Garuda - Garba Rujukan Digital

ANALISIS SENTIMEN TERHADAP DAMPAK COVID-19 PADA PERFORMA TOKOPEDIA MENGGUNAKAN SUPPORT VECTOR MACHINE Wisudawati, Dinda Tri; Utami, Tiani Wahyu; Arum, Prizka Rismawati
Prosiding Seminar Nasional Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika (VARIANSI) Vol 2 (2020)
Publisher : Program Studi Statistika, FMIPA, Universitas Negeri Makassar

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

Tokopedia merupakan e-commerce populer di Indonesia. Hal tersebut didukung dengan rating Tokopedia yang tinggi pada Google Play. Diperlukan sebuah metode yang mampu mengkategorikan reviews pengguna secara otomatis, apakah tergolong ke dalam klasifikasi positif atau negatif. Analisis Sentimen menggunakan Support Vector Machine (SVM) merupakan metode yang digunakan.Konsep SVM merupakan usaha mencari hyperplane terbaik yang berfungsi sebagai pemisah dua buah kelas pada input space dengan memaksimalkan jarak antar kelas. Sehingga SVM dapat menjamin kemampuan generalisasi yang tinggi untuk data-data yang akan datang. Klasifikasi menggunakan SVM pada periode sebelum munculnya Covid-19 di Indonesia (Februari 2020) menghasilkan akurasi sebesar 87% dan 84% pada periode sesudah munculnya Covid-19 (April 2020). Hasil menunjukkan bahwa walaupun Covid-19 muncul di Indonesia, performa Tokopedia masih tetap terjaga dan pengguna masih tetap memberikan penilaian suka sekali.Hal ini dibuktikan dengan penurunan jumlah review negatif dari 43% pada Februari 2020 menjadi 27% pada April 2020.Â Kata Kunci: Review, Google Play, Tokopedia, Support Vector Machine, Analisis Sentimen

Analisis Faktor-Faktor yang Mempengaruhi Jumlah Penduduk di Kota Semarang Menggunakan Metode Regresi Data Panel arum, prizka rismawati
J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 12 No 2 (2019): Jurnal Ilmiah Teori dan Aplikasi Statistika
Publisher : Fakultas Sains dan Teknologi Univ. PGRI Adi Buana Surabaya

Residents are all people who live in the geographical area of Indonesia for six months or more and or those who have been domiciled for less than six months but aim to settle. Population growth is caused by two components, namely: fertility and mortality. To find out how big the relationship between the population and the number of births and deaths in each sub-district of Semarang, must observed in several specific time periods and places at once. So in this study, the panel data regression method was used. In panel data regression testing, the results show that the panel data regression model formed to determine the factors that influence the level of population is the random effect model. In this model all assumptions are fulfilled. Significant factors affecting population are number of births. Births and deaths affect the population of 99.95% and the remaining 0.05% is influenced by other factors not examined Penduduk adalah semua orang yang berdomisili di wilayah geografis Indonesia selama enam bulan atau lebih dan atau mereka yang berdomisili kurang dari enam bulan tetapi bertujuan menetap. Pertumbuhan penduduk diakibatkan oleh dua komponen yaitu: fertilitas dan mortalitas. Untuk mengetahui seberapa besar keterkaitan antara jumlah penduduk dengan jumlah kelahiran dan kematian di setiap kecamataan Kota Semarang, harus diamati dalam beberapa periode waktu tertentu dan beberapa tempat secara bersamaan. Sehingga dalam penelitian ini digunakan metode regresi data panel. Dalam pengujian regresi data panel, didapatkan hasil bahwa Model regresi data panel yang terbentuk untuk mengetahui faktor-faktor yang mempengaruhi tingkat jumlah penduduk adalah model random Effect. Pada model tersebut semua asumsi terpenuhi. Faktor yang signifikan mempengaruhi jumlah penduduk adalah jumlah kelahiran. Kelahiran dan kematian mempengaruhi jumlah penduduk sebesar 99.95% dan sisanya sebesar 0.05% dipengaruhi oleh faktor- faktor lain yang tidak di teliti.

