cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota pontianak,
Kalimantan barat
INDONESIA
BIMASTER
Published by Universitas Tanjungpura
ISSN : -     EISSN : -     DOI : -
Core Subject : Science, Education,
Decision Sciences, Operations Research & Management Mathematics
Bimaster adalah Jurnal Ilmiah berkala bidang Matematika, Statistika dan Terapannya yang terbit secara online dan dikelola oleh Jurusan Matematika FMIPA Untan
Arjuna Subject : -
Articles 653 Documents
 54   55   56   57   58 
ANALISIS METODE HYBRID ARIMA–SVR PADA INDEKS HARGA SAHAM GABUNGAN Clara Vista Magdalena Sihombing, Shantika Martha, Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v11i3.54618

Abstract

Data runtun waktu dapat mengandung komponen linier atau nonlinier. Komponen linier dapat dimodelkan dengan Autoregressive Integrated Moving Average (ARIMA), sedangkan komponen nonlinier dimodelkan dengan Support Vector Regression (SVR). Namun, pada kenyataannya, runtun waktu memiliki komponen linier dan nonlinier secara bersamaan. Salah satu metode yang dapat mengatasi komponen linier dan nonlinier adalah Hybrid ARIMA–SVR yang merupakan metode gabungan dari model ARIMA dan SVR. Pada penelitian ini, metode yang digunakan adalah Hybrid ARIMA–SVR dengan studi kasus harga penutupan Indeks Harga Saham Gabungan (IHSG). Rentang waktu IHSG dari 1 Januari 2020 sampai 31 Oktober 2021. IHSG diasumsikan tidak stasioner, serta mengandung komponen linier dan nonlinier secara bersamaan. Tujuan dari penelitian ini adalah memodelkan data IHSG menggunakan model Hybrid ARIMA–SVR, serta membandingkan metode ARIMA dengan metode Hybrid ARIMA–SVR pada data IHSG. Proses penelitian dimulai dengan membentuk model ARIMA dari data training IHSG dan menentukan residual ARIMA. Apabila residual ARIMA nonlinier, maka dapat dibentuk model SVR dari residual ARIMA. Hasil dari penelitian ini yaitu model ARIMA (3,1,3) dan parameter SVR yaitu parameter C, γ, dan ε berturut-turut sebesar 2^(-6,75), 2^(-2,25), dan 0,1  . Nilai MAPE model ARIMA untuk data training dan testing sebesar 0,997% dan 0,733%, sedangkan untuk  Hybrid ARIMA–SVR sebesar 0,971% dan 0,708%. Kesimpulan yang diperoleh yaitu model terbaik untuk IHSG adalah Hybrid ARIMA–SVR, karena memiliki nilai MAPE yang lebih kecil dibandingkan model ARIMA. Oleh karena itu, nilai IHSG diprediksi lima hari ke depan dengan model Hybrid ARIMA–SVR. Kata Kunci: model hybrid, linier, nonlinier
KONTROL OPTIMAL MODEL MANGSA PEMANGSA DENGAN PERTAHANAN PADA MANGSA Yuni Wulandari; Mariatul Kiftiah; Yudhi Yudhi
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v11i3.56043

Abstract

Satu diantara model matematika interaksi antara makhluk hidup adalah model mangsa pemangsa. Model mangsa pemangsa menggambarkan interaksi dua spesies antara spesies pemangsa dengan mangsanya. Pada penelitian ini, model yang digunakan yaitu model pertahanan pada mangsa dan dikendalikan dengan pemberian makanan alternatif pada pemangsa (C). Pemberian makanan alternatif bertujuan untuk memenuhi kebutuhan makanan pemangsa agar berkurangya pemangsa memakan mangsa. Penyelesaian dalam penelitian ini menggunakan Prinsip Maksimum Pontryagin dengan diperoleh suatu kontrol optimal C*. Laju perubahan mangsa dan pemangsa dalam model diilustrasikan dengan simulasi numerik. Hasil simulasi numerik yang telah dilakukan menunjukkan mangsa menurun menuju kepunahan dan pemangsa meningkat. Pemberian makanan alternatif pada pemangsa yang terbatas dan pemangsa meningkat sehingga seiring bertambahnya waktu menyebabkan mangsa menjadi punah. Hal ini menunjukkan bahwa pemberian makanan alternatif pada pemangsa tidak efektif dalam jangka waktu yang panjang. Kata Kunci : model mangsa pemangsa, pertahanan, makanan alternatif, kontrol optimal, Prinsip Maksimum Pontryagin
PREDIKSI REALISASI PENERIMAAN PAJAK BUMI DAN BANGUNAN PROVINSI KALIMANTAN BARAT DENGAN MODEL GREY-MARKOV(1,1) Dea Rizki Darmawanti; Yundari Yundari; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v11i3.55449

