Garuda - Garba Rujukan Digital

PERBANDINGAN PENDUGAAN PARAMETER KOEFISIEN STRUKTURAL MODEL MELALUI SEM DAN PLS-SEM Z. ZUHDI; B. SUHARJO; H. SUMARNO
MILANG Journal of Mathematics and Its Applications Vol. 15 No. 2 (2016): Journal of Mathematics and Its Applications
Publisher : Dept. of Mathematics, IPB University

Dalam permodelan struktural, terdapat beberapa teknik pendugaan yang dapat digunakan diantaranya SEM dan PLS-SEM. sifat dan tujuan pendugaan kedua metode tersebut perlu diperhatikan. Dalam berbagai kasus para praktisi sering menganggap bahwa ketika ukuran sampel kecil mereka menggunakan PLS-SEM, namun ketika ukuran sampel cukup besar maka menggunakan pendugaan SEM secara tak langsung. Hal ini mengartikan bahwa pendugaan SEM dan PLS-SEM dianggap sama. Selanjutnya, ketika data dan karakteristik model struktural yang digunakan sama pada pendugaan SEM dan PLS-SEM akan menghasilkan hasil parameter penduga yang berbeda. Penelitian ini membandingkan dan mengindentifikasi pendugaan parameter model SEM & PLS-SEM berdasarkan jumlah ukuran sampel yang sama. Data yang digunakan dalam penelitian ini ialah data hipotetik yang dibangkitkan melalui simulasi komputer. Pendugaan parameter model menggunakan LISREL 9.20 & SmartPLS. Hasil menunjukkan bahwa pendugaan SEM optimum untuk akurasi koefisien dan PLS-SEM optimum untuk akurasi prediksi. Nilai rata-rata koefisien dugaan MAPE kedua metode sangat akurat dalam menduga parameter model (<10%). SEM berbasis koefisien digunakan untuk menguji atau mengkonfirmasi teori, sedangkan PLS-SEM berbasis prediksi digunakan untuk membangun teori. Dengan demikian, kedua metode ini tidak dapat dibandingkan karena memiliki sifat pendugaan yang berbeda walaupun menggunakan model dan karekterisitik data simulasi yang sama.

BIAS SKALA DATA DALAM PENDUGAAN KOEFISIEN KORELASI B. SUHARJO; D. PERMADI
MILANG Journal of Mathematics and Its Applications Vol. 12 No. 2 (2013): Journal of Mathematics and Its Applications
Publisher : Dept. of Mathematics, IPB University

Penelitian ini ditujukan untuk mengetahui besar dan perilaku bias dalam pendugaan koefisien korelasi dua variabel berskala ordinal (kategori) dengan berbagai jumlah kategori dan sample. Informasi ini sangat penting mengingat sebagian besar penelitian sosial yang berbasis survey lazim mengumpulkan data berskala ordinal dengan berbagai jumlah kategori. Ini dilakukan dengan alasan kemudahan dalam pengukuran karakteristik objek amatan. Masalah muncul manakala data dianalisis dengan pendekatan parametrik yang mensyaratkan datanya berskala ratio atau kontinu, akibatnya timbul bias dugaan. Korelasi Pearson digunakan sebagai basis analisis untuk mengetahui besar bias dugaan yang dihitung dengan kaidah Mean Absolut Percentage Error (MAPE). Disimpulkan bahwa, semakin banyak jumlah kategori maupun sample data, maka besarmya bias akan semakin mengecil. Penurunan bias akan semakin cepat bila jumlah kategori semakin membesar. Manfaat dari hasil ini adalah, data dengan 5 kategori merupakan pilihan ideal untuk digunakan dalam mengukur karakteristik amatan berskala ordinal, karena besarnya bias dugaan yang timbul masih dapat ditolerir. Dalam penerapannya 5 pilihan jawaban masih relatif mudah bagi responden dalam memilihnya.

METODE POHON REGRESI DAN PROSEDUR REGRESI BERTATAR UNTUK SEGMENTASI DATA B. SUHARJO
MILANG Journal of Mathematics and Its Applications Vol. 7 No. 2 (2008): Journal of Mathematics and Its Applications
Publisher : Dept. of Mathematics, IPB University

Metode regresi berstruktur pohon merupakan suatu suatu metode alternatif untuk segmentasi yang semakin luas penggunaannya. Dalam prosesnya, segmentasi dilakukan melalui proses penyeleksian peubah dan pemilahan terhadap data berdasarkan peubah terpilih. Sementara dalam regresi bertatar, walaupun proses penyeleksian peubah juga dilakukan secara bertahap, namun tidak dilakukan pemilahan terhadap data, sehinggga tidak dapat diperoleh informasi yang berarti untuk melakukan segmentasi data dengan analisis ini. Namun demikian, analisis ini memililki suatu kelebihan; yaitu setiap tahap dari proses penyeleksian peubah dilengkapi dengan suatu persamaan regresi, dimana hal ini penting artinya untuk mengetahui sejauh mana keterkaitan struktural antara peubah-peubah penjelas terhadap peubah respon. Dalam tulisan ini, kelebihan yang dimiliki oleh metode pohon regresi dan analisis regresi bertatar akhirnya dapat digabungkan dalam suatu teknik segmentasi dengan menggunakan prosedur regresi bertatar, dimana metode ini akan memilah data berdasarkan peubah yang muncul pada tahap pertama proses penyeleksian peubah, sehingga metode ini bisa dimanfaatkan untuk segmentasi data sekaligus menemukan hubungan antar peubah. Penerapan metode baru ini untuk melakukan segmentasi terhadap 1002 nasabah bank berdasarkan frekuensi transaksi memberikan hasil yang cukup memuaskan, dimana keakuratan yang dihasilkan pada taraf nyata =0.05 lebih baik dari segmentasi yang dilakukan dengan metode pohon regresi dengan Nmin =50. Hal ini merupakan suatu indikasi bahwa metode ini perlu dipertimbangkan sebagai metode alternatif untuk kasus segmentasi.

