Article Per Year (5 Year)
p-Index From 2019 - 2024
0.947
P-Index
This Author published in this journals
All Journal Jurnal Matematika Media Statistika Sainmatika: Jurnal Ilmiah Matematika dan Ilmu Pengetahuan Alam Jurnal Aplikasi Statistika & Komputasi Statistik Contemporary Mathematics and Applications (ConMathA) Jurnal Eurekamatika Jurnal Matematika Integratif
Aulele, Salmon Notje
Jurusan Matematika FMIPA Universitas Pattimura
Agriculture, Biological Sciences & Forestry Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Transportation

Published : 8 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 8 Documents
Search

 1 
Analisis Indeks Kepuasan Mahasiswa Jurusan Matematika FMIPA Unpatti Terhadap Operator simPATI Menggunakan Structural Equation Modeling Aulele, Salmon Notje; Hiariey, Arlene H; Lesnussa, Yopy Andry; Matdoan, Muhammad Yahya
Sainmatika: Jurnal Ilmiah Matematika dan Ilmu Pengetahuan Alam Sainmatika Volume 15 No. 1 Juni 2018
Publisher : Faculty of Mathematics and Natural Science, Universitas PGRI Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (354.946 KB) | DOI: 10.31851/sainmatika.v15i1.1294

Abstract

The customer satisfaction index is the number that shows the overall customer satisfaction of a product including the simPATI product. The index can be measured through the structural equation modeling (SEM) approach. This study aims to find out how to use Structural Equation Model (SEM) in the analysis of consumer satisfaction index and measure the level of customer satisfaction from students of Mathematics Department FMIPA Unpatti to simPATI operator. Structural equation modeling is used to analyze the relationship between four construct variables namely value, quality, best score, and customer satisfaction. The variables are based on the Indonesian Customer Satisfaction Index (ICSI) model which describes the customer satisfaction index. The results of this study show that ICSI model can be used to measure student satisfaction of FMIPA Unpatti to simPATI operator because the model is identified and has fulfilled the criteria of goodness of fit. Student satisfaction of FMIPA Unpatti to simPATI operator has index value of 42.27 percent.Keywords: SEM, construct variables, ICSI, simPATIABSTRAKIndeks kepuasan pelanggan merupakan angka yang menunjukkan kepuasan pelanggan secara menyeluruh terhadap suatu produk termasuk produk simPATI. Indeks tersebut dapat diukur melalui pendekatan structural equation modeling (SEM). Penelitian ini bertujuan untuk mengetahui cara menggunakan Structural Equation Model (SEM) pada analisis indeks kepuasan konsumen dan mengukur tingkat kepuasan pelanggan dari mahasiswa Jurusan Matematika FMIPA Unpatti terhadap operator simPATI. Structural equation modeling digunakan untuk menganalisis hubungan antara empat variabel konstruk yaitu value, quality, best score, dan customer satisfaction. Variabel tersebut didasarkan pada model Indonesian Customer Satisfaction Indeks (ICSI) yang menggambarkan Indeks kepuasan pelanggan. Hasil penelitian ini menunjukan bahwa Model ICSI dapat digunakan untuk mengukur kepuasan mahasiswa FMIPA Unpatti terhadap operator simPATI karena model teridentifikasi dan telah memenuhi kriteria goodness of fit.Kepuasan mahasiswa FMIPA Unpatti terhadap operator simPATI memiliki nilai indeks sebesar 42,27 persen. Kata Kunci : SEM, variabel konstruk, ICSI, simPATI
Pengelompokkan Provinsi di Indonesia Berdasarkan PDRB atas Dasar Harga Konstan Tahun 2013 Ferry Kondo Lembang; Patresya Yulita Lessil; Salmon Notje Aulele
Jurnal Matematika Vol 7 No 2 (2017)
Publisher : Mathematics Department, Faculty of Mathematics and Natural Sciences, Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/JMAT.2017.v07.i02.p84

