Garuda - Garba Rujukan Digital

p-Index From 2019 - 2024

0.888

P-Index

This Author published in this journals

All Journal JURNAL MATEMATIKA STATISTIKA DAN KOMPUTASI Jurnal Statistika Universitas Muhammadiyah Semarang Matematika dan Sains Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai-Nilai Islami) MUST: Journal of Mathematics Education, Science and Technology Jurnal Aplikasi Statistika & Komputasi Statistik

Nur Chamidah

Unknown Affiliation

Author-ID : 333753

Arts Humanities Computer Science & IT Decision Sciences, Operations Research & Management Education Mathematics

Published : 8 Documents Claim Missing Document

Claim Missing Document

Articles

CUBIC SPLINE ESTIMATOR IN MULTIPREDICTOR NONPARAMETRIC REGRESSION MODELS WITH LOGNORMAL ERRORS AND ITS Nur Chamidah, ; Toha Saifudin,
Matematika dan Sains Vol 16, No 1 (2009)
Publisher : Matematika dan Sains

Show Abstract | Download Original | Original Source | Check in Google Scholar

Suppose that n observations follow multiplicative nonparametric regression models with errors which are lognormally distributed. The assumption on causes the values of ln would be normally distributed . So, by taking natural logarithm of the model, we have an additive nonparametric regression model. In this paper, we estimate regression function of the model by using nonparametric regression approach, i.e, cubic spline estimator. Next, we give an applying illustration of the model on Gmelina Arborea Roxb data.

Perluasan Geographically Weighted Regression Menggunakan Fungsi Polinomial Toha Saifudin; Fatmawati Fatmawati; Nur Chamidah
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 (461.161 KB)

Geographically weighted regression (GWR) merupakan metode regresi pada data spasial dengan koefisien regresi bervariasi antar pengamatan. Dalam GWR, variabel-variabel bebas dan variabel tak bebas dihubungkan menggunakan fungsi linier. Sementara itu, dalam kondisi riil ada banyak kemungkinan kasus data spasial yang menunjukkan bahwa hubungan antara variabel tak bebas dengan variabel bebas cenderung tidak linier. Pemaksaan dalam menggunakan hubungan linier terhadap kasus tersebut bisa jadi merupakan salah satu faktor penyebab rendahnya kesesuaian model GWR. Oleh karena itu diperlukan perluasan fungsi pada model GWR. Tujuan paper ini adalah membuat model perluasan GWR menggunakan fungsi polinomial. Estimasi parameter model perluasan GWR diuraikan menggunakan prosedur Weighted Least Square (WLS). Hasil-hasil numerik berdasarkan studi kasus menunjukkan bahwa perluasan GWR dengan fungsi polinomial menghasilkan tingkat kesesuaian model yang lebih baik daripada GWR klasik.

KONSTRUKSI UJI KESESUAIAN MODEL GEOGRAPHICALLY WEIGHTED POLYNOMIAL REGRESSION Nur Chamidah
Jurnal Matematika, Statistika dan Komputasi Vol. 15 No. 2 (2019): JMSK Vol. 15, No. 2, January 2019
Publisher : Department of Mathematics, Hasanuddin University

AbstractGeographically Weighted Polynomial Regression (GWPolR) is a generalization of Geographically Weighted Regression (GWR) model. By using the generalization, GWPolR has parameters much more than GWR model. In general, excess of the number of parameter will have a higher appropriate value. However, the model which has less parameter will have the excess for easing in application and its interpretation. Nevertheless, when the model has more the parameters, then the model will be better significantly to be used. Therefore, the aim of this paper is to construct the conformity between hypothesis test with respect to the GWPolR model. Keywords: Geographically weighted polynomial regression, Geographically Weighted Regression, uji kesesuaian model AbstrakGeographically Weighted Polynomial Regression (GWPolR) merupakan perumuman dari model Geographically Weighted Regression (GWR). Dengan perumuman tersebut, model GWPolR memiliki jumlah parameter yang lebih banyak daripada model GWR. Umumnya, kelebihan model dengan jumlah parameter lebih banyak adalah memiliki nilai kesesuaian lebih tinggi. Sebaliknya, model dengan jumlah parameter yang sedikit memiliki kelebihan berupa kemudahan dalam aplikasi dan interpretasinya. Namun demikian, jika model dengan jumlah parameter yang lebih banyak ternyata secara signifikan lebih baik maka sudah seharusnya model tersebut dipilih untuk digunakan. Oleh karena itu, tujuan paper ini adalah mengkonstruksi uji hipotesis kesesuaian model GWPolR. Kata Kunci: Geographically weighted polynomial regression, Geographically Weighted Regression, uji kesesuaian model

