{"title":"Membangun Interval Kepercayaan Proporsi Dengan Menggunakan Metode Jackknife Terhapus-1","authors":"W. Suryadi, Epha Diana Supandi","doi":"10.29313/JSTAT.V19I1.4721","DOIUrl":"https://doi.org/10.29313/JSTAT.V19I1.4721","url":null,"abstract":"Metode Jackknife merupakan teknik resampling nonparametric. Prinsip dari metode Jackknife yaitu membangkitkan data dari sampel asli untuk mendapatkan sampel tiruan. Tujuan penelitian ini adalah mengestimasi prosentase suara pada pemilihan umum Kepala Daerah Kabupaten Bantul tahun 2015 dengan menggunakan sampel asli dan metode Jackknife sampel terhapus-1. Keakuratan kedua metode dihitung dengan menggunakan standar error . Hasil penelitian menunjukan bahwa selang kepercayaan menggunakan metode Jackknife sampel terhapus-1 memiliki tingkat keakuratan yang lebih baik dibandingan dengan menggunakan sampel asli, hal ini ditunjukan dengan nilai standar error yang lebih kecil.","PeriodicalId":428124,"journal":{"name":"STATISTIKA: Journal of Theoretical Statistics and Its Applications","volume":"18 1 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2019-06-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"125731636","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"ANALISIS DISKRIMINAN LINEAR ROBUST PADA BERAT BAYI LAHIR DI RSUD LUWUK","authors":"Nur’eni Nur’eni, Surni’a Surni’a, L. Handayani","doi":"10.29313/JSTAT.V19I1.4759","DOIUrl":"https://doi.org/10.29313/JSTAT.V19I1.4759","url":null,"abstract":"Analisis diskriminan linear robust digunakan untuk mengklasifikasikan suatu pengamatan apabila dalam pengamatan tersebut terdapat pencilan. Pencilan akan menyebabkan matriks varians kovarians menjadi tidak robust. Minimum Covariance Determinant (MCD) digunakan untuk menduga sebagian pengamatan dengan meminimumkan determinan matriks kovariansi. Berat bayi lahir menurut WHO (1961) terbagi menjadi dua kategori yaitu berat bayi lahir rendah (BBL 2500 gram) dan berat bayi lahir normal (BBL > 2500 gram). Hasil dari klasifikasi berat bayi lahir di RSUD Luwuk Kabupaten Banggai dengan menggunakan metode analisis diskriminan linear robust diperoleh tingkat akurasi sebesar 81%.","PeriodicalId":428124,"journal":{"name":"STATISTIKA: Journal of Theoretical Statistics and Its Applications","volume":"47 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2019-06-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"127195365","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"HUBUNGAN NEGATIF ANTARA TINGKAT INFLASI DENGAN TINGKAT KEMISKINAN DI WILAYAH PERDESAAN PROVINSI LAMPUNG","authors":"Andrawina Wina","doi":"10.29313/JSTAT.V19I1.4587","DOIUrl":"https://doi.org/10.29313/JSTAT.V19I1.4587","url":null,"abstract":"Menurut teori, tingkat inflasi akan berpengaruh positif pada angka kemiskinan. Namun pada beberapa penelitian, hal itu bisa saja bertentangan. Itulah sebabnya maka penting untuk menguji hubungan kedua variabel tersebut di beberapa lokasi di Indonesia. Penelitian ini mengkaji pengaruh inflasi terhadap angka kemiskinan di wilayah perdesaan di Provinsi Lampung. Metode yang digunakan adalah statistika analitik menggunakan teknik regresi linear sederhana dengan menggunakan data sekunder hasil survei sosial ekonomi dan survei harga perdesaan dari BPS Provinsi Lampung tahun 2012 – 2017. Hasil analisis telah memenuhi uji asumsi klasik sehingga model regresi linear sederhana dapat digunakan dalam memprediksi variabel kemiskinan di perdesaan. Temuan awal penelitian ini menyimpulkan bahwa inflasi perdesaan berpengaruh negatif terhadap tingkat kemiskinan perdesaan di Provinsi Lampung sebesar 0,061. Artinya