Abstract

Pajak Bumi dan Bangunan (PBB) merupakan salah satu pajak yang wajib dibayar warga negara Indonesia hanya satu kali dalam setahun. Pengoptimalan penerimaan PBB daerah Provinsi Kalimantan Barat, perlu dilakukan untuk kelancaran pembagunan di daerah Provinsi Kalimantan Barat. Badan Pusat Statistik (BPS) biasanya melakukan proyeksi realisasi penerimaan PBB. Pada data realisasi penerimaan PBB, data yang tersedia terbatas dan jumlahnya tidak terlalu besar. Model prediksi yang digunakan adalah Model Grey-Markov(1,1). Penelitian ini bertujuan mengkaji bentuk Model Grey-Markov(1,1)  dan memprediksi realisasi penerimaan PBB pada tahun 2021. Tahap awal dalam penelitian ini adalah membentuk data penerimaan PBB ke dalam bentuk barisan, tahap kedua menghitung nilai dengan mengakumulasi data penerimaan PBB atau Accumulated Generating Operation (AGO). Selanjutnya menentukan nilai tengah atau rata-rata dari dua data yang berdekatan atau Mean Generating Operation (MGO) dan menentukan nilai parameter Model Grey(1,1). Hasil peramalan Model Grey(1,1)  dimodifikasi dengan rantai markov dengan empat interval keadaan sehingga diperoleh hasil prediksi Model Grey-Markov(1,1). Hasil penelitian ini menunjukkan bahwa, pada tahun 2021 prediksi realisasi penerimaan PBB adalah Rp.447.889.085. Data prediksi ini memiliki nilai akurasi  yaitu 9,67% yaitu berarti model sangat baik.. Kata Kunci: Badan Pusat Statistik, Rantai Markov, Model Grey(1,1)
ANALISIS VALUE AT RISK PADA PORTOFOLIO SAHAM DENGAN STUDENT T-COPULA Rovi Christova; Neva Satyahadewi; Setyo Wira Rizki
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v11i3.55429

Abstract

Investasi merupakan salah satu alternatif dalam bisnis yang cukup berkembang, terutama investasi saham. Harga saham sering mengalami perubahan yang sulit diprediksi, sehingga investor perlu mengetahui besar risiko yang akan dihadapinya. Salah satu cara untuk mengukur risiko adalah dengan menghitung Value at Risk (VaR). Nilai VaR didapatkan dengan melakukan simulasi Monte Carlo. Simulasi Monte Carlo merupakan metode yang paling kuat untuk mengukur VaR karena simulasi Monte Carlo melakukan percobaan berulang kali dengan pembangkitan bilangan acak sehingga didapatkan nilai random pada probabilitas frekuensi tertentu. Data finansial cenderung tidak berdistribusi normal, bersifat heterokedastisitas, dan memiliki ekor gemuk. Untuk menghasilkan perhitungan VaR yang akurat pada data finansial yang berekor gemuk, maka digunakan VaR dengan fungsi student t-copula. Langkah pengerjaannya adalah menghitung nilai return saham, lalu mencari nilai statistik deskriptif. Setelah itu, memeriksa sifat autokorelasi dan heterokedastisitas, dilanjutkan memeriksa nilai ekstrem dengan Pareto tail. Tahap selanjutnya, estimasi parameter student t-copula, lalu melakukan simulasi student t-copula. Dan tahap terakhir yaitu, menghitung nilai VaR. Penelitian ini menggunakan harga saham penutupan (saham harian) periode 4 November 2015 sampai 3 November 2020. Portofolio yang digunakan yaitu Bank BRI (BBRI) dan Indofood (INDF). Berdasarkan hasil analisis, nilai VaR yang diperoleh menggunakan fungsi Student t-copula dengan tingkat kepercayaan 95% sebesar 0,8635% dari portofolio yang terbentuk. Nilai VaR ini adalah persentase risiko kerugian yang mungkin didapatkan dalam 1 hari kedepan, untuk investasi pada saham BBRI dan INDF.  Kata Kunci: Investasi, Portofolio, VaR, student t-copula
ANALISIS KINERJA PORTOFOLIO OPTIMAL SAHAM LQ-45 DENGAN METODE MEAN-GINI MENGGUNAKAN Sintia Margun; Neva Satyahadewi; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v11i3.54959

