J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika
Merupakan Media Penerbitan Dan Pembahasan Karya Ilmiah Dalam Bidang Ilmu Statistika Beserta Aplikasinya, Baik Berupa Hasil Penelitian, Bahasan Tentang Teori, Metodologi, Komputasi, Maupun Aplikasi Statistika Dalam Bidang Lain.
Articles
12 Documents
Search results for
, issue
"Vol 12 No 1 (2019): Jurnal Ilmiah Teori dan Aplikasi Statistika"
:
12 Documents
clear
<![CDATA[Pengelompokkan KabupatenKota Di Provinsi Jawa Timur Berdasarkan Indikator Kesehatan Mortalitas Dengan Algoritma Variable Weighting K-Means ]]>
<![CDATA[elvira mustikawati putri hermanto]]>
<![CDATA[ J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 12 No 1 (2019): Jurnal Ilmiah Teori dan Aplikasi Statistika ]]>
Publisher : <![CDATA[Faculty of Science and Technology, Univ. PGRI Adi Buana Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (385.371 KB)
|
DOI: 10.36456/jstat.vol12.no1.a1990
<![CDATA[One indicator that describes health status, development and health services is the mortality rate. Mortality was formed from several indicators, namely crude birth rates, crude mortality, infant mortality, under-five mortality and maternal mortality. In 2014, the achievement of infant mortality was still above the agreed MDG target. The distribution of health indicators, mortality, in East Java Province needs to be known to achieve targets in the MDGs and to improve health status in East Java Province. This study discusses the grouping of regencies (and cities) in East Java Province based on the similarity of five mortality indicators using the Variable Weighted K-Means (VW K-Means) method. Based on the silhouette method, three optimal groups were formed. Based on the results of grouping with VW K-Means it is known that the crude mortality variable is the most important variable in the formation of groups 1 and 2. While the crude mortality rate and under-five mortality rate are the most important variables in group formation 3. In addition, it is known that groups 1 consists of 14 districts / cities, group 2 consists of 19 districts / cities, and group 3 consists of 5 districts / cities. The results of the study are in the form of grouping (clustering) that can be used to describe the distribution of district groups based on the condition of the health profile of the area. Salah satu indikator yang menggambarkan derajat kesehatan, pembangunan dan pelayanan kesehatan adalah angka kematian (mortalitas). Mortalitas dibentuk dari beberapa indikator, yaitu angka kelahiran kasar, angka kematian kasar, angka kematian bayi, angka kematian balita dan angka kematian ibu. Pada Tahun 2014, capaian angka kematian bayi masih berada diatas target MDGs yang telah disepakati. Distribusi indikator kesehatan, mortalitas, di Provinsi Jawa Timur perlu diketahui untuk mencapai target dalam MDGs dan untuk meningkatkan derajat kesehatan di Provinsi Jawa Timur. Penelitian ini membahas tentang pengelompokkan kabupaten-kabupaten (dan kota) yang ada di Provinsi Jawa Timur berdasarkan kemiripan lima indikator mortalitas dengan menggunakan metode Variable Weighted K-Means (VW K-Means). Berdasarkan metode silhouette diperoleh jumlah kelompok optimal yang terbentuk sebanyak tiga kelompok. Berdasarkan hasil pengelompokkan dengan VW K-Means diketahui bahwa variabel angka kematian kasar adalah variabel yang paling penting dalam pembentukan kelompok 1 dan 2. Sedangkan angka kematian kasar dan angka kematian balita adalah variabel yang paling penting dalam pembentukkan kelompok 3. Selain itu, diketahui bahwa kelompok 1 terdiri dari 14 kabupaten/kota, kelompok 2 terdiri dari 19 kabupaten/kota, dan kelompok 3 terdiri dari 5 kabupaten/kota. Hasil penelitian berupa hasil pengelompokkan (klasterisasi) yang dapat digunakan untuk menggambarkan distribusi pengelompokkan kabupaten berdasarkan kondisi profil kesehatan daerah tersebut]]>