ANALISIS SISTEM ANTRIAN PELAYANAN NASABAH BANK X KANTOR WILAYAH SEMARANG Prizka Rismawati Arum; Sugito Sugito; Yuciana Wilandari
Jurnal Gaussian Vol 3, No 4 (2014): Jurnal Gaussian
Publisher : Department of Statistics, Faculty of Science and Mathematics, Universitas Diponegoro

Waiting is very boring for many people because it will only waste a lot of their time. This situation is common happen in a queue, for example customers who will conduct the transaction in the bank. Bank X Semarang Regional Office is the largest branch of Bank X is in Semarang is also not free from this problem. Therefore, the queuing model search is very important in order to improve the quality of service to customers / clients. Based on the analysis of data in the Customer Service and Teller obtained the appropriate queuing models which, for Customer Service and Public Teller queuing model is (M / M / 6): (GD / ∞ / ∞) queuing model for the Teller Express is (M / M / 2): (GD / ∞ / ∞) and for Special Teller model of the queue is (M / G / 1): (GD / ∞ / ∞). Based on the calculations and analyzes that have been done, it can be concluded that the customer service system to the Customer Service and teller at Bank X Semarang Regional Office has been good. Keywords: Queue, Queuing System Model, Bank, Customer Service, Teller.

Analisis Faktor-Faktor yang Mempengaruhi Jumlah Penduduk di Kota Semarang Menggunakan Metode Regresi Data Panel prizka rismawati arum
J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 12 No 2 (2019): Jurnal Ilmiah Teori dan Aplikasi Statistika
Publisher : Faculty of Science and Technology, Univ. PGRI Adi Buana Surabaya

Residents are all people who live in the geographical area of Indonesia for six months or more and or those who have been domiciled for less than six months but aim to settle. Population growth is caused by two components, namely: fertility and mortality. To find out how big the relationship between the population and the number of births and deaths in each sub-district of Semarang, must observed in several specific time periods and places at once. So in this study, the panel data regression method was used. In panel data regression testing, the results show that the panel data regression model formed to determine the factors that influence the level of population is the random effect model. In this model all assumptions are fulfilled. Significant factors affecting population are number of births. Births and deaths affect the population of 99.95% and the remaining 0.05% is influenced by other factors not examined Penduduk adalah semua orang yang berdomisili di wilayah geografis Indonesia selama enam bulan atau lebih dan atau mereka yang berdomisili kurang dari enam bulan tetapi bertujuan menetap. Pertumbuhan penduduk diakibatkan oleh dua komponen yaitu: fertilitas dan mortalitas. Untuk mengetahui seberapa besar keterkaitan antara jumlah penduduk dengan jumlah kelahiran dan kematian di setiap kecamataan Kota Semarang, harus diamati dalam beberapa periode waktu tertentu dan beberapa tempat secara bersamaan. Sehingga dalam penelitian ini digunakan metode regresi data panel. Dalam pengujian regresi data panel, didapatkan hasil bahwa Model regresi data panel yang terbentuk untuk mengetahui faktor-faktor yang mempengaruhi tingkat jumlah penduduk adalah model random Effect. Pada model tersebut semua asumsi terpenuhi. Faktor yang signifikan mempengaruhi jumlah penduduk adalah jumlah kelahiran. Kelahiran dan kematian mempengaruhi jumlah penduduk sebesar 99.95% dan sisanya sebesar 0.05% dipengaruhi oleh faktor- faktor lain yang tidak di teliti.

