Claim Missing Document
Check
Articles

Found 24 Documents
Search

ANALISIS REGRESI KELAS LATEN UNTUK DATA KATEGORIK DENGAN SATU KOVARIAT Haeruddin, Haeruddin; Tirta, I Made; Dewi, Yuliani Setia
BERKALA SAINSTEK Vol 1, No 1 (2013)
Publisher : My Home

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (181.268 KB)

Abstract

Analisis regresi kelas laten merupakan analisis multivariat untuk data kategorik. Estimasi parameter pada analisis regresi kelas laten menggunakan algoritma EM (ekspektasi-maksimisasi) yang dilanjutkan dengan metode Newton-Raphson. Dalam penelitian ini, analisis regresi kelas laten digunakan untuk mengklasifikasikan responden berdasarkan persepsinya terhadap peluang (opportunity) dan ancaman (treath) bagi distributor produk Unilever, PT. Panahmas Dwitama Distrindo Regional Jember. Lamanya responden berlangganan terhadap distributor ini dijadikan sebagai kovariat. Hasil analisis menunjukkan bahwa berdasarkan persepsinya terhadap opportunity, responden dikelompokkan menjadi tiga kelompok, sedangkan terhadap treath dikelompokkan menjadi dua kelompok.
POLA-POLA JALUR PADA PATH ANALISYS UNTUK ANALISIS FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP NILAI UN SMA DI KABUPATEN LUMAJANG Isdarmawan, Agus; Tirta, I Made; Dewi, Yuliani Setia
KadikmA Vol 4, No 1 (2013): April 2013
Publisher : KadikmA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (618.205 KB)

Abstract

Abstract. Path analysis is a technique to analyze the effect of free and bound variables in which every variable correlates or associates with cause and effect directly or indirectly. This study was conducted to determine some factors which influenced National Examination at Senior High School in Lumajang. The Data were analyzed using path analysis. The results of the study were explained as follows: 1. The correlation of variables in path analysis followed the pattern of direct, indirect and mixed. 2. Path analysis could be applied to the analysis of the relationship between exogenous variables (Practical Training (X1), Assignment (X2), and Daily Test (X3)) with endogenous variables (Mid-Term Test (Y1), Final-Term Test (Y2), and National Examination (Z)). Daily Test (X3) contributed directly to Mid-Term Test (Y1). On the other hand, Practical Training (X1) and Daily Test (X3) did not contribute significantly to the Final-Term Test (Y2). 3. Assignment (X2) has direct and indirect influence on National Examination (Z) through Final-Term Test (Y2). 4. Daily Test (X3) did not have a direct influence to Final-Term Test (Y2) but it had a direct impact either through National (Z or through Mid-Term Test (Y1) and Final-Term Test (Y2) which contributed 19.6% of the total site. The direct contribution of Mid-Term Test (Y1) to National Examination (Z) was the highest direct contribution in this study with 40% of the total site. While, the contribution of Practical Training (X1), Assignment (X2), Daily Test (X3), Mid-Term Test (Y1), and Final-Term Test (Y2) simultaneously influenced National Examination (Z) with 93.5% . Abaut 6.5% was influenced by the other factors which could not be described in this study. Key Words : National Examination, Path Analysis, Variable Exogenous, endogenous variables
PERAMALAN PERTUMBUHAN PENDUDUK KABUPATEN SITUBONDO DENGAN MODEL ARIMA, DERET ARITMATIK, DERET GEOMETRI DAN DERET EKSPONENSIAL “THE FORECASTING GROWTH OF THE POPULATION IN SITUBONDO BY USING ARIMA, ARITMATICS, GEOMETRICS AND EXPONENTIAL” As’ad, A; Tirta, I Made; Dewi, Yuliani Setia
KadikmA Vol 4, No 1 (2013): April 2013
Publisher : KadikmA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (848.296 KB)

