Articles
295 Documents
<![CDATA[Penentuan Besaran Jaminan Hari Tua Karyawan Berdasarkan Skema NDC (Notional Defined Contribution) ]]>
<![CDATA[Anugrawati, Sri Dewi]]>
<![CDATA[ Jurnal MSA (Matematika dan Statistika serta Aplikasinya) Vol 7 No 2 (2019) ]]>
Publisher : <![CDATA[Universitas Islam Negeri Alauddin Makassar ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (340.005 KB)
|
DOI: 10.24252/msa.v7i2.11469
<![CDATA[NDC adalah skema pendanaan pensiun yang menggunakan jumlah kontribusi dari sekelompok karyawan pada suatuperusahaan yang dikombinasikan konsep pay as you go. Dalam penelitian ini digunakan konsep distribusi survival untuk menghitung peluang hidup, anuitas jiwa, jumlah gaji karyawan saat memasuki kontrak dana pensiun dan masa kerja untuk menentukan besaran Jaminan Hari Tua yang akan diterima di tahun ke-5 dari 61 orang karyawan sebagai sampel dari 105 orang populasi karyawan di perusahaan X. Hasil penelitian dengan menggunakan asumsi tingkat bunga 5%, kenaikan gaji pertahun sebesar 5%, tingkat kontribusi sebesar 5,7%, dan IHK sebesar 11% menunjukkan bahwa jumlah Jaminan Hari Tua dari karyawan perusahaan X bergantung kepada lama sisa masa kerja, usia saat masuk dana pensiun dan gaji terakhir.]]>
<![CDATA[Pemodelan Matematika Dalam Sistem Massa Pegas Dengan Massa Tidak Konstan ]]>
<![CDATA[Jalil, Erniwati]]>;
<![CDATA[Irwan, Muh]]>
<![CDATA[ Jurnal MSA (Matematika dan Statistika serta Aplikasinya) Vol 7 No 2 (2019) ]]>
Publisher : <![CDATA[Universitas Islam Negeri Alauddin Makassar ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (311.485 KB)
|
DOI: 10.24252/msa.v7i2.11357
<![CDATA[Pada paper ini diperkenalkan teori pemodelan matematika dalam bidang fisika. pada sistem massa pegas teredam linear dengan massa tidak constant dengan perubahan massa untuk setiap saat dua kali lebih ringan dari berat sebelumnya. Hasil yang diperoleh adalah suatu model matematika dalam bentuk pesamaan diferensial linear orde dua dengan koefisien tidak constant. Adapun solusi persamassam berbentuk kurva sinosoida dengan amplitude dan phase gelombang tidak tetap. Hal ini disebabkan karena pengaruh massa benda dan koefisein gaya gesek. ]]>
<![CDATA[Implementasi Metode Vector Autoregressive (Var) dalam Meramalkan Jumlah Penduduk (Studi Kasus : Kabupaten Gowa) ]]>
<![CDATA[Ibnas, Risnawati]]>;
<![CDATA[Salam, Nur]]>;
<![CDATA[Agustina, Nurwahyu]]>
<![CDATA[ Jurnal MSA (Matematika dan Statistika serta Aplikasinya) Vol 7 No 2 (2019) ]]>
Publisher : <![CDATA[Universitas Islam Negeri Alauddin Makassar ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (334.708 KB)
|
DOI: 10.24252/msa.v7i2.11943
