Garuda - Garba Rujukan Digital

Analisis Penyebaran Hunian dengan Menggunakan Metode Nearest Neighbor Analysis Ahmad Rifad Riadhi; Muhammad Kasim Aidid; Ansari Saleh Ahmar
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 2, No 1 (2020)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm12901

Abstrak Nearest neighbor analysis merupakan sebuah metode analisis yang dapat digunakan untuk menentukan suatu pola penyebaran, apakah berpola seragam (uniform), acak (random), atau mengelompok (cluster). Nearest neighbor analysis dalam perhitungannya mempertimbangkan jarak, jumlah titik lokasi penyebaran, dadn luas wilayah, hasil akhir analisis ini berupa indeks tetangga terdekat (T) yang nilainya berkisar antara 0 sampai 2.15. Untuk menentukan faktor-faktor yang mempengaruhi pola penyebaran hunian, pada penelitian ini menggunakan analisis korelasi (r). Hasil dari penelitian ini berdasarkan perhitungan nearest neighbor analysis yaitu pola penyebaran hunian di Kota Kendari secara keseluruhan memiliki pola penyebaran yang cenderung berpola acak artinya jarak antara titik-titik penyebaran hunian tidak memiliki jarak yang sama, dan hasil dari perhitungan korelasi diperoleh faktor-faktor yang mempengaruhi pola penyebaran hunian yang cenderung berpola acak. Faktor yang paling berpengaruh dengan hubungan positif yaitu faktor pertumbuhan penduduk, hal ini dapat dilihat pada hasil korelasi dimana faktor pertumbuhan penduduk memiliki nilai korelasi tertinggi yaitu 0.618 dan faktor yang paling berengaruh dengan hubungan negatif yaitu faktor fasilitas Pendidikan hal ini dapat dilihat pada hasil korelasi dimana faktor fasilitas Pendidikan memiliki nilai korelasi negatif tertinggi yaitu -0.526.Keywords: Nearest Neighbor Analysis, Pola Penyebaran.

Implementasi Metode Fuzzy Time Series untuk Peramalan Jumlah Pengunjung di Benteng Fort Rotterdam V. Vivianti; Muhammad Kasim Aidid; Muhammad Nusrang
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 2, No 1 (2020)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm12904

Abstract, Peramalan merupakan kegiatan yang dilakukan untuk memprediksi nilai suatu variable di waktu yang akan datang. Tujuan dari penelitian ini adalah mengimplementasikan Metode Fuzzy Time Series untuk memprediksi jumlah Pengunjung Benteng Fort Rotterdam. Metode Fuzzy Time Series adalah sebuah metode peramalan yang menggunakan himpunan Fuzzy sebagai dasar dalam Proses prediksi. Tahapan Peramalan dalam penelitian ini adalah mendefinisikan semesta pembicaraan U, menentukan jumlah dan Panjang kelas interval, defuzzifikasi dan mendefenisikan himpunan Fuzzy pada U, melakukan Fuzzifikasi pada data jumlah pengunjung, menentukan Fuzzy logic relationship (FLR), membentuk Fuzzy Logical Relationship Group (FLRG), melakukan defuzzifikasi, dan melakukan perhitungan peramalan. Dalam meramalkan jumlah Pengunjung di Benteng Fort Rotterdam dengan menggunakan Metode Fuzzy Time Series diperoleh hasil peramalan sebanyak 16240,35 atau dibulatkan menjadi 16240 Pengunjung pada bulan selanjutnya, dengan nilai MAPE sebesar 119,93 dan RMSE sebesar 4739,08.Keywords: Fuzzy, Time Series, Peramalan, Fort Rotterdam

PENGENDALIAN KUALITAS KINERJA LEVEL SIX SIGMA PADA PT INDOFOOD CBP SUKSES MAKMUR TBK MAKASSAR Faradiba Ahmad; Muhammad Arif Tiro; Muhammad Kasim Aidid
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 3, No 3 (2021)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm25169

