Article Per Year (5 Year)
p-Index From 2019 - 2024
0.702
P-Index
This Author published in this journals
All Journal Prosiding Seminar Matematika dan Pendidikan Matematik Malikussaleh Journal of Mathematics Learning (MJML)
Frida Murtinasari, Frida
Unknown Affiliation
Education Mathematics Social Sciences

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Robust Small Area Estimation untuk Model Campuran Semiparametrik dengan Approksimasi P-Spline Murtinasari, Frida
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

Small Area Estimation merupakan tehnik pendugaan area kecil dengan menggunakan data pada domain yang besar. Untuk memperoleh cukup informasi dan mendapatkan nilai keragaman yang kecil, maka dibutuhkan peubah penjelas sebagai penunjang. Salah satu metode pendugaan parameter yang digunakan dalam Small Area Estimation adalah Empirical Best Unbiased Linear. Metode pendekatan EBLUP pada penelitian terdahulu digunakan pada unit level model.  Pada unit level model diasumsikan bahwa penduga langsung memiliki hubungan yang linier dengan peubah penyertanya. Selain itu, EBLUP unit level model ini hanya  berlaku dengan baik pada data yang diasumsikan normal dan tidak memiliki outlier. Akan tetapi tidak semua data memiliki asumsi yang normal maupun memiliki hubungan yang linier antar variabelnya. Oleh karena itu dibutuhkan sebuah pendekatan untuk Small Area Estimation dengan data yang tidak linier dan memiliki outlier. Penelitian ini mengembangkan Robust Small Area Estimation dengan menggunakan pendekatan model campuran semiparametrik dan approksimasi P-Spline untuk menduga rata-ratanya.
Robust Small Area Estimation untuk Model Campuran Semiparametrik dengan Approksimasi P-Spline Murtinasari, Frida
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

Small Area Estimation merupakan tehnik pendugaan area kecil dengan menggunakan data pada domain yang besar. Untuk memperoleh cukup informasi dan mendapatkan nilai keragaman yang kecil, maka dibutuhkan peubah penjelas sebagai penunjang. Salah satu metode pendugaan parameter yang digunakan dalam Small Area Estimation adalah Empirical Best Unbiased Linear. Metode pendekatan EBLUP pada penelitian terdahulu digunakan pada unit level model.  Pada unit level model diasumsikan bahwa penduga langsung memiliki hubungan yang linier dengan peubah penyertanya. Selain itu, EBLUP unit level model ini hanya  berlaku dengan baik pada data yang diasumsikan normal dan tidak memiliki outlier. Akan tetapi tidak semua data memiliki asumsi yang normal maupun memiliki hubungan yang linier antar variabelnya. Oleh karena itu dibutuhkan sebuah pendekatan untuk Small Area Estimation dengan data yang tidak linier dan memiliki outlier. Penelitian ini mengembangkan Robust Small Area Estimation dengan menggunakan pendekatan model campuran semiparametrik dan approksimasi P-Spline untuk menduga rata-ratanya.
Differences of Visual, Auditorial, Kinesthetic Students in Understanding Mathematics Problems Sulisawati, Dwi Noviani; Lutfiyah, Lutfiyah; Murtinasari, Frida; Sukma, Luzainiatus
Malikussaleh Journal of Mathematics Learning (MJML) Vol 2, No 2 (2019): October
Publisher : Universitas Malikussaleh, Aceh Utara, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29103/mjml.v2i2.1385

Abstract

Characteristics of students who are diverse, such as different learning styles will also lead to the possibility of differences in students' ability to understand the learning material and every problem given, especially at the stage of understanding the problem given, because this stage is the most important step to determine the next problem-solving step. Therefore this study aims to reveal and illustrate how different characteristics of visual, audio and kinesthetic students in understanding problems. Data retrieval was done in class VIII of Arjasa 1 Junior High School with test methods, interviews, and questionnaires. Data were analyzed through stages of data reduction, analysis, and decision making. Furthermore, based on the data analysis that has been done, it can be concluded that there are differences in the characteristics of understanding problems for visual, auditory and kinesthetic students in terms of completeness and regularity of information writing, quantity of repetition of reading questions, marking important information and activity/movement habits done during the process of understanding the problem.
Co-Authors Dwi Noviani Sulisawati fiyah, Lut fiyah, Lut Lutfiyah Lutfiyah Sukma, Luzainiatus Sulisawati, Dwi Noviani Sulisawati, Dwi Noviani