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 3 (2019)" : 5 Documents clear
Model Regresi Logistik Terboboti Georafis pada Status Kemiskinan Kabupaten/Kota di Provinsi Sulawesi Selatan tahun 2016 Sadriana Rustan; Muhammad Arif Tiro; Muhammad Nadjib Bustan
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 1, No 3 (2019)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm14624

Abstract

Abstrak. Analisis regresi logistik digunakan untuk menentukan hubungan antara peubah respon bersifat kategori dengan satu atau lebih peubah penjelas dengan asumsi bahwa respon tidak dipengaruhi oleh lokasi geografis (data spasial). Salah satu metode analisis spasial adalah Model Regresi Logistik Terboboti Geografis (RLTG). Model RLTG adalah bentuk regresi logistik lokal di mana lokasi geografis diperhatikan dan diasumsikan memiliki distribusi Bernoulli. Pendugaan parameter model RLTG menggunakan metode Maximum Likelihood Estimation (MLE) dengan memberikan bobot yang berbeda pada lokasi yang berbeda. Data dalam penelitian ini diperoleh dari publikasi Badan Pusat Statistik, yaitu data dan Informasi Kemiskinan di Provinsi Sulawesi Selatan. Penelitian ini bertujuan untuk mengetahui faktor-faktor yang mempengaruhi status kemiskinan di Provinsi Sulawesi Selatan dengan menggunakan model regresi logistik terboboti geografis dengan fungsi pembobot Kernel bisquare. Hasil penelitian menunjukkan bahwa peubah penjelas yang mempengaruhi status kemiskinan di Provinsi Sulawesi Selatan adalah persentase penduduk tidak bekerja dan persentase rumah tangga pengguna jamban bersama.Abstract. Logistic regression a analysis is used to determine the relationship between categorical response variables with one or more predictor variable assuming that the response is not influenced by geographical location (spatial data). One method of spatial analysis is Geographically Weighted Logistic Regression (GWLR). The GWLR model is a local form of logistic regression where the geographical location is considered and assumed to have a Bernoulli distribution. Estimating parameters of the RLTG model uses the Maximum Likelihood Estimation (MLE) method by giving different weights to different locations. The data were obtained from BPS publications, namely Data and Information on Poverty in South Sulawesi Province. This study aims to determine the factors that influence poverty status in South Sulawesi Province using a geographically weighted logistic regression model with kernel bisquare weighting function. The results showed that the explanatory variables that influence the status of poverty in the province of South Sulawesi were the percentage of the population not working and the percentage of common household toilet users.Keywords: logistic regression, kernel bisquare, GWLR and poverty.
Pemodelan Faktor-Faktor yang Mempengaruhi Jenis Kanker Payudara Menggunakan Regresi Logistik Biner (Kasus : Pasien Penderita Kanker Payudara di RSUP Dr. Wahidin Sudirohusodo tahun 2016). Titi Kurnianti HR; Muhammad Nadjib Bustan; R. Ruliana
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 1, No 3 (2019)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm12898

Abstract

Abstrak Regresi logistik adalah suatu metode analisis statistik yang diterapkan untuk memodelkan variabel dependen yang memiliki dua kategori atau lebih dengan satu atau lebih variabel independen. Regresi Logistik biner merupakan suatu analisis statistika yang digunakan untuk menganalisis hubungan antara satu atau lebih peubah bebas dengan peubah respon yang bersifat biner atau  dichotomous. Peubah bebas pada regresi logistik dapat berupa peubah skala kategorik maupun peubah yang skala kontinu sedangkan peubah respon berupa peubah berskala kategorik. Regresi Logistik Biner dapat diterapkan pada kasus kesehatan, khususnya pada penelitian ini yaitu mengenai kanker payudara. Sesuai uraian diatas maka penulis bermaksud untuk mengkaji dan melakukan penelitian  tentang Pemodelan Faktor-Faktor yang Mempengaruhi Jenis Kanker Payudara Menggunakan Regresi Logistik Biner (Kasus : Pasien Penderita Kanker Payudara di Rumah Sakit Umum Pusat Dr. Wahidin Sudirohusodo). Dari hasil analisis didapatkan bahwa peubah penjelas yang berpengaruh nyata terhadap jenis keganasan kanker terhadap pasien penderita kanker payudara adalah peubah Kemoterapi (X2) dan peubah Metastase (X5) yang masing-masing memiliki nilai odds rasio sebesar 0,17 dan 6,16.  Kata kunci : Kanker Payudara, Regresi Logistik, Regresi Logistik Biner. Abstract Logistic regression is a method of statistical analysis that is applied to model the dependent variable which has two or more categories with one or more independent variables. Binary Logistic Regression is a statistical analysis that is used to analyze the relationship between one or more independent variables with variable binary or dichotomous responses. The free variables in logistic regression can be either categorical scale or continuous scale variables while the response variables are categorical scale variables. Binary Logistic Regression can be applied to health cases, especially in this study, namely breast cancer. In accordance with the description above, the author intends to study and conduct research on Modeling Factors Affecting Types of Breast Cancer Using Binary Logistic Regression (Case: Patients with Breast Cancer Patients at Dr. Wahidin Sudirohusodo Central General Hospital). From the results of the analysis it was found that the explanatory variables that significantly affected the type of cancer malignancy in patients with breast cancer were Chemotherapy variables (X2) and Metastase variables (X5), each of which had odds ratio values of 0.17 and 6.16. Keywords: Breast Cancer, Logistic Regression, Binary Logistic Regression.
Pengelompokan Kabupaten/Kota Provinsi Sulawesi Selatan dan Barat Berdasarkan Angka Partisipasi Pendidikan SMA/SMK/MA Menggunakan K-Medoid dan CLARA Wardianti AS; Muhammad Kasim Aidid; Muhammad Nusrang
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 1, No 3 (2019)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm12899