Six Sigma is a combination of several statistical quality control methods that focus on reducing variations in the process so that it can suppress production in the form of goods or services to approach zero defects. The six sigma systematic stages are called DMAIC (Define, Measure, Analyze, Improve, and Control) which is a continuous process which, if carried out optimally throughout the system, can increase the productivity of a company. There are four kinds of quality characteristics or CTQ in the production of instant noodles at PT Indofood CBP Sukses Makmur Tbk Makassar. The four CTQs are HH, HP, HHPGK, and HHPG. The CTQ was then implemented using the six sigma method and the DPMO values from October-December 2019 were as follows 4,457.90, 5,404.26, and 4,827.45 and if the DPMO value was converted to the six sigma level it would be 4.11σ, 4.04σ, and 4.08σ. To increase the productivity of related companies to approach zero defects, the application of the six sigma method must be carried out optimally so that the sigma level of instant noodle production can increase.Keywords: Regression, resampling, bootstrap, jackknife

Metode Boostrap dan Jackknife dalam Mengestimasi Parameter Regresi Linear Ganda (Kasus: Data Kemiskinan Kota Makassar Tahun 2017) Aditio Putra G; Muhammad Arif Tiro; Muhammad Kasim Aidid
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 1, No 2 (2019)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm12895

Abstrak Metode kuadrat terkecil merupakan metode standar untuk mengestimasi nilai parameter model regresi linear. Metode tersebut dibangun berdasarkan asumsi error bersifat identik dan independen, serta berdistribusi normal. Apabila asumsi tidak terpenuhi maka metode ini tidak akurat. Alternatif untuk mengatasi hal tersebut adalah dengan menggunakan metode resampling. Adapun metode resampling yang digunakan dalam penelitian ini yaitu metode bootstrap dan Jackknife. Terlebih dahulu dilakukan estimasi nilai parameter regresi untuk analisis data kemiskinan Kota Makassar Tahun 2017. Data tersebut merupakan data sekunder diperoleh dari BAPPEDA Kota Makassar. Dari uji asumsi klasik diperoleh bahwa model tidak bersifat homoskedastis dan residual tidak berdistribusi normal sehingga model regresi yang diperoleh tidak dapat dipertanggungjawabkan. Metode bootstrap dan jackknife yang dikenalkan disini menggunakan program R untuk mencari nilai bias dan nilai standar errornya. Estimasi parameter model regresi linear berganda dari metode resampling bootstrap dengan B=200 dan B=500 serta metode resampling jackknife Terhapus-1 diperoleh model regresi. Hasil yang didapat dalam penelitian ini, metode jackknife merupakan metode yang efisien dibandingkan dengan metode bootstrap, hal ini didukung dengan kecilnya tingkat standar error dan nilai biasnya yang dihasilkan. Kata Kunci: Regrei, Resampling, Bootsrap, JaccknifeAbstract. The Ordinary least squares method is a standard method for estimating the parameter values of a linear regression model. The method is built based on error assumptions that are identical and independent, and are normally distributed. If the assumptions are not met, this method is not accurate. The alternative to overcome this is to use the resampling method. The resampling method used in this study is bootstrap and jackknife methods. First, estimation of regression parameter values for analysis of poverty data in Makassar City in 2017. The data is secondary data obtained from the BAPPEDA of Makassar City. From the classic assumption test, it is obtained that the model is not homosexedastic and residual is not normally distributed so that the regression model obtained cannot be accounted for. Bootstrap and jackknife methods are introduced here using the R program to find the value of the bias and the standard error values. Parameter estimation of multiple linear regression models from Bootstrap resampling method with B= 200, B= 500 and jackknife deleted-1 resampling method obtained regression models. The results obtained in this study, Jackknife method is an efficient method compared with the bootstrap method, and this is supported by the small standard level error and bias in resulting value.Keywords: regression, resampling, bootstrap, jackknife.

Penerapan Regresi Nonparametrik Spline dalam Memodelkan Faktor-faktor yang Mempengaruhi Indeks Pembangunan Manusia di Provinsi Sulawesi Selatan Tahun 2015 A. Asmira; Muhammad Nadjib Bustan; Muhammad Kasim Aidid
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 2, No 2 (2020)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm12902

Abstrak. Human development index (HDI) is a measure used in monitoring and evaluating human development. Indicators used to measure HDI consists of three basic components of quality of life that is the life chances, knowledge and decent living standards. Several factors are thought to affect the HDI in the district/city in South Sulawesi province that labor force participation rates, the ratio of school pupils, overcrowding, health facilities, and the Gross Domestic Product (GDP). When HDI and these factors are plotted then shows the pattern of data that is not to follow a certain pattern, so that the data can be applied to the nonparametric regression model spline truncated. Selection of the best model seen from the point of knots and the minimum value of GCV. Based on research, the value of the minimum GCV is at three knots point is equal to 5.33 Rated amounting to 80.29%.Keywords: Human development Index, GCV, Nonparametric Regression Spline, Knot Points

