Claim Missing Document
Check
Articles

Found 6 Documents
Search

Penggunaan Regresi Linear Berganda untuk Menganalisis Pendapatan Petani Kelapa. Studi Kasus: Petani Kelapa Di Desa Beo, Kecamatan Beo Kabupaten Talaud Mona, Margareta; Kekenusa, John; Prang, Jantje
d'CARTESIAN:Jurnal Matematika dan Aplikasi Vol 4, No 2 (2015): September 2015
Publisher : Universitas Sam Ratulangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (412.215 KB) | DOI: 10.35799/dc.4.2.2015.9211

Abstract

Desa Beo merupakan salah satu desa yang ada di Kabupaten Kepulauan Talaud dimana sebagian besar masyarakat Desa Beo adalah petani yang memiliki tanaman kelapa yang merupakan sumber pendapatan yang sangat penting.   Tujuan penelitian ini adalah untuk mengetahui seberapa besar pengaruh variabel yang telah dipilih terhadap pendapatan petani kelapa di desa Beo dengan menggunakan analisis regresi linier berganda. Dalam penelitian ini digunakan data primer, dengan simple random sampling sebagai teknik pengambilan sampel.  Pengujian hipotesis dengan menggunakan uji F diketahui bahwa jumlah produksi buah kelapa, biaya, luas lahan, jumlah pohon kelapa dan banyaknya anggota keluarga secara bersama-sama memiliki pengaruh terhadap pendapatan petani kelapa.  Variabel yang memiliki pengaruh yang signifikan terhadap pendapatan petani kelapa yaitu jumlah produksi buah kelapa dan biaya dan nilai koefisien yang dihasilkan adalah 0,907 atau 90,7 persen. Kata kunci: Analisis Regresi Linear Berganda, Pendapatan Petani Kelapa.
Penggunaan Kernel PCA Gaussian dalam Penyelesaian Plot Multivariat Non Linier Wongkar, Bernhard; Kekenusa, John; Komalig, Hanny
d'CARTESIAN:Jurnal Matematika dan Aplikasi Vol 4, No 2 (2015): September 2015
Publisher : Universitas Sam Ratulangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (370.759 KB) | DOI: 10.35799/dc.4.2.2015.8651

Abstract

Analisis Komponen Utama merupakan salah satu analisis peubah ganda yang digunakan untuk mentransformasi data secara linier sehingga terbentuk sistem koordinat baru. Untuk menyelesaikan masalah data yang tidak linier digunakan Kernel PCA. Penelitian dilakukan untuk menyelesaikan masalah plot multivariate non linier menggunakan Kernel PCA dengan fungsi Gaussian, terutama masalah data non linier yang berkelompok  secara melingkar dalam dua dimensi. Hasil penelitian menunjukkan bahwa Kernel PCA dengan fungsi Gaussian dengan menggunakan parameter 0,1; 0,5; 1; 1,5  dapat melakukan pengelompokkan pada data tersebut, yang mana tidak dapat dikelompokkan PCA linier Kata kunci : Gaussian, Kernel PCA, Pengelompokkan, Plot Multivariat  
Optimasi Produksi Air Bersih Pelanggan PT. Air Manado Menggunakan Metode Goal Programming Sualang, Meyhard; Nainggolan, Nelson; Kekenusa, John
d'CARTESIAN:Jurnal Matematika dan Aplikasi Vol 7, No 1 (2018): Maret 2018
Publisher : Universitas Sam Ratulangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (481.194 KB) | DOI: 10.35799/dc.7.1.2018.19551

Abstract

Air merupakan salah satu sumber daya alam yang sangat berperan penting untuk kebutuhan dasar sehari-hari, maka dibutuhkan air yang bermutu dan layak digunakan. PT Air Manado merupakan satu-satunya perusahaan untuk menyalurkan air bersih bagi penduduk Kota Manado dan sekitarnya, sehingga dalam memenuhi kebutuhan air bersih dengan batasan yang ada dalam perusahaan maka diperlukan metode dalam mengoptimalkan produksi air bersih. Penelitian ini bertujuan untuk mendapatkan hasil produksi air bersih yang optimal agar dapat memenuhi kebutuhan pelanggan dan memberikan keuntungan bagi perusahaan.  Dengan menggunakan metode goal programming maka didapat hasil optimasi produksi air bersih di Instalasi Pengolahan Air (IPA) Paal dua sebesar 312.088.046 m3, IPA Lotta sebesar 142.663.903 m3, IPA Malalayang sebesar 77.053.136 m3, IPA Pancuran Sembilan sebesar 62.212.821 m3 dan IPA Koka sebesar 11.415.549 m3, dengan pendapatan penjualan air bersih sebesar Rp 4.239.479.087,00.Kata Kunci : Air, PT. Air Manado, Optimasi, Goal Programming. 
Pengelompokan Sekolah Dasar Di Siau berdasarkan Indikator Mutu Sekolah dengan Menggunakan Analisis Gerombol Matahari, Melisa; Kekenusa, John; Langi, Yohanes
d'CARTESIAN:Jurnal Matematika dan Aplikasi Vol 4, No 2 (2015): September 2015
Publisher : Universitas Sam Ratulangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (377.986 KB) | DOI: 10.35799/dc.4.2.2015.9210

