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
PENGELOMPOKAN KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN KASUS STUNTING BALITA MENGGUNAKAN ALGORITME FUZZY PARTICLE SWARM OPTIMIZATION-FUZZY C-MEANS Sepnita Wulandari; Robert Kurniawan
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 (309.05 KB) | DOI: 10.26714/jsunimus.7.1.2019.%p

Abstract

Stunting is a condition that describe the presence of chronical malnutrition problem caused by various condition. East Java Province is a region that has the highest percentage of short toddler in Java Island. Moreover, there is high disparity in cross regency/city and the prevalence rate of stunting in the East Java Province is same as national prevalence rate. Meanwhile, Rencana Pembangunan Jangka Menengah Nasional (RPJMN) 2015-2019 sets the target of national prevalence rate of stunting toddler decreasing in 2019. Based on that problem, this research is clustering regency/city in East Java Province based on stunting toddler case. The clustering uses Fuzzy Particle Swarm Optimization-Fuzzy C-Means (FPSO-FCM). From the clustering result, this research obtains 2 cluster which are cluster of low stunting potential region (cluster 1) and high stunting potential region (cluster 2).
ANALISIS KLASTER UNTUK PENGELOMPOKAN KABUPATEN/KOTA DI PROVINSI JAWA TENGAH BERDASARKAN INDIKATOR KESEJAHTERAAN RAKYAT Safa’at Yulianto; Kishera Hilya Hidayatullah
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 (185.358 KB) | DOI: 10.26714/jsunimus.2.1.2014.%p

Abstract

Kesejahteraan rakyat selalu menjadi topik yang menarik untuk dibahas. Peningkatan kesejahteraan masyarakat merupakan sasaran utama kegiatan pembangunan yang dilaksanakan oleh setiap negara. Dalam melaksanakan program pembangunan perlu adanya identifikasi berdasarkan karakteristik tingkat kesejahteraan rakyat tiap daerah agar dalam mengambil kebijakan dan strategi pembangunan dapat tepat sasaran dan tepat guna. Tujuan dari penelitian ini adalah untuk mengetahui pengelompokan 35 kabupaten/kota di Provinsi Jawa Tengah dan mengetahui karakteristik setiap kelompok berdasarkan Indikator Kesejahteraan Rakyat Tahun 2010. Meskipun dalam penelitian ini terdapat data outlier (nilai ekstrim) yaitu Kabupaten Kudus dan Kota Surakarta, kedua data outlier tersebut tetap dipertahankan karena tidak bisa dikatakan ada kesalahan pada proses sampling maupun inputing data. Dari hasil analisis yang dilakukan, dapat diambil kesimpulan bahwa proses pengelompokan 35 kabupaten/kota di Provinsi Jawa Tengah dapat dibentuk tiga kelompok (klaster), dimana kelompok A beranggotakan 28 kabupaten/kota, kelompok B beranggotakan 2 kabupaten/kota dan kelompok C beranggotakan 5 kabupaten/kota.
PENGELOMPOKAN MENGGUNAKAN METODE SUBTRACTIVE FUZZY C-MEAN (SFCM), STUDI KASUS DEMAM BERDARAH DI JAWA TIMUR Robert Kurniawan; Baiq Nurul Haqiqi
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 (539.283 KB) | DOI: 10.26714/jsunimus.3.2.2015.%p

