Article Per Year (5 Year)
p-Index From 2019 - 2024
1.405
P-Index
This Author published in this journals
All Journal PROSIDING SEMINAR NASIONAL Jurnal Statistika Universitas Muhammadiyah Semarang Value Added : Majalah Ekonomi dan Bisnis The Journal of Educational Development Seminar Nasional Variansi (Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika) Parameter: Journal of Statistics Prosiding Seminar Nasional Unimus
Rochdi Wasono
Unknown Affiliation
Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Health Professions Mathematics Nursing Public Health Social Sciences

Published : 26 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 26 Documents
Search

 1   2   3 
PEMODELAN KUALITAS AIR DI KAWASAN PEGUNUNGAN KENDENG DENGAN PENDEKATAN ORDINARY KRIGING DAN GEOGRAPHIC INFORMATION SYSTEM (GIS) Juwita Rahayu; Tiani Wahyu Utami; Rochdi Wasono
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 4, No 2 (2016): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (371.928 KB) | DOI: 10.26714/jsunimus.4.2.2016.%p

Abstract

Saat ini terjadi adanya kecendrungan penurunan kualitas air di beberapa daerah, terlebih pada daerah kawasan karst yang memiliki sistem permeabilitas tinggi yang sangat rentan terhadap pencemaran air akibat aktifitas manusia maupun perubahan alam.Tujuan penelitian adalah memetakan dan menduga kualitas air tanah dengan parameter keberadaan pencemar unsur Nitrit menggunakan metode geostatistik yang merupakananalisis statistik spasial untuk menduga data dengan prediksi dan interpolasi melalui semivariogram dan ordinary kriging pada kadar NO. Selanjutnya membandingkan model prediksi dan interpolasi yang berbeda, memetakan sebaran kadar NO 2 padasumber mata air yang menjadi kajian menggunakan Geographic Information System (GIS). Berdasarkan hasil perhitungan menggunakan metode Ordinary Kriging dengan Gaussian isotropic model diperoleh nilai RSS 2.21 dan C 0 = 0.198, C+C = 2.56, A = 9335.75. Menduga pada daerah Sumber Seribu (titik ke- 6) dengan nilai dugaan sebesar 0.89571 yang masih dikategorikan memiliki kadar nitrit yang tinggi. Kemudian modelGeographically Informasi System dengan menggunakan metode Ordinary Kriging dengan Variogram Modelling, mempunyai kriteria baik untuk menggambarkan sebaran spasial parameter kualitas air. Dengan luaran peta kontur sebaran kadar nitrit dengan daerah bitingan yang paling tinggi kadar nitritnya Studi kasus dilakukan di Kawasan Pegunungan Kendeng, Kabupaten Rembang, Provinsi Jawa Tengah.Kata Kunci : Karst, Nitrite NO 2, Ordinary Kriging, GIS.
Pemodelan Geographically Weighted Regression (GWR) Pada Tingkat Kemiskinan di Provinsi Jawa Tengah Monica Firda Agustina; Rochdi Wasono; Moh. Yamin Darsyah
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 3, No 2 (2015): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (230.137 KB) | DOI: 10.26714/jsunimus.3.2.2015.%p

