Article Per Year (5 Year)
p-Index From 2018 - 2023
0.444
P-Index
This Author published in this journals
All Journal Jurnal ILMU DASAR Statistika Inferensi
Purhadi Purhadi
Unknown Affiliation
Biochemistry, Genetics & Molecular Biology Chemistry Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Engineering Industrial & Manufacturing Engineering Mathematics Physics Social Sciences

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Estimation and Statistical Test in Bivariate Binary Probit Model Vita Ratnasari; Purhadi Purhadi; Ismaini Ismaini; Suhartono Suhartono
Jurnal ILMU DASAR Vol 12 No 1 (2011)
Publisher : Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (191.357 KB)

Abstract

One of the models that can be used to analyze two binary response variables data is bivariate binary probit model. This paper tried to estimate the parameters of bivariate binary probit model using Maximum Likelihood Estimationmethod, whereastoget the statistical test using Maximum Likelihood Ratio Test method.
Outlier Detection in Observation at Multivariate Linear Models with Likelihood Displacement Statistic-Lagrange Method Makkulau Makkulau; Susanti Linuwih; Purhadi Purhadi; Muhammad Mashuri
Jurnal ILMU DASAR Vol 12 No 1 (2011)
Publisher : Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (200.54 KB)

Abstract

There are two different outliers, i.e outlier in observations and outlier in models. The existing outlier detection method in models is using common Likelihood method. The limitation of this method is the optimal value produced might be not the real optimal values. This research yields a method for outlier detection in multivariate linear models with Likelihood Displacement Statistic-Lagrange method (LDL method). This method uses multiplier Lagrange with constraint the confidence interval of parameter’s vector. This parameter’s vector is obtained from the data set which is outlier free. This parameter estimation process uses numerical method with Karush-Kuhn Tucker condition in nonlinear programming. This method compares between LDL value and the table F value that follows the distribution of F value to indentify the outlier in models.
RANCANGAN 2K , 2K-L FAKTORIAL YANG OPTIMALPADA MODEL PERMUKAAN MULTIRESPON ORDE SATU Purhadi Purhadi; Suryo Guritno; Susanti Linuwih
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 4, No 2 (2004)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v4i2.895

Abstract

parameter pada model permukaan multirespon yang bersifat tidak bias, konsisten dan efisien. Kriteria lain agar matrikrancangan percobaan optimal adalah variansi dari penaksir respon-responnya bernilai minimum. Beberapa rancanganpercobaan model orde satu yaitu rancangan Faktorial, Fraksional faktorial, Simplek dan Placket Burman. Denganmenggunakan pembobotan pada titik-titik percobaan sehingga memenuhi kriteria optimum-D, A, E maka didapatkanmatrik rancangan percobaan yang optimal untuk model permukaan multirespon orde satu. Dengan mengunakan ketigakriteria tersebut didapat hasil nilai determinan matrik informasi yang hampir sama. Eff-D digunakan untukmembandingkan beberapa rancangan percobaan.Apabila penambahan titik-titik percobaan dilakukan hal ini dapat secara proposional sesuai dengan nilai pembobotannyasehingga rancangan percobaan masih optimal. Hal diatas bisa juga dilakukan dengan cara menerapkan Algoritma Fedorovatau Algoritma Fedorov yang dimodifikasi jika matrik variansi kovariansi dari error tidak diketahui.
Pemodelan Multivariate Adaptive Generalized Poisson Regression Spline pada Kasus Jumlah Kematian Ibu di Provinsi Jawa Timur Euodia Putri Prastika; Bambang Widjanarko Otok; Purhadi Purhadi
Inferensi Vol 4, No 1 (2021): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j27213862.v4i1.7747

Abstract

Kematian ibu menjadi salah satu masalah besar bagi negara Indonesia, karena ibu berperan penting dalam regenerasi manusia. Indonesia memiliki angka kematian ibu (AKI) tertinggi kedua di ASEAN. Nilai yang tinggi tersebut dipengaruhi oleh AKI provinsi-provinsi di Indonesia, termasuk Jawa Timur. Provinsi Jawa Timur termasuk tiga besar AKI tertinggi di Indonesia dengan nilai 91,45 per 100.000 kelahiran hidup pada tahun 2018. Tingginya AKI berbanding positif dengan jumlah kematian ibu, artinya semakin tinggi AKI, maka semakin banyak jumlah kematian ibu. Salah satu upaya yang dapat dilakukan untuk mengurangi AKI adalah pemodelan faktor-faktor yang mempengaruhi jumlah kematian ibu dengan metode regresi. Penelitian ini menggunakan metode Multivariate Adaptive Regression Splines (MARS) dengan estimator generalized Poisson, sehingga menjadi metode Multivariate Adaptive Generalized Poisson Regression Splines (MAGPRS). Model terbaik dari hasil analisis MAGPRS adalah model dengan BF=28, MI=2, dan MO=2. Setelah dilakukan backward stepwise,  fungsi basis dari model tersebut menjadi 24, dimana akan menyusun persamaan MAGPRS. Variabel prediktor yang paling berpengaruh terhadap model secara berurutan adalah variabel persentase ibu nifas mendapat vitamin A, persentase peserta aktif KB, dan persentase kunjungan ibu hamil K4.
Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus Diabetes Melitus di Jawa Timur Menggunakan Geographically Weighted Generalized Poisson Regression dan Geographically Weighted Negative Binomial Regression Elvira Dian Safire; Purhadi Purhadi
Inferensi Vol 6, No 1 (2023)
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j27213862.v6i1.12623

Abstract

Diabetes mellitus is a chronic disease of metabolic disorders characterized by blood-sugar levels exceeding normal limits. The province contributing the largest number of cases of diabetes mellitus in Indonesia in 2019 is East Java Province. To know the factors that affect the number of cases of diabetes mellitus is used approach with Geographically Weighted Generalized Poisson Regression (GWGPR) and graphically Weighted Negative Binomial Regression (GWNBR) methods. The highest number of people with diabetes mellitus in East Java is in Surabaya with 94076 cases and the lowest is in Batu City which is 3344 cases. GWGPR and GWNBR modeling both resulted in 4 groups for significants variables in each district/city. The AICc value comparison of the GWGPR and GWNBR models shows almost the same value. Sehingga menunjukkan bahwa model GWGPR dan GWNBR sudah sesuai. So, it shows that the GWGPR and GWNBR models are appropriate. The GWGPR model has a smaller AICc value than the GWNBR model, so the GWGPR method is best suited to model the number of cases of diabetes mellitus in districts/cities in East Java compared to GWNBR method.
Co-Authors Ali Djamhuri Bambang Widjanarko Otok Elvira Dian Safire Euodia Putri Prastika Ismaini Ismaini Makkulau Makkulau Muhammad Mashuri Suryo Guritno Susanti Linuwih Vita Ratnasari