semakin tinggi pertumbuhan inflasi perdesaan, maka semakin rendah tingkat kemiskinannya. Hal itu berbanding terbalik dengan landasan teori yang mungkin disebabkan oleh adanya fenomena sosial tertentu atau karena inflasi merupakan determinan dari makro ekonomi, sehingga bisa saja tidak berpengaruh langsung pada tingkat kemiskinan. Hal ini bukan saja terjadi pada kajian ini, tetapi juga pada beberapa kajian sebelumnya. Pada akhirnya, hal ini membutuhkan penelitian lanjutan yang lebih komprehensif untuk wilayah-wilayah lain di Indonesia, untuk dapat lebih memahami hubungan antara dua variabel tersebut. Kata kunci : Inflasi Perdesaan, Pertumbuhan, Regresi Linear Sederhana","PeriodicalId":428124,"journal":{"name":"STATISTIKA: Journal of Theoretical Statistics and Its Applications","volume":"36 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2019-06-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"124317430","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Deteksi Pencilan pada Model ARIMA dengan Bayesian Information Criterion (BIC) Termodifikasi","authors":"Selma Yulistiani, Suliadi Suliadi","doi":"10.29313/JSTAT.V19I1.4740","DOIUrl":"https://doi.org/10.29313/JSTAT.V19I1.4740","url":null,"abstract":"Time series data may be affected by special events or circumstances such as promotions, natural disasters, etc. These events can lead to inconsistent observations in the series called outliers. Because outliers can make invalid conclusions, it is important to carry out procedures in detecting outlier effects. In outlier detection there is one type of outlier, namely additive outlier (AO). The process of detecting additive outliers in the ARIMA model can be said as a model selection problem, where the candidate model assumes additive outliers at a certain time. In the selection of models there are criteria that must be considered in order to produce the best model. The good criteria for models selection can use the Bayesian Information Criterion (BIC) derived by Schwarz (1978). Galeano and Pena (2011) proposed a modified Bayesian Information Criterion for model selection and detect potential outliers. The modified Bayesian Information Criterion for outlier detection will be applied to the data OutStanding Loan PT.Pegadaian Cimahi year 2013-2017. So that the best model is obtained that the model with adding 2 potential outliers with the ARIMA model (1.0,0), that outliers at observations 48, and 58 because it has a minimum BICUP value of 1064.95650.","PeriodicalId":428124,"journal":{"name":"STATISTIKA: Journal of Theoretical Statistics and Its Applications","volume":"70 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2019-06-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"126808412","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Pengaruh BAP (Benzile Amino Purin) dan IAA (Indole Asetic Acid) pada Bunga Krisan Menggunakan Desain Eksperimen Faktorial","authors":"Ade Irma Nurwahidah, Rendi Prasetyo","doi":"10.29313/JSTAT.V18I2.4543","DOIUrl":"https://doi.org/10.29313/JSTAT.V18I2.4543","url":null,"abstract":"Krisan merupakan sejenis tumbuhan berbunga yang sering ditanam sebagai tanaman hiaspekarangan atau bunga petik. Seiring dengan bertambahnya jumlah penduduk, meningkatnyakesejahteraan masyarakat dan bertambahnya kesadaran masyarakat akan keindahan lingkunganmaka kebutuhan akan bunga krisan meningkat. Oleh karena itu untuk memenuhi kebutuhan akanbunga krisan dilakukan melalui kultur jaringan. Salah satu faktor yang dapat mempengaruhiterhadap pembiakan secara teknik kultur jaringan yaitu penambahan zat pengatur