<![CDATA[Vector Autoregressive (VAR) dalam peramalan jumlah penduduk. Kabupaten Gowa terbagi menjadi 2 wilayah yaitu dataran rendah dan dataran tinggi. Luas kabupaten Gowa adalah 1.883,33 km3, luas dataran tinggi sekitar 72.26 % dan dataran rendah 27,74% yang masing-masing meliputi 9 kecamatan. Berdasarkan data BPS Gowa tahun 2016 jumlah penduduk dataran tinggi yaitu 187.900 jiwa dan dataran rendah yaitu 577.613 jiwa. Metode vector autoregressive (VAR) ialah metode time series dari Autoregressive (AR) jika data univarat dan Vector autoregressive (VAR) jika data Multivariat. Tujuan dari penelitian ini ialah untuk mengetahui laju pertumbuhan penduduk dataran tinggi dan dataran rendah di kabupaten Gowa pada tahun 2022 dengan menggunakan metode Vector Autoregressive (VAR). Adapun data yang digunakan yaitu data jumlah penduduk kabupaten Gowa tahun 1998 sampai dengan tahun 2016. Hasil penelitian diperoleh model VAR(1) yang digunakan untuk memprediksi laju pertumbuhan penduduk dan dapat disimpulkan bahwa jumlah penduduk tahun 2022 di dataran dan di dataran rendah yaitu mengalami peningkatan setiap tahun.]]>
<![CDATA[Klasifikasi Tingkat Partisipasi Angkatan Kerja Kota Makassar Menggunakan Metode CART ]]>
<![CDATA[Sauddin, Adnan]]>;
<![CDATA[Alwi, Wahidah]]>;
<![CDATA[AN, Ningsih]]>
<![CDATA[ Jurnal MSA (Matematika dan Statistika serta Aplikasinya) Vol 7 No 2 (2019) ]]>
Publisher : <![CDATA[Universitas Islam Negeri Alauddin Makassar ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (683.713 KB)
|
DOI: 10.24252/msa.v7i2.11188
<![CDATA[Penelitian ini membahas tentang kondisi angkatan kerja di kota Makassar yang mengalami peningkatan setiap tahunnya. Metode yang digunakan adalah metode CART (Classification And Regression Tree). Adapun hasil dari penelitian ini diperoeh bahwa metode CART dengan tingkat ketepatan klasifikasi 69,68% mengklasifikasi angkatan kerja menjadi lima]]>
<![CDATA[Estimasi Peluang Klaim Tebus pada Perusahaan Asuransi menggunakan Model Point Process ]]>
<![CDATA[Alwi, Wahidah ida]]>;
<![CDATA[Anugrawati, Sri Dewi]]>;
<![CDATA[Ismawati, Ismawati]]>
<![CDATA[ Jurnal MSA (Matematika dan Statistika serta Aplikasinya) Vol 7 No 2 (2019) ]]>
Publisher : <![CDATA[Universitas Islam Negeri Alauddin Makassar ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (304.705 KB)
|
DOI: 10.24252/msa.v7i2.10543
<![CDATA[Penelitian ini membahas perkiraan peluang klaim tebus pada suatu perusahaan asuransi, klaim tebus adalah suatu klaim yang di ajukan karena wanprestasi tertanggung (Seseorang yang berhenti/keluar dari asuransi sebelum waktu jatuh tempo atau terjadi suatu risiko asuransi). Klaim tebus juga merupakan klaim yang sulit diprediksi karena kejadiannnya bersifat acak. Oleh karena itu pada penelitian ini digunakan model Point process dalam mengestimasi peluang klaim tebus. Point process merupakan salah satu proses stokastik yang dapat menerangkan suatu kejadian yang bersifat acak baik dalam ruang maupun waktu. Point process dikarakteristikkan berdasarkan intensitas bersyaratnya (Conditional Intensity). Pada penelitian ini intensitas bersyarat Point process dipandang sebagai proses renewal yang disebut sebagai Hazard Rate. Metode estimasi yang digunakan adalah maximum likelihood temporal point process yang dikontsruksi dengan proses Bernoulli dimana waktu antar kejadian dibagi menjadi selang-selang sempit yang dipandang sebagai percobaan binomial. Sehingga diperoleh Hasil estimasi Hazard Rate dan peluang munculnya klaim yang akan datang berdasarkan fungsi Hazard Rate dari waktu antar kedatangan klaim yang berdistribusi lognormal. Pada skripsi ini diperoleh hasil semakin besar/panjang wantu antar kedatangan klaim,maka semakin besar pula peluang klaim terjadi pada interval waktu tersebut .]]>