Pendekatan persamaan struktural pada model regresi error spasial (Kasus: PDRB Sulawesi Selatan) Muhammad Kasim Aidid; Zulkifli Rais; Muhammad Fahmuddin S
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 3, No 3 (2021)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm26380

The spatial autocorrelation model studied in the framework of structural equations is the spatial error regression model. The results of this study are applied to South Sulawesi's Gross Regional Domestic Product (GRDP) data. For parameter estimation using open source software Mx. To implement the spatial error model in SEM, two new sets of weighted spatial variables need to be formed, namely W based on the dependent variable (PW) and ηW based on the independent variable (PW) and ξW based on the independent variable (QW). Since in the case of the latent model, the variables P and Q cannot be observed directly, then ηW and ξW are directly defined by the observation variables (indicators) Y yW and Y xW which are related to each other as Yy and Yx to η and ξ. obtained a model that represents the spatial error in SEM. By using South Sulawesi GRDP data where y represents the per capita GRDP in the Regency/City, x1 and x2 respectively represent the value of the Mining sector and the building sector in the Regency/City. XW1 represents first-order contiguity spatially lagged for trade and XW2 represents first-order contiguity spatially lagged for agriculture. yW denotes spatially lagged first-order contiguity for GRDP. (1−λ)γ0 represents the unit variable coefficient. From the model it can be stated that GRDP (y) is influenced by several sectors in the economy such as mining (x1) and building (x2). In addition, there is a location effect (Spatial Effect) that affects the GRDP in South Sulawesi. Based on the final results obtained, it is known that λ = 0,16 which indicates that there is a dependency on the GRDP data in South Sulawesi in 2008 between one district/city and another district/city based on the spatial correction. Areas that are centers of mining and construction in South Sulawesi are mutually dependent, causing dependence on GRDP data, this can be seen in the positive covariance value between mining lagged, and building lagged, and lagged GRDPKeywords: Effect Spatial, Error Spatial, SEM, GRDP

ANALISIS PELUANG PENYEBARAN COVID-19 MENGGUNAKAN RANTAI MARKOV DI SULAWESI SELATAN M. Nadjib Bustan; Ruliana Ruliana; Muhammad Kasim Aidid
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 3, No 2 (2021)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm25170

Virus Corona sudah menyebar ke seluruh negera termasuk salah satunya di Indonesia. Karena transmisi Covid-19 dari manusia ke manusia telah dikonfirmasi dan mobilitas manusia juga merupakan faktor penguat persebaran Covid-19, sehingga diperlukan suatu informasi yaitu data harian Covid-19 yang berguna untuk melihat laju persebaran Covid-19. Oleh karena itu, diperlukan suatu pendekatan untuk menganalisis peluang penyebaran covid-19 di setiap wilayah sehingga pengambilan keputusan menjadi tepat. Pada penelitian ini, dilakukan analisis dengan rantai markov diskrit untuk memprediksi peluang penyebaran Covid-19 pada kabupaten/kota di Sulawesi Selatan. Penelitian ini adalah penelitian yang bersifat kuantitatif dengan menggunakan konsep stokastik. Pada bagian awal dilakukan kajian sumber-sumber pustaka dengan cara mengumpulkan data atau informasi yang berkaitan dengan masalah, mengumpulkan konsep pendukung yang diperlukan dalam menyelesaikan masalah, sehingga didapatkan suatu ide mengenai bahan dasar pengembangan upaya pemecahan masalah. Hasil penelitian menunjukkan bahwa pada saat pengamatan (28 Agustus 2021) di Sulawesi Selatan (Sulsel), Kota Makassar menjadi daerah dengan peluang penyebaran yang paling tinggi, sedangkan Kabupaten Bantaeng dengan peluang penyebaran terendah. Pada hasil analisis dengan rantai Markov, terlihat bahwa terjadi penurunan peluang infeksi untuk setiap Kabupaten/Kota di Sulawesi Selatan dan cenderung menjadi homogen.Keywords: covid-19, Markov chain, peluang bersyarat

Title

Found 7 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 7 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 7 Documents
Search