Analisis Pengaruh BI 7-Days Repo Rate Terhadap Indeks Harga Saham Gabungan Menggunakan Pendekatan Regresi Nonparametrik Berdasarkan Estimator Least Square Spline Christopher Andreas; Feevrinna Yohannes Harianto; Elfhira Juli Safitri; Nur Chamidah
Jurnal Matematika, Statistika dan Komputasi Vol. 17 No. 3 (2021): May, 2021
Publisher : Department of Mathematics, Hasanuddin University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20956/j.v17i3.13101

During the Covid-19 pandemic, the Indonesia stock market was under great pressure, so that the value of the Jakarta Composite Index (JCI) fluctuated greatly. To maintain economic stability, Bank Indonesia has regulated monetary policy such as setting the BI 7-Days Repo Rate. Analysis of this effect is important to formulate the right policy. This study aims to design the best model in describing the relationship between JCI value and BI 7-Days Repo Rate. The analysis was carried out by using parametric regression approach based on the ordinary least square method and nonparametric regression approach based on least square spline estimator. The results showed that the parametric regression models failed to meet the classical assumptions. Meanwhile, nonparametric regression can produce an optimal model with high accurate prediction, with an overall mean absolute percentage error value of 3.16%. Furthermore, mean square error, coefficient of determination, and mean absolute deviation also show good results. Thus, the effect of the BI 7-Days Repo Rate on the JCI value forms a quadratic pattern, in which a positive relationship is formed when the BI 7-Days Repo Rate is set at more than 4.25% and vice versa for a negative relationship.

PEMODELAN RISIKO KEJADIAN DIABETES MELLITUS DAN HIPERTENSI BERDASARKAN REGRESI LOGISTIK BIRESPON Marisa Rifada; Nur Chamidah; Sely Novika Norrachma
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 5, No 2 (2017): Jurnal Statistika
Publisher : Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muham

Diabetes dan hipertensi merupakan penyakit yang berhubungan erat. Mereka seringterjadi bersama-sama sehingga dianggap sebagai “komorbiditas” (penyakit yangmungkin ada pada pasien yang sama). Penderita hipertensi dapat mempunyai risikoterkena diabetes. Demikian pula sebaliknya, risiko hipertensi juga dapat dialami oleh penderita diabetes. Untuk melihat seberapa besar pengaruh faktor-faktor yang secara signifikan mempengaruhi peluang kejadian sesorang terkena suatu penyakit akan lebih bermanfaat apabila dirumuskan dalam bentuk matematis. Salah satu analisis statistik yang dapat menggambarkan kejadian tersebut adalah analisis regresi logistik birespon yang merupakan pengembangan dari regresi logistik jika terdapat dua variabel respon biner dengan asumsi ada hubungan yang signifikan antar variabel respon. Berdasarkan analisis data secara deskriptif, diabetes dan hipertensi lebih banyak terjadi pada laki-laki dibandingkan perempuan, serta paling banyak terjadi pada usia 55-64 tahun. Responden yang memiliki Body Mass Index (BMI) > 30 Kg/ m2 cenderung terkena Diabetes.Sedangkan responden yang terkena Hipertensi memiliki BMI antara 25 – 30 Kg/ m. Dalam penelitian ini diperoleh nilai odds ratio () sebesar 1.1454 yang artinyaterdapat dependensi antara kejadian Diabetes dengan Hipertensi. Kata Kunci: Diabetes Mellitus, Hipertensi, Regresi Logistik Biner, Odds ratio.

PEMODELAN JUMLAH PENDERITA KONJUNGTIVITIS DI LAMONGAN BERDASARKAN PENDEKATAN MODEL REGRESI GENERALIZED POISSON Zahrotul Azizah; Umi Tri Ruhana; Nur Chamidah
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 3, No 1 (2015): Jurnal Statistika
Publisher : Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muham