<![CDATA[ANALISIS NEGARA-NEGARA TERJANGKIT VIRUS COVID-19 BERDASARKAN KELOMPOK PENDAPATAN DAN NEGARA TROPIS DI BENUA ASIA MENGGUNAKAN MULTIPLE CLASSIFICATION ANALYSIS ]]>
<![CDATA[Dewi, Aprilia Lutviana]]>;
<![CDATA[Pratama, Fajar Rakha]]>;
<![CDATA[Aini, Nur]]>;
<![CDATA[Yuhan, Risni Julaeni]]>
<![CDATA[ Jurnal MSA (Matematika dan Statistika serta Aplikasinya) Vol 8 No 1 (2020): Volume 8 Nomor 1 ]]>
Publisher : <![CDATA[Universitas Islam Negeri Alauddin Makassar ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24252/msa.v8i1.13821
<![CDATA[Virus Corona atau severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) saat ini tengah menjadi pandemi global, yang dikenal dengan sebutan COVID-19. Negara – negara yang lebih dulu terjangkit COVID-19 adalah negara-negara yang masuk dalam kelompok pendapatan tinggi. Padahal negara berpendapatan tinggi lebih mudah untuk memenuhi kebutuhan nutrisi dan kesehatannya dibandingkan dengan negara berpendapatan rendah. Selain itu, kondisi iklim juga mungkin mempengaruhi penyebaran virus. Negara dengan iklim tropis merupakan negara yang lebih lambat terjangkit dibandingkan dengan negara yang tidak beriklim tropis, sehingga diasumsikan virus ini lebih susah menyebar di iklim tropis. Dalam penelitian ini dilihat hubungan antara jumlah kasus positif COVID-19 dengan kelompok pendapatan serta iklim di negara yang terkena corona di benua Asia menggunakan MCA (Multiple Classification Analysis). Hasil penelitian ini membuktikan bahwa kasus positif COVID-19 di Benua Asia lebih banyak terjadi di negara non-tropis dibandingkan negara tropis. Berdasarkan kelompok pendapatan, semakin tinggi kelompok pendapatan pada negara tropis di Benua Asia maka jumlah kasus positif COVID-19 cenderung meningkat. Hal ini juga terjadi pada negara non-tropis di Benua Asia.]]>
<![CDATA[ANALISIS KEKONTINUAN FUNGSI PADA BARISAN FUNGSI KONVERGEN ]]>
<![CDATA[Alwi, Wahidah]]>;
<![CDATA[Ishak, Ishak]]>
<![CDATA[ Jurnal MSA (Matematika dan Statistika serta Aplikasinya) Vol 8 No 1 (2020): Volume 8 Nomor 1 ]]>
Publisher : <![CDATA[Universitas Islam Negeri Alauddin Makassar ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24252/msa.v8i1.14345
<![CDATA[Penelitian ini membahas tentang tentang barisan fungsi dan hubungannya dengan fungsi kontinu . Salah satu kekonvergenan dalam barisan fungsi adalah konvergen seragam, dimana jenis kekonvergenan tersebut mampu mempertahankan kekontinuan fungsi. Penelitian ini bertujuan untuk menunjukkan karakteristik barisan fungsi yang konvergen ke fungsi kontinu . Kemudian akan diuraikan beberapa sifat barisan fungsi konvergen seragam serta keterkaitannya dengan fungsi kontinu . Lebih jauh, dalam Penelitian ini akan ditunjukkan karakteristik barisan yang menjadi syarat cukup konvergennya barisan ke fungsi kontinu .]]>
<![CDATA[Taksiran Parameter Multinomial Logit Dengan Menggunakan Generalized Method Of Moment ]]>
