Jurnal MSA ( Matematika dan Statistika serta Aplikasinya )最新文献_第4页

IMPLEMENTASI FUZZY C-MEANS DALAM KLASTERISASI KABUPATEN/KOTA DI PULAU SULAWESI BERDASARKAN KINERJA PEMBANGUNAN EKONOMI DAERAH 从目前的任务来看

Jurnal MSA ( Matematika dan Statistika serta Aplikasinya ) Pub Date : 2021-06-29 DOI: 10.24252/msa.v9i1.18319

Roni Anom Satrio

{"title":"IMPLEMENTASI FUZZY C-MEANS DALAM KLASTERISASI KABUPATEN/KOTA DI PULAU SULAWESI BERDASARKAN KINERJA PEMBANGUNAN EKONOMI DAERAH","authors":"Roni Anom Satrio","doi":"10.24252/msa.v9i1.18319","DOIUrl":"https://doi.org/10.24252/msa.v9i1.18319","url":null,"abstract":"Pembangunan ekonomi merupakan rangkaian usaha dalam suatu perekonomian guna mengembangkan kegiatan ekonomi dalam rangka peningkatan taraf hidup masyarakat. Pembangunan ekonomi nasional tidak terlepas dari pembangunan ekonomi daerah. Pulau Sulawesi merupakan salah satu daerah di Kawasan Indonesia Timur yang mengalami pertumbuhan ekonomi pesat. Meski perekonomian Sulawesi tumbuh dengan pesat, namun sumber perekonomiannya sebagian besar masih berpusat di salah satu daerah saja. Dengan demikian, penelitian ini memiliki tujuan untuk membentuk klaster kabupaten/kota di Pulau Sulawesi berdasarkan kinerja pembangunan ekonomi daerah dengan menggunakan Algoritma Fuzzy C-Means. Sebanyak 81 kabupaten/kota di Sulawesi dibagi kedalam lima klaster dan diperoleh fungsi objektif yang konvergen pada iterasi ke-663 sebesar . Klaster 1 merupakan Klaster Pembangunan Ekonomi Menengah Kebawah, terdiri dari 21 kabupaten. Klaster 2 merupakan Klaster Pembangunan Ekonomi Menengah, terdiri dari lima kabupaten. Klaster 3 merupakan Klaster Pembangunan Ekonomi Rendah (Tertinggal), terdiri dari 18 kabupaten. Klaster 4 merupakan Klaster Pembangunan Ekonomi Menengah Atas, terdiri dari 45 kabupaten/kota. Klaster 5 merupakan Klaster Pembangunan Ekonomi Tinggi, terdiri dari dua kabupaten dan 11 kota.","PeriodicalId":429664,"journal":{"name":"Jurnal MSA ( Matematika dan Statistika serta Aplikasinya )","volume":"33 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-06-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"123847439","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}

引用次数: 0

ANALISIS CLUSTER LONGITUDINAL PADA PEMBANGUNAN MANUSIA DI SULAWESI SELATAN BERBASIS GENDER

Jurnal MSA ( Matematika dan Statistika serta Aplikasinya ) Pub Date : 2021-06-29 DOI: 10.24252/msa.v9i1.21180

Khalilah Nurfadilah

{"title":"ANALISIS CLUSTER LONGITUDINAL PADA PEMBANGUNAN MANUSIA DI SULAWESI SELATAN BERBASIS GENDER","authors":"Khalilah Nurfadilah","doi":"10.24252/msa.v9i1.21180","DOIUrl":"https://doi.org/10.24252/msa.v9i1.21180","url":null,"abstract":"Disparitas capaian IPG dan IDG masih relatif tinggi antar kabupaten/kota di Sulawesi Selatan. Masalah lain yang muncul pada pembangunan manusia di Sulawesi Selatan adalah capaian IPG yang tinggi namun tingkat IPM rendah dan sebaliknya capaian IPM yang tinggi namun IPG rendah. Perlu formulasi khusus untuk menetapkan pendekatan pembangunan yang berorientasi pada kesetaraan dan keadilan gender. Salah satu solusinya adalah dengan mengklasifikasikan kabupaten/kota berdasarkan capaian IPM, IPG, dan IDG sehingga intervensi pemerintah tepat sasaran. Klasifikasi dilakukan dengan metode analisis Cluster Longitudinal dengan metode K-Means jarak Manhattan . Ruang lingkup penelitian terdiri dari 24 kabupaten/Kota di Sulawesi Selatan pada periode waktu 2010-2020. Hasil dari Calinski & Harabasz Criterion menunjukkan cluster optimum sebanyak 6 cluster . Pembahasan hasil menunjukkan bahwa daerah perkotaan di Sulawesi Selatan relatif lebih sukses dalam pembangunan manusia berbasis gender, dapat dibuktikan dengan cluster E yang beranggotakan kota Makassar, Parepare, dan Palopo dengan kategori IPM perempuan, IPG, dan IDG yang relatif tinggi dibandingkan cluster lain. Sedangkan kabupaten pada cluster C, walaupun IDG-nya relatif tinggi namun capaian IPM perempuan dan IPG relatif rendah.","PeriodicalId":429664,"journal":{"name":"Jurnal MSA ( Matematika dan Statistika serta Aplikasinya )","volume":"8 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-06-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"127457834","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}