tumbuh. Dalampenelitian ini menggunakan zat pengatur tumbuh BAP (Benzile Amino Purin) dan IAA (Indole AseticAcid). Konsentrasi BAP terdiri 4 taraf yaitu 0 µM, 2,5 µM, 5 µM, dan 7,5 µM sedangkan konsentrasiIAA terdiri 4 taraf juga yaitu 0 µM, 1 µM, 2 µM, dan 3 µM. Tujuan dalam penelitian ini yaitu untukmengetahui pengaruh zat pengatur tumbuh BAP (Benzile Amino Purin) dan IAA (Indole Asetic Acid)terhadap jumlah daun, jumlah akar, jumlah tunas dan tinggi tanman. Untuk mengetahui tujuantersebut dilakukan pengujian dengan desain eksperimen faktorial. Hasil uji anava menunjukkanpada jumlah daun hanya konsentrasi zat pengatur tumbuh BAP yang signifikan artinya terdapatperbedaan pengaruh konsentrasi zat pengatur tumbuh BAP terhadap jumlah daun dan konsentrasiBAP yang optimal yaitu 7,5 µM. Dari hasil anava pada data jumlah akar menunjukkan zat pengaturtumbuh BAP, IAA, dan interaksi antara zat pengatur tumbuh BAP dan IAA signifikan. Pada ujirentang ganda Duncan menggunakan data jumlah akar menyimpulkan bahwa konsentrasi zatpengatur tumbuh yang baik atau optimal yaitu konsentrasi BAP 0 µM dan IAA 3 µM. Pada uji anavajumlah tunas dang tinggi bunga krisan sama-sama menunjukkan hanya zat pengatur tumbuh BAPyang signifikan dan uji rentang ganda Duncan zat pengatur tumbuh yang optimal terhadap jumlahtunas yaitu konsentrasi BAP 10 µM dan terhadap tinggi bunga krisan yaitu konsentrasi BAP 0 µM.","PeriodicalId":428124,"journal":{"name":"STATISTIKA: Journal of Theoretical Statistics and Its Applications","volume":"23 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2019-03-19","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"121683198","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Sukim Sukim, F. Firdaus, Retnaningsih Retnaningsih, Efri Diah Utami
{"title":"Mengukur Kepemimpinan Perempuan di Indonesia dengan Metode Fuzzy c-Means Clustering","authors":"Sukim Sukim, F. Firdaus, Retnaningsih Retnaningsih, Efri Diah Utami","doi":"10.29313/JSTAT.V18I2.4536","DOIUrl":"https://doi.org/10.29313/JSTAT.V18I2.4536","url":null,"abstract":"Indonesia is fully committed to implement Sustainable Development Goals (SDGs). The goal 5 ofSDGs priorities the need to end discrimination against women and girls in all forms, and meetingtheir right to equal opportunities in employment, health and education. It is in line with thePresidential Instruction No. 9/2000 on gender mainstreaming in the National development programs.According to the result of the 2015 Intercensal Population census, about 49.75 percent of 255.18million Indonesian population are women. This large figure population of women could be an assetfor the national development in Indonesia when they are given the opportunity to advance andimprove their quality. Unfortunately, it is realized that there is still a gap between men and women inIndonesia due to limited access of women in education, employment, politics and high governmentalposition. Considering that women’s leadership is important to achieve and accelerate SDGs, thispaper aims to assess women’s leadership in Indonesia at province level by using 5 dimensions ofwomen’s leadership (politics, government, education, economy and decision making). Applying Fuzzyc-Means Clustering Method and 7 validity indexes, the result found that provinces in Indonesia canbe grouped into 4 clusters. The fourth cluster consists of 14 provinces and is considered as a clusterwith lowest women’s leadership.","PeriodicalId":428124,"journal":{"name":"STATISTIKA: Journal of Theoretical Statistics and Its Applications","volume":"70 