Abstract

Metode pengelompokan yang sering digunakan dalam penelitian adalah Fuzzy C-Mean Cluster (FCM). Dalam perkembangannya, FCM dikombinasikan metode Subtractive Clustering (SC) sehingga didapatkan Hybrid Subtractive Fuzzy C-Mean (SFCM).Metode SFCM memiliki keunggulan dari tingkat kecepatan, dalam hal iterasi, dan menghasilkan partisi data yang lebih stabil dan akurat bila dibandingkan dengan metode sebelumnya. Pada penelitian ini, metode SCFM diaplikasikan dengan 13 variabel dari data demam berdarah. Studi kasus demam berdarah pada penelitian ini dilakukan di Provinsi Jawa Timur. Berdasarkan pengolahan dengan metode SFCM didapat hasilpengelompokan dengan 2 kelompok, 3 kelompok, dan 4 kelompok. Dari 6 indeks validasi untuk mengetahui jumlah pengelompokan yang tepat, menunjukkan bahwa pengelompokan menjadi 2 kelompok memberikan hasil pengelompokan yang lebih bagus dibandingkan dengan pengelompokan yang lainnya. Seluruh kabupaten di Pulau Madura menjadi daerah endemi demam berdarah yang perlu diperhatikan olehPemerintah Provinsi Jawa Timur. Dan hal ini senada dengan fakta yang dirilis oleh dinas kesehatan Provinsi Jawa Timur, bahwa beberapa wilayah di Madura menjadi daerah KLB yang memerlukan perhatian serius dalam penanganannya.Kata Kunci : Fuzzy C-Mean Cluster (FCM), Subtractive Clustering (SC), Subtractive Fuzzy C-Mean (SFCM), Demam Berdarah.
SELEKSI PENERIMAAN BEASISWA STIKOM BALI DENGAN MENGGUNAKAN METODE VIKOR Ni Putu Nanik Hendayanti; I Ketut Putu Suniantara
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 (84.099 KB) | DOI: 10.26714/jsunimus.5.1.2017.%p

Abstract

Metode Multi Criteria Decision Making (MCDM) adalah teknik yang sangat populer diterapkan secara luas untuk menentukan solusi terbaik di antara beberapa alternatif. Salah satu metode dalam MCDM adalah Metode VIKOR. Konsep dasar MCDM VIKOR adalah menentukan ranking dari alternatif-alternatif yang ada dengan melihat hasil dari nilai-nilai utilitas dan regrets dari setiap alternatif. Penelitian ini bertujuan untuk menerapkan metode VIKOR yang dapat membantu bagian kemahasiswaan dalam menentukan rekomendasi penerimaan beasiswa di STIKOM Bali dengan mempertimbangkan berbagai kriteria yang telah ditentukan. Ada 3 kriteria yang digunakan dalam penelitian ini yaitu kriteria IPK, penghasilan orang tua, dan semester. Hasil penelitian menunjukkan bahwa metode VIKOR dapat membantu proses seleksi dan menentukan penerima beasiswa yang tepat. Selain itu, metode VIKOR dapat membuat perangkingan kompromi alternatif dari sejumlah alternatif yang ada.Kata Kunci : Metode VIKOR, Beasiswa, Metode Multi Criteria Decision Making
IDENTIFIKASI MODEL ANTREAN NON-POISSON (Studi Kasus : Bus Nonpatas Antarkota Antarprovinsi (AKAP) dan Antarkota Dalam Provinsi (AKDP) Lajur Barat Terminal Bus Tirtonadi Surakarta) Aselina Pratidina Wrediningsih; Sugito Sugito; Alan Prahutama; Arief Rachman Hakim
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 (526.179 KB) | DOI: 10.26714/jsunimus.6.2.2018.%p

Abstract

Transportation is an important factor to improve the economic level of an area. If the transportation does great, the economy will grow up. In case of that, Tirtonadi Bus Station always try to provide optimum services to avoid long queue. Queue system on the west lanes nonpatas bus service of Tirtonadi Bus Station (Solo-Yogyakarta, SoloSemarang, Solo-Purwokerto, Solo-Jakarta, and Jalur Pedesaan) will be analyzed using queueing theory. The main goal of this project is to identify the distribution of the model of Non-Poisson and calculate the size of system performance. Primary dataanalysis is made up of equilibrium sample test (steady state) and tested the distribution of the arrivals number and the bus service’s time. Based on the analysis of queueing process, there are non-Poisson queueing models estimated with Triangular, Beta, Weibull, and the models are (G/M/1) : (GD/∞/∞), (G/LOGN/1) : (GD/∞/∞), (G/M/1) : (GD/∞/∞), (G/BETA/1) : (GD/∞/∞), and (G/M/1) : (GD/∞/∞). The size of systemperformance show that line A (Solo-Yogyakarta) have a higher level of service rush than other service lines.  Keywords : Queue, Queueing System, Queueing Model, non-Poisson, Tirtonadi Bus Station, Arena.
PEMODELAN KECEPATAN ANGIN RATA-RATA DI SUMENEP MENGGUNAKAN MIXTURE OF ANFIS Syarifah Diana Permai; Nur Iriawan; - Irhamah
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 (713.947 KB) | DOI: 10.26714/jsunimus.1.2.2013.%p