Abstract

Penelitian ini bertujuan memodelkan tingkat kemiskinan di Jawa Tengah Tahun 2014 dengan memasukkan efek spasial. Metode yang digunakan adalah regresi linier dan GWR. Dalam model GWR estimasi parameter menggunakan Weighted Least Square (WLS) dengan pembobot fungsi kernel gaussian. Hasil penelitian menyimpulkan model GWR lebih baik dibandingkan dengan model regresi linier. Berdasarkan hasil penelitian terdapat 5 variabel prediktor yang diduga mempengaruhi tingkat kemiskinan kabupaten/kota di Jawa Tengah yaitu upah minimum kerja (X1), persentase penduduk yang bekerja di sektor pertanian (X2) , pelayanan kesehatan Jamkesmas (X4), persentase rumah tangga yang menggunakan jamban(X6), dan inflasi (X8). Model GWR memiliki R2 sebesar 73,95% menunjukkan bahwa model mampu menerangkan tingkat keragaman kemiskinan sebesar 73,95% dan sisanya dipengaruhi variabel lain di luar model. Tingkat kemiskinan di Jawa Tengah tidak dipengaruhi oleh faktor geografis karena tidak ada perbedaan signifikan antara model regresi linier dan GWR. varibel prediktor tersebut mempunyai pengaruh yang hampir sama di setiap kabupaten/kota.Kata Kunci : GWR , Regresi Linier, Tingkat Kemiskinan.
GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) UNTUK PEMODELAN JUMLAH PENDERITA KUSTA DI JAWA TENGAH Devy Noviani; Rochdi Wasono; Indah Manfaati Nur
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 2, No 2 (2014): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (507.562 KB) | DOI: 10.26714/jsunimus.2.2.2014.%p

Abstract

Regresi poisson adalah metode statistika yang digunakan untuk menganalisa hubungan antara variabel prediktor dan variabel respon dimana variabel respon berbentuk data cacahan atau counted data dan berdistribusi poisson. Data jumlah penderita kusta adalah salah satu contoh data yang asumsinya memenuhi distribusi poisson karena merupakan peristiwa yang jarang terjadi. Dalam penelitian ini peneliti ingin memodelkan jumlah penderita kusta di Provinsi Jawa Tengah dengan menggunakan pendekatan Geographically Weighted Poisson Regression atau GWPR. Penambahan pengaruh aspek spasial diharapkan mampu menghasilkan model terbaik dengan bias kecil dan menghasilkan model yang berbeda-beda ditiap wilayah. Pada pemodelan Pembobotan fungsi kernel yang digunakan untuk penaksiran parameter yaitu pembobotan kernel klasik kernel dan bisquare kernel, dari kedua pembobotan itu akan dipilih yang terbaik yaitu yang memiliki nilai AIC paling kecil. Pemodelan jumlah penderita kusta menggunakan GWPR dengan pembobot kernel gaussian adalah model yang terbaik diantara model regresi poisson dan GWPR dengan pembobot kernel bisquare karena memiliki nilai AIC terkecil. Dari hasil pemodelan menggunakan pembobot kernel gaussian diperoleh 22 kelompok wilayah berdasarkan variabel yag signifikan. Dari 35 kabupaten dan kota ternyata persentase rumah tangga ber-PHBS dan rata-rata lama sekolah penduduk menjadi faktor yang banyak berpengaruh untuk jumlah penderita kusta di Jawa Tengah.
PEMODELAN REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSION PADA REGRESI POISSON Rena Muntafiah; Rochdi Wasono; Moh. Yamin Darsyah
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 2, No 1 (2014): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (84.098 KB) | DOI: 10.26714/jsunimus.2.1.2014.%p

