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 2, No 1 (2020)" : 5 Documents clear
Implementasi Metode Fuzzy Time Series untuk Peramalan Jumlah Pengunjung di Benteng Fort Rotterdam V. Vivianti; Muhammad Kasim Aidid; Muhammad Nusrang
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 2, No 1 (2020)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm12904

Abstract

Abstract, Peramalan merupakan kegiatan yang dilakukan untuk memprediksi nilai suatu variable di waktu yang akan datang. Tujuan dari penelitian ini adalah mengimplementasikan Metode Fuzzy Time Series untuk memprediksi jumlah Pengunjung Benteng Fort Rotterdam. Metode Fuzzy Time Series adalah sebuah metode peramalan yang menggunakan himpunan Fuzzy sebagai dasar dalam Proses prediksi. Tahapan Peramalan dalam penelitian ini adalah mendefinisikan semesta pembicaraan U, menentukan jumlah dan Panjang kelas interval, defuzzifikasi dan mendefenisikan himpunan Fuzzy pada U, melakukan Fuzzifikasi pada data jumlah pengunjung, menentukan Fuzzy logic relationship (FLR), membentuk Fuzzy Logical Relationship Group (FLRG), melakukan defuzzifikasi, dan melakukan perhitungan peramalan. Dalam meramalkan jumlah Pengunjung di Benteng Fort Rotterdam dengan menggunakan Metode Fuzzy Time Series diperoleh hasil peramalan sebanyak 16240,35 atau dibulatkan menjadi 16240 Pengunjung pada bulan selanjutnya, dengan nilai MAPE sebesar 119,93 dan RMSE sebesar 4739,08.Keywords: Fuzzy, Time Series, Peramalan, Fort Rotterdam
Analisis Penyebaran Hunian dengan Menggunakan Metode Nearest Neighbor Analysis Ahmad Rifad Riadhi; Muhammad Kasim Aidid; Ansari Saleh Ahmar
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 2, No 1 (2020)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm12901

Abstract

Abstrak Nearest neighbor analysis merupakan sebuah metode analisis yang dapat digunakan untuk menentukan suatu pola penyebaran, apakah berpola seragam (uniform), acak (random), atau mengelompok (cluster). Nearest neighbor analysis dalam perhitungannya mempertimbangkan jarak, jumlah titik lokasi penyebaran, dadn luas wilayah, hasil akhir analisis ini berupa indeks tetangga  terdekat (T) yang nilainya berkisar antara 0 sampai 2.15. Untuk menentukan faktor-faktor yang mempengaruhi pola penyebaran hunian, pada penelitian ini menggunakan analisis korelasi (r). Hasil dari penelitian ini berdasarkan perhitungan nearest neighbor analysis yaitu pola penyebaran hunian di Kota Kendari secara keseluruhan memiliki pola penyebaran yang cenderung berpola acak artinya jarak antara titik-titik penyebaran hunian tidak memiliki jarak yang sama, dan hasil dari perhitungan korelasi diperoleh faktor-faktor yang mempengaruhi pola penyebaran hunian yang cenderung berpola acak. Faktor yang paling berpengaruh dengan hubungan positif yaitu faktor pertumbuhan penduduk, hal ini dapat dilihat pada hasil korelasi dimana faktor pertumbuhan penduduk memiliki nilai korelasi tertinggi yaitu 0.618 dan faktor yang paling berengaruh dengan hubungan negatif yaitu faktor fasilitas Pendidikan hal ini dapat dilihat pada hasil korelasi dimana faktor fasilitas Pendidikan memiliki nilai korelasi negatif tertinggi yaitu -0.526.Keywords: Nearest Neighbor Analysis, Pola Penyebaran.
Penanganan Ties Event dalam Regresi Cox Proportional Hazard Menggunakan Metode Breslow (Kasus: Pasien Rawat Inap DBD di RSAL Jala Ammari Makassar) Herawati Hafid; Muhammad Nadjib Bustan; Muhammad Kasim Aidid
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 2, No 1 (2020)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm12897

