Article Per Year (5 Year)
p-Index From 2019 - 2024
1.235
P-Index
This Author published in this journals
All Journal PROSIDING SEMINAR NASIONAL Jurnal Sains Matematika dan Statistika Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai-Nilai Islami) SOSIOHUMANIORA: Jurnal Ilmiah Ilmu Sosial dan Humaniora ASRO JOURNAL - STTAL ESTIMASI: Journal of Statistics and Its Application Jurnal Statistika dan Aplikasinya Prosiding Seminar Nasional Official Statistics
Edy Widodo
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Industrial & Manufacturing Engineering Mathematics Social Sciences Other

Published : 16 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 16 Documents
Search

 1   2 
Klasifikasi Antusiasme Mahasiswa terhadap Perkuliahan Daring Menggunakan Metode Chaid Afifi Indrasari; Riefyal Arshyzha Mustain; Muhammad Tanaka; Muhammad Sukriansyah; Edy Widodo
Jurnal Statistika dan Aplikasinya Vol 5 No 2 (2021): Jurnal Statistika dan Aplikasinya
Publisher : Program Studi Statistika FMIPA UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/JSA.05205

Abstract

Pandemi Covid-19 adalah alasan diadakannya perkuliahan daring dari berbagai kampus maupun sekolah di Indonesia, begitupun dengan kampus Universitas Islam Indonesia yang terletak di Yogyakarta. Tujuan dilakukannya penelitian ini adalah mengetahui apakah media-media yang digunakan dalam perkuliahan daring dapat menunjang kebutuhan pembelajaran baik bagi pengajar maupun bagi mahasiswa atau justru menyebabkan antusiasme mahasiswa menjadi menurun terhadap perkuliahan dengan metode yang digunakan. Penelitian ini menerapkan metode CHAID yang merupakan salah satu bagian dari metode klasifikasi. Teknik pengumpulan data dilaksanakan menggunakan angket google form lalu melanjutkan ke analisis data deskriptif dan analisis CHAID. Terdapat 1 variabel dependen yaitu variabel tingkat antusiasme mahasiswa dan 8 variabel independen yang akan digunakan yaitu variabel jenis media sosial, tingkat kehadiran mahasiswa, kegiatan persiapan mengajar dosen, metode pembelajaran, lama waktu kuliah dan intensitas pemberian tugas. Pada kasus FMIPA UII, didapatkan 6 segmen rekomendasi dari 13 segmen untuk meminimumkan antusiasme biasa saja dan tidak baik dengan tingkat akurasi sebesar 61.25%.
Aplikasi Metode K-Medoid pada Pengelompokan Kabupaten/Kota di Jawa Barat Berdasarkan Indikator Indeks Pembangunan Manusia Tahun 2020 Ridhwan Mustajab; Rafika Aristawidya; Lintang Puspita; Edy Widodo
Jurnal Statistika dan Aplikasinya Vol 5 No 2 (2021): Jurnal Statistika dan Aplikasinya
Publisher : Program Studi Statistika FMIPA UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/JSA.05210

Abstract

Masyarakat memiliki lebih banyak pilihan dalam memenuhi kebutuhan ekonomi, sosial dan budaya. Pembangunan Jawa Barat bukan hanya terpusat pada pemerataan, tetapi juga menekankan pada proses pembangunan dan perubahan, serta menekankan pada percepatan pertumbuhan dan pemerataan pembangunan Jawa Barat. Oleh karena itu, penting sebagai pertimbangan penggunaan Indeks Pembangunan Manusia (IPM) untuk mengelompokkan daerah/kota Jawa Barat. Metode kali ini menggunakan clustering K-Medoids, yang mengambil objek untuk perwakilan pusat cluster dari setiap cluster. Kelebihan dari algoritma K-Medoids adalah tidak sensitif kepada pencilan, sehingga objek yang mempunnyai nilai lebih dapat disimpan dalam distribusi data. Didapatkan pengelompokan dengan K-medoids clustering diperoleh hasil cluster 1 sebanyak 14 anggota sebagai kabupaten/kota dengan jumlah IPM yang rendah. Cluster 2 sebanyak 9 anggota sebagai kabupaten/kota dengan jumlah IPM yang sedang. Sedangkan cluster 3 sebanyak 4 anggota sebagai kabupaten/kota dengan jumlah IPM yang tinggi.
Analisis Perbandingan Efektivitas Iklan Menggunakan EPIC Model Terhadap Mahasiswa UII Yogyakarta Dian Bestriandita; Edy Widodo
Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai-Nilai Islami) Vol 1 No 1 (2017): Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami )
Publisher : Mathematics Department