<![CDATA[Penerapan Metode Taguchi Dalam Optimasi Parameter Pada Proses Electrical Discharge Machining (EDM) ]]>
<![CDATA[Farizi Rachman Rachman]]>;
<![CDATA[Tri Andi Setiawan]]>;
<![CDATA[Bayu Wiro Karuniawan]]>;
<![CDATA[Risma Aris Maya]]>
<![CDATA[ J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 12 No 1 (2019): Jurnal Ilmiah Teori dan Aplikasi Statistika ]]>
Publisher : <![CDATA[Faculty of Science and Technology, Univ. PGRI Adi Buana Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (519.982 KB)
|
DOI: 10.36456/jstat.vol12.no1.a1991
<![CDATA[EDM is a non-conventional machining process with feeding material carried out by electric spark (spark) through a gap between the electrode and the workpiece containing liquid in the electric. The usefulness of the liquid is as a medium for rinsing the remnants of erosion material, electrodes and workpieces as electrical conductors. In the manufacturing industry, EDM is widely used for the manufacture of products that demand the quality of surface roughness resulting from smooth cutting and high precision. The Taguchi method is one method in experimental design that can be used to control product quality. This study considers 3 parameters, namely gap voltage, on time, and off time on the SKD-11 material as one of the 13 mm thick dies / dies. This study uses the Taguchi method to obtain optimal parameters with smaller criteria better. Based on the table above the highest voltage parameter gap at level 1 which is 30 volts, the parameters at the most agreed time at level 3 are 120 μs and the most difficult off time parameter to be reached at level 1 is 20 μs to roughness. EDM adalah suatu proses permesinan yang bersifat non konvensional dengan pemakanan material benda kerja yang dilakukan oleh loncatan bunga api listrik (spark) melalui celah antara elektroda dan benda kerja yang berisi cairan di elektrik. Kegunaan cairan tersebut adalah sebagai medium untuk flushing sisa-sisa partikel material hasil erosi,pendinginan elektroda dan benda kerja serta sebagai konduktor listrik. Dalam industri manufaktur, EDM banyak digunakan untuk pembuatan produk-produk yang menuntut kualitas kekasaran permukaan hasil pemotongan yang halus dan kepresisian yang tinggi. Metode Taguchi merupakan salah satu metode dalam desain eksperimen yang dapat digunakan untuk mengendalikan kualitas produk. Penelitian ini mempertimbangkan 3 parameter yaitu gap voltage, on time, dan off time pada pengerjaan material SKD-11 sebagai salah satu bahan pembuatan cetakan/dies dengan tebal 13 mm. Penelitian ini menggunakan metode Taguchi untuk mendapatkan parameter yang optimum dengan kriteria smaller is better. Berdasarkan tabel diatas parameter gap voltage paling berpengaruh pada level 1 yaitu 30 volt, parameter on time paling berpengaruh pada level 3 yaitu 120 µs dan parameter off time paling berpengaruh pada level 1 yaitu 20 µs terhadap kekasaran.]]>
<![CDATA[Aplikasi Extreme Value Theory Pada Kasus Kecepatan Angin Di Jawa Timur ]]>
<![CDATA[Mustafa Imam Maulana]]>;
<![CDATA[A’yunin Sofro]]>
<![CDATA[ J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 12 No 1 (2019): Jurnal Ilmiah Teori dan Aplikasi Statistika ]]>
Publisher : <![CDATA[Faculty of Science and Technology, Univ. PGRI Adi Buana Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (453.197 KB)
|
DOI: 10.36456/jstat.vol12.no1.a1992