Abstract

Regional gross domestic product is one of the important indicators to determine economic conditions in an area. Therefore it is very interesting to discuss and to determine the economic progress of a region. Cluster anlysis aims to classify objects based on the characteristics into cluster that have the properties that are relatively similar and clearly distinguish between one cluster agains another. The main objective of the research that classifies 33 provinces based on the value of regional gross domestic product at constant price in 2013 using hierarchical cluster analysis for average linkage method. The results showed that the cluster were carried out on 33 provinces in Indonesia formed 3 cluster with details of that cluster 1 consisting of Sumatera, Kalimantan, Sulawesi, Nusa Tenggara, Bali, Papua, Maluku and Jawa Tengah, DI Yogyakarta, and Banten, cluster 2 consisting of 1 provinces of DKI Jakarta and cluster 3 which consists of 2 provinces namely Jawa Barat dan Jawa Timur.
Penerapan Metode Learning Vector Quantization (LVQ) untuk Mendeteksi Penyalahgunaan Narkoba Berny Pebo Tomasouw; Salmon Notje Aulele; Monalisa E. Rijoly
Contemporary Mathematics and Applications (ConMathA) Vol. 3 No. 1 (2021)
Publisher : Universitas Airlangga

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20473/conmatha.v3i1.26940

Abstract

Dalam penelitian ini, metode LVQ akan diterapkan untuk mendeteksi penyalahgunaan narkoba berdasarkan gejala-gejala yang dialami seseorang. Untuk mendapatkan tingkat akurasi terbaik, maka data pelatihan dan data pengujian dibagi ke dalam tiga skema pembagian data yakni 60/40, 70/30 dan 80/20. Setelah dilakukan proses pelatihan dan pengujian menggunakan metode LVQ dengan berbagai variasi nilai laju pembelajaran dan jumlah epoch, maka diperoleh tingkat akurasi terbaik sebesar 86.7 % pada skema pembagian data 70/30 dengan laju pembelajaran  = 0.001 dan  = 0.005.
Analisis Faktor-Faktor yang Mempengaruhi Jumlah Kematian Ibu di Provinsi Maluku dengan Menggunakan Regresi Poisson Salmon N. Aulele; Astrid G. Heumasse; Yopi Andry Lesnussa
Jurnal EurekaMatika Vol 9, No 2 (2021): Jurnal EurekaMatika
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (386.892 KB) | DOI: 10.17509/jem.v9i1.33244

Abstract

The statistical method used to model the relationship between the response variable (Y) and one or more independent variables (X) is regression analysis. Linear regression equations are used to analyze the response variables in the form of continuous random variables and follow a normal distribution, however, many response variables are found that are not normally distributed and are not linear in parameters becausethe mortality rate for mothers and babies always increases from year to year. The number of maternal deaths that occurred in Maluku province is an example of data count. Poisson regression is a nonlinear regression analysis of the Poisson distribution which is generally used in analyzing discrete (count) data. The purpose of this study was to determine the factors that significantly affect maternal mortality in Maluku Province using Poisson Regression, The results of this study indicate that the factors that significantly influence the number of maternal deaths in Maluku Province are the number of health centers and medical personnel in each regency / district. City (X1), the percentage of female population with education that has completed at least SD per Regency / City (X2), the frequency coverage of K4 services for pregnant women in each Regency / City (X3), and the percentage of immunization coverage for pregnant women in each Regency / City (X4).Keywords: Maternal Mortality, Poisson Regression, Regression Analysis. AbstrakMetode statistika yang digunakan untuk memodelkan hubungan antara variabel respons (Y) dengan satu atau lebih variabel bebas (X) adalah analisis regresi. Persamaan regresi linear digunakan untuk menganalisis variabel respons yang berupa peubah acak kontinu dan mengikuti distribusi normal, namun banyak ditemukan variabel respons yang tidak berdistribusi normal dan tidak linear dalam parameter. Jumlah kematian ibu yang terjadi di provinsi Maluku merupakan salah satu contoh data count. Regresi Poisson merupakan analisis regresi nonlinear dari distribusi Poisson yang umumnya digunakan dalam menganalisis data diskrit (count). Tujuan dari penilitian ini adalah untuk mengetahui faktor-faktor yang signifikan mempengaruhi jumlah kematian ibu di Provinsi Maluku dengan menggunakan Regresi Poisson. Hasil penelitian ini menunjukan  bahwa Faktor-faktor yang signifikan mempengaruhi jumlah kematian ibu di Provinsi Maluku adalah jumlah puskesmas dan tenaga medis tiap Kabupaten/Kota (X1), persentase penduduk perempuan dengan pendidikan yang ditamatkan minimal SD tiap Kabupaten/Kota (X2), cakupan frekuensi pelayanan K4 bagi ibu hamil tiap Kabupaten/Kota (X3), dan persentase cakupan imunisasi bagi ibu hamil tiap Kabupaten/Kota (X4). 
ANALISIS CURAH HUJAN BULANAN DI KOTA AMBON MENGGUNAKAN MODEL HETEROSKEDASTISITAS: SARIMA-GARCH Lexy Janzen Sinay; Ferry Kondo Lembang; Salmon Notje Aulele; Dominique Mustamu
MEDIA STATISTIKA Vol 13, No 1 (2020): Media Statistika
Publisher : Department of Statistics, Faculty of Science and Mathematics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (258.724 KB) | DOI: 10.14710/medstat.13.1.68-79