引用次数: 0

Pengelompokkan Provinsi di Indonesia berdasarkan Penyakit Tidak Menular Menggunakan Metode Partisi, Hierarki, dan Fuzzy Clustering 用划分方法、等级制度和模糊的划分，以非传染性疾病为基础的印尼省份

Jurnal MSA ( Matematika dan Statistika serta Aplikasinya ) Pub Date : 2021-06-29 DOI: 10.24252/msa.v9i1.17942

Salsa Vira

{"title":"Pengelompokkan Provinsi di Indonesia berdasarkan Penyakit Tidak Menular Menggunakan Metode Partisi, Hierarki, dan Fuzzy Clustering","authors":"Salsa Vira","doi":"10.24252/msa.v9i1.17942","DOIUrl":"https://doi.org/10.24252/msa.v9i1.17942","url":null,"abstract":"Penyakit tidak menular menjadi isu penting di Indonesia. Berdasarkan data Riset Kesehatan Dasar, tingkat prevalensi penyakit tidak menular di Indonesia melonjak lebih dari 34 persen pada tahun 2018. Oleh karena itu diperlukan suatu penelitian sebagai dasar pemerintah dan pihak terkait untuk membuat kebijakan yang tepat. Penelitian pengelompokkan provinsi di Indonesia berdasarkan penyakit tidak menular menggunakan metode partisi, hierarki, dan fuzzy clustering memiliki tujuan mengelompokkan provinsi-provinsi di Indonesia berdasarkan penyakit tidak menular dan menentukan metode terbaik untuk melakukan pengelompokkannya. Variabel yang digunakan pada penelitian ini terdiri dari delapan jenis penyakit tidak menular yang bersumber dari data RISKESDAS 2018. Berdasarkan hasil pengujiannya didapatkan bahwa provinsi-provinsi di Indonesia dapat dikelompokkan berdasarkan penyakit tidak menular dengan menggunakan metode k- means , k-medoids , AGNES, DIANA, dan fuzzy c-means clustering , dan berdasarkan hasil perbandingan kelima metode tersebut dapat disimpulkann bahwa metode paling baik untuk mengelompokkan provinsi di Indonesia berdasarkan penyakit tidak menular adalah dengan fuzzy c-means clustering .","PeriodicalId":429664,"journal":{"name":"Jurnal MSA ( Matematika dan Statistika serta Aplikasinya )","volume":"52 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-06-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"130084531","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}

引用次数: 0

Analisis Kepuasan Mahasiswa terhadap Kualitas Website Sistem Informasi Akademik Universitas Islam Negeri Alauddin Makassar dengan Menggunakan Metode Structural Equation Modeling 学生对沙特阿拉伯-马卡萨伊斯兰大学学术信息系统网站质量的满意度分析采用了结构平衡模式

Jurnal MSA ( Matematika dan Statistika serta Aplikasinya ) Pub Date : 2021-06-29 DOI: 10.24252/msa.v9i1.19230

Adnan Sauddin, M. I. Nawawi, Yanti Kumaladewi

引用次数: 0

Penerapan Model Seemingly Unrealated Regression (SUR) Spasial pada Tingkat Kasus Kriminalitas di Provinsi Sulawesi Selatan 在南苏拉威西省的犯罪案件水平上实施了明确无误的空间回归模式

