Articles
<![CDATA[Analisis Prediksi IHSG Berdasarkan Kurs Beli IDR-USD Melalui Regresi Copula ]]>
<![CDATA[Arisandi, Nia Lestari]]>;
<![CDATA[Nugroho, Didit Budi]]>;
<![CDATA[Sasongko, Leopoldus Ricky]]>
<![CDATA[ d'CARTESIAN:Jurnal Matematika dan Aplikasi Vol 7, No 2 (2018): September 2018 ]]>
Publisher : <![CDATA[Universitas Sam Ratulangi ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (823.903 KB)
|
DOI: 10.35799/dc.7.2.2018.20615
<![CDATA[Analisis prediksi merupakan langkah penting yang perlu dilakukan untuk menganalisis suatu model prediksi. Suatu model prediksi ditentukan untuk suatu tujuan guna memperoleh perkiraan nilai dari suatu pengamatan di masa depan. Pada umumnya, model prediksi diperoleh melalui metode regresi. Dalam paper ini, model prediksi yang dibahas adalah model yang diperoleh melalui metode regresi dan yang melibatkan fungsi yang disebut copula (bivariat), yang kemudian model ini disebut model regresi copula. Copula merupakan suatu fungsi distribusi gabungan yang dapat digunakan untuk menganalisis kebergantungan peubah-peubah acak dalam struktur yang digambarkan oleh fungsi copula itu sendiri. Fungsi-fungsi copula yang variatif mampu memberikan banyak pilihan model-model regresi copula. Data yang dikaji dalam paper ini adalah data return IHSG dan return Kurs Beli IDR-USD, yang kemudian kedua data tersebut dimodelkan melalui model regresi copula. Ukuran kebergantungan kedua data return dapat dinyatakan oleh Kendall’s Tau dan Spearman’s Rho. Parameter yang dimiliki copula diestimasi melalui nilai Kendall’s Tau atau Spearman’s Rho yang diperoleh dari kedua data return sehingga tiap copula memiliki kemungkinan untuk memodelkan kedua data return berdasarkan parameter yang telah diestimasi dari cara tersebut. Model regresi copula diperoleh dari ekspektasi bersyarat yang dimiliki copula untuk peubah return IHSG bergantung pada peubah return Kurs Beli IDR-USD yang mana perolehan nilai prediksi return IHSG yang bergantung pada nilai return Kurs Beli IDR-USD dihitung dengan menggunakan metode Monte Carlo. Model regresi copula terbaik dari hasil pembahasan dalam paper ini adalah model regresi copula Frank dengan distribusi marginal return IHSG adalah distribusi Laplace dan marginal return Kurs beli IDR-USD adalah distribusi Normal. Model regresi copula Frank tersebut terpilih menjadi yang terbaik berdasarkan dari error nilai prediksi terhadap data return IHSG yang bergantung pada return Kurs Beli IDR-USD relatif kecil dibandingkan dengan model regresi copula lain yang dibahas dalam paper ini.Kata Kunci :  Prediksi, Copula, Ukuran Kebergantungan, Kurs dan IHSG, Monte Carlo ]]>
<![CDATA[Bayesian Survival Analysis Untuk Mengestimasi Parameter Model Weibull-Regression Pada Kasus Ketahanan Hidup Pasien Penderita Jantung Koroner ]]>
<![CDATA[Lukitasari, Dewi]]>;
<![CDATA[Setiawan, Adi]]>;
<![CDATA[Sasangko, Leopoldus Ricky]]>
<![CDATA[ d'CARTESIAN:Jurnal Matematika dan Aplikasi Vol 4, No 1 (2015): Maret 2015 ]]>
Publisher : <![CDATA[Universitas Sam Ratulangi ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (688.156 KB)
|
DOI: 10.35799/dc.4.1.2015.7531