Abstract

Non-linear characteritics in rainfall allow volatility clustering. This condition occurs in Ambon City with seasonal rainfall patterns. The aims of this research are to find the best model and to forecast monthly rainfall in Ambon City using heteroscedasticity model. This research examines secondary data from BMKG for monthly rainfall data in Ambon City from January 2005 – December 2018. The data is divided into two parts. First part, is called in-sample data, consist of data form January 2005 – December 2017. Second part, is called out-sample data, consist data from Januari 2018 – December 2018. The research used SARIMA–GARCH to model the data. The results are the  is the best model and the residual model satisfied assumptions of normality, white noise, and there is no ARCH effect. The MAPE value in simulation using in-sample data is 0.73%. On the other side, the MAPE value of forecast results is 30%.
Analisis Jumlah Penduduk Miskin di Provinsi Maluku dengan Menggunakan Pendekatan Regresi Spasial Salmon Notje Aulele; V. Y. I. Ilwaru; E. R. Wuritimur; M. Y. Matdoan
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 13 No 2 (2021): Jurnal Aplikasi Statistika dan Komputasi Statistik
Publisher : Pusat Penelitian dan Pengabdian kepada Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v13i2.294

Abstract

Maluku Province is in the 4th poorest province in Indonesia with a poverty rate of 18.45% of the total population in Maluku. The spatial aspect needs to be studied because the characteristics of each area or region are different so that information about the characteristics of this location can be captured using a spatial regression model. The purpose of this study is to examine the characteristics of poverty in Maluku Province, then determine the factors that affect poverty in Maluku province using spatial regression, and get the best model to model poverty in Maluku Province. The results showed that the average percentage of poor people in Maluku province is 22.71%, where Southwest Maluku Regency has the highest percentage of 31.01% and Kota Ambon has the lowest percentage of 4.64%. While the significant factors affecting poverty in Maluku province by using spatial regression are the percentage of households (rt) whose cooking fuel from wood (X1), percentage of non-school-aged 7 - 24 years (X2) (X3), percentage of the unemployed (TP) (X4) and percentage of labor force participation rate (X5) and the best model obtained to model poverty in Maluku Province is Spatial Lag Model.
PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION DENGAN PEMBOBOT FUNGSI KERNEL GAUSS UNTUK MENGANALISIS JUMLAH KEMATIAN BAYI DI PROVINSI MALUKU Salmon Notje Aulele; Norisca Lewaherilla; Muhammad Yahya Matdoan
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 14 No 2 (2022): Journal of Statistical Application and Computational Statistics
Publisher : Pusat Penelitian dan Pengabdian kepada Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v14i2.371