Abstract

Data dari Kepolisian Republik Indonesia pada tahun 2009 menunjukkan bahwa setiap 9,1 menit sekali terjadi satu kecelakaan di jalan raya. Menurut WHO Saat ini kecelakaan lalu lintas menjadi penyebab pembunuh manusia terbesar di Dunia setelah penyakit jantung dan TBC.Banyaknya korban kecelakaan lalu lintas tidak hanya mengakibatkan kerugian materiil tetapi juga kerugian fisik dan psikis.Pada kenyataannya faktor kelalaian manusia merupakan penyebab utama terjadinya kecelakaan lalu lintas. Selain faktor manusia faktor jalan seperti jalan lurus (X1), tikungan (X2),  persimpangan perempatan atau pertigaan (X3), jenis aspal (X4), penerangan gelap (X5), bundaran (X6) dan jalan berlubang (X7) juga diduga menjadi penyebab terjadinya kecelakaan lalu. Kecelakaan lalu lintas dapat digambarkan sebagai peristiwa yang jarang terjadi,  bersifat acak (random) dan diskrit, maka dari itu untuk meneliti kasus kecelakaan lalu lintas dapat digunakan metode Generalized Linier Model (GLM) dengan sebaran Poisson untuk menghasilkan pemodelan yang lebih baik. Pada penelitian ini digunakan metode Regresi Poisson untuk menganalisa data cacahan dengan variabel respon berdistribusi Poisson atau menyatakan kejadian yang relatif jarang terjadi dan bersifat diskrit.Tetapi pada kenyataannya, data diskrit seringkali mengalami overdispersion (dimana varians data lebih besar daripada mean). Adanya overdispersion dalam model Poisson menyebabkan nilai deviance model menjadi sangat besar.Metode Regresi Binomial Negatif dapat mengatasi overdispersi pada Regresi Poisson karena memiliki parameter dispersi (κ). Kemungkinan fungsi hubungan dalam penelitian ini menggunakan pendekatan GLM yaitu; μ=exp(β0+β1x1+ … +βkxk). Hasil dari pemodelan diatas didapatkan pemodelan interaksi antara faktor persimpangan (4/3) dengan bundaran adalah model yang memiliki nilai devians terkecil. Sehingga model terbaik pada penelitian ini adalah μ =exp(β0+β3X3+β6X6)= exp(2.9239+0.0461X3+0.0587X6).
PEMODELAN SPATIAL DURBIN ERROR MODEL (SDEM) PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI JAWA TENGAH Imaroh Izzatun Nisa; Abdul Karim; Rochdi Wasono
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 5, No 1 (2017): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (158.275 KB) | DOI: 10.26714/jsunimus.5.1.2017.%p

Abstract

Indeks Pembangunan Manusia (IPM) atau Human Devlompent Index (HDI) merupakan indeks pembangunan manusia yang dipergunakan untuk pencapaian hasil daripembangunan suatu daerah atau wilayah dalam tiga dimensi dasar pembangunan yaitu lamanya hidup, pengetahuan/tingkat pendidikan dan standar hidup layak. Dalam penelitian ini dilakukan pendeskripsian Indeks Pembangunan Manusia (IPM) dan faktorfaktor yang mempengaruhinya dari sudut pandang kewilayahan dengan matriks pembobot customaize, serta pemodelan Indeks Pembangunan Manusia (IPM) dengan menggunakan spatial Durbin Error Models. Hasil penelitian menunjukan bahwa penyebaran Indek Pembangunan Manusia di Provinsi Jawa Tengah mempunyai pola yang menyebar. Berdasarkan hubungan Indeks Pembangunan (IPM) dengan variabel yangmempengaruhinya yaitu Angka Harapan Hidup (AHH), Rata-rata Lama Sekolah (RLS), Harapan Lama Sekolah (HLS), dan Pengeluaran Perkapita yang Disesuaikan (PPDS)dapat diartikan bahwa persamaan dan perbedaan karakteristik pada setiap kabupaten/kota yang berdekatan dapat menimbulkan peningkatan atau penurunan Indeks Pembangunan Manusia di Provinsi Jawa Tengah. Model yang memenuhi evaluasi model spatial econometriks yaitu model SDEM (Spatial Durbin Error Models), dan variabel yangmempunyai efek tidak langsung adalah pengeluaran erkapita yang disesuaikan artinya Indeks Pembangunan Manusia disuatu wilayah dipengaruhi oleh pengeluaran perkapitayang disesuaikan pada wilayah tersebut dan wilayah lain yang memiliki karakteristik yang sama.Kata Kunci : Indeks Pembangunan Manusia
PERENCANAAN PROGRAM BANTUAN OPERASIONAL SEKOLAH (BOS) DI PROVINSI JAWA TENGAH BERBASISKAN MODEL SPATIAL AUTOREGRESSIVE (SAR) DAN SPATIAL ERROR MODEL (SEM) Rochdi Wasono; Abdul Karim; Moh. Yamin Darsyah; Suwardi Suwardi
PROSIDING SEMINAR NASIONAL & INTERNASIONAL 2018: SEMINAR NASIONAL PENDIDIKAN SAINS DAN TEKNOLOGI
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (93.478 KB)