Abstract

Investasi pada aset keuangan memiliki daya tarik tersendiri, karena pemodal dapat membangun portofolio. Seorang investor pasti akan memilih portofolio yang optimal. Mean-Gini digunakan untuk membentuk portofolio optimal dengan saham penyusun portofolionya diurutkan berdasarkan nilai estimasi koefisien Gini serta menggunakan bantuan Excel Solver untuk mendapatkan bobot portofolio optimal dan menghitung nilai indeks Sharpe untuk mendapatkan portofolio optimal. Penelitian ini bertujuan membentuk portofolio, menghitung nilai bobot portofolio optimal pada masing-masing saham, menghitung nilai expected return dan risiko portofolio pada saham, dan mengukur kinerja portofolio saham dengan metode Mean-Gini berdasarkan nilai indeks Sharpe tertinggi. Data yang digunakan dalam penelitian ini adalah data harga penutupan saham bulanan yang konsisten dan memiliki nilai mean return positif pada periode Januari 2020 sampai dengan Maret 2021. Hasil penelitian ini menunjukkan bahwa metode Mean-Gini menghasilkan portofolio optimal yaitu pada portofolio ketiga yang terdiri dari 4 kode saham, diantaranya adalah CPIN (Charoen Pokphand Indonesia), INCO (International Nickel Indonesia), JPFA (Japfa Comfeed Indonesia), dan INKP (Indah Kiat Pulp & Paper). Nilai indeks Sharpe tertinggi sebesar 33,82% dengan nilai expected return terbesar 1,08% dan nilai koefisien Gini atau risiko sebesar 0,33%. Kata Kunci: metode Mean-Gini, portofolio optimal, indeks Sharpe
ANALISIS PEMBENTUKAN PORTOFOLIO OPTIMAL INVESTASI SAHAM JII DENGAN METODE CAPITAL ASSET PRICING MODEL Winny Chindrianti; Setyo Wira Rizki; Nurfitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v11i3.56144

Abstract

Investasi keuangan pada surat berharga seperti saham banyak diminati oleh investor. Keuntungan berinvestasi saham yaitu mendapatkan tambahan pendapatan berupa capital gain dan dividen. Semakin tinggi tingkat keuntungan yang didapat, maka tingkat risiko juga akan semakin tinggi. Tingkat risiko yang tinggi dapat diminimalisir dengan upaya diversifikasi investasi melalui pembentukan portofolio saham. Metode yang bisa memberikan pertimbangan dalam pembentukan portofolio saham adalah metode Capital Asset Pricing Model (CAPM). Tujuan dari penelitian ini yaitu untuk menganalisis pembentukan portofolio optimal saham dengan CAPM, serta menganalisis penerapan CAPM dalam pengambilan keputusan investasi saham. Data yang digunakan yaitu data harga saham penutupan bulanan pada saham Jakarta Islamic Index (JII) periode Juni 2018 sampai September 2021. Teknik pengambilan sampel menggunakan teknik purposive sampling. Langkah penelitian setelah data diperoleh yaitu menghitung return saham individu, menguji normalitas return saham individu, menghitung return saham pasar, dan menguji pengaruh return saham individu terhadap return saham pasar. Selanjutnya dilakukan perhitungan nilai beta tiap saham, menghitung expected return, melakukan penyusunan kombinasi portofolio serta pembobotan tiap saham pembentuk portofolio. Kemudian dilakukan pengukuran kinerja portofolio dengan indeks sharpe, perbandingan kinerja dari kombinasi portofolio yang telah disusun, dan langkah terakhir yaitu diperoleh portofolio optimal. Hasil dari penelitian ini menunjukkan bahwa dari sejumlah portofolio yang telah disusun diperoleh portofolio optimal dengan nilai indeks sharpe terbesar dibentuk dari kombinasi empat saham. Dengan demikian, investor bisa menanamkan modal pada portofolio tersebut dengan proporsi alokasi dana pada saham BRPT sebesar 7,5%, saham INCO sebesar 25,3%, saham WIKA sebesar 45,4%, dan saham ANTM sebesar 21,7%. Kata Kunci: return, saham, portofolio, CAPM
PENERAPAN STRUCTURAL EQUATION MODELING PADA ANALISIS KEPUASAN MAHASISWA TERHADAP SISTEM INFORMASI AKADEMIK UNIVERSITAS TANJUNGPURA Wafiq Nurhaliza; Dadan Kusnandar; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v11i3.55588