Jurnal MSA ( Matematika dan Statistika serta Aplikasinya ) Pub Date : 2021-06-14 DOI: 10.24252/msa.v9i1.19361

Adiatma Rasyid, Irwan Kasse, Adnan Sauddin

引用次数: 0

Turunan (Derivatif): Sebuah Pendekatan Matematis dalam Analisis Keuntungan Maksimum 衍生品:最大利润分析的数学方法

Jurnal MSA ( Matematika dan Statistika serta Aplikasinya ) Pub Date : 2021-06-14 DOI: 10.24252/msa.v9i1.21406

Nurwahidah Nurwahidah, Andi Mariani

引用次数: 0

Faktor-Faktor yang Memepengaruhi Tingkat Stres Mahasiswa Prodi Matematika Fakultas Sains dan Teknologi Universitas Islam Negeri Alauddin Makassar dalam Menyelesaikan Tugas Akhir Menggunakan Confirmatory Factor Analysis (CFA)

Jurnal MSA ( Matematika dan Statistika serta Aplikasinya ) Pub Date : 2021-06-14 DOI: 10.24252/msa.v9i1.19142

H. Hayati, Wahidah Alwi, Adnan Sauddin

{"title":"Faktor-Faktor yang Memepengaruhi Tingkat Stres Mahasiswa Prodi Matematika Fakultas Sains dan Teknologi Universitas Islam Negeri Alauddin Makassar dalam Menyelesaikan Tugas Akhir Menggunakan Confirmatory Factor Analysis (CFA)","authors":"H. Hayati, Wahidah Alwi, Adnan Sauddin","doi":"10.24252/msa.v9i1.19142","DOIUrl":"https://doi.org/10.24252/msa.v9i1.19142","url":null,"abstract":"Penelitian ini membahas tentang faktor-faktor yang mempengaruhi tingkat stres mahasiswa Prodi Matematika Fakultas Sains dan Teknologi UIN Alauddin Makassar dalam menyelesaikan tugas akhir menggunakan Confirmatory Factor Analysis (CFA). Mahasiswa merupakan peserta didik yang terdaftar dan belajar pada suatu perguruan tinggi baik perguruan tinggi negeri maupun perguruan tinggi swasta.Mahasiswa dalam tahap perkembangannya digolongkan sebagai remaja akhir dan dewasa awal, umumnya berusia 18-21 tahun dan 22-24 tahun. Masa peralihan mendorong mahasiswa untuk menghadapi berbagai tuntutan dan tugas perkembangan yang baru. Adapun salah satu masalah penyesuaian diri yang sering dihadapi mahasiswa adalah penyesuaian diri dalam bidang pendidikan yang salah satunya adalah penyesuaian diri pada tugas akhir yang biasanya menimbulkan adanya stres pada mahasiswa. Penelitian ini membahas tentang faktor-faktor yang mempengaruhi tingkat stres mahasiswa prodi matematika dalam menyelesaikan tugas akhir. Oleh karena itu, banyak faktor yang mempengaruhi tingkat stres mahasiswa dalam menyelesaikan tugas akhir. Dalam penelitian ini diasumsikan bahwa faktor fisik, faktor emosional, faktor kognitif dan faktor interpersonal berpengaruh terhadap tingkat stres mahasiswa. Dengan menggunakan Confirmatory Factor Analysis (CFA) diperoleh hasil penelitian bahwa faktor fisik, faktor emosional, faktor kognitif berpengaruh terhadap tingkat stres mahasiswa.","PeriodicalId":429664,"journal":{"name":"Jurnal MSA ( Matematika dan Statistika serta Aplikasinya )","volume":"17 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-06-14","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"127474996","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}

引用次数: 1

Peramalan Luas Panen Padi Indonesia Dengan Model ETS (Error, Trend, Seasonal)

Jurnal MSA ( Matematika dan Statistika serta Aplikasinya ) Pub Date : 2021-06-14 DOI: 10.24252/msa.v9i1.19666