Abstract

Formulasi penyaluran dana Bantuan Operasional Sekolah (BOS) merupakan masalah yang kompleks, karena setiap daerah memiliki karakteristik yang berbeda.  Penelitian  ini  bertujuan  untuk  mengetahui  perbandingan model spatial autoregressive (SAR) dan spatial error model (SEM) serta menentukan model terbaik diantara kedua model. Hasil penelitian menunjukan bahwa model SEM lebih baik disbanding dengan model SAR. Kata Kunci : Bantuan operasional sekolah (BOS), SAR, SEM
PENDUGAAN TINGKAT KEMISKINAN DI KABUPATEN SUMENEP DENGAN PENDEKATAN SAE Moh. Yamin Darsyah; Rochdi Wasono
PROSIDING SEMINAR NASIONAL & INTERNASIONAL 2013: PROSIDING SEMINAR NASIONAL STATISTIKA 2013
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (567.63 KB)

Abstract

Small area estimation (SAE) merupakan suatu teknik statistika untuk menduga parameter-parameter subpopulasi yang ukuran sampel nya kecil. Teknik pendugaan ini borrowing information memanfaatkan data dari domain besar (seperti data sensus, data susenas) untuk menduga variabel yang menjadi perhatian pada domain yang lebih kecil yang selanjutnya dikenal pendugaan tidak langsung. Adapun pendugaan langsungtidak mampu memberikan ketelitian yang cukup bila ukuran sampel dalam area kecil, sehingga statistik yang dihasilkan akan memiliki varian yang besar atau bahkan menghasilkan pendugaan yang bias. SAE dalam penelitian ini menggunakan pendekatan nonparametrik yang digunakan untuk menduga tingkat kemiskinan pada level kecamatan di Kabupaten Sumenep. Kecamatan Bluto merupakan wilayah dengan mayoritas penduduk miskin di Kabupaten Sumenep dengan rata-rata pengeluaran per kapita jauh dibawah garis kemiskinan. Kata Kunci : SAE, Kemiskinan, Nonparametrik
Small Area Estimation For Mapping Human Development Index Moh. Yamin Darsyah; Rochdi Wasono
PROSIDING SEMINAR NASIONAL & INTERNASIONAL 2016: Proceeding of International Seminar on Education Technology (ISET) 2016
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (440.053 KB)

Abstract

Abstract.Human Development Index (HDI) is one ofthe indicators that used to determine the human developmentofa country. The calculation of the value of HDI in Indonesia is carried out until the scale of the districteach year. Since the implementation of regional autonomy policy,the calculation of the HDI value is required with a smaller scale in the district. The calculation of HDI values with sub-scale is difficult because the sample is toosmall to estimate the value of HDI perdistrict. One of the component stocalculate the value of HDI is an indexof purchasing power that approximated by the value of percapita expenditure. Small Area Estimation is one of the indirect estimates that used to estimate the parameter values of the subpopulation. On this research, Small Area Estimation (SAE) is a statistics methode for estimate small sampel .The research purpose to estimate per capita expenditurefor HDI in Demak District. The results of the estimation with SAE methods in Demak District indicates that the Demak Sub-district has the largest per capita expenditure that can be said have the highest HDI value while Kebonagung Sub-district has the smallest per capita expenditure that can be said have the lowest HDI value.
PENGEMBANGAN USAHA VOKASI MELALUI PEMANFAATAN POTENSI DESA WADO Moh Yamin Darsyah; Rochdi Wasono; Iswahyudi Joko Suprayitno; Iis Istiqomah
PROSIDING SEMINAR NASIONAL & INTERNASIONAL 2017: Prosiding Seminar Nasional Publikasi Hasil-Hasil Penelitian dan Pengabdian Masyarakat
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (631.691 KB)