NEGATIVE BINOMIAL REGRESSION AND GENERALIZED POISSON REGRESSION MODELS ON THE NUMBER OF TRAFFIC ACCIDENTS IN CENTRAL JAVA M Al Haris; Prizka Rismawati Arum
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 16 No 2 (2022): BAREKENG: Jurnal Ilmu Matematika dan Terapan
Publisher : PATTIMURA UNIVERSITY

Traffic accidents that always increase along with the increasing population growth and the number of vehicles impact the national economy. The number of traffic accidents is a count data that a Poisson distribution can approximate. The Poisson regression model often found violations of the overdispersion assumption by modeling the factors that affect the number of traffic accidents. Alternative models proposed to overcome the emergence of overdispersion in the Poisson regression model are the Generalized Poisson Regression and Negative Binomial Regression Models. Based on the analysis results, it was found that the overdispersion assumption violates the Poisson regression model, and the Generalized Poisson regression model is the best because it has the smallest AIC value of 485.50. Factors that significantly affect the number of traffic accidents in Central Java Province are the percentage of adolescents and the percentage of accidents occurring in the road area of the district/city.

MODEL SEEMINGLY UNRELATED REGRESSION PADA DATA KEMISKINAN JAWA TIMUR MENGGUNAKAN MATRIKS PEMBOBOT QUEEN CONTIGUITY DAN ROOK CONTIGUITY Cika Awani Ayuwida; Prizka Rismawati Arum; M. Al Haris
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 9, No 1 (2021): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jsunimus.9.1.2021.64-68

Jawa timur, salah satu provinsi yang memiliki sumbangan cukup tinggi yakni 16% dari pertumbuhan ekonomi nasional, merupakan daerah yang potensial baik dari segi ekonomi maupun geografis. Berdasarkan data Sensus Penduduk tahun 2020 mencapai 4.419,10 ribu jiwa (11,09 persen), bertambah sebesar 363,1 ribu jiwa. Tujuan dari penelitian ini adalah untuk memodelkan Seemingly Unrelated Regression (SUR) terbaik pada data Kemiskinan di Provinsi Jawa Timur dengan menggunakan matrik pembobot queen contiguity dan rook contiguity. Penerapan persamaan regresi dalam sebuah kasus seringkali memiliki keterkaitan dengan persamaan yang lain. Jika sebuah persamaan saling berkaitan dikarenakan error regresinya saling berkorelasi, maka pendekatan yang dapat digunakan adalah Seemmingly Unrelated Regression (SUR).

Pemodelan Pertumbuhan Ekonomi di Jawa Barat Menggunakan Metode Geographically Weighted Panel Regression Prizka Rismawati Arum; Siva Alfian
J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 15 No 2 (2022): Jurnal Ilmiah Teori dan Aplikasi Statistika
Publisher : Fakultas Sains dan Teknologi Univ. PGRI Adi Buana Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36456/jstat.vol15.no2.a5506

Salah satu tujuan negara adalah meningkatkan pertumbuhan ekonomi. Diperlukan pembangunan ekonomi untuk mewujudkan tujuan tersebut demi mencapai masyarakat yang sejahtera. Salah satu indikator pertumbuhan ekonomi adalah Produk Domestik Regional Bruto (PDRB). Data yang digunakan yaitu data sekunder tentang produk domestik regional bruto, jumlah penduduk miskin, pengeluaran pemerintah, rata - rata lama sekolah, tingkat partisipasi angkatan kerja, fasilitas kesehatan, tingkat pengangguran terbuka, pada tahun 2018 - 2020 di Provinsi Jawa Barat. Ternyata terdapat autokorelasi spasial dalam data tersebut, sehingga pemodelan yang tepat untuk data panel dan terdapat efek spasial dapat dilakukan menggunakan Geographically Weighted Panel Regression (GWPR). Dengan menggunakan GWPR diharapkan dapat menghasilkan hasil yang lebih menyeluruh dibandingkan dengan model GWR. Model Geographically Weighted Panel Regression yang dihasilkan yaitu model fixed effect dengan pembobot adaptive gaussian kernel dan fixed gaussian kernel. Tujuan dari penelitian ini adalah mengetahui gambaran umum data, mendapatkan model, dan memperoleh model terbaik pertumbuhan ekonomi di Jawa Barat. Hasil akhir dari penelitian ini menunjukkan bahwa model dengan pembobot Adaptive Gaussian Kernel lebih baik daripada Fixed Gaussian Kernel karena memiliki nilai AIC terkecil dan R2 terbesar. Nilai AICnya sebesar 2313,117 dan nilai R2 sebesar 0,7955945.