<![CDATA[Paper ini membahas mengenai estimasi parameter model Weibull-Regression untuk data tersensor pada kasus ketahanan hidup pasien penderita jantung koroner dengan pendekatan Bayesian survival analysis. Data yang digunakan adalah data simulasi waktu hidup pasien, status pasien (hidup/mati) dan treatment yang dikenakan yaitu ring dan bypass. Pendekatan Bayesian (Bayesian approach) digunakan untuk mencari distribusi posterior parameter. Metode Markov Chain Monte Carlo (MCMC) digunakan untuk membangkitkan Rantai Markov guna mengestimasi parameter meliputi koefisien regresi (b) dan parameter r dari model survival Weibull. Parameter b dan r yang diperoleh digunakan untuk menghitung fungsi survival tiap pasien untuk tiap treatment yang sekaligus menunjukkan probabilitas bertahan hidup pasien penderita jantung koroner. Kata Kunci : Bayesian, Markov Chain Monte Carlo (MCMC), Model Weibull-Regression, Survival Analysis]]>
<![CDATA[Pemodelan Biaya Garansi Dua Dimensi Polis FRW(Non-Renewing Free Replacement Warranty) dengan Strategi Penggantian untuk Oil Filter Mobil ]]>
<![CDATA[Rohman, Nur]]>;
<![CDATA[Mahatma, Tundjung]]>;
<![CDATA[Sasongko, Leopoldus Ricky]]>
<![CDATA[ d'CARTESIAN:Jurnal Matematika dan Aplikasi Vol 7, No 1 (2018): Maret 2018 ]]>
Publisher : <![CDATA[Universitas Sam Ratulangi ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (559.142 KB)
|
DOI: 10.35799/dc.7.1.2018.19547
<![CDATA[Penelitian ini bertujuan untuk memperoleh model biaya garansi dua dimensi polis non-renewing free replacement warranty dengan strategi penggantian untuk komponen pada mobil yaitu oil filter. Model biaya garansi tersebut melibatkan distribusi bivariat atau copula. Perilaku data bivariat (umur dan penggunaan) kegagalan pertama komponen oil filter mobil dipelajari pada penelitian ini. Kecocokan data bivariat terhadap suatu distribusi bivariat atau copula itu didasarkan pada ukuran statistik Cramr-von Mises dengan pengujiannya dibantu dengan simulasi parametric bootstrap. Biaya garansi diperoleh berdasarkan model biaya tersebut dan dihitung dengan menggunakan metode mean value theorem for integrals. Hasil penelitian ini berupa model dan biaya garansi dua dimensi polis non-renewing free replacement warranty dengan strategi penggantian untuk oil filter mobil. Model yang terbaik adalah model yang melibatkan copula Clayton dengan distribusi marginal umur adalah distribusi Weibull dan marginal penggunaan adalah disribusi Lognormal. Model tersebut dipilih berdasarkan ukuran statistik Cramr-von Mises yang relatif kecil dengan p-value terbesar dibanding model-model lain melalui bantuan simulasi parametric bootstrap. Melalui model terbaik tersebut, biaya garansi dihitung dengan menggunakan metode mean value theorem for integrals yang diusulkan dalam penelitian ini. Biaya garansi tersebut diperoleh berdasarkan masa garansi dua dimensi oil filter mobil yang tergantung pada umur dan penggunaannya. Biaya garansi naik sebanding dengan umur dan penggunaan yang meningkat.Kata Kunci:  Model Biaya Garansi Dua Dimensi, Non-Renewing Free Replacement Warranty, Strategi Penggantian,Data Bivariat,Umur dan Penggunaan,Copula ]]>
<![CDATA[The Estimation of Renewal Functions Using the Mean Value Theorem for Integrals (MeVTI) Method ]]>
<![CDATA[Sasongko, Leopoldus]]>;
<![CDATA[Mahatma, Tundjung]]>
<![CDATA[ d'CARTESIAN:Jurnal Matematika dan Aplikasi Vol 5, No 2 (2016): September 2016 ]]>
Publisher : <![CDATA[Universitas Sam Ratulangi ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (720.11 KB)
|
DOI: 10.35799/dc.5.2.2016.14984