<![CDATA[Extreme wind speed is a natural phenomenon that causes many adverse effects to the surrounding community. The bad effects are damaging or threatening human life such as loss of property, loss of livelihood, and environmental damage. To overcome this problem, something needed for disaster mitigation is prediction. With the prediction of extreme wind speeds, it is expected to be the first step as a disaster mitigation effort. There are two methods that can predict extreme wind speed, the method is the Block Maxima method and the Peaks Over Threshold method. The procedure is taking extreme values, estimating parameters, and calculating the return level value on the desired return period. In the process of parameter estimation, the method used is Maximum Likelihood Estimation (MLE). The data used in this research is the maximum wind speed data at eight East Java observation station’s during 2014-2018. The return period used is 2 years, 5 years and 10 years. The highest return level of the two methods is at Perak II. Based on the AIC value, the lowest AIC value obtained on the POT method is at Karangkates station of 22.74809, while the lowest AIC value in the BM method is at Kalianget station at 91.449461 Kecepatan angin ekstrim merupakan fenomena alam yang menyebabkan banyak dampak buruk bagi masyarakat sekitar. Dampak buruknya yaitu merusak atau mengancam kehidupan manusia seperti kehilangan harta benda, kehilangan mata pencaharian, dan kerusakan lingkungan. Untuk mengatasi hal tersebut diperlukan suatu langkah sebagai upaya mitigasi bencana yaitu prediksi. Dengan adanya prediksi kecepatan angin ekstrim ini diharapkan mampu menjadi langkah awal sebagai upaya mitigasi bencana. Dua metode yang dapat memprediksi kecepatan angin ekstrim yaitu metode Block Maxima dan metode Peaks Over Threshold. Prosedur pengambilan nilai ekstrim, estimasi parameter, dan menghitung nilai return level pada return period yang diinginkan. Dalam proses estimasi parameter, metode yang digunakan adalah Maximum Likelihood Estimation (MLE). Pada tahap akhir, digunakan metode Akaike Information Criterion (AIC) untuk memilih dan membandingkan memilih metode mana yang memiliki model terbaik pada kasus ini. Data yang akan digunakan yaitu data kecepatan angin maksimum di 8 stasiun pengamatan Jawa Timur pada tahun 2014-2018. Return period yang digunakan secara berturut-turut adalah 2 tahun, 5 tahun dan 10 tahun. Nilai return level tertinggi dari kedua metode berada di stasiun Perak II. Berdasarkan nilai AIC,nilai AIC terendah pada metode POT berada pada stasiun Karangkates sebesar 22,74809, nilai AIC yang terendah pada metode BM berada pada stasiun Kalianget sebesar 91,49461.]]>
<![CDATA[Analisis Longitudinal pada Data Pasien Diabetes Melitus ]]>
<![CDATA[Mustika Wirastuti]]>;
<![CDATA[A’yunin Sofro]]>
<![CDATA[ J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 12 No 1 (2019): Jurnal Ilmiah Teori dan Aplikasi Statistika ]]>
Publisher : <![CDATA[Faculty of Science and Technology, Univ. PGRI Adi Buana Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (477.199 KB)
|
DOI: 10.36456/jstat.vol12.no1.a1993
<![CDATA[Diabetes mellitus is widely known as a blood sugar disease. People can be said to suffer from diabetes mellitus if blood sugar levels exceed normal, blood sugar when ≥ 200 mg/dl, fasting blood sugar levels ≥ 120 mg/dl, blood sugar levels 2 hours after meals ≥ 200 mg/dl and Glycated hemoglobin (HbA1c) levels < 7 %. Factors suspected of causing diabetes mellitus are age, gender, obesity and the effect of diabetes mellitus lowering medicines. Obesity can be seen from the results of the A Body Shape Index (ABSI) value. The factors that cause diabetes mellitus are taken from variables from IFLS4 and IFLS5 data that are longitudinal. This study analyzes the model to find out how the factors that cause diabetes mellitus influence over time. The results showed that there was a significant influence between observation time variable and the effect of diabetes mellitus lowering medicines. The more people who consume diabetes lowering medicines, the more people will suffer from diabetes mellitus Diabetes melitus banyak dikenal orang sebagai penyakit gula darah. Orang dapat dikatakan menderita diabetes melitus jika kadar gula darah