Implementation of K-Means to Classify Poverty Based on Housing Characteristics in Central Java in 2021 Laras Indah Setyaningsih; Anjelina Rafika Wulandari; Prizka Rismawati Arum
Jurnal Pendidikan Matematika (Kudus) Vol 6, No 1 (2023): Jurnal Pendidikan Matematika (Kudus)
Publisher : Institut Agama Islam Negeri (IAIN) Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21043/jpmk.v6i1.19529

Poverty is a condition in which a person's inability to meet basic needs such as food, clothing, shelter, and education so that he is unable to guarantee his own survival. To support the successful implementation of development programs, especially those aimed at reducing poverty, grouping districts/cities using cluster analysis can be assisted. Cluster analysis can be carried out to identify how the poverty rate is based on housing characteristics in Central Java which can be taken into consideration so that development programs are more targeted. Cluster analysis is a grouping method in which a group has the same characteristics, while between groups have different characteristics. K-means is one of the algorithms in data mining that can be used for grouping/clustering. The purpose of this study was to determine the classification of poverty in Central Java districts/cities based on housing indicators which include the floor area of the house, building materials for the widest floor, sources of drinking water, main building materials for roofs, and main fuel for cooking. This study yielded three clusters, with cluster 1 consisting of 22 districts and cities, cluster 2 consisting of 5 districts and cities, and cluster 3 consisting of 8 districts and cities. Cluster 1 grouping indicators were based on the sources of drinking water and the type of fuel used for cooking, cluster 2 grouping indicators were based on the size of the house's floor plan, and cluster 3 grouping indicators were based on the materials used to construct the house's widest floor and its main roof. Kemiskinan merupakan kondisi dimana ketidakmampuan seseorang untuk memenuhi kebutuhan pokok seperti pangan, sandang, papan dan pendidikan sehingga tidak mampu menjamin kelangsungan hidupnya sendiri. Untuk menunjang keberhasilan pelaksanaan program-program pembangunan, khususnya yang ditujukan untuk mengurangi kemiskinan dapat dibantu dengan mengelompokkan kabupaten/kota dengan analisis cluster. Analisis cluster dapat dilakukan untuk mengenali bagaimana tingkat kemiskinan berdasarkan karakteristik perumahan di Jawa Tengah yang dapat dijadikan pertimbangan agar program-program pembangunan lebih tepat sasaran. Analisis cluster merupakan suatu metode pengelompokan dimana dalam suatu kelompok mempunyai karakteristik yang sama, sedangkan antar kelompok mempunyai karakteristik yang berbeda. K-means merupakan salah satu algoritma dalam data mining yang dapat digunakan untuk mengelompokkan/clustering. Tujuan penelitian ini ialah untuk mengetahui pengelompokan kemiskinan Kabupaten/Kota Jawa Tengah berdasarkan indikator perumahan yang meliputi luas lantai rumah, bahan bangunan untuk lantai terluas, sumber air minum, bahan bangunan utama untuk atap rumah, dan bahan bakar utama untuk memasak. Penelitian ini menghasilkan 3 cluster dengan cluster 1 memiliki anggota 22 Kabupaten/Kota, cluster 2 memiliki anggota 5 Kabupaten/ Kota, cluster 3 memiliki anggota 8 Kabupaten/Kota. Indikator pengelompokkan cluster 1 didasarkan kepada sumber air minum dan bahan bakar untuk memasak yang digunakan, indikator pengelompokan cluster 2 didasarkan kepada luas lantai rumah, sedangkan indikator pengelompokkan cluster 3 didasarkan kepada bahan bangunan untuk lantai terluas dan bahan bangunan utama untuk atap rumah.