Abstract

Abstract. ARIMA models as the population forecasting in Situbondo is a model of ARIMA(3, 3, 3) and mathematically, it is stated as; =2,445–1,6632–0,148+0,9732–1,0746+ 0,4676+– 1,0635. Forecasting the population in Situbondo is 667646 people in 2012 and in 2013 is 677852 people. Some other approaches in determining the population is the Arithmetic growth formula, the result of forecasting in 2012 is 657540 people and in 2013 is 661626 people, Based on Geometric growth formula, the result of forecasting in 2012 is 19696459 people and in 2013 is 35211214 people and Based on Exponential growth formula the result of forecasting in 2012 is 657611 people and in 2013 is 661799 people. If we compare the data of the forecasted result of ARIMA model with the Aritmatics growth formula and Exponential growth formula, show that the data of the population with the last ten actual data is relatively similiar.The closed last ten actual data forecasting of population is the aritmatics growth formula, whereas the data of the population result for next two year based on the Geometric growth formula got the forecasted result which is different from the forecasted result of ARIMA model, Aritmatics growth formula and Exponential growth formula. Key Words:forecasting, arima models, arithmetic, geometric, exponential
ANALISIS STRUCTURAL EQUATION MODELING (SEM) DENGAN MULTIPLE GROUP MENGGUNAKAN R Holipah, Holipah; Tirta, I Made; Anggraeni, Dian
Majalah Ilmiah Matematika dan Statistika Vol 19 No 2 (2019): Majalah Ilmiah Matematika dan Statistika
Publisher : Jurusan Matematika FMIPA Universitas Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19184/mims.v19i2.17272

Abstract

Structural Equation Model (SEM) is a statistical technique with simultaneous processing involves measurement errors, indicator variables, and latent variables. SEM is used to test hypotheses that state the relationships between latent variables when latent variables have been assessed through each of the indicator variables. Multiple Group SEM is a basic model analysis that uses more than one sample. This analysis aims to determine whether the components or models of measurement and structural models are invariant for the two sample groups. In this study, the data generated by some requirements. First, the data generated with sample size n = 250. The first generated data is homogeneous data where the measurement model is the same as the structural model in group 1 and group 2, while the second data is non-homogeneous data where the measurement model and the structural model in group 1 and group 2 is not the same. The data was analyzed using the help of the lavaan package available in R to obtain SEM estimation results and Goodness of Fit Model from some data that was formed. From the results of the merger of the two groups, it shows that the invariant of the two models with the largest df (63) which is Fit Mean model states the simplest model. However, the smallest df (48) with Fit.configural model states the most complex model. Keywords: SEM, Multiple Group, R Program
ANALISIS DISKRIMINAN UNTUK VALIDASI CLUSTER PADA STUDI KASUS PENGELOMPOKAN KECAMATAN DI KABUPATEN JEMBER BERDASARKAN STATUS KEMISKINAN Istiqomah, Fikriana Nur; Tirta, I Made; Anggraeni, Dian
Majalah Ilmiah Matematika dan Statistika Vol 18 No 1 (2018): Majalah Ilmiah Matematika dan Statistika
Publisher : Jurusan Matematika FMIPA Universitas Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19184/mims.v18i1.17239

Abstract

. Cluster validation is a procedure to evaluate the results of cluster analysis quantitatively and objectively on a data. The validation process is very important to get the results of a good and appropriate grouping. In the validation process, the author uses internal validation, stability, and discriminant analysis test. This study aims to obtain validation results from the hierarchy and kmeans method. This data grouping uses “iris” simulation data, which results from the grouping method used can be applied to the original data to see which validation method is used for all data and produce an optimal grouping. The result of the study show that in the “iris” data, a single linkage link is an appropriate grouping method because the result of the grouping are optimal for all validations and classification of group members whose groups are significant. In Sub-district poverty data in Jember district with a single linkage link optimal grouping was obtained and complete linkage links were also used as a method that resulted in optimal grouping for all validation. Cluster validation using discriminant analysis test is appropriate for various types of data in general and shows that single linkage methods are better than other methods for grouping and validation methods for “iris” data and Sub-district data in Jember district based on variables of poverty status. Keywords: Cluster Analysis, Diskriminant Analysis, Multivariate Analysis, Validation Cluster
ANALISIS STRUCTURAL EQUATIONMODELING(SEM) UNTUK SAMPEL KECIL DENGAN PENDEKATAN PARTIAL LEAST SQUARE (PLS) Ulum, Miftahul; Tirta, I Made; Anggraeni, Dian
Prosiding Seminar Matematika dan Pendidikan Matematik Vol 1, No 1 (2014): Prosiding Seminar Nasional Matematika 2014
Publisher : Prosiding Seminar Matematika dan Pendidikan Matematik