Abstract

Pembangunan kesehatan pada hakekatnya merupakan penyelenggaraan upaya kesehatan untuk mencapai kemampuan hidup sehat secara mandiri dengan upaya peningkatan derajat kesehatan masyarakat yang optimal, peningkatan sumber daya manusia dan pemerataan jangkauan pelayanan kesehatan. Analisis regresi merupakan analisis statistik yang bertujuan untuk memodelkan hubungan antara variabel respon dengan variabel prediktor. Model Geographically Weighted Poisson Regression (GWPR) adalah bentuk lokal dari regresi Poisson dimana lokasi diperhatikan yang berasumsi bahwa data berdistribusi Poisson. Model GWPR ini banyak dipakai oleh peneliti dalam menganalisa data spasial diberbagai bidang. Tujuan dalam penelitian ini adalah menentukan faktor-faktor yang signifikan mempengaruhi jumlah kematian bayi di Provinsi Maluku dengan menggunakan model GWPR dengan pembobot Fungsi Kernel Gauss. Hasil penelitian menunjukan bahwa Rata-rata jumlah kematian bayi di Provinsi Maluku pada tahun 2019 adalah sebesar 32 bayi. Jumlah kematian bayi tertinggi berada pada Kabupaten Maluku Tengah yaitu sebesar 59 bayi, sedangkan untuk Kabupaten/Kota yang memiliki jumlah kematian bayi terendah adalah Kota Tual sebesar 15 bayi. Hasil pemetaan Kabupaten/Kota berdasarkan faktor-faktor yang signifikan mempengaruhi jumlah kematian bayi adalah Persentase Pemberian ASI Ekslusif Pada Bayi (5 Kab/Kota), Jumlah Tenaga Kesehatan (10 Kab/Kota), Jumlah Sarana Kesehatan (11 Kab/Kota), Persentase Bayi Berat Badan Lahir Rendah (10 Kab/Kota), dan Persentase Cakupan Imunisasi TT2 Pada Ibu Hamil (9 Kab/Kota). Hasil penelitian ini diharapkan dapat menjadi acuan bagi Pemerintah Pusat maupun Daerah dalam mengambil kebijakan untuk menurunkan jumlah kematian bayi di Provinsi Maluku.
Perancangan Sistem Diagnosa Penyakit Saluran Pernapasan Menggunakan Metode Learning Vector Quantization (LVQ) Zeth Arthur Leleury; Salmon Notje Aulele
Jurnal Matematika Integratif Vol 12, No 1: April, 2016
Publisher : Department of Matematics, Universitas Padjadjaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (646.852 KB) | DOI: 10.24198/jmi.v12.n1.10247.1-10

Abstract

Jaringan saraf tiruan telah banyak digunakan untuk membantu menyelesaikan berbagai macam permasalahan dalam rangka pengambilan keputusan berdasarkan pelatihan yang diberikan. Aplikasijaringan saraf tiruan dapat diterapkan dalam berbagai bidang, salah satunya dalam bidang kesehatan. Learning Vector Quantization (LVQ) adalah salah satu jenis jaringan saraf tiruan yang berbasis pembelajaran kompetitif yang terawasi. Suatu lapisan kompetitif akan secara otomatis belajar untukmengklasifikasikan vektor-vektor input. Apabila vektor-vektor input memiliki jarak terdekat makavektor-vektor input tersebut akan dikelompokkan dalam kelas yang sama. Dalam penelitian ini, metodeLVQ diaplikasikan untuk mendiagnosa penyakit saluran pernapasan khususnya pada penyakitTuberculosis, Asma, Sinusitis, Bronchitis, Pneumonia, dan ISPA berdasarkan gejala-gejala dari penyakitsaluran pernapasan tersebut. Data yang digunakan dalam penelitian ini sebanyak 109 data, 60 datauntuk pelatihan dan 49 data untuk pengujian. Data pada penelitian ini didapat dari ruang rekam medisRSUD Dr. M. Haulussy Ambon. Dari beberapa pengujian menunjukkan bahwa laju pelatihan ( ) = 0,1 danreduksi laju pelatihan ( ) = 0,00001 menghasilkan nilai diagnosa terbaik dengan tingkat keakuratansebesar 95,92%.Kata kunci : Diagnosa, Learning Vector Quantization, Penyakit Saluran Pernapasan
Co-Authors Astrid G. Heumasse Dominique Mustamu E. R. Wuritimur Ferry Kondo Lembang Ferry Kondo Lembang Hiariey, Arlene H Lesnussa, Yopy Andry Lexy Janzen Sinay M. Y. Matdoan Matdoan, Muhammad Yahya Muhammad Yahya Matdoan Norisca Lewaherilla Patresya Yulita Lessil Rijoly, Monalisa E. Tomasouw, Berny Pebo V. Y. I. Ilwaru Yopi Andry Lesnussa Zeth Arthur Leleury, Zeth Arthur