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (445.567 KB)

Abstract

Penelitian ini bertujuan untuk mengetahui apakah terdapat perbedaan dan tingkat efektivitas iklan di media sosial Facebook, Twitter, Instagram dan Youtube. Metode Analisis yang digunakan dalam penelitian ini adalah analisis Kruskal Wallis dan EPIC model. Populasi dalam penelitian ini adalah seluruh mahasiswa aktif S1 UII yang memiliki akun Facebook, Twitter, Instagram dan Youtube yang pernah melihat iklan di media sosial tersebut. Pengambllan sampel menggunakan metode Purposive Sampling dengan jumlah responden sebanyak 185 orang. Hasil analisis dengan menggunakan EPIC Model diketahui bahwa Instagram memiliki tingkat efektivitas iklan yang paling tinggi dibandingkan 3 media sosial lainnya.
Pengelompokkan Kepemilikan Jaminan Kesehatan Menggunakan Fuzzy C-Means Algorithm (Studi Kasus: Kabupaten/Kota di Provinsi Jawa Tengah Tahun 2015) Anissa Karmila Islami; Edy Widodo
Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai-Nilai Islami) Vol 1 No 1 (2017): Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami )
Publisher : Mathematics Department

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (600.06 KB)

Abstract

PENGELOMPOKKAN KEPEMILIKAN JAMINAN KESEHATAN MENGGUNAKAN FUZZY C-MEANS ALGORITHM (Studi Kasus: Kabupaten/kota di Provinsi Jawa Tengah Tahun 2015) Anissa Karmila Islami1 Edy Widodo2 Program Studi Statistika Fakultas MIPA Universitas Islam Indonesia email: anissakislami@gmail.com1, edywidodo@uii.ac.id2 INTISARI Kesehatan merupakan suatu kebutuhan utama dan merupakan investasi berharga dalam pembangunan. Sesuai dengan Undang-Undang No.36 Tahun 2009 tentang kesehatan pada pasal 5 yaitu setiap orang memiliki hak yang sama dalam memperoleh akses atas sumber daya di bidang kesehatan. Namun, belum semua masyarakat mampu menikmati pelayanan kesehatan yang layak. Jawa Tengah merupakan salah satu provinsi dengan kepadatan penduduk terbanyak, untuk itu perlu dilakukannya pengelompokan kepemilikan jaminan kesehatan di setiap kota/ kabupaten di Provinsi Jawa Tengah pada Tahun 2015. Metode yang digunakan untuk pengelompokkan kepemilikan jaminan kesehatan adalah Fuzzy C-Means Algorithm. Fuzzy C-Means Algorithm merupakan suatu teknik pengelompokan data yang mana suatu cluster ditentukan oleh derajat keanggotaan. Dalam penelitian ini penentuan banyaknya cluster didasarkan pada indeks xie dan beni. Banyaknya cluster yang dibentuk adalah 6 cluster. Hasil yang diperoleh dari pengelompokan cluster 1 sebanyak 6 kabupaten/kota, cluster 2 sebanyak 2 kabupaten/kota, cluster 3 sebanyak 7 kabupaten/kota, cluster 4 sebanyak 12 kabupaten/kota, cluster 5 sebanyak 1 kabupaten/kota, cluster 6 sebanyak 7 kabupaten/kota Keywords: Kesehatan, indeks xie beni, cluster, fuzzy c-mean
Clustering Dampak Gempa Bumi di Indonesia Menggunakan Kohonen Self Organizing Maps (SOM) Ninda Nurul Halim; Edy Widodo
Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai-Nilai Islami) Vol 1 No 1 (2017): Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami )
Publisher : Mathematics Department

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (708.431 KB)