Abstract

Tujuan penelitian ini adalah: mengelompokan sekolah–sekolah dasar yang ada di siau berdasarkan indikator mutu sekolah dengan menggunakan analisis gerombol. Data Penelitian ini adalah data primer yang diperoleh dari 15 Sekolah Dasar (SD) di Kabupaten  SITARO.Analisis Gerombol merupakan Analisis Statistik yang digunakan untuk mengelompokkan n objek pengamatan ke dalam k buah  kelompok dimana anggota–anggotanya memiliki karakteristik yang serupa dalam satu atau lebih dari satu gerombol Hasilnya menunjukkan bahwa, terbentuk tiga kelompok atau gerombol yaitu anggota kelompok pertama adalah SD Nasaret Niambangeng, SD Kinali, SD Pniel Kawahang, SD Bethabara Paseng, SD Baitesda Bumbiha, SD Eirene Hiung dan SD Khatolik Ondong dengan indikator mutu yang unggul adalah nilai rata–rata HUN, kondisi bangunan sekolah, banyaknya jenis ruangan, Jumlah eksemplar buku pegangan siswa terhadap jumlah siswa per mata  pelajaran, Jumlah eksempalar buku pegangan guru permata pelajaran, rasio jumlah siswa terhadap guru, dan rasio jumlah pendaftaran terhadap jumlah yang diterima. Anggota kelompok kedua adalah SD Lehi, SD Mini dan SD Inpres Pehe dengan indikator mutu yang unggul adalah nilai rata–rata HUN, kondisi bangunan sekolah dan banyaknya jenis ruangan. Anggota kelompok ketiga adalah SD Immanuel Ondong, SD Inpres Peling, SD Inpres Paniki, SD Bukide dan SD Nayarmon Nameng dengan indikator mutu sekolah yang unggul adalah jumlah perlengkapan sekolah. Kata kunci: Analisis Gerombol, Indikator Mutu Sekolah
Prediksi Tinggi Gelombang Laut di Perairan Laut Sulawesi Utara dengan Menggunakan Model Vector Autoregressive (VAR) Sumihi, Deastic; Kekenusa, John; Nainggolan, Nelson
d'CARTESIAN:Jurnal Matematika dan Aplikasi Vol 6, No 2 (2017): September 2017
Publisher : Universitas Sam Ratulangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (517.566 KB) | DOI: 10.35799/dc.6.2.2017.17837

Abstract

Telah dilakukan penelitian tentang tinggi gelombang laut di perairan laut Sulawesi Utara yang bertujuan untuk menerapkan model Vector Autoregressive (VAR) dalam memprediksi tinggi gelombang laut di wilayah perairan Bitung, perairan Manado, dan perairan Tahuna. Model VAR merupakan salah satu model time series yang menghendaki pemodelan secara simultan dengan beberapa peubah. Data yang digunakan dalam penelitian ini adalah data rata-rata harian tinggi gelombang laut di wilayah perairan Bitung, wilayah perairan Manado, dan wilayah perairan Tahuna yang diperoleh dari Badan Meteorologi, Klimatologi, dan Geofisika Maritim Bitung pada periode Januari 2015 sampai Desember 2016. Hasil penelitian menunjukkan bahwa model yang sesuai untuk memprediksi tinggi gelombang laut  yaitu model VAR(3) dimana model ini cukup baik untuk digunakan dalam memprediksi tinggi gelombang laut wilayah Bitung, Manado, dan Tahuna pada periode 5 hari yakni tanggal 01 Januari 2017 sampai 05 Januari 2017, wilayah Bitung memiliki rata-rata tinggi gelombang mencapai 1,6 - 1,7 Meter, untuk tinggi gelombang laut wilayah Manado mencapai 1,3 - 1,5 Meter, dan wilayah Tahuna mencapai tinggi gelombang sebesar 1,8 - 2,1 Meter.Kata Kunci :  Model Vector Autoregressive (VAR), Tinggi Gelombang Laut, Sulawesi Utara
Penerapan Model ARIMA dalam Memprediksi Jumlah Tindak Kriminalitas di Wilayah POLRESTA Manado Provinsi Sulawesi UtaraKlorofil Mendome, Karmelin; Nainggolan, Nelson; Kekenusa, John
Jurnal MIPA Vol 5, No 2 (2016)
Publisher : Sam Ratulangi University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35799/jm.5.2.2016.13763

Abstract

Tujuan penelitian ini adalah menentukan model Autoregressive Integrated Moving Average (ARIMA) untuk memprediksi  jumlah kejadian tindak kriminalitas di Wilayah Kepolisian Resort Kota (POLRESTA) Manado. Data yang digunakan adalah data bulanan  jumlah kejadian tindak kriminalitas dari bulan Januari 2010 sampai Mei 2016. Hasil penelitian menunjukan Model ARIMA (1,1,0) cukup baik untuk memprediksi jumlah kejadian tindak  kriminalitas di Wilayah POLRESTA Manado dengan  presentase rata-rata dari nilai selisih antara nilai aktual dan nilai prediksi sebesar 13,81 %.  Untuk prediksi jumlah kejadian tindak kriminalitas pada bulan Juni, Juli dan Agustus tahun 2016 menunjukkan pola yang menurun.The purpose of this study was determining the model Autoregressive Integrated Moving Average (ARIMA) to predict the number of occurrences of crime in the Territory Police Resort City Manado. The data used are the monthly data of the number of occurrences of crime from January 2010 to May 2016.  The results showed that the ARIMA (1,1,0) well enough to predict the number of occurrences of crime in the Territory POLRESTA Manado with a percentage of the average of the value of the difference between the actual value and the predictive value of 13.81%. The prediction of the number of incidents of crime in June, July and August 2016 showed a declining pattern