Abstract

Abstrak Analisis kelompok digunakan untuk mengelompokan objek-objek dengan kesamaan karakteristik yang tinggi dalam satu kelompok sementara objek-objek dengan ketidaksamaan karaketristik berada dalam kelompok yang berbeda. Analisis kelompok terbagi menjadi metode hierarki dan non hierarki. Metode hierarki menggunakan struktur seperti pohon pada keputusan pengelompokan objeknya. Metode tidak berhierarki menemptakan objek - objek ke pusat kelompok terdekat saat banyaknya kelompok sudah ditentukan. Pusat kelompok terbagi menjadi rataan dan median. Kelemahan dari pusat kelompok rataan yaitu tidak kekar terhadap adanya pencilan. Hal tersebut berbeda dengan pusat kelompok median yang kekar terhadap pencilan. Permasalahan data yang besar juga menjadi perhatian dalam penelitian ini, maka digunakanlah CLARA sebagai pengembangan dari metode k -medoid. Penelitian ini menerapkan metode k -medoid dan CLARA untuk mengelompokan kabupaten/kota di Sulawesi Selatan dan Barat berdasarkan indikator penyusun Angka Partisipasi Pendidikan tahun 2017. CLARA dibangun dari kelompok yang dihasilkan oleh metode k -medoid dengan banyaknya kelompok terbaik empat kelompok. Dihasilkan nilai silhouette pada metode k -medoid dan CLARA yang sama yaitu k=4 sebesar 0,49 pada masing-masing metode tersebut. Metode k -medoid dan CLARA mempunyai kriteria pengelompokan yang lebih jelas jika dilihat pada masing-masing indikatornya sehingga dapat dijadikan sebagai alternatif memetakan kabupaten/kota di Sulawesi Selatan dan Barat berdasarkan indikator penyusun Angka Partisipasi Pendidikan tahun 2017. Kata Kunci: analisis kelompok, CLARA, angka Partisipasi Pendidikan, k-medoid  Abstract Cluster analysis is grouping objects by high similarity of characteristic in a cluster but high dissimilarity in another cluster. Cluster analysis is divided into hierarchical method and non hierarchical method. Hierarchical method use structur tree-like to determine its object in a cluster. The objects are placed to a similar centroid whilecluster seed was determined in non-hierarchical method. The types of centroid are mean centroid and median centroid (known as medoid). The disadvantage of mean is not robust from outlier. Otherwise, k -medoid is robust with outlier data. Big data problem is concerned, so CLARA is used to be a development from k –medoid method. K-medoid and CLARA is applicated in this paper to clustering city of South Sulawesi and West Sulawesi based on the indicator of APP year 2017. APP was categorized into four levels, hence CLARA was build from a cluster which resulted from k -medoid for four clusters. Generated silhouette value on the method k -medoid and CLARA with same value k=4 of 0,49 each methods. Furthermore, the characteristic of each group of CLARA method and k -medoid were more clear than the APP groups, hence would be an alternative to map the city of Indonesia based on APP indicators year 2017. Keywords: Cluster analysis, CLARA, Educational partisipation, K-medoid.
PERBANDINGAN MATRIKS PEMBOBOT SPASIAL OPTIMUM DALAM SPATIAL ERROR MODEL (SEM) (Kasus : Indeks Pembangunan Manusia Kabupaten/Kota di Provinsi Sulawesi Selatan Tahun 2015) Afif Arif; Muhammad Arif Tiro; Muhammad Nusrang
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 1, No 3 (2019)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm12896

Abstract

ABSTRACT. Matriks pembobot spasial merupakan komponen penting dalam kebanyakan model ketika representasi struktur spasial dibutuhkan. Karena hasil analisis sensitif terhadap spesifikasi matriks pembobot (W). Maka matriks bobot spasial yang berbeda mungkin diperlukan untuk berbagai jenis studi. Pada penelitian ini, peneliti melihat matriks pembobot optimum pada model SEM dengan menggunakan beberapa tipe matriks pembobot, di antaranya W Queen tidak terbakukan, W Queen terbakukan, W Rook, dan W Bishop. Dengan cara mngevaluasi nilai Akaike Information Criterion (AIC) terbaik dari dugaan model-model yang dihasilkan dari data Indeks Pembangunan Manusia (IPM) yang selanjutnya diperoleh pendekatan W terbaik dari hasil penelitian. Dari hasil penelitian ini dapat disimpulkan bahwa matriks pembobot tipe W Queen terbakukan merupakan model yang lebih baik dalam menjelaskan peubah respon karena memiliki nilai AIC yang terbaik bila dibandingkan dengan Matriks pembobot lainnya.Kata kunci : IPM, Analisis Regresi Spasial, SEM.
Space-Time Permutational Scan Statistics untuk Mendeteksi Hotspot Kejadian Gempa Bumi di Sulawesi Tengah Hasnul Yakin; Muhammad Kasim Aidid; Muhammad Nusrang
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 1, No 3 (2019)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm14623

Abstract

Abstract. Space-Time permutation scan statistics is a point grouping method based on space and time to identify an event (hotspot) to be spread evenly in every area or have grouping in a certain area and statistically significant. This method is applied for case data only. Hotspot is defined as something unusual, anomalies, case deviations, outbreaks of a disease, a high group or also called a critical area. This research used an earthquake incidence data in Central Sulawesi in 2017-2018. This analysis obtained 3 hotspots but only 2 hotspots were statistically significant with p-value of less than 0.05. The two hotspots are the main hotspots which cover Donggala Regency, Palu City, and Parigi Moutang Regency, while secondary hotspots include Sigi Regency and Poso Regency.

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)