Konjungtivitis adalah penyakit mata berbahaya yang disebabkan kandungan debu yang tinggi pada udara di daerah tertentu dan mikroorganisme seperti bakteri, alergi, viral, dan sika. Hal lain yang diindikasikan menyebabkan konjungtivitis adalah tingkat kesadaran masyarakat terhadap Perilaku Hidup Bersih dan Sehat (PHBS), jarak tempat tinggal dengan pegunungan kapur, kepadatan penduduk, jumlah pabrik di daerah tempat tinggal, tingkat pendidikan masyarakat, dan letak tempat tinggal dengan jalan raya. Lamongan merupakan daerah yang mempunyai volume debu yang cukup tinggi, terutama daerah sekitar pegunungan kapur dan pabrik sehingga banyak penduduknya yang terjangkit penyakit konjungtivitis dan menghasilkan rasio satu banding dua penderita dari total permasalahan konjungtiva dalam selang waktu tertentu. Jumlah penderita konjungtivitis memiliki ciri percobaan poisson. Pada distribusi poisson, diharuskan memenuhi asumsi equal dispersion (mean sama dengan variansi), padahal pada realita jarang ditemui kasus yang memenuhi equal dispersion. Dalam kasus tersebut, dapat diatasi dengan model regresi Generalized Poisson (GP) yang bisa mengatasi over dispersion atau under dispersion. Berdasarkan analisis model regresi GP pada penelitian ini, dihasilkan bahwa setiap kenaikan kepadatan penduduk sebesar 100 jiwa/Km2menyebabkan bertambahnya penderita konjungtivitis sebesar 3,78 kali,setiap kenaikan jumlah pabrik sebanyak sepuluh pabrik menyebabkan kenaikanpenderita konjungtivitis sebesar 1,135 kali, dan setiap kenaikan satu jumlah penduduk yang berpendidikan terakhir SMP menyebabkan kenaikan jumlah penderita mata konjungtivitis sebesar 2,724. Hasil uji goodness of fit untuk model regresi GP lebih baik dibandingkan jika menggunakan regresi Poisson karena memiliki nilai AIC lebih kecil.Kata Kunci : Konjugtivitis, Lamongan, Generalized Poisson, AIC

Pemodelan Harga Minyak Mentah Dunia Berdasarkan Efek Pandemi Covid-19 Dengan Estimator Penalized Spline Naufal Ramadhan Al Akhwal Siregar; Farida Farida; Sabrina Falasifah; Muhammad Falah El Fahmi; Nur Chamidah
MUST: Journal of Mathematics Education, Science and Technology Vol 7, No 2 (2022): DECEMBER
Publisher : Universitas Muhammadiyah Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30651/must.v7i2.16377

Pandemi Covid-19 berdampak beberapa sektor di dunia, salah satunya adalah sektor ekonomi dalam hal harga minyak mentah dunia. Harga minyak mentah dunia telah mengalami fluktuasi pada awal tahun 2000 hingga sekarang yang berpengaruh terhadap harga minyak mentah Indonesia. Tujuan dari penelitian ini adalah memodelkan data harga minyak mentah dunia terhadap efek pandemi covid-19 dengan menggunakan estimator penalized spline. Estimator penalized spline merupakan salah satu estimator dalam regresi nonparametrik yang memiliki hasil smoothing lebih mulus daripada estimator lainnya. Hal ini dikarenakan pada estimator penalized spline terdapat orde, titik knot, banyaknya titik knot, dan parameter penghalus (λ). Pola perubahan harga minyak mentah dunia diinterpretasikan melalui model regresi kuantil spline (penalized spline) orde 1 dengan nilai GCV sebesar 39,61756 dan nilai MSE sebesar 36,7544. Kemudian, dari hasil analisis didapatkan nilai MAPE sebesar 10,77% yang dikategorikan model peramalan yang akurat. Dengan demikian, estimator penalized spline lebih baik digunakan untuk mengestimasi data harga minyak mentah dunia yang dipengaruhi periode masa pandemi Covid-19 di Indonesia untuk periode berikutnya.

PERAMALAN KASUS HARIAN MONKEYPOX DUNIA BERDASARKAN METODE SUPPORT VECTOR REGRESSION (SVR) Marcel Laverda Subiyanto; Yulia Amanda; Muhammad Nadhil Fachrian; Afriani; Achmad Yazid Busthomi Rohim; Nur Chamidah
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 15 No 1 (2023): Journal of Statistical Application and Computational Statistics
Publisher : Pusat Penelitian dan Pengabdian kepada Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v15i1.488

Monkeypox saat ini menjadi perhatian masyarakat global. Maka, penting untuk mengetahui perkembangan jumlah kasus monkeypox kedepannya. Pada penelitian ini dilakukan peramalan kasus harian monkeypox menggunakan metode Support Vector Regression (SVR) dengan Fungsi Kernel Radial Basis Function (RBF). Data yang digunakan adalah data sekunder berupa deret waktu harian mulai 29 Mei sampai 20 Oktober 2022. Untuk memperoleh parameter optimal pada model SVR, peneliti menggunakan algoritma grid search untuk memprediksi data testing secara akurat. Nilai RMSE pada data training dan testing sebesar 352,3 dan 809,7.

Co-Authors Achmad Yazid Busthomi Rohim Afriani Christopher Andreas Elfhira Juli Safitri Farida Farida Fatmawati Fatmawati Feevrinna Yohannes Harianto Marcel Laverda Subiyanto Marisa Rifada Muhammad Falah El Fahmi Muhammad Nadhil Fachrian Naufal Ramadhan Al Akhwal Siregar Sabrina Falasifah Sely Novika Norrachma Toha Saifudin Umi Tri Ruhana Yulia Amanda Zahrotul Azizah

Title

Found 8 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 8 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 8 Documents
Search