K. Kadir, Octavia Rizky Prasetyo

{"title":"Peramalan Luas Panen Padi Indonesia Dengan Model ETS (Error, Trend, Seasonal)","authors":"K. Kadir, Octavia Rizky Prasetyo","doi":"10.24252/msa.v9i1.19666","DOIUrl":"https://doi.org/10.24252/msa.v9i1.19666","url":null,"abstract":"Makalah ini bertujuan untuk mengevaluasi akurasi perkiraan potensi luas panen padi yang dihasilkan melalui metode Kerangka Sampel Area ( KSA ) dan menyajikan alternatif metode perkiraan luas panen padi dengan mempertimbangkan unsur musimam pada data. Data yang digunakan dalam penelitian ini adalah data realisasi dan potensi luas panen padi hasil Survei KSA periode Januari 2018 sampai dengan Desember 2020. Evaluasi akurasi yang digunakan yaitu nilai Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan Mean Absolute Percentage Error (MAPE) . Metode alternatif peramalan yang digunakan adalah metode ETS. Hasil penelitian menunjukkan perkiraan luas panen padi satu bulan ke depan dengan menggunakan metode KSA memiliki tingkat akurasi yang relatif tinggi , ditunjukkan oleh nilai MAPE yang relatif kecil yakni sebesar 7,52 persen. Sementara itu, ramalan panen menggunakan metode ETS memiliki nilai MAPE, MAE, dan RMSE yang relatif lebih tinggi dibandingkan dengan prediksi panen berdasarkan hasil amatan KSA. Namun, kesalahan peramalan terhadap realisasi luas panen cenderung semakin mengecil seiring dengan penambahan data training . Dengan kata lain, semakin banyak titik data untuk peramalan, semakin baik akurasi hasil peramalan yang dihasilkan oleh metode ETS. Oleh karena itu, model ini dapat dipertimbangkan dalam peramalan luas panen padi dengan menggunakan data hasil Survei KSA ke depannya.","PeriodicalId":429664,"journal":{"name":"Jurnal MSA ( Matematika dan Statistika serta Aplikasinya )","volume":"24 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-06-14","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"117112330","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}

引用次数: 1

PENERAPAN ALGORITMA K-MODES CLUSTERING DENGAN VALIDASI DAVIES BOULDIN INDEX PADA PENGELOMPOKKAN TINGKAT MINAT BELANJA ONLINE DI PROVINSI DAERAH ISTIMEWA YOGYAKARTA

Jurnal MSA ( Matematika dan Statistika serta Aplikasinya ) Pub Date : 2021-06-14 DOI: 10.24252/msa.v9i1.18555

Alyeska Astri Az-zahra, Almira Fajriyati Marsaoly, Intan Putri Lestyani, Roghibah Salsabila, Wa Ode Zuhayeni Madjida

{"title":"PENERAPAN ALGORITMA K-MODES CLUSTERING DENGAN VALIDASI DAVIES BOULDIN INDEX PADA PENGELOMPOKKAN TINGKAT MINAT BELANJA ONLINE DI PROVINSI DAERAH ISTIMEWA YOGYAKARTA","authors":"Alyeska Astri Az-zahra, Almira Fajriyati Marsaoly, Intan Putri Lestyani, Roghibah Salsabila, Wa Ode Zuhayeni Madjida","doi":"10.24252/msa.v9i1.18555","DOIUrl":"https://doi.org/10.24252/msa.v9i1.18555","url":null,"abstract":"Kemajuan teknologi informasi dan komunikasi serta keberadaan internet yang semakin meluas di tengah masyarakat memunculkan kebiasaan-kebiasaan baru. Salah satunya adalah kebiasaan melakukan transaksi jual beli online. Kebiasaan baru tersebut menuntut para pemilik usaha untuk dapat menyesuaikan diri dengan perkembangan dunia transaksi saat ini Penelitian ini bertujuan untuk mengetahui pengelompokkan minat belanja online yang dilakukan masyarakat Daerah Istimewa Yogyakarta berdasarkan faktor jenis kelamin, umur, dan platform yang diminati dengan penerapan Data Mining. Dengan adanya pengelompokkan ini diharapkan dapat memberikan pengetahuan bagi para pemilik online shop agar dapat mengetahui platform mana yang sering digunakan oleh masyarakat DIY dalam melakukan belanja online. Metode yang digunakan dalam mengelompokkan tingkat minat belanja online adalah k-Modes Clustering dengan nilai k = 2,3,4,...,10. Davies-Boulden Index (DBI) digunakan untuk menentukan jumlah klaster terbaik. Berdasarkan hasil analisis, diperoleh jumlah klaster terbaik yaitu k=9 dengan nilai DBI sebesar1,3427. Klaster 5 merupakan klaster terbaik yang anggotanya sangat minat belanja melalui Marketplace dan Media Sosial. Marketplace yang diminati adalah Shopee, Bukalapak, dan Tokopedia, sedangkan Media Sosial yang diminati adalah Instagram, Facebook, dan Media Chatting. Klaster ini didominasi oleh laki-laki umur muda (15-24 tahun).","PeriodicalId":429664,"journal":{"name":"Jurnal MSA ( Matematika dan Statistika serta Aplikasinya )","volume":"20 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-06-14","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"132900019","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}