yang melebihi normal yaitu gula darah sewaktu ≥ 200 mg/dl, kadar gula darah puasa ≥ 120 mg/dl dan kadar gula darah 2 jam sesudah makan ≥ 200 mg/dl serta kadar Glycated hemoglobin (HbA1c) . Faktor-faktor yang diduga penyebab diabetes melitus adalah usia, jenis kelamin, obesitas dan pengaruh obat penurun diabetes melitus. Obesitas dapat dilihat dari hasil nilai A Body Shape Index (ABSI). Faktor-faktor penyebab penyakit diabetes melitus diambil dari variabel-variabel dari data IFLS4 dan IFLS5 yang bersifat longitudinal. Penelitian ini menganalisis tentang model untuk mengetahui bagaimana pengaruh faktor-faktor penyebab diabetes melitus dari waktu ke waktu. Hasilnya menunjukkan bahwa terjadi pengaruh yang signifikan antara variabel waktu pengukuran dan pengaruh obat penurun diabetes melitus. Semakin sedikit waktu pengukuran dan dengan banyak orang tidak mengonsumsi obat penurun diabetes maka akan semakin banyak pula orang yang menderita penyakit diabetes melitus.]]>
<![CDATA[Analisis Regresi Spatial Durbin Model (SDM) untuk Pemodelan Kemiskinan Provinsi Jawa Timur Tahun 2017 ]]>
<![CDATA[Nur Roudlotul Hidayah]]>;
<![CDATA[Artanti Indrasetianingsih]]>
<![CDATA[ J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 12 No 1 (2019): Jurnal Ilmiah Teori dan Aplikasi Statistika ]]>
Publisher : <![CDATA[Faculty of Science and Technology, Univ. PGRI Adi Buana Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (561.58 KB)
|
DOI: 10.36456/jstat.vol12.no1.a1994
<![CDATA[Regression is a statistical technique used to describe the relationship between response variables with one or more predictor variables. The development of classical regression analysis that is influenced by the effects of space or location of a region is called spatial regression analysis. The purpose of this study is to conduct Spatial Durbin Model (SDM) regression analysis for poverty modeling in East Java in 2017. Poverty is a classic problem that occurs in almost all countries and is multidimensional, which is related to social, economic, cultural and other aspects. In 2017, poverty in East Java declined compared to the previous year. Therefore it is necessary to identify the factors that influence poverty. The variables used are the percentage of poor people as the response variable (Y) and predictor variables including Education does not finish elementary school (X1), Literacy Rate age 15 -55 years (X2), informal sector workers (X3), unemployment rate open (X4), household users of land as the widest floor (X5), and households using improper sanitation (X6), and households using drinking water sources are not feasible (X7). Regresi merupakan teknik statistik yang digunakan untuk menggambarkan hubungan antara variabel respon dengan satu atau lebih variabel prediktor. Pengembangan dari analisis regresi klasik yang dipengaruhi oleh efek ruang atau lokasi wilayah disebut analisis regresi spasial. Tujuan dari penelitian ini adalah untuk melakukan analisis regresi Spatial Durbin Model (SDM) untuk pemodelan kemiskinan di Jawa Timur tahun 2017. Kemiskinan merupakan masalah klasik yang terjadi hampir diseluruh negara dan bersifat multidimensional, dimana berkaitan dengan aspek sosial, ekonomi, budaya dan aspek lainnya. Pada tahun 2017, kemiskinan di Jawa Timur mengalami penurunan jika dibandingkan dengan tahun sebelumnya. Oleh karena itu perlu dilakukan identifikasi faktor-faktor yang berpengaruh terhadap kemiskinan. Variabel yang digunakan yaitu persentase penduduk miskin sebagai variabel respon (Y) dan variabel prediktor antara lain Pendidikan tidak tamat SD (X1), Angka Melek Huruf (AHM) usia 15 -55 tahun (X2), pekerja sektor informal (X3), tingkat pengangguran terbuka (X4), rumah tangga pengguna tanah sebagai lantai terluas (X5), dan rumah tangga pengguna sanitasi tidak layak (X6), dan Rumah tangga pengguna sumber air minum tidak layak (X7).]]>