<![CDATA[In the analysis of warranty, renewal functions are important in acquiring the expected number of failures of a nonrepairable component in a time interval. It is very difficult and complicated -if at all possible- to obtain a renewal function analytically. This paper proposes a numerical integration method for estimating renewal functions in the terms of renewal integral equations. The estimation is done through the Mean Value Theorem for Integrals (MeVTI) method after modifying the variable of the renewal integral equations. The accuracy of the estimation is measured by its comparison against the existing analytical approach of renewal functions, those are for Exponential, Erlang, Gamma, and Normal baseline failure distributions. The estimation of the renewal function for a Weibull baseline failure distribution as the results of the method is compared to that of the well-known numerical integration approaches, the Riemann-Stieljies and cubic spline methods. Keywords :Â Â Â Mean Value Theorem for Integrals, Renewal Functions, Renewal Integral Equations.]]>
<![CDATA[Estimasi Parameter Copula Plackett Untuk Data Bivariat Melalui Metode Generalized Linear Model Pada Regresi Mediannya ]]>
<![CDATA[Situmorang, Egidius Saut Poltak]]>;
<![CDATA[Susanto, Bambang]]>;
<![CDATA[Sasongko, Leopoldus Ricky]]>
<![CDATA[ d'CARTESIAN:Jurnal Matematika dan Aplikasi Vol 9, No 2 (2020): September 2020 ]]>
Publisher : <![CDATA[Universitas Sam Ratulangi ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (468.419 KB)
|
DOI: 10.35799/dc.9.2.2020.28264
<![CDATA[Hubungan antardua peubah acak dapat dilakukan melalui pendekatan regresi linier. Namun keterbatasan regresi linier dalam pemenuhan asumsi klasik sering menjadi kendala analisis. Keterbatasan ini dapat diatasi dengan melibatkan model distribusi bivariat yang disebut copula pada analisis regresi. Copula memiliki keunggulan salah satunya adalah mampu menunjukkan keterhubungan yang tidak linier. Generalized Linear Model (GLM) adalah bentuk perluasan regresi linier. Diketahui bahwa regresi kuantil pada Copula Plackett merupakan suatu bentuk GLM dengan suatu fungsi invers link . Penelitian ini bertujuan untuk menganalisis keterhubungan dua peubah melalui parameter Copula Plackett yang diestimasi melalui pendekatan Generalized Linier Model pada regresi mediannya dengan metode Least Square. Validasi parameter Copula Plackett dilakukan dengan metode simulasi parametric bootstrap melalui pengulangan metode bagi dua. Regresi median terbaik dipilih melalui nilai Mean Square Error terkecil. Perolehan parameter Copula Plackett diterapkan pada data penelitian, yaitu return IHSG dan return kurs beli JPY-IDR untuk menganalisis keterhubungan keduanya. Hasil penelitian menunjukkan bahwa keterhubungan return IHSG dan return kurs beli JPY-IDR dinyatakan ada namun tidak dapat dikatakan saling bebas.]]>
<![CDATA[Penerapan Metode Item-Based Collaborative Filtering Untuk Sistem Rekomendasi Data MovieLens ]]>
<![CDATA[Jaja, Visher Laja]]>;
<![CDATA[Susanto, Bambang]]>;
<![CDATA[Sasongko, Leopoldus Ricky]]>
<![CDATA[ d'CARTESIAN:Jurnal Matematika dan Aplikasi Vol 9, No 2 (2020): September 2020 ]]>
Publisher : <![CDATA[Universitas Sam Ratulangi ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (448.021 KB)
|
DOI: 10.35799/dc.9.2.2020.28274
<![CDATA[Pada masa sekarang ini film telah menjadi salah satu hiburan favorit utama masyarakat. Jumlah film pertahun terhitung mencapai ribuan. Hal ini membuat penggemar film kesulitan dalam memilih film mana yang tepat untuk ditonton sesuai keinginan. Sehingga dibutuhkan sistem rekomendasi yang bertujuan untuk memberikan saran film mana yang akan dipilih. Sistem rekomendasi adalah sistem yang membantu pengguna dalam mengatasi informasi yang meluap dengan memberikan rekomendasi spesiï¬k bagi pengguna dan diharapkan rekomendasi tersebut bisa memenuhi keinginan dan kebutuhan pengguna. Terdapat tiga jenis sistem rekomendasi berdasarkan metode yang digunakannya yakni, collaborative filtering, content-based filtering, dan hybrid. Metode yang