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 3 (2020)" : 5 Documents clear
Eksplorasi Metode Triple Exponential Smoothing Pada Peramalan Jumlah Penggunaan Air Bersih di PDAM Kota Makassar Suci Lestari; Ansari Saleh Ahmar; R. Ruliana
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 2, No 3 (2020)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm14641

Abstract

Abstrak. Ketersediaan air bersih sangat penting dikarenakan hampir seluruh aktivitas manusia sangat bergantung terhadap ketersediaan air bersih. Hal ini membuat faktor produksi dan ketersediaan air bersih selalu menjadi prioritas dalam pelayanan penyaluran air bersih sehingga penulis tertarik untuk mengkaji tentang peramalan jumlah penggunaan air bersih di PDAM Kota Makassar. Salah satu metode yang cocok untuk menangani kasus tersebut adalah metode Time Series. Metode Triple Exponential Smoothing atau biasa disebut dengan Winter Exponential Smoothing merupakan salah satu metode Time Series yang cocok untuk menangani data yang bersifat musiman seperti jumlah penggunaan air bersih di Kota Makassar.  Adapun Langkah analisis dari metode Triple Exponential Smoothing adalah identifikasi model, estimasi parameter dengan trial and error, selanjutnya adalah perhitungan nilai awal dari pemulusan data, trend, dan musiman dengan panjang satu musim L=12 dan yang terakhir adalah menghitung nilai error dengan menggunakan MAPE dan RMSE. Model terbaik diperoleh dari kombinasi parameter α = 0,1; β = 0,1; dan γ=0,6 yang menghasilkan kesalahan peramalan terkecil menggunakan RMSE dengan nilai sebesar 168,175 dan MAPE dengan nilai sebesar 4,736. Dengan meggunakan model maka diperoleh peramalan jumlah penggunaan air bersih di PDAM Kota Makassar dari bulan januari – desember 2019 sebagai berikut: 2779,10; 2788,94; 2728,61; 2797,48; 2787,97; 2752,66; 2742,18; 2708,50; 2644,55; 2521,50; 2537,74; 2732,55. Dari hasil peramalan tersebut terlihat mendekati dan tidak terlalu jauh menyimpang dari data tahun sebelumnya  sehingga dapat dijadikan acuan produktivitas air bersih di PDAM Kota Makassar agar produktivitas air dapat mencukupi semua kebutuhan masyarakat di Kota Makassar.Kata kunci: air, triple exponential smoothing, time series, peramalan.
APLIKASI METODE BAYESIAN MODEL AVERAGING (BMA) DENGAN PENDEKATAN MARKOV CHAIN MONTE CARLO (MCMC) UNTUK PERAMALAN CURAH HUJAN DI STASIUN METEOROLOGI KOTA MAKASSAR P. Paramita; Suwardi Annas; Muhammad Kasim Aidid
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 2, No 3 (2020)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm14642

Abstract

Abstrak. Curah hujan yang turun dapat mempengaruhi produksi dari beberapa jenis pekerjaan tertentu dan dapat mengganggu aktifitas manusia. Peramalan curah hujan dalam hal ini sangat penting untuk dilakukan. Metode peramalan yang sering dilakukan yaitu metode ensemble. Namun, metode ini cenderung mengalami overdispersive atau underdispersive. Maka dilakukan suatu proses kalibrasi yaitu Bayesian Model Averaging (BMA). Metode ini mampu menggeser nilai rata-rata dan variansi agar mendekati nilai observasi. Penaksiran parameter BMA dilakukan dengan pendekatan Markov Chain Monte Carlo (MCMC) yang mampu mengatasi variasi pada distribusi BMA dan memberikan hasil informasi penting mengenai bobot dan variansi. Metode ini diaplikasikan pada Curah Hujan Bulanan Kota Makassar. Hasil analisis memberikan kesimpulan bahwa metode ensemble tidak ada yang mampu yang menangkap nilai observasi sedangkan metode BMA dengan menggunakan training window 5 mampu menangkap nilai observasi curah hujan bulan Februari, Maret, Mei, Juni, Juli, dan Agustus 2018. Nilai observasi curah hujan bulan Juni yaitu 121 mm. Hasil peramalan dari metode ensemble untuk bulan Juni yaitu 130,6 mm, sedangkan pada metode BMA diperoleh interval ramalan untuk bulan Juni yaitu (-61,02-156,41) mm. Nilai Continous Ranked Probability Score (CRPS) yang diperoleh untuk metode ensemble yaitu 62,07 dan metode BMA yaitu 25,24. Sehingga, metode BMA lebih baik dari metode ensemble karena nilai CRPS yang dihasilkan lebih kecil, sehingga interval yang dihasilkan dari peramalan BMA lebih banyak menangkap nilai observasi.Kata Kunci: Curah Hujan, Ensemble, BMA, MCMC, CRPS.
Pemodelan Pertumbuhan Ekonomi Provinsi Sulawesi Selatan dengan Menggunakan Regresi Data Panel Misriani Suardin; Muhammad Nadjib Bustan; Ansari Saleh Ahmar
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 2, No 3 (2020)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm14637