PEMANTAUAN PERSAMAAN MODEL STRUKTURAL DALAM DATA ORDINAL B. SUHARJO; LA MBAU; N. K. K. ARDANA
MILANG Journal of Mathematics and Its Applications Vol. 8 No. 1 (2009): Journal of Mathematics and Its Applications
Publisher : Dept. of Mathematics, IPB University

Structural equation modeling (SEM) is one of multivariate techniques that can estimates a series of interrelated dependence relationships from a number of endogenous and exogenous variables, as well as latent (unobserved) variables simultaneously. To estimates their parameters, SEM based on structure covariance matrix, there are severals methods can be used as estimation methods, namely maximum likelihood (ML), weighted least squares (WLS), generalized least squares (GLS) and unweighted least squares (ULS). The purpose of this paper are to learn these methods in estimating SEM parameters and to compare their consistency, accuracy and sensitivity based on sample size and multinormality assumption of observed variables. Using a fully crossed design, data were generated for 2 conditions of normality and 5 different sample sizes. The result showed that when data are normally distributed, ML and GLS more consistent and accurate then the other methods

SENSITIVITAS SKALA DATA TERHADAP PENGUJIAN NILAI TENGAH B. SUHARJO; H. SUMARNO; W. HARTONO
MILANG Journal of Mathematics and Its Applications Vol. 11 No. 2 (2012): Journal of Mathematics and Its Applications
Publisher : Dept. of Mathematics, IPB University

Masalah klasik yang dihadapi oleh para peneliti hingga saat ini dalam melakukan analisis statistika adalah skala data, terutama bagi peneliti yang menggunakan data hasil survey yang umumya berbentuk kategori (nominal dan ordinal). Sementara analisis statistika yang dapat digunakan untuk menggali infomasi data kategori masih terbatas, akhirnya analisis statistika analisis non parameterik seakan berhenti berkembangannya, Akhirnya penggunaan analisis parametrik menjadi pilihan yang tak terelakan, meski dengan risiko bias pada hasil dan kesimpulan. Penelitian ini bertujuan mempelajari bias yang ditimbulkan oleh pengguanan analisis parametrik pada data kategorikal. Secara spesifik analisis yang diteliti adalah uji T untuk membandingkan dua nilai tengah dua populasi. Dengan menggunakan data bangkitan untuk memperoleh data dengan berbagai ulangan, jumlah kategori, dan jenis sebaran. Dapat disimpulkan bahwa semakin banyak kategori dan jumlah ulangan, bias hasil pengujian semakin menurun. Hasil utama penelitan ini adalah diketahuinya tingkat bias hasil analisis dari kombinasi jumlah kategori dan ulangan serta sebaran data.

PENENTUAN METODE TERBAIK UNTUK PENDUGAAN LIFE TABLE PENDUDUK LANJUT USIA DI INDONESIA M. RIYANA; H. SUMARNO; B. SUHARJO
MILANG Journal of Mathematics and Its Applications Vol. 17 No. 1 (2018): Journal of Mathematics and Its Applications
Publisher : Dept. of Mathematics, IPB University

Meningkatnya harapan hidup berdampak pada peningkatan populasi lansia. Hal ini mendorong pemerintah untuk segera merumuskan kebijakan agar lansia dapat terus berkarya tanpa bergantung kepada penduduk produktif. Untuk itu diperlukan informasi jumlah penduduk lansia namun informasi ini belum tersedia, sehingga perlu menyusun tabel hayat lengkap lansia untuk mengetahui jumlah penduduk lansia yang betahan hidup di atas umur 60 tahun. Penelitian ini bertujuan untuk menduga tabel hayat lengkap lansia di Indonesia. Di mana ada beberapa metode yang tersedia untuk menduga tabel tersebut berdasarkan tabel hayat ringkas. Metode yang digunakan antara lain metode Kostaki, Elandt-Johnson dan Heligman-Pollard. Serta dilakukan modifikasi Heligman-Pollard dengan laju kematian distribusi Gompertz maupun Makeham. Diperoleh hasil penelitian bahwa metode Heligman-Pollard baik digunakan untuk menduga tabel hayat lengkap Indonesia.

Title

Found 6 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 6 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 6 Documents
Search