Abstract

Universitas Tanjungpura (Untan) merupakan salah satu perguruan tinggi yang menggunakan layanan akademik daring untuk membantu mahasiswa dalam memperoleh pelayanan akademik yang mudah dan cepat. Layanan akademik daring tersebut disebut Siakad Untan. Pengembangan layanan akademik daring tersebut tak lepas dari kelemahan-kelemahan pada sistem yang sering kali mengganggu proses pelayanan. Oleh karena itu, perlu dilakukan penelitian mengenai analisis kepuasan mahasiswa terhadap Siakad Untan. Hasil dari penelitian ini diharapkan menjadi pertimbangan pihak Universitas dalam meningkatkan kualitas Siakad Untan dari segi sistem dan layanan. Terdapat beberapa variabel yang dinilai dalam penelitian ini, yaitu kualitas sistem, kualitas layanan, dan kepuasan mahasiswa. Metode yang digunakan dalam penelitian ini adalah Structural Equation Modeling (SEM). SEM merupakan teknik statistik yang digunakan untuk menganalisis pola hubungan antara variabel laten dengan variabel manifes. Hasil penelitian menunjukkan bahwa variabel kualitas sistem secara langsung berpengaruh signifikan positif terhadap kualitas layanan dengan besar pengaruh sebesar 85,1%. Variabel kualitas sistem juga secara langsung berpengaruh signifikan positif terhadap kepuasan mahasiswa dengan besar pengaruh sebesar 34,7%. Sementara itu, variabel kualitas layanan yang merupakan variabel intervening juga berpengaruh signifikan positif terhadap kepuasan mahasiswa. Variabel kualitas sistem secara tidak langsung berpengaruh signifikan positif terhadap kepuasan mahasiswa yang dimediasi oleh kualitas layanan dengan besar pengaruh sebesar 49,4%. Kata Kunci : SEM, kualitas sistem, kualitas layanan, kepuasan mahasiswa.
PERHITUNGAN EXPECTED SHORTFALL PADA INVESTASI SAHAM DENGAN PENDEKATAN EKSPANSI CORNISH FISHER Winanda Epriyanti; Yundari Yundari; Shantika Martha
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 4 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v11i4.57772