Abstract

Angin memiliki dampak positif dan dampak negatif. Dampak positif dari angin yaitu memperlancar aktivitas pelayaran, membantu irigasi menggunakan kincir angin,pembangkit tenaga listrik dan lain sebagainya. Namun perubahan cuaca yang ekstrim akhir-akhir ini dapat menimbulkan angin kencang serta gelombang laut yang tinggi, sehingga menghambat pelayaran. Salah satu kabupaten yang mengalami dampak negatif ini adalah Sumenep, daerah pesisir di Pulau Madura. Oleh karena itu diperlukan pemodelan kecepatan angin rata-rata di Sumenep yang akurat. Dua metode yang diterapkan adalah Adaptive Neuro Fuzzy Inference System (ANFIS) dan Mixture of ANFIS. Mixture of ANFIS dilakukan melalui beberapa pembagian kelompok, yaitu dua, tiga, empat, lima dan enam kelompok. Evaluasi perbandingan kebaikan model dilakukan berdasarkan kriteria Root Mean Square Error (RMSE). Hasil evaluasi menunjukkan bahwa pemodelan kecepatan angin rata-rata menggunakan mixture of ANFIS dengan enam kelompok memiliki RMSE in sample dan out-sample lebih kecil daripada jumlah kelompok yang lain. Mixture of ANFIS memodelkan kecepatan angin rata-rata di Sumenep lebih baik dari ANFIS karena menghasilkan RMSE in dan out sample yang lebih kecil dari ANFIS. Kata kunci : Kecepatan Angin, ANFIS, Mixture of ANFIS
ANALISIS SITUASI PEMBANGUNAN MANUSIA JAWA TENGAH DI JAWA TENGAH Laeli Sugiyono
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 (858.719 KB) | DOI: 10.26714/jsunimus.8.1.2020.%p

Abstract

This study aims to analyze the disclosure of the distribution of the position of Regency / City in Central Java based on the Linkage of Economic Growth (EG) and Human Development Index (HDI). The study uses secondary data in the form of cross-sectional regional Regency / City based on EG and HDI Components. Data analysis uses Regency / City distribution plot diagram based on EG and HDI components in the Cartesian diagram which divides the space into 4 quadrants, namely: Awareness I of the City Regency Distribution Plots with high EG and HDI Categories, Quadrant II City Regency Distribution Plots with High HDI Categories, Low EG, Quadrant III HDI Low, High EG, and Quadrant IV Low HDI and EG Categories. This study concludes that the position of Cities in Central Java in general is in line with the Quadrant I group, the HDI of Kota Regency in the area of the ex-Semarang residency and the former residence of Surakarta is in Quadrant I. Whereas other City Regencies are spread in Quadrant II, III, and IV.
DIAGRAM KONTROL SHORT- RUN UNTUK MEMANTAU MEAN DAN VARIABILITAS PROSES Fathur Rahman; Muhammad Mashur
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 (270.563 KB) | DOI: 10.26714/jsunimus.3.1.2015.%p

Abstract

Statistik proses kontrol (SPC) adalah salah satu alat statistik yang paling penting untuk memantau proses produksi. Hal ini dapat efektif jika dirancang dan diimplementasikan ketika proses suatu produksi yang berurutan diamati dari kondisi produksi massal. Pada siklus produksi jangka pendek (Short Production Run) biasanya tidak memiliki data yang cukup memadai untuk melaksanakan SPC dengan menggunakan diagram kontrolklasik. Pada penelitian ini diperkenalkan bagaimana merancang dan mengimplementasikan diagram kontrol jangka pendek (Short Run Control Chart) untuk kondisi produksi dengan batch terbatas. Misalnya pemantauan spesifikasi kritikal parts untuk industri otomotif. Berdasarkan hasil menunjukkan bahwa variabel yang tidak sama mengikuti distribusi normal dan dapat berfluktuasi dari waktu ke waktu untuk tujuan pemantauan beberapa produk untuk setiap produk multi-dimensi dengan cara berbeda dan varians dari center line (CL) digunakan untuk mengontrol diagram. Dengan pengembangan diagam kontrol sort-run, diharapkan Sinyal Out-of-control dan pola non acak dapat dikenali dengan mudah.Kata Kunci : : statistik proses kontrol (SPC), short-run control cahrt.
APLIKASI CIRCOS PLOT SEBAGAI ALTERNATIF EKSPLORASI DATA: MIGRASI KOMUTER JABODETABEK TAHUN 2014 Robert Kurniawan
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 (1092.084 KB) | DOI: 10.26714/jsunimus.4.2.2016.%p

