupaten Wonogiri.Kata Kunci: DBSCAN, Padi Sawah, Padi Ladang
MULTIPLE CLASSIFICATION ANALYSIS (MCA) SEBAGAI METODE ALTERNATIF ANALISIS DATA UNTUK VARIABEL BEBAS YANG KATEGORI Sugiarto Sugiarto
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 (448.164 KB) | DOI: 10.26714/jsunimus.6.2.2018.%p

Abstract

Seringkali kita mengalami kesulitan dalam penelitian ketika mengaplikasikan Regresi Linier Berganda (RLB), dimana variabel bebasnya memiliki skala pengukuran kategori atau nominal sedangkan variabel tidakbebasnya berskala interval/rasio.  Sehingga kita harus gunakan serangkaian dummy variabel untuk variabel bebasnya. Kadangkala hasil yang kita peroleh tidak memuaskan karena terjadi pelanggaran terhadap asumsi klasik diantaranya data tidak normal atau terjadi pelanggaran kolinieritas. Andrews tahun 1960-an mengembangkan sebuah metode analisis Multiple Classification Analysis (MCA) untuk mengatasi hal tersebut. Penelitian ini bertujuan untuk memberikanilustrasi penggunaan metode MCA sebagai alternatif analisis data untuk data variabel bebas yang kategori, yaitu pada contoh penelitian mengenai pengaruh jenis pendidikan menengah atas, jenis kelamin, sektor pekerjaan, dan keikutsertaan pelatihan kerja terhadap lamanya waktu untuk mencari kerja. Hasil dari penelitian ini membuktikan bahwa penggunaan metode MCA lebih mudah diterapkan dimana output dan koefisien yang dihasilkan lebih mudah dipahami dan hasilnya tidak berbeda jauh dengan metode yang dihasilkan dari RLB.  Kata kunci : RLB, Variabel Bebas Kategori,  MCA
ESTIMASI KANDUNGAN DO (DISSOLVED OXYGEN) DI KALI SURABAYA DENGAN METODE KRIGING Alan Prahutama
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 1, No 2 (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 (301.053 KB) | DOI: 10.26714/jsunimus.1.2.2013.%p

Abstract

Kota Surabaya merupakan salah satu kota terbesar dengan pemukiman penduduk yang cukup padat. Kali Surabaya merupakan salah satu sungai terbesar di Surabaya. Peningkatan sektor industri, pedatnya pemukiman penduduk menyebabkan pencemaran air di Kali Surabaya. Pengukuran tingkat kebersihan air menggunakan DO (Dissolved Oxygen). DO  merupakan oksigen terlarut yang digunakan untuk mengukur kualitas kebersihan air. Semakin besar nilai kandungan DO menunjukan bahwa kualitas air tersebut semakin bagus. Kriging merupakan salah satu metode geostatistika untuk  mengestimasi titik yang tidak tersempel dengan menggunakan unsur spasial pada lokasi yang tersempel. Salah satu estimasi titik didalam kriging menggunakan bobot. Penentuan bobot adalah dengan menggunakan model semivariogram.  Model yangdigunakan yaitu model Gaussian. Hasil yang diperoleh bahwa kandungan DO Kali Surabaya di titik sesudah outlet PT. Suparma menunjukan kandungan DO sebesar 4.1171.
PREDIKSI HARGA SAHAM PT. BANK NEGARA INDONESIA DENGAN MENGGUNAKAN MODEL AUTOREGRESSIVE FRACTIONAL INTEGRATED MOVING AVERAGE (ARFIMA) Puspita Kartikasari
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 8, No 1 (2020): 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 (833.268 KB) | DOI: 10.26714/jsunimus.8.1.2020.%p

