Claim Missing Document
Check
Articles

Found 15 Documents
Search

Simulasi Pengaruh Data Berkorelasi Menggunakan Pendekatan Bayes Dengan Noninformative Prior Erfiani .; Utami Dyah Syafitri; Dwi Putri Kurniasari
FORUM STATISTIKA DAN KOMPUTASI Vol. 9 No. 2 (2004)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

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

Abstract

Masalah multikolinieritas sering timbul dalam pendugaan model kalibrasi peubah ganda. Metode pendugaan parameter dengan metode kuadrat terkecil kurang tepat digunakan jika terjadi masalah multikolinieritas. Pendugaan parameter dengan data berkorelasi diantaranya dapat digunakan Analisis Komponen Utama, Regresi Kuadrat Terkecil Parsial, Regresi atas Koefisien Fourier, Jaringan Syaraf Tiruan dan Pendekatan Bayes (Notodiputro, 2003). Menurut penelitian yang telah dilakukan sebelumnya ternyata pendekatan bayes mempunyai hasil yang lebih baik dibanding dengan metode lain (Notodiputro, 2003). Hal ini dikarenakan dalam pendekatan bayes ditambahkan informasi tambahan terhadap model yang dibangun. Dari penelitian yang dilakukan oleh Rahayu (2003), pemilihan penggunaan sebaran prior sangat berpengaruh terhadap hasil dugaan. Dalam penelitian ini digunakan pendekatan bayes dengan noninformative prior untuk mengetahui keakuratan pendugaan respon pada kondisi data yang berkorelasi. Data yang digunakan merupakan data bangkitan dengan  berbagai kombinasi jumlah pengamatan, jumlah peubah dan tingkat korelasi yang dicobakan pada empat metode dengan  nilai inisial tertentu. Penggunaan prior normal untuk jenis data normal ternyata layak digunakan. Hal ini dapat dibuktikan dengan metode I yang mempunyai nilai ketelitian yang tinggi. Pemberian nilai inisial ternyata berpengaruh terhadap ketelitian, untuk itu dalam metode I, II, III, IV sebaiknya digunakan nilai inisial yang layak sehingga modelnya nanti mempunyai ketelitian yang tinggi. Secara umum pada semua metode, peningkatan nilai korelasi berpengaruh terhadap nilai ketelitian, dimana ketelitian modelnya menurun seiring dengan bertambahnya nilai korelasi. Pada metode I dan II, untuk semua n yang dicobakan, kenaikan jumlah peubah memberikan pengaruh perubahan terhadap nilai ketelitian tetapi perubahannya belum menunjukkan suatu pola. Untuk metode III dan IV kenaikan jumlah peubah  cenderung menyebabkan nilai ketelitian semakin  menurun.  Kata kunci : Pendekatan Bayes,  Noninformative Prior
PENGGEROMBOLAN DESA/KELURAHAN BERDASARKAN INDIKATOR KEMISKINAN DENGAN MENERAPKAN ALGORITMA TSC DAN K-PROTOTYPES Munthe, Andrew Donda; Sumertajaya, I Made; Syafitri, Utami Dyah
Indonesian Journal of Statistics and Applications Vol 2 No 2 (2018)
Publisher : Departemen Statistika, IPB University dengan Forum Perguruan Tinggi Statistika (FORSTAT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/ijsa.v2i2.169

Abstract

Statistic Indonesia (BPS) noted that in 2014 there were 3.270 villages in Nusa Tenggara Timur Province. Most of them have a high percentage of poverty. Therefore, the village clustering based on poverty indicators is very important. The clustering algorithm that can be used on large data size and with mixed variables are Two Step Cluster (TSC) and K-Prototypes. The purpose of this research is to compare of TSC and K-Prototypes algorithm for village clustering in Nusa Tenggara Timur Province based on poverty indicators. The data were taken from 2014 village potential data (PODES 2014) collected by BPS. The best selection criteria for the cluster is the minimum ratio between variance within groups and variance between groups. The result showed that the best clustering algorithm was TSC which had the smallest ratio (2.6963). The best clustering showed that villages in Nusa Tenggara Timur Province divided into six groups with different characteristics.
KAJIAN MODEL PERAMALAN KUNJUNGAN WISATAWAN MANCANEGARA DI BANDARA KUALANAMU MEDAN TANPA DAN DENGAN KOVARIAT Rochayati, Isti; Syafitri, Utami Dyah; Sumertajaya, I Made; IJSA, Indonesian Journal of Statistics and Its Applications
Indonesian Journal of Statistics and Applications Vol 3 No 1 (2019)
Publisher : Departemen Statistika, IPB University dengan Forum Perguruan Tinggi Statistika (FORSTAT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/ijsa.v3i1.171