Abstract

Wado is a village that has great potential that still needs development. This area is a peanut producing area. The majority of people in Wado sell abundant peanuts every harvest is only sold to middlemen, not much use of peanuts to be processed into high-value peanut production. This resulted in the potential of peanut in Wado has not contributed the maximum to the welfare of the community. The purpose of KKN-PPM is toprovide knowledge to the Wado Village community to empower themselves through peanut business, to provide process processing skills and peanut packing process as typical food of Kedungtuban village, to  provide knowledge and skills of marketing process of peanut products widely, to provide assistance in the learning activities of school-aged children and to provide assistance to the Wado Village community in processing peanuts into typical food products and regional superior. Methods used to solve problems include using lecture strategies, observation, discussion, case studies, demonstrations, practices and brainstorming suggestions. The result of this activity is the change of mindset of the community to consciously process the local potential of the village to be a product of sale value in Wado Village, Kedungtuban Sub-district of Blora Regency, the product produced by KKN-PPM in the form of peanut stick, peanut cruncy 3G, peanut butter, chicken peanut nugget, milk peanut powder and ketapang seeds rich in flavor. This processed peanut products can be sold widely through online and have filed No.PIRT products. In addition, other activities in the field of education, environment and health have been done to provide awareness for the community so that there is a change in public attitudes to be more concerned about education, environment and health.
SPATIAL DURBIN MODEL OF UNEMPLOYMENT RATE IN CENTRAL JAVA Fatkhurokhman Fauzi fauzi; Gabriella Hilary Wenur; Rochdi Wasono
Parameter: Journal of Statistics Vol. 3 No. 1 (2023)
Publisher : Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Tadulako

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22487/27765660.2023.v3.i1.16423

Abstract

Unemployment is a labor problem that is often faced by developing countries like Indonesia. The number of unemployed in Indonesia has fluctuated from year to year, including in Central Java Province. One of the efforts made to overcome this problem is to know the factors that influence unemployment. The region effect greatly affects the open unemployment rate. Modeling involving area effects is very precise, one of which is the Spatial Durbin Model (SDM). In this study, modeling of the open unemployment rate was carried out using a spatial approach in each district/city in Central Java. The models used in this study are Ordinary Last Square (OLS), Spatial Auto Regressive (SAR), Spatial Error Models (SEM), Spatial Durbin Model (SDM), Spatial Error Durbin Model (SDEM). The five methods were evaluated using the Akaike Information Criteria (AIC). The spatial weighting used in this study is Queen Contiguity. Based on the smallest AIC value (115.42), the best method in this study is HR. Meanwhile, the significant factors are the percentage of labor force participation rate (X1), the number of poor people (X4), the lag of economic growth, the lag of poverty, and the lag of the district/city minimum wage
Co-Authors Al Haris, M. Alwan Fadlurohman Andayani Nurfaizah Anissatush Sholiha Aulia Fadhli Boer Chendy Nofiantika Rosulya Putri Devy Noviani Dhevi Ratna Fitriani Dominikus Leki Sogen Eka Kurniawati Fatkhurokhman Fauzi Gabriella Hilary Wenur Husna, Rizqa El Iis Istiqomah Imaroh Izzatun Nisa Indah Manfaati Nur Isna Nur Azizah Iswahyudi Joko Suprayitno Joko Sutarto Juwita Rahayu Karim, Abdul M. Al Haris Moh Yamin Darsyah Moh. Yamin Darsyah Monica Firda Agustina Nila Amelinda Putri Prizka Rismawati Arum Rahman Hidayat Rena Muntafiah Samsudi - Samsudi -, Samsudi Siti Hajar Rahmawati Soesanto - Soesanto -, Soesanto Tiani Wahyu Utami Ujiati Suci Rahayu