Abstract

Penelitian ini mengangkat tentang peramalan harga saham PT. Bank Negara Indonesiamenggunakan metode Autoregressive Fractional Integrated Moving Average(ARFIMA). Metode ARFIMA digunakan dalam penelitian ini karena saham PT. BNImengikuti pola long memory atau ketergantungan jangka panjang. Data harga sahamPT. BNI yang digunakan adalah data harian dari tanggal 21 Februari 2016 hingga 21Februari 2020. Berdasarkan hasil pengolahan yang dilakukan data saham tersebut perludilakukan proses stasioneritas dalam varians,  sehingga pengolahan selanjutnyamenggunakan data yang telah stasioner. Model ARFIMA yang diperoleh adalahARFIMA (0,0.499,5) dengan AIC sebesar 15997.52. Residual dari model tersebut tidakmemenuhi asumsi distribusi normal dan white noise, hal ini karena masih banyak terdapatoutlier pada data harga saham PT. BNI, sehingga nilai kurtosis dan skewness dari residualcukup besar. Hasil peramalan 12 periode ke depan dari model ARFIMA (0,0.499,5) yangtelah ditransformasi kembali ke dalam bentuk data aslinya memiliki nilai SMAPE sebesar 1,23% yang  artinya model ARFIMA (0,0.499,5) sangat baik digunakan untukmeramalkan harga saham PT. BNI ke depannya.
PERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT Sri Wahyuni; Farikhin -; Iswahyudi Joko Suprayitno
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 (432.31 KB) | DOI: 10.26714/jsunimus.2.2.2014.%p

Abstract

Peramalan Indeks Harga Saham Gabungan (IHSG) dapat digunakan untuk mengurangi resiko dari suatu pengambilan kebijakan ekonomi Indonesia. Kuala Lumpur Stock Exchange (KLSE) sebagai variabel yang mempengaruhi IHSG dengan korelasi 93,4%. Kedekatan antara IHSG dan KLSE karena negara yang berdekatan biasanya memiliki investor yang sama. Penggunaan metode fungsi transfer single input dengan data Februari 2005 sampai November 2010 menghasilkan model [1,3,5]1[1,3] dan b,r,s (0,0,0) serta menghasilkan ramalan 66 bulan kemudian. Ramalan yang dihasilkan dapat dijadikan acuan sampai Mei 2016 dengan Mean Absolute Prosentation Error (MAPE) selama 12 bulan sebesar 3,25.
PEMODELAN INFEKSI OPURTUNISTIK PADA KASUS HIV/AIDS DENGAN MODERATING KEPATUHAN TERAPI ARV MENGGUNAKAN PENDEKATAN PARTIAL LEAST SQUARE Herlina Jusuf; Setia Ningsih; Bambang Widjanarko Otok; Agus Suharsono
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 (256.578 KB) | DOI: 10.26714/jsunimus.4.2.2016.%p

Abstract

Tujuan penelitian ini mengetahui faktor-faktor yang mempengaruhi infeksi oportunistik pada kasus HIV/AIDS dengan moderating kepatuhan terapi ARV. Data yang digunakanadalah data sekunder hasil rekam medis penderita HIV/AIDS. Efek kepatuhan terapi ARV sebagai moderating, terhadap hubungan predisposisi, manifestasi klinis dengan infeksi oportunistik diestimasi dengan pendekatan PLS. Hasil penelitian menunjukkan bahwa model infeksi oportunistik adalah fit dengan criteria Q 2 sebesar 63,3 persen.Predisposisi dan manifestasi klinis mempengaruhi infeksi oportunistik, Efek moderating kepatuhan terapai ARV mempunyai pengaruh yang bersifat memperlemah terhadaphubungan antara predisposisi dengan infeksi oportunistik sebesar 15,8 persen, sedangkan pada manifestasi klinis mempunyai pengaruh bersifat memperkuat terhadapinfeksi oportunistik sebesar 12,3 persen.Kata Kunci : Infeksi Oportunistik, HIV/AIDS, PLS, Moderating
PENERAPAN REGRESI LOGISTIK HIERARKI BINER UNTUK MENENTUKAN DETERMINAN KEMISKINAN DI BENGKULU DENGAN MENGGUNAKAN INDEKS AKSESIBILTAS SARANA UMUM (IASU) SEBAGAI VARIABEL KENTEKSTUAL Yoga Dwi Nugroho
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 (388.596 KB) | DOI: 10.26714/jsunimus.6.1.2018.%p