Abstract

Foreign tourist arrivals could be considered as time series data. Modelling these data could make use of internal and external factors. The techniques employed here to model these time series data are SARIMA, SARIMAX, VARIMA, and VARIMAX. SARIMA is a model for seasonal data and VARIMA is a model for multivariate time series data. If some explanatory variables are incorporated and have significant influence on the response, the former two models become SARIMAX and VARIMAX respectively. Three stages of creating the model are model identification, parameter estimation, and model diagnostics. The variables used in this study were foreign tourist visits, international passenger arrivals, inflation rates, currency exchange rates, and Gross Regional Domestic Product (GRDP) over the period of 2010-2017. All four models fulfill their model assumptions and therefore could be applied. The best model of foreign tourist arrivals was VARIMA with the value of MAPE testing data = 6.123.
Discrimination of cassava, taro, and wheat flour using near-infrared spectroscopy and chemometrics Rafi, Mohamad; Fikriah, Sifa Awalul; Khuluk, Rifki Husnul; Syafitri, Utami Dyah
Jurnal Kimia Sains dan Aplikasi Vol 23, No 10 (2020): Volume 23 Issue 10 Year 2020
Publisher : Chemistry Department, Faculty of Sciences and Mathematics, Diponegoro University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jksa.23.10.360-364

Abstract

There is a difference in the selling price for cassava, taro, and wheat flour, with taro flour having a higher price. It could be a reason for adulterating the taro flour from the other two flours and reducing quality. This study aims to distinguish the three types of flour using the near-infrared (NIR) spectra combined with chemometrics. The NIR spectra of all samples were measured at a wavelength of 1000-2500 nm. The multivariate analysis used was principal component analysis (PCA), and PCA followed with discriminant analysis (DA). The preliminary process of the signal using area normalization was carried out before the multivariate analysis. The PCA results showed that most of the samples were grouped in their respective groups except for two samples, namely 1 sample of taro flour and 1 sample of cassava flour. Meanwhile, the PCA-DA results using seven main components showed that the three samples were grouped well. DA validation was carried out using the cross-validation method, showing that the samples could be identified into their respective groups. Therefore, a combination of NIR spectrum and chemometric analysis can be used to differentiate cassava, taro, and wheat flour
PENENTUAN DOMAIN DENGAN TEKNIK VARIOGRAM Aji Hamim Wigena; Utami Dyah Syafitri; Yuan Millafanti
FORUM STATISTIKA DAN KOMPUTASI Vol. 12 No. 2 (2007)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

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

Abstract

Dalam banyak kesempatan, penyusunan model skoring untuk memprediksi klasifikasi calon nasabah dilakukan menggunakan model regresi logistik dan beberapa model lain.  Proses pengklasifikasian dapat juga dilakukan dengan menerapkan simple naive Bayesian classifier.  Meskipun menggunakan asumsi yang secara umum dilanggar oleh data dan proses komputasi yang jauh lebih sederhana, teknik ini mampu menghasilkan akurasi dugaan yang tidak mengecewakan.  Paper ini memberikan ilustrasi penggunaan simple naive bayesian classifier pada kasus prediksi klasifikasi status kolektibilitas calon nasabah dan membandingkannya dengan model regresi logistik dan generalized additive model.   Kata kunci: simple naive Bayesian classifier
JARINGAN SYARAF TIRUAN DAN ALGORITMA GENETIKA DALAM PEMODELAN KALIBRASI (STUDI KASUS : TANAMAN OBAT TEMULAWAK) Bartho Sihombing; . Erfiani; Utami Dyah Syafitri
FORUM STATISTIKA DAN KOMPUTASI Vol. 16 No. 1 (2011)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (325.262 KB)

Abstract

The problems in prediction of calibration model are multicolinearity and the number of variables is larger than the number of observations. Principal Component Analysis-Artificial Neural Network-Genetic Algorithm (PCA-ANN-GA) models were applied for the relationship between sample of concentration which is limited and transmittance data which is in large dimensions. A large number of variables were compressed into principal components (PC’s). From these PC’s, the ANN was employed for prediction of concentration. The principal components computed by PCA were applied as inputs to a backpropagation neural network with one hidden layer. The models was evaluated using GA for the best network structure on hidden layer. Root Mean Square Error (RMSE) for 80% training set and 20% testing set are 0.0314 and 0.5225, respectively. Distribution of data according to the percentage of training data and testing data were also very influential to obtain the best network structure with the smallest RMSE achievement. The best model for these methods is two layers Neural Network with eight neuron in the hidden layer.
KONSISTENSI RESPONDEN DALAM MENGEVALUASI PROFIL PRODUK PADA ANALISIS KONJOIN Utami Dyah Syafitri; Hari Wijayanto; Yuni Suci Kurniawati
FORUM STATISTIKA DAN KOMPUTASI Vol. 12 No. 2 (2007)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