<![CDATA[Pemodelan Pengaruh Imunisasi DPT Terhadap Angka Kematian Bayi di Jawa Timur Tahun 2016 Menggunakan Pendekatan Regresi Nonparametrik Spline ]]>
<![CDATA[Harun Al Azies]]>;
<![CDATA[Dea Trishnanti]]>
<![CDATA[ J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 12 No 1 (2019): Jurnal Ilmiah Teori dan Aplikasi Statistika ]]>
Publisher : <![CDATA[Faculty of Science and Technology, Univ. PGRI Adi Buana Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (469.13 KB)
|
DOI: 10.36456/jstat.vol12.no1.a1995
<![CDATA[East Java is one of the provinces with a high IMR level. Based on the District / City report in East Java, in 2006 it was 0.035 live births and became 0.0032 live births in 2008. Identification of factors that influence both indicators correctly can be done by modeling, namely by nonparametric regression analysis. The nonparametric regression approach used is Spline, with its strengths the model tends to look for estimates wherever the data moves. This is because there is a knot point which is a joint fusion point which indicates a change in data behavior patterns. Based on the results of analysis and discussion using Spline analysis, it is known that the factors that influence the incidence of IMR in East Java are toddlers receiving type 3 DPT immunization. The best Spline nonparametric regression model is a linear Spline model with three point knots. The GCV value produced was 51.34. Factors of children under five obtained immunizations affecting infant mortality rates in districts / cities in East Java in 2016. This research still uses linear spline regression program with a combination of one, two, and three knots with R square of 65.92%. The need to develop programs into quadratic and cubic orders using a combination of knots. Jawa Timur merupakan salah satu provinsi dengan tingkat AKB yang tinggi. Berdasarkan laporan Kabupaten/Kota di Jawa Timur, pada tahun 2006 sebesar 0,035 kelahiran hidup dan menjadi 0,0032 kelahiran hidup pada tahun 2008. Jika suatu daerah dengan AKB yang tinggi, maka terdapat kemungkinan bahwa daerah sekitarnya akan memiliki beban AKB yang sama pula. Identifikasi faktor-faktor yang mempengaruhi kedua indikator secara tepat dapat dilakukan dengan pemodelan, yaitu dengan analisis regresi nonparametrik. Pendekatan regresi nonparametric yang digunakan adalah Spline, dengan kelebihannya model cenderung mencari estimasinya kemanapun data tersebut bergerak. Hal ini dikarenakan terdapat titik knot yang merupakan titik perpaduan bersama yang menunjukkan terjadinya perubahan pola perilaku data. Berdasarkan hasil analisis dan pembahasan dengan menggunakan analisis Spline diketahui bahwa faktor yang berpengaruh terhadap kejadian AKB di Jawa Timur adalah balita memperoleh imunisasi DPT tipe 3. Model regresi nonparametrik Spline terbaik adalah model Spline linear dengan tiga titik knot. Nilai GCV yang dihasilkan adalah 51,34. Faktor balita memperoleh imunisasi mempengaruhi angka kematian bayi di kabupaten/kota di Jawa Timur pada tahun 2016. Penelitian ini masih menggunakan program regresi spline linier dengan kombinasi satu, dua, dan tiga knot dengan R square sebesar 65,92%. Perlu adanya pengembangan program menjadi orde kuadratik dan kubik dengan menggunakan kombinasi knot.]]>
<![CDATA[Pengelompokkan KabupatenKota Di Provinsi Jawa Timur Berdasarkan Indikator Kesehatan Mortalitas Dengan Algoritma Variable Weighting K-Means ]]>
<![CDATA[putri hermanto, elvira mustikawati]]>
<![CDATA[ J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 12 No 1 (2019): Jurnal Ilmiah Teori dan Aplikasi Statistika ]]>
Publisher : <![CDATA[Fakultas Sains dan Teknologi Univ. PGRI Adi Buana Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (385.371 KB)
|
DOI: 10.36456/jstat.vol12.no1.a1990