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

Abstract

Analisis Structural Equation Modeling (SEM) sering diaplikasikan pada permasalahan sosial yang membutuhkan model yang relatif kompleks. Pendugaan parameter pada analisis SEM membutuhkan beberapa asumsi penting seperti ukuran sampel minimal 10 kali banyaknya indikator dan data harus berdistribusi normal. Pada prakteknya tidak mudah untuk memenuhi asumsi tersebut. Dalam perkembangannya terdapat sebuah metode SEM yang tidak membutuhkan asumsi tersebut yang dikenal dengan metode analisis Partial Least Square (PLS).Metode ini merupakan analisis SEM berbasis varian atau dikenal dengan SEM-PLS. Pendugaan parameter pada metode ini tidak membutuhkan ukuran sampel yang besar dan data tidak harus berdistribusi normal. Pada penelitian ini akan ditunjukkan perbandingan analisis data menggunakan metode SEM-PLS dengan metode CB-SEM. Perbandingan analisis data menggunakan data serdos yang berupa 4 variabel laten dan 24 variabel indikator yang sebelumnya sudah dianalisis menggunakan metode analisis CB-SEM dengan data ditransformasi ke z-score untuk memenuhi asumsi. Pada penelitian ini digunakan tiga macam ukuran sampel yaitu 35,55, dan 75yang diambil dari parent sample sebanyak160kemudian dilakukan tahap Bootstrapping sebanyak 50 kali. Tahap tersebut dilakukan padasetiap ukuran sampel untuk mengetahui seberapa minim ukuran sampel pada metode SEM-PLS yang representatif terhadap sample parent. Hasil penelitian menunjukkan bahwa ukuran sampel yang digunakan pada metode analisis SEM-PLS adalah sebanyak 55. Nilai R2 pada ukuran sampel 55 sama baik dengan nilai R2 pada parent sample dengan data tidak ditransformasi ke z-score sebagaimana metode CB-SEM.
ROBUST STANDARD ERRORS DENGAN SATORRA-BENTLER SCALED TEST STATISTIC UNTUK MENGATASI NONNORMALITAS DALAM ANALISIS STRUCTURAL EQUATION MODELING (SEM) Almira, Andina Ishmah; Tirta, I Made; Anggraeni, Dian
Prosiding Seminar Matematika dan Pendidikan Matematik Vol 1, No 1 (2014): Prosiding Seminar Nasional Matematika 2014
Publisher : Prosiding Seminar Matematika dan Pendidikan Matematik

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

Abstract

Nonnormalitas dalam analisis Structural Equation Modeling (SEM) berpotensi menyebabkan hasil yangmenyesatkan. Salah satu metode uji statistik yang dapat digunakan untuk mengatasi hal tersebut adalah robust standard errors (SErobust) dengan Satorra-Bentler scaled test statistic (TSB). Metode tersebut akan diuji pada beberapaukuran sampel dan distribusi data yang bervariasi. SErobust dan TSB yang dihasilkan akan dibandingkan dengan standard error dan uji statistik Maximum Likelihood (SEML dan TML). Selain itu ukuran Goodness of Fit (GOF) darikedua metode juga akan ditampilkan. Kedua metode bekerja dengan baik pada data normal. Sementara pada datanonnormal, ML menghasilkan SEML yang jauh lebih kecil daripada SErobust. SE yang kecil berarti underestimate dancenderung menolak model yang benar pada data nonnormal. Hal tersebut menyebabkan muncul nilai scaling corrections factor (SCF) yang berdampak pada uji statistik model. SCF untuk data normal bernilai mendekati 1, halini menunjukkan bahwa data berdistribusi normal dan tidak membutuhkan banyak koreksi. Sedangkan SCF untukdata nonnormal bernilai cukup besar, yang membuat TSB lebih kecil dan lebih mendekati nilai χ2 yang diharapkandaripada TML. Hal tersebut baik, karena menunjukkan bahwa robust standard errors dengan Satorra-Bentler scaled test statistic dapat menghasilkan p-value yang lebih besar, yang berarti metode tersebut cenderung menerima model yang benar dan dapat menghindari kesalahan tipe 1. Ukuran sampel data sangat berpengaruh pada hasil penelitian. Hasil penelitian yang baik terjadi pada ukuran sampel yang tidak terlalu kecil.
Analisis Pengaruh Kompetensi Tenaga Guru dan Kompetensi Kepala Sekolah Terhadap Capaian Standar Nasional Pendidikan Kasmuri, Kasmuri; Tirta, I Made; Dewi, Yuliani Setia
Prosiding Seminar Matematika dan Pendidikan Matematik Vol 1, No 1 (2014): Prosiding Seminar Nasional Matematika 2014
Publisher : Prosiding Seminar Matematika dan Pendidikan Matematik