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2019-03-19","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"127354619","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"PENGUJIAN ASOSIASI TIPE WILAYAH DENGAN KUALITAS ANGKATAN KERJA YANG BEKERJA DI PROVINSI BENGKULU","authors":"Reynaldo Purba","doi":"10.29313/JSTAT.V18I2.4208","DOIUrl":"https://doi.org/10.29313/JSTAT.V18I2.4208","url":null,"abstract":"Provinsi Bengkulu merupakan provinsi termiskin di Pulau Sumatera. Peningkatan kesejahteraan masyarakat merupakan salah satu program prioritas pemerintah. Salah satu tolak ukur untuk melihatnya adalah tingkat kemiskinan disuatu daerah. Provinsi Bengkulu sebagai salah satu provinsi dengan tingkat kemiskinan tertinggi di Indonesia harus dapat menanggulangi permasalahan tersebut. Ketenagakerjaan dianggap merupakan salah satu cara untuk mengentaskan kemiskinan. Untuk melihat apakah kebijakan yang diambil pemerintah sudah tepat dalam meningkatkan kualitas dan pemerataan penyerapan tenaga kerja, perlu dilihat apakah ada hubungan (asosiasi) antara tipe wilayah (perdesaan dan perkotaan) dengan kualitas angkatan kerja (terdidik dan tidak terdidik) dari penduduk yang bekerja di Provinsi Bengkulu. Menggunakan Uji Beda Peluang, Uji Resiko Relatif, Uji Odds Ratio dan Uji Independensi (Chi Square) didapat bahwa memang terdapat hubungan (asosiasi) dari kedua variabel tersebut.","PeriodicalId":428124,"journal":{"name":"STATISTIKA: Journal of Theoretical Statistics and Its Applications","volume":"30 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2019-03-19","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"115505113","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
M. Miftahuddin, Risana Rachmatan, Marlindawati Marlindawati
{"title":"Perbandingan Model Tingkat Kepuasan Perwalian Online Mahasiswa Berdasarkan Tahun Masuk di FMIPA Universitas Syiah Kuala","authors":"M. Miftahuddin, Risana Rachmatan, Marlindawati Marlindawati","doi":"10.29313/JSTAT.V18I2.4544","DOIUrl":"https://doi.org/10.29313/JSTAT.V18I2.4544","url":null,"abstract":"Tingkatan kepuasan mahasiswa adalah bervariasi untuk setiap tahun masuk Perguruan Tinggiterutama dalam penggunaan sistem perwalian online. Tujuan penelitian ini untuk membandingkanmodel tingkat kepuasan mahasiswa berdasarkan tahun masuk di FMIPA Universitas Syiah Kualadengan menggunakan metode regresi logistik ordinal. Dalam penelitian ini digunakan data primeryang berasal dari penyebaran kuesioner pada 135 responden yang merupakan mahasiswa aktif diFMIPA Universitas Syiah Kuala tahun angkatan 2013, 2014 dan 2015. Untuk penelitian inidigunakan 9 variabel prediktor dan variabel respons yaitu: variabel kemudahan, efisiensi, kesalahan,mudah diingat, jenis kelamin, asal daerah, tahun angkatan, IPK, waktu tunggu dan tingkatkepuasan mahasiswa dalam penggunaan sistem perwalian online. Berdasarkan hasil penelitiandiketahui bahwa model terbaik adalah model terbaik terdapat pada model tingkat kepuasanmahasiswa angkatan 2013 dengan nilai AIC terkecil yaitu 78,25% dan ketepatan klasifikasi tertinggiyaitu 80,5%. Dengan satu variabel yang berpengaruh pada taraf signifikan sebesar 0,1 yaitu variabelkesalahan.","PeriodicalId":428124,"journal":{"name":"STATISTIKA: Journal of Theoretical Statistics and Its Applications","volume":"370 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2019-03-19","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"134375411","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Aplikasi Generalized Poisson Regression dalam Mengatasi Overdispersi pada Data Jumlah Penderita Demam Berdarah Dengue","authors":"Arwini