引用次数: 2

ANALISIS SENTIMEN PENGGUNA INSTAGRAM TERHADAP KEBIJAKAN KEMDIKBUD MENGENAI BANTUAN KUOTA INTERNET DENGAN METODE SUPPORT VECTOR MACHINE (SVM) INSTAGRAM用户对KEMDIKBUD用支持机(SVM)方法帮助限额互联网的政策的看法分析

Jurnal MSA ( Matematika dan Statistika serta Aplikasinya ) Pub Date : 2020-12-23 DOI: 10.24252/MSA.V8I2.16795

Syifa Rahmawati Hakim, M. Rizki, F NovalIrgiZekha, Nurhidayatul Fitri, A YolandaRizkie, Rani Nooraeni

{"title":"ANALISIS SENTIMEN PENGGUNA INSTAGRAM TERHADAP KEBIJAKAN KEMDIKBUD MENGENAI BANTUAN KUOTA INTERNET DENGAN METODE SUPPORT VECTOR MACHINE (SVM)","authors":"Syifa Rahmawati Hakim, M. Rizki, F NovalIrgiZekha, Nurhidayatul Fitri, A YolandaRizkie, Rani Nooraeni","doi":"10.24252/MSA.V8I2.16795","DOIUrl":"https://doi.org/10.24252/MSA.V8I2.16795","url":null,"abstract":"COVID-19 merupakan suatu pandemi baru yang disebabkan oleh coronavirus dan banyak memberikan dampak salah satunya pada dunia pendidikan sehingga mengharuskan menggunakan sistem pembelajaran jarak jauh. Untuk mendukung sistem tersebut, pemerintah Indonesia melalui Kemdikbud memberikan bantuan kepada peserta didik dan tenaga pendidik berupa bantuan kuota internet. Sebagian masyarakat menyampaikan tanggapan dan opininya mengenai bantuan kuota yang disediakan pemerintah di media sosial salah satunya Instagram. Opini-opini tersebut dimanfaatkan untuk mengetahui penilaian masyarakat terhadap bantuan kuota apakah positif atau negatif dengan menggunakan analisis sentimen. Data yang digunakan pada penelitian ini adalah data komentar pengguna instagram di 7 unggahan akun @kemdikbud.ri yang berkaitan dengan bantuan kuota internet mulai tanggal 27 Agustus – 30 September 2020 yang diperoleh melalui scraping sehingga didapatkan sebanyak 4520 komentar yang kemudian diolah dengan melakukan text preprocessing dan diklasifikasikan menggunakan algoritma support vector machine. Hasil dari tahapan preprocessing sebanyak 32.81% (1483 komentar) data siap digunakan untuk analisis sentimen. Setelah dilakukan analisis klasifikasi didapatkan model yang digunakan yaitu tipe C-Classification, dimana model pendekatan yang digunakan adalah SVM-Kernel Radial (Radial Basis Function) dan menghasilkan persentase komentar berupa sentimen positif sebanyak 61.5%. Model SVM Radian (RBF) mampu melakukan pengklasifikasian respons pengguna Instagram terkait pemberian bantuan kuota internet dengan cukup baik. Hal tersebut dibuktikan dengan nilai evaluasi model berupa tingkat akurasi seebsar 79.67%, sensitivitas sebesar 78.89%, dan spesifisitas sebesar 81.82%.","PeriodicalId":429664,"journal":{"name":"Jurnal MSA ( Matematika dan Statistika serta Aplikasinya )","volume":"13 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2020-12-23","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"122310585","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}

引用次数: 3