Abstract

Abstract. Economic growth is a process for change the economic condition a country or regional by continuously for the better condition as long as definite period. Economic growth in South Sulawesi for 2013-2016 have up and down because many factors have influence it. Like jobless, human capital index, regional revenue, expenditure, and total population. This research was conducted to determine the factors that influence economic growth in South Sulawesi by using data panel regression methods. Panel data regression is a regression by using panel data. Panel data is a statistics analysis method that combines between time series data and cross section data. The result indicates that the result if the regression analysis on the =5% show that the best panel data regression model is random effect model and human capital index variable have significant effect on economic growth with probability value about 0,0227. Meanwhile, jobless, regional revenue, expenditure, and total population no significant.Keywords: Panel Data Regression, Economic Growth, Common Effect Model, Fixed Effcet Model, Random Effect Model
Multivariate Adaptive Regression Splines pada Kasus Inflasi di Indonesia Tahun 2005-2018 Nurhaerunisa Widagdo; Muhammad Kasim Aidid; S. Sudarmin
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 2, No 3 (2020)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm14639

Abstract

Abstrak. Kegiatan perekonomian suatu negara dipengaruhi oleh inflasi yang terjadi pada negara tersebut. Tingkat inflasi Indonesia yang fluktuatif, cenderung tidak stabil, mempengaruhi kehidupan sosial dan ekonomi masyarakat. Sehingga penting untuk mengetahui faktor-faktor yang berpengaruh terhadap inflasi serta pemodelan faktor-faktor berpengaruh tersebut dan hubungannya terhadap inflasi. Mengidentifikasi hubungan inflasi dan faktor penyebabnya dilakukan menggunakan pemodelan Multivariate Adaptive Regression Splines (MARS). MARS merupakan jenis regeresi nonparametrik yang menggabungkan prinsip Recursive Partitioning Regression (RPR) dan spline, fleksibel dalam memodelkan data sehingga memberikan hasil pemodelan data yang cukup akurat serta dapat menangani data berdimensi tinggi, yaitu data dengan jumlah peubah prediktor 3 ≤ x ≤ 20 dan ukuran data sampel 50 ≤ n ≤ 1000. Model MARS diperoleh berdasarkan kombinasi nilai BF, MI, dan MO yang memiliki nilai Generalized Cross Validation (GCV) terkecil. Pada penelitian ini digunakan enam peubah prediktor sebagai faktor yang mempengaruhi inflasi dengan data sampel sebesar 168 sampel. Hasil penelitian menunjukkan bahwa peubah Indeks Harga Perdagangan Besar (IHPB), BI Rate, Nilai Tukar IDR-USD, dan Uang Beredar adalah faktor-faktor yang berpengaruh terhadap inflasi berdasarkan model terbaik MARS dengan BF=24, MI=3, MO=1, GCV=0,772, MSE=0,391, dan R2=0,968.Kata kunci: Inflasi, MARS, RPR, BF, MI, MO, GCV.
Membandingkan Grafik Kendali Shewhart dengan Grafik Kendali Cumulative Sum (Cusum) dalam Mendeteksi Pergeseran Rata-Rata Kekeruhan Air Andi Nurhaedah; Muhammad Kasim Aidid; S. Sudarmin
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 2, No 3 (2020)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm14640

Abstract

Abstrak. Memonitoring proses produksi merupakan tindakan pengendalian kualitas yang harus dilakukan untuk melihat adanya pergeseran rata-rata, sehingga variasi dalam produksi dapat diminimalisir. Alat pengendalian kualitas yang digunakan untuk memonitoring pergeseran rata-rata adalah grafik kendali. Grafik yang paling sering digunakan adalah grafik kendali Shewhart sebab penggunaanya yang sederhana, namun informasi yang disampaikan pada grafik tersebut hanya berdasarkan titik gambar terakhir sehingga alternatif yang dapat digunakan adalah grafik Cusum. Kekeruhan air sebagai salah satu parameter kualitas air yang perlu dimonitoring sebelum didistribusikan sebab melewati batas maksimum 5 NTU (Nephelometric Turbidity Units) yang ditetapkan oleh pemerintah menandakan bahwa air tersebut aman untuk diminum. Maka dari itu, penelitian ini bertujuan memonitoring produksi dengan membandingkan grafik kendali Shewhart dan grafik kendali Cusum dalam mendeteksi pergeseran rata-rata kekeruhan air. Sampel yang digunakan pada penelitian ini merupakan air sedimen produksi IPA I Ratulangi PDAM Kota Makassar yang diukur sekali setiap dua jam dengan jumlah data yang tercatat sebanyak 211 pengamatan dengan hasil yaitu grafik kendali Cusum lebih cepat dalam mendeteksi adanya pergeseran rata-rata, hal ini ditunjukkan dengan adanya pergeseran mulai terdeteksi pada pengamatan ketujuh dengan pengamatan yang berada diluar kendali sebanyak 205 amatan, dibandingkan Shewhart hanya mendeteksi 8 pengamatan yang berada di luar kendali. Hal ini didukung dengan evaluasi grafik kendali yang digunakan yaitu nilai Average Run Lenght (ARL) menunjukkan bahwa grafik kendali Cusum lebih cepat mendeteksi pergeseran rata rata kurang dari 2,5dibandingkan grafik kendali Shewhart baik digunakan untuk pergeseran 3 atau lebih.Kata kunci:Pengendali kualitas, grafik kendali, grafik kendali Shewhart, grafik kendali Cusum, ARL, Kekeruhan Air.

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)