Arisandi, E. T. Herdiani, Sitti Sahriman","doi":"10.29313/JSTAT.V18I2.4542","DOIUrl":"https://doi.org/10.29313/JSTAT.V18I2.4542","url":null,"abstract":"Asumsi dasar dalam regresi Poisson yaitu nilai variansi data sama dengan nilai mean data. Namun,asumsi tersebut umumnya tidak terpenuhi, misalnya terdapat kasus overdispersi. Overdispersidalam regresi Poisson terjadi apabila nilai variansinya lebih besar daripada nilai meannya. Jikaterjadi overdispersi pada data, maka model regresi Poisson kurang akurat digunakan karenaberdampak pada nilai standard error dari taksiran parameter yang dihasilkan cenderung menjadiunderestimate sehingga kesimpulan yang diperoleh menjadi kurang valid. Dalam penelitian ini,kasus overdispersi dapat diatasi dengan model generalized Poisson regression. Hasil penelitianmenunjukkan bahwa nilai AIC minimum diberikan oleh model generalized Poisson regression.Sehingga dalam penelitian ini disimpulkan bahwa pada penelitian terhadap data yang mengalamioverdispersi pada Jumlah Penderita DBD di Kota Makassar tahun 2016, pemodelan regresigeneralized Poisson mampu mengatasi terjadinya overdispersi yang terjadi pada pemodelan regresiPoisson. Nilai R2 yang dimiliki sebesar 67% yang artinya jumlah penderita DBD ditentukan olehpersentase tempat-tempat umum memenuhi syarat kesehatan, persentase penduduk yang memilikiakses air minum layak, persentase rumah tangga berprilaku hidup bersih dan sehat dan persentaserumah yang memenuhi syarat kesehatan. Selebihnya 33% ditentukan oleh faktor lain.","PeriodicalId":428124,"journal":{"name":"STATISTIKA: Journal of Theoretical Statistics and Its Applications","volume":"20 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2019-03-19","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"127341058","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Novri Suhermi, Suhartono Suhartono, I. M. Dana, D. Prastyo
{"title":"Pemilihan Arsitektur Terbaik pada Model Deep Learning Melalui Pendekatan Desain Eksperimen untuk Peramalan Deret Waktu Nonlinier","authors":"Novri Suhermi, Suhartono Suhartono, I. M. Dana, D. Prastyo","doi":"10.29313/JSTAT.V18I2.4545","DOIUrl":"https://doi.org/10.29313/JSTAT.V18I2.4545","url":null,"abstract":"Penentuan arsitektur model deep learning yang tepat merupakan hal yang sangat esensial untukmendapatkan hasil ramalan dengan tingkat kesalahan minimum. Arsitektur deep learning meliputijumlah input dan variabel apa saja yang digunakan, jumlah hidden layer, jumlah neuron pada setiaphidden layer, dan fungsi aktivasi. Pada penelitian ini dilakukan studi simulasi pada salah satu modeldeep learning, yaitu deep feedforward network, dengan berbagai kombinasi arsitektur untukmendapatkan arsitektur paling optimum. Data yang digunakan merupakan data bangkitan yangmengikuti model nonlinier Exponential Smoothing Transition Auto-regressive (ESTAR) sebanyak 1000data, di mana 900 data digunakan sebagai data training dan 100 data digunakan sebagai datatesting. Ukuran evaluasi model yang digunakan adalah root mean square error of prediction (RMSEP).Hasil empiris yang didapatkan di antaranya, pemilihan input yang tepat dapat meningkatkanakurasi peramalan, serta pemilihan fungsi aktivasi dan kedalaman arsitektur sangat diperlukanuntuk mendapatkan hasil ramalan yang semakin optimum.","PeriodicalId":428124,"journal":{"name":"STATISTIKA: Journal of Theoretical Statistics and Its Applications","volume":"71 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2019-03-19","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"123192345","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}