FORECASTING THE NUMBER OF PASSENGER AT JENDERAL AHMAD YANI SEMARANG INTERNATIONAL AIRPORT USING HYBRID SINGULAR SPECTRUM ANALYSIS-NEURAL NETWORK (SSA-NN) METHOD Tresiani Yunitasari; M. Al Haris; Prizka Rismawati Arum
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 11, No 1 (2023): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jsunimus.11.1.2023.22-33

Transportation was an important sector of supporting the economic growth of a country. The impact of the Covid-19 2020 pandemic at Achmad Yani International Airport in Semarang resulted in the movement of the number of passengers decreasing quite drastically, but in mid-2020 the movement of the number of passengers had slowly increased. Forecasting was done to determine the flow of movement of the number of passengers in the future using the Hybrid Singular Spectrum Analysis (SSA)-Neural Network (NN) method. The SSA method was expected to be able to decompose various patterns in the data into trend, seasonality and noise. Furthermore, the NN method was used to analyze nonlinear patterns in the data. The results showed that the best method was a combination of the SSA method with a window length of 40 and the NN method with a 6-8-1 network architecture (6 input neurons, 8 hidden neurons and 1 output neuron) for the trend component, 11-15-1 (11 neurons input, 15 hidden neurons and 1 output neuron) for the seasonal component, and 10-15-1 (10 input neurons, 15 hidden neurons and 1 output neuron) for the noise component. The model produces a prediction error based on a MAPE value of 0.54% or an accuracy rate of 99.46%.

MODEL COX PROPORTIONAL HAZARD dengan Metode Backward untuk Analisis Ketahanan Hidup Pasien Penderita Stroke Alfisyahrina Hapsery; Izzadin Muhamad Nur Irfan; Prizka Rismawati Arum
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 10, No 1 (2022): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jsunimus.10.1.2022.7-14

Stroke adalah penyakit yang disebabkan oleh terhentinya suplai darah ke otak yang menyebabkan otak kehilangan fungsinya. Stroke terjadi ketika pembuluh darah di otak tersumbat, mengakibatkan otak tidak mendapatkan suplai oksigen yang cukup untuk membawa darah ke seluruh tubuh, mengakibatkan kematian sel/jaringan. Faktor risiko stroke dapat dipengaruhi oleh usia, jenis kelamin, dan faktor akibat perilaku tidak sehat seperti hipertensi, diabetes. Berbagai faktor diduga mempengaruhi pasien stroke, oleh karena itu dilakukan pemodelan untuk memastikan faktor-faktor tersebut. Metode yang dapat memberikan informasi untuk menentukan faktor kelangsungan hidup seseorang adalah model regresi cox proporsional hazard. Variabel terikat ditentukan dari jumlah waktu kelangsungan hidup pasien dan jenis pasien yang termasuk data tersensor atau tidak. Dalam penelitian ini, data yang digunakan sebagai variabel terikat adalah lamanya pasien stroke dirawat inap sampai sembuh, atau mengalami suatu kejadian yaitu kekambuhan. Sedangkan variabel bebas yang digunakan dalam penelitian ini adalah umur, jenis kelamin, hipertensi, diabetes, lemas, nyeri, pelo, sulit makan, mual, muntah, demam dan pusing. Hasil pemodelan regresi cox proportional hazard diperoleh faktor-faktor yang mempengaruhi kekambuhan pasien stroke yaitu variabel diabetes dengan nilai estimasi 1,6696 dan variabel lemas.

Title

Found 26 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 26 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 26 Documents
Search