Abstract

Abstrak Analisis Survival adalah prosedur statistika yang digunakan untuk menganalisis data dimana peubah yang diperhatikan adalah waktu sampai terjadinya suatu event. Waktu dapat dinyatakan dalam hitungan hari, minggu, bulan dan tahun. Salah satu tujuan dari analisis survival adalah untuk mengetahui hubungan antara waktu kejadian  peubah bebas yang terukur pada saat dilakukan penelitian. Metode yang sering digunakan dalam analisis survival khususnya data kesehatan adalah Regresi Cox Proportional Hazard (PH) karena distribusinya tidak tergantung pada asumsi waktu kejadian. Dalam suatu data seperti data pasien penderita penyakit Demam Berdarah Dengue (DBD) ditemukan adanya data kejadian bersama (ties event) yang berpengaruh pada pembentukan himpunan risikonya pada bagian estimasi parameter model cox,pada kasus kejadian bersama (ties event) dilakukan modifikasi pada partial likelihood untuk mengetahui faktor-faktor yang mempengaruhi laju kesembuhan pasien penderita penyakit DBD. Adapun hasil analisisnya, diperoleh faktor yang paling berpengaruh terhadap laju kesembuhan penyakit DBD yakni leukosit dengan p-value =0,097< α 0,05, dan nilai hazard ratio sebesar 1,1024 serta faktor yang kedua yaitu hematokrit dengan p-value =0,0141< α 0,05, dan nilai hazard ratio sebesar 1,595. Kata Kunci: Analisis Survival, Regresi Cox PH, Ties Event, Metode Breslow, Demam Berdarah Dengue (DBD). Abstract Survival analysis is a statistical procedure that is used to analyze data where the variables considered are the time until the occurrence of an event. Time can be expressed in days, weeks, months and years. One of the objectives of survival analysis is to find out the relationship between the time of occurrence of independent variables measured at the time of the study. The method often used in survival analysis, especially health data, is Cox Proportional Hazard (PH) Regression because its distribution does not depend on the assumption of the time of the event. In a data such as data on patients with Dengue Hemorrhagic Fever (DHF) data, there were ties event data that influenced the formation of risk sets in the cox model parameter estimation section, in the case of ties event modifications were made to the partial likelihood for know the factors that influence the recovery rate of patients with DHF. As for the results of the analysis, the factors that most influence the recovery rate of leucocyte dengue fever with p-value = 0,097 < α = 0,05 and the hazard ratio of 1.1024 and the second factor is the hematocrit with p-value = 0,0141 < α = 0,05 and the hazard ratio valueamounting to 1,595. Keywords: Survival Analysis, Cox PH Regression, Ties Event, Breslow Method, Dengue Hemorrhagic Fever (DHF).
ANALISIS REGRESI UNTUK DATA PANEL PADA PEMODELAN TINGKAT KEMATIAN IBU DI PROVINSI SULAWESI SELATAN Muhammad Imran Rahman; Muhammad Nusrang; S. Sudarmin
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 2, No 1 (2020)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm14628

Abstract

Abstrak. Penelitian ini membahas mengenai estimasi parameter model regresi data panel pada pemodelan tingkat kematian ibu di Provinsi Sulawesi Selatan dari tahun 2014 sampai dengan 2016. Data yang digunakan adalah data sekunder dari Dinas Kesehatan Provinsi Sulawesi Selatan yang berupa jumlah kematian ibu, perdarahan, hipertensi dalam kehamilan, infeksi dan gangguan sistem peredaran darah di seluruh Kabupaten/Kota di Provinsi Sulawesi Selatan tahun 2014-2016. Pembahasan dimulai dari melakukan estimasi parameter model regresi data panel, menentukan model regresi data panel terbaik, menguji asumsi model regresi data panel, pengujian signifikansi parameter dan interpretasi model regresi. Dalam penelitian ini diperoleh kesimpulan yaitu estimasi model regresi data panel terbaik dengan pendekatan fixed effect model dengan nilai ????2 = 90%. Adapun peubahpeubah yang berpengaruh signifikan terhadap kematian ibu adalah perdarahan, hipertensi dalam kehamilan dan infeksi. Dari hasil analisis diperoleh juga daerah yang memiliki jumlah kematian ibu terbesar di Provinsi Sulawesi Selatan tahun 2014-2016 adalah Bone dan Jeneponto.Kata Kunci: Regresi data Panel, Angka Kematian Ibu, Fixed Effect Model, Least Square Dummy Variable.Abstract. This research discusses about parameter estimation of panel data regression model of mother mortality level modelling in South Sulawesi from 2014 to 2016. The data used were secondary data from Dinas Kesehatan Provinsi Sulawesi Selatan in the form of number of mother mortality, bleeding, infection, circulatory system disorders and metabolic disorders in the whole district/town in South Sulawesi year 2014-2016. The discussion started from doing parameter estimation of panel data regression model, determining the best panel data regression model, testing the assumption of panel data regression model, testing the signification of parameter and interpretation of regression model. Conclusion of this research are the estimation of regression model is the best panel data regression model with fixed effects model approach with value of ????2 = 90%. The variables that significantly influence maternal mortality are bleeding, hypertension in pregnancy and infection. From the results of the analysis, it was also found that the regions that had the largest number of maternal deaths in South Sulawesi Province in 2014-2016 were Bone and Jeneponto.Keywords: Panel Data Regression, Mother Mortality Rate, Fixed Effect Model, Least Square Dummy Variable.
Metode Analisis Diskriminan dalam Pengelompokan Kabupaten/Kota di Provinsi Sulawesi Selatan Berdasarkan Indikator Indeks Pembangunan Manusia Novi Afryanthi S.; Muhammad Arif Tiro; Ansari Saleh Ahmar
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 2, No 1 (2020)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm14978

Abstract

Abstract. Discriminant analysis is a method in multivariat statistic analysis that related with object which have separated into the defined group defined and see the accuracy  of the formed group. In this research, clustera analysis is used for the first grouping,  cluster  analysis is a statistical analysis which aims to classify some objects based on the characteristics similarity among the object. Data for this study is HDI (Human Development Index)  of indicator in south sulawesi in 2016. The result of this research are 1st cluster (lower  HDI indicator) which have 21 city/ distric and the 2nd cluster (higher  HDI indicator) which have 3 city/distric as the closeness value between the cluster that formed is 0.902 which shows the closeness between the cluster is high . Furthermore, the discriminant function that have formed explains that if the life expectancy increase, the HDI indicator in city/distric in south sulawesi province will decrease but if school  expectation duration in school , average of duration in school, and parity of pur hasing power is increasing, the HDI indicator in city/distric in aouth sulawesi will also increase.Keywords: Cluster analysis, Discriminant analysis , Human development index indicator.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2020 2020


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)