digunakan adalah collaborative filtering merupakan salah satu yang sering digunakan dalam sistem rekomendasi. Collaborative filtering dibagi menjadi dua bagian yaitu item-based collaborative filtering dan user-based collaborative filtering. Dalam tugas akhir ini penulis menggunakan metode item-based collaborative filtering. Data set yang digunakan adalah data set dari MovieLens.org berupa 100.000 rating yang diberikan oleh pengguna terhadap film. Data MovieLens akan diproses menggunakan program R dan memakai paket R yaitu recommenderlab.]]>
<![CDATA[Pendekatan Generalized Linear Model Pada Regresi Kuantil Copula Normal Untuk Keterhubungan IHSG dan Kurs EUR-IDR ]]>
<![CDATA[Prameswara, Laurentia Nindya Sari]]>;
<![CDATA[Susanto, Bambang]]>;
<![CDATA[Sasongko, Leopoldus Ricky]]>
<![CDATA[ d'CARTESIAN:Jurnal Matematika dan Aplikasi Vol 9, No 2 (2020): September 2020 ]]>
Publisher : <![CDATA[Universitas Sam Ratulangi ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (458.659 KB)
|
DOI: 10.35799/dc.9.2.2020.28263
<![CDATA[Penelitian ini bertujuan untuk memperoleh estimasi parameter dan regresi kuantil pada suatu model distribusi bivariat yang disebut Copula sebagai alternatif regresi linier klasik dalam menganalisis keterhubungan dua peubah acak. Copula adalah model distribusi bivariat yang memiliki keunggulan selain karena tidak kaku terhadap asumsi distribusi tertentu, juga dapat menyatakan keterhubungan nonlinier. Copula yang dianalisis pada penelitian ini adalah Copula Normal. Sedangkan Generalized Linear Model (GLM) adalah perluasan dari model regresi linier klasik, yang salah satu komponen utamanya adalah fungsi link. Didapati bahwa regresi kuantil pada copula Normal merupakan suatu bentuk GLM dengan fungsi invers link yaitu . Regresi kuantil dan parameter copula Normal  diestimasi dengan pendekatan GLM menggunakan metode Least Square. Estimasi regresi kuantil terbaik dilakukan dengan menghitung Mean Square Error (MSE). Validasi parameter copula dilakukan melalui simulasi dengan parametric bootstrap. Data yang digunakan dalam penelitian ini adalah data return IHSG sebagai peubah tak bebas dan data return kurs beli EUR-IDR sebagai peubah bebas. Hasil penelitian menunjukkan bahwa keterhubungan IHSG dan kurs beli EUR-IDR lemah dan tidak linier.]]>
<![CDATA[Regresi Linier Berganda Termodifikasi untuk Data Spektrum pada Larutan Konsentrasi Glukosa, Sukrosa, dan Fruktosa ]]>
<![CDATA[Yusuf Kurniawan]]>;
<![CDATA[Leopoldus Ricky Sasongko]]>;
<![CDATA[Hanna Arini Parhusip]]>
<![CDATA[ Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya 2019: Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Surakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (886.228 KB)
<![CDATA[Penelitian ini bertujuan untuk memperoleh model pendekatan data spektrum suatu larutan yang berisi konsentrasi glukosa, sukrosa, dan fruktosa dengan menggunakan regresi linier berganda. Data spektrum yang didapatkan dari Pusat Studi (Pusdi) Aplikasi Near Infrared (NIR) FSM UKSW merupakan hasil penembakan dua hingga tiga gram dari larutan itu oleh sinar infrared pada alat spektrometer dengan panjang-panjang gelombang tertentu yang selanjutnya data spektrum tiap gelombang yang diperoleh dianalisis melalui analisis regresi linier berganda berdasarkan informasi parameter-parameter regresi, koefisien determinasi, dan signifikansi tiap parameter pada model. Fungsi parameter regresi yang bergantung pada panjang gelombang diperoleh dengan menginterpolasi parameter seluruh model yang telah didapat di setiap panjang gelombang melalui interpolasi polinomial Newton yang