Abstract

Poverty is the condition which a person or community is being not able to fulfill basic needs in various dimension of life. Bengkulu is a province that located in the west of Indonesia and has high levelof poverty. Eradicating poverty needs a right policy from the government and therefore proper data analysis for knowing the determinants of poverty. This study aim to analyze poverty pattern and knowing the determinant of poverty in Bengkulu province using binary hierarcy logistic regression. There are sixindependent variables for first level (household) : area classification, size of family, sex of household head, age of household head, job of household head and the education of household head. Variable for second level (regency) is accessibility of public facility index (IASU) as contextual variable. Dependent variabel is the status of poverty According to the study, the significant variables as determinant of poverty are size offamily, sex of household head, education of household head and IASU.  Keywords : Poverty, IASU, Binary Hierarchy Logit Regression
ANALISIS LAJU PERBAIKAN KONDISI KLINIS PASIEN KANKER PAYUDARA MENGGUNAKAN REGRESI ACCELERATED FAILURE TIME WEIBULL (Studi Kasus: RSUD Tugurejo Semarang) Darari Rahma Lalita; Sudarno Sudarno; Sugito Sugito
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 (820.915 KB) | DOI: 10.26714/jsunimus.7.2.2019.%p

Abstract

Breast cancer is a disease caused by abnormal growth from the body’s cells that’s turned into cancer cells. It can spread to other parts of the body so that it can lead to death. Breast cancer is the highest prevalence of cancer in Indonesian women as well as in Semarang City.In an effort to reduce mortality from breast cancer, an analysis of breast cancer patients in Tugurejo General Hospital Semarang can be done by knowing the factors that influence the rate of improvement of breast cancer patient’s clinical conditions. Survival analysis is one of the statistical methods that can be used, the method for which the outcome variable ofinterest is time until an event occurs. Based on Weibull distributed survival time, this study uses Weibull Accelerated Failure Time (AFT) regression method. Dependent variables used is length of time treated and the independent variables used are age, body mass index, anemiastatus, type of treatment, and congenital diseases. The results showed the factors that influence that improvement of breast cancer patient’s clinical condition are age, body mass index, anemia status, and type of treatment.  Keywords: Breast Cancer, Improvement of Breast Cancer Patient’s Clinical Condition, Survival Analysis, Weibull Accelerated Failure Time (AFT) Regression
PERBANDINGAN PERAMALAN METODE DOUBLE EXPONENTIAL SMOOTHING SATU PARAMETER BROWN DAN METODE DOUBLE EXPONENTIAL SMOOTHING DUA PARAMETER HOLT Julnita Bidangan; Ika Purnamasari; Memi Nor Hayati
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 4, No 1 (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 (689.159 KB) | DOI: 10.26714/jsunimus.4.1.2016.%p

Abstract

Peramalan merupakan suatu proses atau metode dalam meramal suatu peristiwa yang akan terjadi pada masa yang akan datang. Pemulusan eksponensial adalah suatu metode peramalan rata-rata bergerak yang melakukan pembobotan menurun secara eksponensial terhadap nilai observasi yang lebih lama. Pada penelitian ini membahas tentang metode double exponential smoothing satu parameter dari Brown dan double exponential smoothing dua parameter dari Holt dalam meramalkan jumlah produksi air bersih Kota Samarinda. Metode double exponential smoothing satu parameter dari Brown dan double exponential smoothing dua parameter dari Holt merupakan metode extrapolasi atau deret waktu dengan menggunakan riwayat permintaan masa lalu dalam membuat ramalan untuk masa depan yang dijadikan panduan dalam proses pembuatan keputusan. Metode double exponential smoothing satu parameter dari Brown dengan parameter menghasilakn ramalan jumlah produksi air pada bulan November 2015 adalah 6.673,93 m3, bulan Desember 2015 adalah 6.728,11 m3, dan bulan Januari 2016 adalah 6.728,11 m3 dengan MAPE adalah 2,9629 %. Pada metode double exponential smoothing dua parameter dari Holt dengan parameter dan menghasilkan ramalan jumlah produksi air pada bulan November 2015 adalah 6.694,09 m3, bulan Desember 2015 adalah 6.831,22 m3, dan bulan Januari 2016 adalah 6.968,35 m3 dengan MAPE adalah 2,9016 %. Hasil yang diperoleh menunjukkan bahwa MAPE untuk metode double exponential smoothing dua parameter dari Holt dengan dan lebih kecil dibandingkan MAPE untuk metode double exponential smoothing satu parameter dari BrownKata Kunci : Double Exponential Smoothing Dua Parameter dari Holt, Double Exponential Smoothing Satu Parameter dari Brown, MAPE.
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

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (294.017 KB) | DOI: 10.26714/jsunimus.5.2.2017.%p

Abstract

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.

Page 5 of 20 | Total Record : 200

 3   4   5   6   7 

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