<![CDATA[One indicator that describes health status, development and health services is the mortality rate. Mortality was formed from several indicators, namely crude birth rates, crude mortality, infant mortality, under-five mortality and maternal mortality. In 2014, the achievement of infant mortality was still above the agreed MDG target. The distribution of health indicators, mortality, in East Java Province needs to be known to achieve targets in the MDGs and to improve health status in East Java Province. This study discusses the grouping of regencies (and cities) in East Java Province based on the similarity of five mortality indicators using the Variable Weighted K-Means (VW K-Means) method. Based on the silhouette method, three optimal groups were formed. Based on the results of grouping with VW K-Means it is known that the crude mortality variable is the most important variable in the formation of groups 1 and 2. While the crude mortality rate and under-five mortality rate are the most important variables in group formation 3. In addition, it is known that groups 1 consists of 14 districts / cities, group 2 consists of 19 districts / cities, and group 3 consists of 5 districts / cities. The results of the study are in the form of grouping (clustering) that can be used to describe the distribution of district groups based on the condition of the health profile of the area. Salah satu indikator yang menggambarkan derajat kesehatan, pembangunan dan pelayanan kesehatan adalah angka kematian (mortalitas). Mortalitas dibentuk dari beberapa indikator, yaitu angka kelahiran kasar, angka kematian kasar, angka kematian bayi, angka kematian balita dan angka kematian ibu. Pada Tahun 2014, capaian angka kematian bayi masih berada diatas target MDGs yang telah disepakati. Distribusi indikator kesehatan, mortalitas, di Provinsi Jawa Timur perlu diketahui untuk mencapai target dalam MDGs dan untuk meningkatkan derajat kesehatan di Provinsi Jawa Timur. Penelitian ini membahas tentang pengelompokkan kabupaten-kabupaten (dan kota) yang ada di Provinsi Jawa Timur berdasarkan kemiripan lima indikator mortalitas dengan menggunakan metode Variable Weighted K-Means (VW K-Means). Berdasarkan metode silhouette diperoleh jumlah kelompok optimal yang terbentuk sebanyak tiga kelompok. Berdasarkan hasil pengelompokkan dengan VW K-Means diketahui bahwa variabel angka kematian kasar adalah variabel yang paling penting dalam pembentukan kelompok 1 dan 2. Sedangkan angka kematian kasar dan angka kematian balita adalah variabel yang paling penting dalam pembentukkan kelompok 3. Selain itu, diketahui bahwa kelompok 1 terdiri dari 14 kabupaten/kota, kelompok 2 terdiri dari 19 kabupaten/kota, dan kelompok 3 terdiri dari 5 kabupaten/kota. Hasil penelitian berupa hasil pengelompokkan (klasterisasi) yang dapat digunakan untuk menggambarkan distribusi pengelompokkan kabupaten berdasarkan kondisi profil kesehatan daerah tersebut]]>
<![CDATA[Penerapan Metode Taguchi Dalam Optimasi Parameter Pada Proses Electrical Discharge Machining (EDM) ]]>
<![CDATA[Rachman, Farizi Rachman]]>;
<![CDATA[Setiawan, Tri Andi]]>;
<![CDATA[Karuniawan, Bayu Wiro]]>;
<![CDATA[Maya, Risma Aris]]>
<![CDATA[ J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 12 No 1 (2019): Jurnal Ilmiah Teori dan Aplikasi Statistika ]]>
Publisher : <![CDATA[Fakultas Sains dan Teknologi Univ. PGRI Adi Buana Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (519.982 KB)
|
DOI: 10.36456/jstat.vol12.no1.a1991