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

Abstract

Salah satu non sampling error dalam suatu survey adalah ketidakkonsistenan jawaban yang diberikan oleh responden terutama jika diminta untuk memberikan prioritas terhadap profil suatu produk. Hal tersebut berkaitan dengan alat ukur (kuesioner) yang digunakan. Dalam analisis konjoint, evaluasi preferensi terhadap suatu produk dilakukan dengan memberikan penilaian (rating) dan mengurutkan (ranking) profil-profil suatu produk. Responden dikatakan konsisten apabila hasil analisis konjoin per individu dari data rating dan ranking menunjukkan urutan tingkat kepentingan atribut yang sama dari dua metode pengukuran tersebut. Sebagai bahan evaluasi terhadap ketidakkonsistenan jawaban responden, dalam penelitian ini digunakan studi kasus preferensi mahasiswa IPB dalam memilih mata kuliah pilihan. Pengambilan sampel dilakukan secara purposive. Dari hasil survey, secara umum dapat dikatakan responden konsisten dalam mengevaluasi stimuli dengan metode rating dan ranking. Sedangkan apabila ditinjau dari sisi masing-masing individu diperoleh sekitar 43% responden yang dapat mengevaluasi stimuli dengan metode rating dan ranking secara konsisten. Kekonsistenan jawaban responden dipengaruhi oleh lamanya waktu yang diperlukan untuk evaluasi produk, sikap dan kesungguhan dalam menjawab, serta pribadi yang serius (ditunjukkan oleh prilaku yang tidak gemar bermain games). Kata kunci : konjoint, rating, ranking, kekonsistenan
ANALISIS REGRESI DATA PANEL PADA INDEKS PEMBANGUNAN GENDER (IPG) JAWA TENGAH TAHUN 2011-2015 Lukiswati, Intan; Djuraidah, Anik; Syafitri, Utami Dyah
Indonesian Journal of Statistics and Applications Vol 4 No 1 (2020)
Publisher : Departemen Statistika, IPB University dengan Forum Perguruan Tinggi Statistika (FORSTAT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (565.803 KB) | DOI: 10.29244/ijsa.v4i1.331

Abstract

The Gender Development Index (GDI) is a measure of the level of achievement of gender-based human development in Indonesia. Central Java Province is the largest province in Java with a GDI rate which tends to increase during the period of 2011 to 2015. Central Java's GDI, when compared to other provinces on Java Island, ranks third after DKI Jakarta and DI Yogyakarta. Central Java’s GDI consists of several observations for a certain period of time so that panel data regression analysis can be used. The purpose of this study was to model the GDI of women in Central Java with panel data regression and find out which explanatory variables significantly affected women's GDI in Central Java from 2011 to 2015. The results of this study indicate that explanatory variables that significantly influence women's GDI in Central Java are life expectancy, primary school enrollment rates, high school enrollment rates, and per capita expenditure.
METODE POHON GABUNGAN: SOLUSI PILIHAN UNTUK MENGATASI KELEMAHAN POHON REGRESI DAN KLASIFIKASI TUNGGAL Bagus Sartono; Utami Dyah Syafitri
FORUM STATISTIKA DAN KOMPUTASI Vol. 15 No. 1 (2010)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (282.023 KB)

Abstract

Classification and regression tree has been a widely used tool in various applied fields due to its capability to give excellent predictive analysis. Later on, ensemble tree appeared to enhance simple tree analysis and deals with some of the weakness found in simple techniques. The ensemble tree basically combines predictions values of many simple trees into a single prediction value. This paper is intended as an introductory article to give a brief overview of the available ensemble tree methods which might be found in detail in a variety of reading materials.
Persepsi Masyarakat Mengenai Kriteria Calon Presiden 2004-2009 (Studi Kasus: Daerah Pemilihan Kota Bogor) Hari Wijayanto; Utami Dyah Syafitri; Sri Wahyuningsih
FORUM STATISTIKA DAN KOMPUTASI Vol. 9 No. 2 (2004)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

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

Abstract

Pemilihan Umum (Pemilu) Presiden dan Wakil Presiden 5 Juli 2004 secara langsung  memberikan kesempatan masyarakat untuk dapat memilih calon presiden sesuai dengan harapannya. Harapan masyarakat tersebut dapat dilihat melalui pandangan masyarakat tentang kriteria apa saja yang penting dimiliki oleh seorang calon presiden dan apakah kriteria tersebut ada pada diri calon presiden itu. Hasil penelitian ini menunjukkan bahwa kriteria yang paling penting dimiliki oleh seorang calon presiden adalah mampu mengatasi krisis ekonomi. Persepsi masyarakat Bogor secara umum menilai bahwa calon presiden Amien Rais merupakan tokoh yang  tidak terlibat pelanggaran HAM, tidak terlibat Orde Baru, dan mampu menggalang hubungan internasional.   Sedangkan calon presiden Susilo Bambang Yudhoyono dinilai  mampu mengatasi krisis ekonomi, memiliki visi, misi dan program kerja yang jelas serta  memiliki intelektual yang tinggi.  Pendukung calon presiden Hamzah Haz paling tidak konsiten pada jawaban mereka mengenai kriteria-kriteria calon presiden, kemudian diikuti oleh pendukung Megawati dan Wiranto.  Sedangkan pendukung calon presiden Amien Rais merupakan pendukung yang paling konsisten, kemudian diikuti oleh pendukung Susilo Bambang Yudhoyono.