Abstract

Indonesia merupakan wilayah yang sangat rawan bencana gempa bumi dan memiliki tingkat kegempaan tinggi. Di Indonesia gempa yang mengakibatkan kerusakan terjadi 3-5 kali dalam setahun. Oleh karena itu, penting dilakukan clustering pada dampak gempa di Indonesia sebagai upaya mitigasi bencana. Adanya clustering ini berguna untuk mengelompokkan gempa atas dasar karakteristik yang dimiliki. Sehingga upaya mitigasi dapat disesuaikan dengan karakteristik yang dimiliki masing-masing provinsi pada tiap cluster. Metode cluster yang digunakan adalah Kohonen Self Organizing Map (SOM). SOM merupakan metode analisis untuk data berdimensi tinggi dan tidak diperlukan asumsi serta dapat menghasilkan visualisasi objek tersebut. Data yang digunakan adalah 14 variabel dampak gempa bumi pada 26 Provinsi di Indonesia yang mengalami gempa tahun 2000-2016 yang berasal dari publikasi DIBI BNPB. Dari data tersebut didapatkan 4 cluster yang masing-masing memiliki karakteristik tersendiri. Penentuan jumlah cluster dilakukan dengan melalukan validasi cluster menggunakan internal validation. Setelah dilakukan iterasi sebanyak 4000 maka terbentuk cluster 1 yang terdiri dari 2 Provinsi, cluster 2 terdapat 1 Provinsi, cluster 3 terdiri dari 2 Provinsi dan cluster 4 terdiri dari 21 Provinsi.
Pengelompokan Daerah Rawan Kriminalitas di Indonesia Menggunakan Analisis K-Means Clustering Dita Prima Tri Hapsari; Edy Widodo
Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai-Nilai Islami) Vol 1 No 1 (2017): Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami )
Publisher : Mathematics Department

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (585.674 KB)

Abstract

Kriminalitas atau kejahatan adalah suatu perbuatan yang dapat mengakibatkan timbulnya masalah-masalah dan keresahan bagi kehidupan masyarakat. Di Indonesia, jumlah tindak kriminalitas semakin meningkat dari tahun ke tahun. Tujuan dari penelitian ini adalah melakukan pengelompokan daerah rawan kriminalitas dengan menggunakan analisis K-Means Clustering dan pemetaan. Variabel yang digunakan merupakan jenis-jenis kriminalitas, yaitu kejahatan terhadap nyawa, kejahatan terhadap fisik atau badan, kejahatan terhadap kesusilaan, kejahatan terhadap kemerdekaan orang, kejahatan terhadap hak milik atau barang, kejahatan terkait narkotika, kejahatan terkait penipuan, penggelapan, dan korupsi, dan kejahatan terhadap ketertiban umum. Hasil dari penelitian ini yaitu dibentuk empat kelompok, dimana kelompok I masuk ke dalam kategori daerah yang cukup aman, kelompok II masuk ke dalam kategori daerah rawan, kelompok III masuk ke dalam kategori daerah cukup rawan, dan kelompok IV masuk ke dalam kategori aman. Pemetaan didasarkan pada hasil analisis kelompok, daerah dengan tingkat kriminalitas yang tinggi atau rawan kriminalitas digambarkan dengan warna yang gelap, sedangkan daerah dengan tingkat kriminalitas yang rendah digambarkan dengan warna yang terang.
Perbandingan K-Means dan K-Medoids Clustering Terhadap Kelayakan Puskesmas di DIY Tahun 2015 Yunita Hilda; Edy Widodo
Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai-Nilai Islami) Vol 1 No 1 (2017): Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami )
Publisher : Mathematics Department

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (397.806 KB)

Abstract

Puskesmas merupakan salah satu fasilitas pelayanan kesehatan yang mengutamakan upaya kesehatan masyarakat dan perseorangan tingkat pertama. Di DIY terdapat 121 Puskesmas, namun banyaknya jumlah Puskesmas tidak membuat masyarakat lebih memilih pelayanan kesehatan dari Puskesmas karena dianggap kurang layak dari segi SDM serta sarana prasarana yang dimiliki. Penelitian ini bertujuan untuk mengetahui perbandingan hasil pengklasteran Puskesmas di DIY tahun 2015 menggunakan metode K-Means dan K-Medoids Clustering. Dengan metode K-Means Clustering dapat diketahui bahwa pada tahun 2015 di DIY terdapat 31 Puskesmas dengan kondisi layak, 52 Puskesmas dengan kondisi cukup layak, dan 38 Puskesmas dengan kondisi kurang layak. Sedangkan dengan metode K-Medoids Clustering dapat diketahui bahwa pada tahun 2015 di DIY terdapat 35 Puskesmas dengan kondisi layak, 49 Puskesmas dengan kondisi cukup layak, dan 37 Puskesmas dengan kondisi kurang layak. Dalam penelitian ini, pengklasteran menggunakan metode K-Means Clustering memiliki hasil yang lebih baik dibandingkan dengan metode K-Medoids Clustering, karena menghasilkan nilai rasio simpangan baku yang lebih kecil.
Analisis Klaster Hierarki untuk Pengelompokkan Kabupaten/Kota di Jawa Tengah Berdasarkan Indikator Indeks Pembangunan Manusia (IPM) Tahun 2015 Riyana Putri; Edy Widodo
Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai-Nilai Islami) Vol 1 No 1 (2017): Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami )
Publisher : Mathematics Department

