cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Ansari Saleh Ahmar
Contact Email
ansarisaleh@unm.ac.id
Phone
+6285255962536
Journal Mail Official
jurnalvariansi@unm.ac.id
Editorial Address
https://ojs.unm.ac.id/jvariansi/about/editorialTeam
Location
Kota makassar,
Sulawesi selatan
INDONESIA
Variansi : Journal of Statistics and Its Application on Teaching and Research
Published by Universitas Negeri Makassar
ISSN : -     EISSN : 26847590     DOI : https://doi.org/10.35580/variansiunm
Core Subject : Economy, Health, Science, Education,
Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Mathematics Public Health
VARIANSI: Journal of Statistics and Its application on Teaching and Research memuat tulisan hasil penelitian dan kajian pustaka (reviews) dalam bidang ilmu dasar ataupun terapan dan pembelajaran dari bidang Statistika dan Aplikasinya dalam pembelajaran dan riset berupa hasil penelitian dan kajian pustaka.
Arjuna Subject : Matematika - Statistik dan Probabilitas
Articles 5 Documents
 1 
Search results for , issue "Vol 1, No 2 (2019)" : 5 Documents clear
Model Regresi Logistik Biner pada Tingkat Pengangguran Terbuka di Provinsi Sulawesi Barat Tahun 2017 Alfiah Safitri; Sudarmin Sudarmin; Muhammad Nusrang
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 1, No 2 (2019)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (700.968 KB) | DOI: 10.35580/variansiunm9354

Abstract

Regresi logistik merupakan model regresi yang sering digunakan untuk pemodelan data kategori. Pada penelitian ini dilakukan pemodelan regresi logistuk dan penerapannya pada Tingkat Pengangguran Terbuka di Provinsi Sulawesi Barat. Pendugaan parameter yang digunakan adalah Maximum Likelihood Estimation (MLE). Metode uji G simultan dan uji parsial digunakan untuk signifikansi peubah. Tujuan dari penelitian ini yaiitu untuk mencari model terbaik yang terbentuk dari faktor-faktor yang berpengaruh terhadap Tingkat Pengangguran Terbuka di Provinsi Sulawesi Barat. Hasil dari penelitian ini menunjukkan bahwa peubah bebas yang signifikan terhadap Tingkat Pengangguran Terbuka di Provinsi Sulawesi Barat adalah persentase jenis kelamin dengan kategori laki-laki dan persentase lapangan usaha dengan kategori pertanian dimana pada peubah jenis kelamin memiliki nilai p-value 0,017<5% dan pada peubah lapangan usaha memiliki nilai p-value 0,006<5% dapat di artikan bahwa kedua peubah tersebut berpengaruh terhadap Tingkat Pengangguran Terbuka.Kata Kunci: Regresi Logistik, Kategor, Tingkat Pengangguran Terbuka
Penggunaan Analisis Cluster K-Means dan Analisis Diskriminan Dalam Pengelompokan Desa Miskin di Kabupaten Pangkep Febi Fajrianti; Muhammad Nadjib Bustan; Muhammad Arif Tiro
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 1, No 2 (2019)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (469.399 KB) | DOI: 10.35580/variansiunm9355

Abstract

Jenis penelitian ini adalah penelitian eksplorasi yang bertujuan untuk mengelompokkan objek dengan menggunakan metode pengelompokan Analisis Cluster K-Means sebagai pengelompokan awal terhadap objek penelitian desa berdasarkan variabel pencirinya. Variabel yang digunakan sebagai indikator pengelompokan desa miskin adalah tingkat pendidikan (X1), kepadatan penduduk (X2), angka kelahiran kasar (X3), angka kematian kasar (X4), rata-rata banyaknya anggota keluarga (X5). Data diperoleh dari unit perpustakaan BPS dan kantor Catatan Sipil Kabupaten Pangkep dengan objek penelitian keseluruhan desa di Kabupaten Pangkep. Tahapan analisis data yang dilakukan yaitu melakukan pengelompokan awal dengan menggunakan Analisis Cluster K-Means, dari beberapa cluster yang dibentuk selanjutnya akan dilakukan analisis Diskriminan untuk melihat akurasi pengelompokan. Berdasarkan analisis Diskriman diperoleh 98,06% (3 cluster), 94,17% (4 cluster), 91,26% (5 cluster), 94,17% (6 cluster), 86,41% (7 cluster), dan 88,35% (8 cluster). Dari uraian di atas diperoleh bahwa dengan membentuk pengelompokan dengan 3 cluster, maka hasil akurasi pengelompokan yang diperoleh lebih baik dari cluster lain yang dibentuk.Kata Kunci : Analisis Cluster K-Means, Analisis Diskriminan, Kemiskinan
Metode Vector Autoregressive dalam Menganalisis Pengaruh Kurs Mata Uang, Inflasi, dan Suku Bunga Terhadap Indeks Harga Saham Gabungan Alief Imron Juliodinata; Muhammad Arif Tiro; Ansari Saleh Ahmar
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 1, No 2 (2019)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (180.101 KB) | DOI: 10.35580/variansiunm9356