Abstract

Mobilitas nonpermanen yang sering dilakukan penduduk pinggiran kota besar disebut juga dengan kegiatan commuting. Kegiatan commuting ini ternyata memberikan dampakbagi kedua daerah, baik asal maupun daerah tujunnya. Untuk mengetahui seberapa besar dan bagaimana pola perpindahan penduduknya bisa dilakukan dengan eksplorasi datamenggunakan plot, diagram, atau pun cross tabuation untuk memberikan informasi lebih terhadap pola sebaran data. Oleh karena itu, dalam penelitian ini bertujuan untuk menginvestigasi pola data migrasi komuter di Jabodetabek tahun 2014 dengan Circos Plot. Berdasarkan hasil penelitian didapatkan bahwapola kegiatan komuter di Jabodetabek jika dilihat berdasarkan jenis kelamin ternyata tidak menunjukkan pola yang berbeda. Dan pola perpindahannya pun terjadi pada jarak dekat, yang berarti bahawa sebagian besar migran yang melakukan kegiatan komuternya pada daerah tujuan yang terdekat dengan daerah asal.Kata Kunci : Commuting, Migrasi Komuter, Circos Plot
PERBANDINGAN KURVA PADA DISTRIBUSI UNIFORM DAN DISTRIBUSI BINOMIAL Moh. Yamin Darsyah; 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 (107.646 KB) | DOI: 10.26714/jsunimus.1.1.2013.%p

Abstract

Suatu percobaan dapat dikatakan menarik jika terlihat pada hasil percobaannya itu sendiri. Besaran – besaran yang menjadi perhatian dari hasil percobaan diperoleh berdasakan pengacakan data atau yang sering disebut peubah acak yang termasuk dalam sebaran peluang diskret. Nilai suatu peubah acak ditentukan oleh hasil percobaannya, sehingga dapat memberi peluang kepada berbagai kemungkinan nilai peubah acak. Salah satu contoh dari peubah acak adalah peubah acak binomial dan peubah acak uniform yang  merupakan sama – sama distribusi peluang diskret. Distribusi binomial merupakan pengembangan dari distribusi bernouli dimana dari suatu percobaan yang menghasilkan, sukses atau gagal, dengan peluang kejadian suksesnya pada setiap kejadian adalah konstant. Distribusi uniform yaitu peubah acaknya memperoleh semua nilainya dengan peluang yang sama, biasanya distribusi ini bergantung pada parameter k. Percobaan pada penelitian ini digunakan software minitab yang ada di Laboratorium Statistika untuk mendapatkan variabel acak binomial dan uniform. Tujuan yang akan dicapai dalam percobaan ini adalah untuk mengetahui perbandingan  kurva hasil bangkitan data dan untuk mengetahui perbandingan nilai parameter hasil bangkitan data. Kata Kunci : Peubah Acak, Distribusi Diskret, Distribusi Binomial, Distribusi Uniform.

Page 6 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 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 Vol 6, No 2 (2018): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 6, No 1 (2018): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 6, No 1 (2018): Jurnal Statistika Vol 5, No 2 (2017): Jurnal Statistika Vol 5, No 2 (2017): Jurnal Statistika Universitas Muhammadiyah Semarang 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 Vol 3, No 2 (2015): Jurnal Statistika Universitas Muhammadiyah Semarang 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 Vol 2, No 1 (2014): Jurnal Statistika Universitas Muhammadiyah Semarang 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