<![CDATA[EDM is a non-conventional machining process with feeding material carried out by electric spark (spark) through a gap between the electrode and the workpiece containing liquid in the electric. The usefulness of the liquid is as a medium for rinsing the remnants of erosion material, electrodes and workpieces as electrical conductors. In the manufacturing industry, EDM is widely used for the manufacture of products that demand the quality of surface roughness resulting from smooth cutting and high precision. The Taguchi method is one method in experimental design that can be used to control product quality. This study considers 3 parameters, namely gap voltage, on time, and off time on the SKD-11 material as one of the 13 mm thick dies / dies. This study uses the Taguchi method to obtain optimal parameters with smaller criteria better. Based on the table above the highest voltage parameter gap at level 1 which is 30 volts, the parameters at the most agreed time at level 3 are 120 μs and the most difficult off time parameter to be reached at level 1 is 20 μs to roughness. EDM adalah suatu proses permesinan yang bersifat non konvensional dengan pemakanan material benda kerja yang dilakukan oleh loncatan bunga api listrik (spark) melalui celah antara elektroda dan benda kerja yang berisi cairan di elektrik. Kegunaan cairan tersebut adalah sebagai medium untuk flushing sisa-sisa partikel material hasil erosi,pendinginan elektroda dan benda kerja serta sebagai konduktor listrik. Dalam industri manufaktur, EDM banyak digunakan untuk pembuatan produk-produk yang menuntut kualitas kekasaran permukaan hasil pemotongan yang halus dan kepresisian yang tinggi. Metode Taguchi merupakan salah satu metode dalam desain eksperimen yang dapat digunakan untuk mengendalikan kualitas produk. Penelitian ini mempertimbangkan 3 parameter yaitu gap voltage, on time, dan off time pada pengerjaan material SKD-11 sebagai salah satu bahan pembuatan cetakan/dies dengan tebal 13 mm. Penelitian ini menggunakan metode Taguchi untuk mendapatkan parameter yang optimum dengan kriteria smaller is better. Berdasarkan tabel diatas parameter gap voltage paling berpengaruh pada level 1 yaitu 30 volt, parameter on time paling berpengaruh pada level 3 yaitu 120 µs dan parameter off time paling berpengaruh pada level 1 yaitu 20 µs terhadap kekasaran.]]>
<![CDATA[Aplikasi Extreme Value Theory Pada Kasus Kecepatan Angin Di Jawa Timur ]]>
<![CDATA[Maulana, Mustafa Imam]]>;
<![CDATA[Sofro, A’yunin]]>
<![CDATA[ J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 12 No 1 (2019): Jurnal Ilmiah Teori dan Aplikasi Statistika ]]>
Publisher : <![CDATA[Fakultas Sains dan Teknologi Univ. PGRI Adi Buana Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (453.197 KB)
|
DOI: 10.36456/jstat.vol12.no1.a1992
<![CDATA[Extreme wind speed is a natural phenomenon that causes many adverse effects to the surrounding community. The bad effects are damaging or threatening human life such as loss of property, loss of livelihood, and environmental damage. To overcome this problem, something needed for disaster mitigation is prediction. With the prediction of extreme wind speeds, it is expected to be the first step as a disaster mitigation effort. There are two methods that can predict extreme wind speed, the method is the Block Maxima method and the Peaks Over Threshold method. The procedure is taking extreme values, estimating parameters, and calculating the return level value on the desired return period. In the process of parameter estimation, the method used is Maximum Likelihood Estimation (MLE). The data used in this research is the maximum wind speed data at eight East Java observation station’s during 2014-2018. The return period used is 2 years, 5 years and 10 years. The highest return level of the two methods is at Perak II. Based on the AIC value, the lowest AIC value obtained on the POT method is at Karangkates station of 22.74809, while the lowest AIC value in the BM method is at Kalianget station at 91.449461 Kecepatan angin ekstrim merupakan fenomena alam yang menyebabkan banyak dampak buruk bagi masyarakat sekitar. Dampak buruknya yaitu merusak atau mengancam kehidupan manusia seperti