Abstract

Metode Vector Autoregressive  adalah salah satu analisis yang digunakan untuk menganalisis data deret waktu (time series). Data deret waktu dapat dinyatakan dalam tahun, bulan, minggu, atau hari. Salah satu tujuan penelitian adalah untuk mengetahui pengaruh antara indeks perekonomian suatu negara khususnya pengaruh Kurs, Inflasi dan Suku Bunga terhadap Indeks Harga Saham Gabungan. Data yang digunakan dalam penelitian ini adalah data Kurs, Inflasi, Suku Bunga dan Indeks Harga Saham Gabungan dari bulan juli 2005 hingga juni 2016. Karena data tidak stasioner pada level maka dilakukan differencing  terhadap data. Setelah stasioner selanjutnya dilakukan uji kointegrasi untuk mencaritau apakah terdapat kointegrasi antara peubah. Dengan karakteristik data yang Stasioner pada  difference  dan terdapat kointegrasi, sehingga memenuhi asumsi analisis VECM. Setelah dilakukan analisis VECM dilakukan analisis IRF dan VD.  Adapun hasil analisisnya menunjukkan bahwa hanya Kurs yang secara signifikan berpengaruh lansung  terhadap Indeks Harga Saham Gabungan.Kata Kunci: Analisis Time Series, VAR, Kurs, Suku Bunga, Inflasi, IHSG
Perbandingan Analisis Cluster Metode Average Linkage dan Metode Ward (Kasus: IPM Provinsi Sulawesi Selatan) Musarrafah Paramadina; Sudarmin Sudarmin; Muhammad Kasim Aidid
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 1, No 2 (2019)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (74.11 KB) | DOI: 10.35580/variansiunm9357

Abstract

Penelitian ini bertujuan untuk mengetahui langkah-langkah analisis cluster dengan  metode average linkage dan metode Ward, serta membandingkan hasil analisis kedua metode tersebut cluster yang mana yang lebih baik digunakan. Langkah–langkah dalam analisis cluster hierarki yaitu melakukan standarisasi data, menentukan ukuran kemiripan atau ketidakmiripan antar data, proses pengclusteran dengan matriks jarak menentukan jumlah cluster dan anggotanya, menginterpretasi hasil cluster yang dibentuk. Langkah-langkah analisis cluster dengan metode average linkage adalah pasangan obyek yang berdekatan digabungkan menjadi satu cluster, menghitung kedua jarak kedekatan obyek tersebut dengan responden yang lain, penggabungan berikutnya terjadi pada cluster-cluster yang paling mirip dibandingkan dengan responden yang lain, sehingga membentuk cluster yang kedua. Hasil pengclusteran kedua metode tersebut kemudian dibentu beberapa pengelompokan awal yang selanjutnya akan ditentukan cluster yang baik digunakan dengan menggunakan validasi cluster indeks dunn. Kemudian diperoleh hasil bahwa pengelompokan dengan metode average linkage menghasilkan index dunn yang terbaik dengan nilai 0.55 dengan jumlah cluster yang terbentuk sebanyak 8 cluster dibandingkan dengan metode ward yang menghasilkan nilai index dunn 0.43. Kata Kunci : Analisis Cluster, Average Linkage, Ward, index dunn
Metode Boostrap dan Jackknife dalam Mengestimasi Parameter Regresi Linear Ganda (Kasus: Data Kemiskinan Kota Makassar Tahun 2017) Aditio Putra G; Muhammad Arif Tiro; Muhammad Kasim Aidid
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 1, No 2 (2019)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm12895

Abstract

Abstrak Metode kuadrat terkecil merupakan metode standar untuk mengestimasi nilai parameter model regresi linear. Metode tersebut dibangun berdasarkan asumsi error bersifat identik dan independen, serta berdistribusi normal. Apabila asumsi tidak terpenuhi maka metode ini tidak akurat. Alternatif untuk mengatasi hal tersebut adalah dengan menggunakan metode resampling. Adapun metode resampling yang digunakan dalam penelitian ini yaitu metode bootstrap dan Jackknife. Terlebih dahulu dilakukan estimasi nilai parameter regresi untuk analisis data kemiskinan Kota Makassar Tahun 2017. Data tersebut merupakan data sekunder diperoleh dari BAPPEDA Kota Makassar. Dari uji asumsi klasik diperoleh bahwa model tidak bersifat homoskedastis dan residual tidak berdistribusi normal sehingga model regresi yang diperoleh tidak dapat dipertanggungjawabkan. Metode bootstrap dan jackknife yang dikenalkan disini menggunakan program R untuk mencari nilai bias dan nilai standar errornya. Estimasi parameter model regresi linear berganda dari metode resampling bootstrap dengan B=200 dan B=500 serta metode resampling jackknife Terhapus-1 diperoleh model regresi. Hasil yang didapat dalam penelitian ini, metode jackknife merupakan metode yang efisien dibandingkan dengan metode bootstrap, hal ini didukung dengan kecilnya tingkat standar error dan nilai biasnya yang dihasilkan. Kata Kunci: Regrei, Resampling, Bootsrap, JaccknifeAbstract. The Ordinary least squares method is a standard method for estimating the parameter values of a linear regression model. The method is built based on error assumptions that are identical and independent, and are normally distributed. If the assumptions are not met, this method is not accurate. The alternative to overcome this is to use the resampling method. The resampling method used in this study is bootstrap and jackknife methods. First, estimation of regression parameter values for analysis of poverty data in Makassar City in 2017. The data is secondary data obtained from the BAPPEDA of Makassar City. From the classic assumption test, it is obtained that the model is not homosexedastic and residual is not normally distributed so that the regression model obtained cannot be accounted for. Bootstrap and jackknife methods are introduced here using the R program to find the value of the bias and the standard error values. Parameter estimation of multiple linear regression models from Bootstrap resampling method with B= 200, B= 500 and jackknife deleted-1 resampling method obtained regression models. The results obtained in this study, Jackknife method is an efficient method compared with the bootstrap method, and this is supported by the small standard level error and bias in resulting value.Keywords: regression, resampling, bootstrap, jackknife.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2019 2019


Reset
Filter By Issues
All Issue Vol 3, No 3 (2021) Vol 3, No 2 (2021) Vol 3, No 1 (2021) Vol 2, No 3 (2020) Vol 2, No 2 (2020) Vol 2, No 1 (2020) Vol 1, No 3 (2019) Vol 1, No 2 (2019)