<![CDATA[Fathanah, Nur]]>;
<![CDATA[Herdiani, Erna Tri]]>;
<![CDATA[Tinungki, Georgina Maria]]>
<![CDATA[ Jurnal MSA (Matematika dan Statistika serta Aplikasinya) Vol 8 No 1 (2020): Volume 8 Nomor 1 ]]>
Publisher : <![CDATA[Universitas Islam Negeri Alauddin Makassar ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24252/msa.v8i1.12247
<![CDATA[Regresi logistik multinomial merupakan perluasan dari regresi logistik biner yang memungkinkan lebih dari dua kategori variabel dependen. Pada paper ini akan membahas penaksiran parameter regresi logistik multinomial melalui Generalized Method of Moment (GMM). Generalized Method of Moment (GMM) merupakan salah satu metode yang dapat mengatasi pelanggaran asumsi pada data seperti autokorelasi dan heteroskedastisitas]]>
<![CDATA[Estimasi Kejadian Covid-19 Secara Real Time menggunakan R Programming ]]>
<![CDATA[Sauddin, Adnan]]>;
<![CDATA[Nurma, Try Azisah]]>;
<![CDATA[Nurfadilah, Khalilah]]>
<![CDATA[ Jurnal MSA (Matematika dan Statistika serta Aplikasinya) Vol 8 No 1 (2020): Volume 8 Nomor 1 ]]>
Publisher : <![CDATA[Universitas Islam Negeri Alauddin Makassar ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24252/msa.v8i1.14569
<![CDATA[Pada artikel ini menguraikan Langkah-langkah estimasi kejadian covid-19 di Indonesia khusus wilayan Sulawesi selatan secara real time menggunakan Bahasa R.]]>
<![CDATA[ANALISIS SPASIAL ANGKA MORBIDITAS JAWA TENGAH MENURUT KABUPATEN/KOTA TAHUN 2017 ]]>
<![CDATA[Dewi, Aprilia Lutviana]]>;
<![CDATA[Nooraeni, Rani]]>;
<![CDATA[Saputri, Aprillia Anis]]>;
<![CDATA[Hirma, Emalia Septiani]]>;
<![CDATA[Pratama, Firza Refo Adi]]>;
<![CDATA[Mahendra, Fiqih Tri]]>
<![CDATA[ Jurnal MSA (Matematika dan Statistika serta Aplikasinya) Vol 8 No 1 (2020): Volume 8 Nomor 1 ]]>
Publisher : <![CDATA[Universitas Islam Negeri Alauddin Makassar ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24252/msa.v8i1.13749
<![CDATA[Morbiditas merupakan salah satu indikator yang digunakan untuk mengukur derajat kesehatan penduduk. Penduduk di pulau Jawa memiliki derajat kesehatan lebih baik dibandingkan wilayah lain. Namun angka morbiditas di Jawa Tengah pada tiga tahun terakhir ini lebih tinggi daripada angka morbiditas Indonesia. Penelitian ini bertujuan untuk menganalisis angka morbiditas Provinsi Jawa Tengah secara spasial untuk menelusuri faktor-faktor yang mempengaruhi angka morbiditas Provinsi Jawa Tengah menurut kabupaten/kota secara spasial tahun 2017. Metode analisis yang digunakan adalah analisis deskriptif dengan peta tematik dan analisis autokorelasi spasial. Autokorelasi spasial diukur melalui indeks Moran. Sedangkan untuk analisis variabel-variabel secara spasial yang mempengaruhi angka morbiditas dilakukan dengan model Spatial Autoregressive Model karena terdapat dependensi lag pada kabupaten/kota di Jawa Tengah. Dengan pemodelan SAR, didapatkan variabel prediktor yang signifikan memengaruhi variabel respon yaitu morbiditas pada alfa 11% adalah variabel kemiskinan atau X3 dan variabel rasio fasilitas kesehatan per 30000 penduduk atau X5 dengan nilai R2 46%.]]>