kehilangan harta benda, kehilangan mata pencaharian, dan kerusakan lingkungan. Untuk mengatasi hal tersebut diperlukan suatu langkah sebagai upaya mitigasi bencana yaitu prediksi. Dengan adanya prediksi kecepatan angin ekstrim ini diharapkan mampu menjadi langkah awal sebagai upaya mitigasi bencana. Dua metode yang dapat memprediksi kecepatan angin ekstrim yaitu metode Block Maxima dan metode Peaks Over Threshold. Prosedur pengambilan nilai ekstrim, estimasi parameter, dan menghitung nilai return level pada return period yang diinginkan. Dalam proses estimasi parameter, metode yang digunakan adalah Maximum Likelihood Estimation (MLE). Pada tahap akhir, digunakan metode Akaike Information Criterion (AIC) untuk memilih dan membandingkan memilih metode mana yang memiliki model terbaik pada kasus ini. Data yang akan digunakan yaitu data kecepatan angin maksimum di 8 stasiun pengamatan Jawa Timur pada tahun 2014-2018. Return period yang digunakan secara berturut-turut adalah 2 tahun, 5 tahun dan 10 tahun. Nilai return level tertinggi dari kedua metode berada di stasiun Perak II. Berdasarkan nilai AIC,nilai AIC terendah pada metode POT berada pada stasiun Karangkates sebesar 22,74809, nilai AIC yang terendah pada metode BM berada pada stasiun Kalianget sebesar 91,49461.]]>
<![CDATA[Analisis Longitudinal pada Data Pasien Diabetes Melitus ]]>
<![CDATA[Wirastuti, Mustika]]>;
<![CDATA[Sofro, A’yunin]]>
<![CDATA[ J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 12 No 1 (2019): Jurnal Ilmiah Teori dan Aplikasi Statistika ]]>
Publisher : <![CDATA[Fakultas Sains dan Teknologi Univ. PGRI Adi Buana Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (477.199 KB)
|
DOI: 10.36456/jstat.vol12.no1.a1993
<![CDATA[Diabetes mellitus is widely known as a blood sugar disease. People can be said to suffer from diabetes mellitus if blood sugar levels exceed normal, blood sugar when ≥ 200 mg/dl, fasting blood sugar levels ≥ 120 mg/dl, blood sugar levels 2 hours after meals ≥ 200 mg/dl and Glycated hemoglobin (HbA1c) levels < 7 %. Factors suspected of causing diabetes mellitus are age, gender, obesity and the effect of diabetes mellitus lowering medicines. Obesity can be seen from the results of the A Body Shape Index (ABSI) value. The factors that cause diabetes mellitus are taken from variables from IFLS4 and IFLS5 data that are longitudinal. This study analyzes the model to find out how the factors that cause diabetes mellitus influence over time. The results showed that there was a significant influence between observation time variable and the effect of diabetes mellitus lowering medicines. The more people who consume diabetes lowering medicines, the more people will suffer from diabetes mellitus Diabetes melitus banyak dikenal orang sebagai penyakit gula darah. Orang dapat dikatakan menderita diabetes melitus jika kadar gula darah yang melebihi normal yaitu gula darah sewaktu ≥ 200 mg/dl, kadar gula darah puasa ≥ 120 mg/dl dan kadar gula darah 2 jam sesudah makan ≥ 200 mg/dl serta kadar Glycated hemoglobin (HbA1c) . Faktor-faktor yang diduga penyebab diabetes melitus adalah usia, jenis kelamin, obesitas dan pengaruh obat penurun diabetes melitus. Obesitas dapat dilihat dari hasil nilai A Body Shape Index (ABSI). Faktor-faktor penyebab penyakit diabetes melitus diambil dari variabel-variabel dari data IFLS4 dan IFLS5 yang bersifat longitudinal. Penelitian ini menganalisis tentang model untuk mengetahui bagaimana pengaruh faktor-faktor penyebab diabetes melitus dari waktu ke waktu. Hasilnya menunjukkan bahwa terjadi pengaruh yang signifikan antara variabel waktu pengukuran dan pengaruh obat penurun diabetes melitus. Semakin sedikit waktu pengukuran dan dengan banyak orang tidak mengonsumsi obat penurun diabetes maka akan semakin banyak pula orang yang menderita penyakit diabetes melitus.]]>