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (693.42 KB)

Abstract

Central Java is administratively divided into 29 Districts and 6 Cities. The large number of Districts/ cities will certainly provide a depiction of HDI varied. Therefore, it is necessary to classify districts/cities based on HDI by using cluster analysis. The cluster analysis used by the researcher is the Hierarchy method with five combined methods, namely Single Lingkage, Average Lingkage, Complete Lingkage, Centroid, and Ward's methods. In this research used data of 35 Districts /cities in Central Java. The validity index used to determine the optimum number of groups is RMSSTD (Root Mean Square Standard Deviation). The smallest RMSSTD Index of 170,851 is the Average Lingkage, Complete Lingkage and Ward method with 4 groups. Group 1 consists of 19 Districts/cities, group 2 consists of 3 Districts/cities, group 3 consists of 10 Districts/cities and group 4 consists of 3 Districts /cities with the specified variables. In cluster 2 has a level characteristic Life Expectancy (Eo), Mean Years of Schooling (MYS), Purchasing power parity (PPP) which is when compared to other groups. So, it can be concluded that cluster 2 which consists of Wonosobo Districts, Tegal Districts, and Brebes Districts need to get help from the government.
PENGELOMPOKAN DATA PMKS MENGGUNAKAN METODE SELF ORGANIZING MAPS Eko Heru Firdauz; Edy Widodo
SOSIOHUMANIORA: Jurnal Ilmiah Ilmu Sosial dan Humaniora Vol 4 No 1 (2018)
Publisher : LP2M Universitas Sarjanawiyata Tamansiswa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (467.077 KB) | DOI: 10.30738/sosio.v4i1.2223

Abstract

The purpose of this study is to group the area in Special Region of Yogyakarta (DIY) to find out the characteristics of Social Welfare Issues (PMKS) in DIY 2016 in the grouped area. This is expected to assist the government in making appropriate policies in the formulation of regulations in addressing the problems of social welfare in the DIY region which has an impact on the realization of a prosperous society so as to create a better young generation and improve the quality of life of the community. Cluster analysis used by Data Mining approach with Self Organizing Maps method. The groupings produce 5 Clusters that have different characteristics. Cluster 1 has the capabilities of persons with disabilities, displaced persons and high socio-economic vulnerable women, Cluster 2 has characteristics of persons with disabilities and high susceptibilities, Cluster 3 has a family of psychological and high-scoring social problems, Cluster 4 has characteristics of street children and persons with disabilities high, and Cluster 5 has the characteristics of children dealing with high laws.
APPLICATION OF SUPPORT VECTOR MACHINE METHOD FOR RUPIAH EXCHANGE RATE TO US DOLLAR FORECASTING Rias Monica Putri; Edy Widodo
PROSIDING SEMINAR NASIONAL & INTERNASIONAL 2018: SEMINAR NASIONAL PENDIDIKAN SAINS DAN TEKNOLOGI
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (441.944 KB)

Abstract

A country’s currency exchange rate is one of important indicators in economy. The currency used in international transactions is called Foreign Exchange. For a developing country like Indonesia, the role of foreign exchange rate is very important, especially against hard currencies such as US Dollar. Forecasting foreign exchange is a very important strategy to achieve international business success. This study uses Support Vector Machine (SVM) method because that method has excellent capability in minimizing classification error. From this study result, obtained that the best parameter to forecast Rupiah exchange rate to US Dollar are epsilon (ε) = 0.1, cost (C) = 256, and gamma (γ) = 8. Then, the result of Rupiah exchange rate to US Dollar forecasting on 14th days, the Rupiah exchange rate to US Dollar began to strengthen until it reached Rp. 14.359,14. Keywords:Foreign Exchange,Rupiah, US Dollar, Support Vector Machine (SVM)
Co-Authors Afifi Indrasari Ali Mashudi Anissa Karmila Islami Asdan Tri Madani Ayu Mutmainnah Bella Destia Dian Bestriandita Dita Prima Tri Hapsari Eko Heru Firdauz Elen Prihana Putri Febi Permata Putri Ikhwan Syahtaria Latifah Nur Laila Lintang Puspita Muhammad Sukriansyah Muhammad Tanaka Nanda Lailatul Humairoh Ninda Nurul Halim Puspita Putri Nabilah Putri Ermayani Rafika Aristawidya Rias Monica Putri Ridhwan Mustajab Riefyal Arshyzha Mustain Riski Pratama Ramadhan Riyana Putri Rizki Maliki Zidni Rizky Normelia Sukarno Sukarno Titian Dewi Fortuna Yunita Hilda