selanjutnya diperoleh model pendekatan data spektrum sebagai tujuan penelitian ini. Uji Kolmogorov-Smirnov satu sampel dilakukan untuk menguji distribusi Normal baku pada distribusi error, selisih hasil yang diperoleh model pendekatan terhadap data spektrum yang dimiliki pusdi aplikasi NIR FSM UKSW. Dengan distribusi error yang sebagian besar model mengikuti distribusi Normal baku, model yang selanjutnya disebut model regresi linier berganda termodifikasi dapat dikatakan cukup baik untuk memodelkan data spektrum. Dengan didapatkannya model regresi linier ini dapat diestimasi nilai – nilai data spektrum pada konsentrasi dan panjang gelombang tertentu.]]>
<![CDATA[The Mean Value Theorem for Integrals Method for Estimating Two-Dimensional Renewal Functions ]]>
<![CDATA[Leopoldus Ricky Sasongko]]>;
<![CDATA[Bambang Susanto]]>
<![CDATA[ JTAM (Jurnal Teori dan Aplikasi Matematika) Vol 4, No 1 (2020): April ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Mataram ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1430.842 KB)
|
DOI: 10.31764/jtam.v4i1.1831
<![CDATA[An important aspect in the provision of a two-dimensional warranty is the expected number of failures of a component during the two-dimensional warranty period. The purpose of this paper is to present a new method to obtain the expected number of failures of a nonrepairable component from the two-dimensional renewal functions as the solution of two-dimensional renewal integral equations through the Mean Value Theorem for Integrals (MeVTI) method. The two-dimensional renewal integral equation involves Lu-Bhattacharyya’s bivariate Weibull model as a two-dimensional failure model. It turns out that the estimation of the expected number of failures using the MeVTI method is close to that of the other method, Riemann-Stieljies method. The bivariate data behaviour of the failures of an automobile component is also studied in this paper.]]>
<![CDATA[Volatilitas Kurs dan Saham Mengikuti Model EGARCH(1,1) Berdistribusi Versi Skew Normal dan Student-t ]]>
<![CDATA[Didit Budi Nugroho]]>;
<![CDATA[Anggita M Kusumawati]]>;
<![CDATA[Leopoldus R Sasongko]]>
<![CDATA[ Jurnal Ekonomi Kuantitatif Terapan 2020: Vol. 13, No.2, Agustus 2020 (pp.211-356) ]]>
Publisher : <![CDATA[Universitas Udayana ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24843/JEKT.2020.v13.i02.p04
<![CDATA[Studi ini membandingkan kinerja pencocokan model volatilitas GARCH(1,1) dan EGARCH(1,1) pada return kurs dan saham. Model mengasumsikan empat distribusi berbeda untuk error dari return: Normal, Skew-Normal (SN), Alpha-Skew Normal (ASN), dan Student-t. Data aset keuangan yang digunakan sebagai analisis perbandingan yaitu data kurs beli US Dollar (USD) dalam periode harian dari Januari 2010 sampai Desember 2017 dan data indeks saham FTSE100 dalam periode harian dari Januari 2000 sampai Desember 2013. Studi ini membandingkan metode Generalized Reduced Gradient (GRG) Non-Linier di Solver Excel dan metode Adaptive Random Walk Metropolis (ARWM) untuk mengestimasi model. Hasil menunjukkan bahwa metode GRG Non Linear Solver Excel memberikan estimasi yang serupa dengan metode ARWM dan tidak melanggar kendala model. Lebih lanjut, berdasarkan nilai Akaike Information Criterion (AIC), kedua data pengamatan menyediakan bukti bahwa model dengan distribusi Student-t adalah yang terbaik, diikuti oleh distribusi SN yang lebih baik daripada model dengan distribusi ASN dan Normal. Nilai AIC telah menyarankan model EGARCH(1,1) berdistribusi Student-t sebagai model pencocokan terbaik untuk kedua data pengamatan.]]>