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

Abstract

Standar kompetensi guru ini dikembangkan secara utuh dari empat kompetensi utama (pedagogik, kepribadian, sosial, dan profesional) dan keempat kompetensi tersebut terintegrasi dalam kinerja guru. Sedangkan kepala sekolah sebagai pelaksana kepemimpinan pendidikan di sekolah harus memiliki kemampuan dan ketrampilan yang menggambarkan tugas dan peranan kepala sekolah dalam  penerapannya dituangkan dalam kompetensi kepala sekolah (kepribadian, manajerial, kewirausahaan, supervisi dan sosial). Sementara itu standar nasional pendidikan yang meliputi delapan standar (isi, proses, kelulusan, pendidik dan tenaga kependidikan, sarana dan prasarana, pengelolaan, pembeayaan dan penilaian) adalah kriteria minimal tentang sistem pendidikan di  Indonesia yang harus dicapai. Tujuan penelitian ini adalah menganalisis pengaruh kompetensi guru dan kompetensi kepala sekolah terhadap capaian standar nasional pendidikan serta mengetahui indikator-indikator yang paling dominan dalam mengukur peubah laten antara kompetensi kepala sekolah, kompetensi guru terhadap  pencapaian standar nasional pendidikan tingkat sekolah menegah di Kabupaten Banyuwangi. Data yang digunakan adalah data nilai kinerja guru, nilai kinerja kepala sekolah dan nilai pencapaian standar nasional pendidikan (akreditasi sekolah), pada sekolah menengah di Kabupaten Banyuwangi. Metode analisis yang dipakai adalah covarian based SEM dengan estimasi maximum likelihood. Hasil yang diperolah adalah pengaruh kompetensi kepala sekolah berpengaruh kuat terhadap kompetensi guru, dan kompetensi guru juga berpengaruh kuat terhadap standar nasional pendidikan. Sedangkan  indikator yang paling dominan dari varibel laten kompetensi kepala sekolah adalah kompetensi kewirausahaan, untuk variabel laten kompetensi guru adalah kompetensi kepribadian, sedangkan untuk variabel laten standar nasional pendidikan adalah standar sarana dan prasarana.
Approach Generalized Structured Component Analysis (GSCA) Method for Structural Equation Modeling Unidimensional Susanti, Nawal Ika; Tirta, I Made; Dewi, Yuliani Setia
Prosiding Seminar Matematika dan Pendidikan Matematik Vol 1, No 1 (2014): Prosiding Seminar Nasional Matematika 2014
Publisher : Prosiding Seminar Matematika dan Pendidikan Matematik

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

Abstract

There are two types of Structural Equation Modeling is covarience or CB-SEM and variance or Partial Least Square SEM. The two types have advantages and disadvantages of each so Hwang & Takane propose a new method, namely the Generalized Structured Component Analysis (GSCA) which is a method that has been developed to complement the existing deficiencies in the Partial Least Square. Researchers using the GSCA for structural model factors affecting the nutritional status of children under five who are unidimensional structural equation. GSCA method in estimating the parameters using the method of Alternating Least Squares (ALS) and to estimate the standard error of the parameter estimates using the bootstrap method. The results of this study are all variables that indicator is a measure of valid and reliable to measure latent variables and also research model is a model that can be acceptable and in accordance with the existing conditions in the field.
PerbandinganAnalisisDiskriminan Linier, Diskriminan Linier RobustdanRegresiLogistikBiner Marino, Marino; Tirta, I Made; Dewi, Yuliani Setia
Prosiding Seminar Matematika dan Pendidikan Matematik Vol 1, No 1 (2014): Prosiding Seminar Nasional Matematika 2014
Publisher : Prosiding Seminar Matematika dan Pendidikan Matematik

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

Abstract

Penelitian ini membandingkan analisis diskriminan linier, diskriminan linier robust dan regresi logistik biner untuk mengelompokan siswa SMA Negeri 1 Bangorejo ke dalam kelompok IPA/IPS. Data yang digunakanadalah data nilai raport dan psikotes siswa kelas X semester 2 tahun pelajaran 2012-2013 SMAN 1 Bangorejo Banyuwangi. Data yang digunakan merupakan data terkontaminasi outlier sebesar 6,70%. Untuk mengetahui performa terhadap keberadaan outlier, maka dilakukan simulasi secara berulang-ulang mengaplikasikan analisis diskriminan linier, diskriminan linier robust dan regresi logistik biner dengan besar sampel bervariasi yaitu n1=40, n2=80, n3=120 dan n4=120 responden dan besar outlier yang bervariasi yaitu 5%, 10%, 15% dan 20%. Dari hasil simulasi ditunjukkan bahwa regresi logisltik biner mempunyai ketepatan klasifikasi yang paling baik. Pengelompokan IPA atau IPS di SMA N. 1 Bangorejo dengan jumlah sampel keseluruhan (224 responden), dengan menggunakan analisis logistik biner mempunyai ketepatan klasifikasi sebesar 85,714%.