Abstract

Investasi adalah suatu kegiatan menanamkan modal yang dilakukan dengan tujuan untuk memperoleh keuntungan di masa yang akan datang. Salah satu bentuk investasi adalah saham. Perhitungan risiko sangat penting dalam berinvestasi saham. Metode Value at Risk (VaR) merupakan suatu metode pengukuran risiko saham yang paling umum digunakan. Kelemahan VaR adalah tidak memperhatikan kerugian yang melebihi tingkat kepercayaan yang digunakan karena tidak menutup kemungkinan akan terjadi kerugian yang lebih besar dari estimasi nilai VaR yang diperoleh. Untuk mengatasi kelemahan tersebut digunakan metode Expected Shortfall (ES). Kelebihan dari metode ES adalah dapat menghitung besar kerugian yang nilainya melebihi VaR. ES dengan ekspansi Cornish Fisher dapat mengestimasi risiko saham tanpa harus memenuhi asumsi normalitas dengan menyesuaikan nilai skewness dan kurtosis. Tujuan penelitian ini adalah untuk mengestimasi besar risiko saham menggunakan metode ES dengan pendekatan ekspansi Cornish Fisher dan membandingkannya dengan nilai VaR. Data yang digunakan adalah data harga penutupan saham PT Indofood CBP Sukses Makmur Tbk periode 26 Maret 2020 sampai dengan 19 November 2021. Data harga penutupan saham diubah menjadi data return saham. Data return saham yang digunakan tidak memenuhi asumsi normalitas sehingga perhitungan ES menggunakan pendekatan ekspansi Cornish Fisher. Selanjutnya, residual model awal dari data return saham yang mempunyai efek heteroskedastisitas dimodelkan ke dalam ARCH/GARCH. Model ARCH(1) yang diperoleh merupakan model terbaik. Hasil perhitungan menunjukkan bahwa dengan tingkat kepercayaan 95%, nilai peluang risiko ES sebesar 0,0424999 dalam prediksi satu hari kedepan. Kemudian dengan tingkat kepercayaan yang sama diperoleh nilai peluang risiko VaR sebesar 0,0265019. Hasil perhitungan nilai peluang risiko ES dapat memperhitungkan kerugian yang nilainya 0,015998 lebih besar dibanding nilai peluang risiko VaR. Kata Kunci: Return Saham, Value at Risk (VaR), ARCH/GARCH
SEBARAN SPASIAL TITIK API BERDASARKAN PENUTUPAN LAHAN DI PROVINSI KALIMANTAN BARAT TAHUN 2020 Chelse Dwi Apriyana Tamba; Naomi Nessyana Debataraja; Dadan Kusnandar
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 4 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v11i4.57229

Abstract

Kalimantan Barat merupakan salah satu Provinsi di Indonesia yang sering terjadi bencana kebakaran hutan dan lahan terutama pada musim kemarau. Kondisi ini dapat mengakibatkan kerusakan lahan hutan dan vegetasi, berkurangnya kualitas ekosistem hutan, serta menyebabkan gangguan kesehatan bagi masyarakat disekitar lokasi kebakaran. Upaya pemerintah daerah dalam pencegahan dan penanggulangan kebakaran adalah dengan melakukan penyediaan informasi spasial berupa peta guna mendeteksi informasi sebaran titik api yang diperoleh dari data penginderaan jauh berupa data satelit. Tujuan penelitian untuk memberikan gambaran secara khusus mengenai sebaran titik api pada berbagai jenis tutupan lahan sebagai indikasi awal daerah rawan kebakaran hutan dan lahan di Provinsi Kalimantan Barat menggunakan pendekatan deskriptif. Data yang digunakan dalam penelitian ini yaitu data titik api dengan confidence ≥ 80% dan data penutupan lahan di Kalimantan Barat tahun 2020. Analisis spasial dilakukan dengan memanfaatkan Sistem Informasi Geografis (SIG) berupa tumpang susun (overlay) peta. Peta yang dihasilkan dapat digunakan untuk melihat sebaran titik api secara spasial berdasarkan jenis penutupan lahan. Hasil penelitian menunjukkan bahwa titik api di Kalimantan Barat banyak terdapat pada jenis pertanian lahan kering bercampur semak yaitu sebanyak 49 titik api (68%), sedangkan titik api paling sedikit yaitu pada jenis pertambangan dan semak belukar dengan jumlah masing-masing jenis lahan hanya terdapat 1 titik api (1%) dari total sampel titik api yang diteliti. Kata Kunci : titik api, penutupan lahan, analisis spasial
PERBANDINGAN BEBERAPA MATRIKS PEMBOBOT DALAM SPATIAL ERROR MODEL PADA IPM PULAU KALIMANTAN TAHUN 2020 Ayu Sri Utami; Yundari Yundari; Nurfitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 5 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v11i5.59491

Abstract

Indeks Pembangunan Manusia (IPM) merupakan ukuran untuk mengamati kinerja pencapaian pembangunan suatu wilayah dalam aspek pendidikan, harapan hidup dan kelayakan hidup. IPM suatu wilayah dapat mempengaruhi IPM di wilayah lainnya. Adanya hubungan ketergantungan wilayah tersebut, maka dibentuk suatu model regresi spasial. Model regresi spasial yang digunakan yaitu Spatial Error Model (SEM). SEM merupakan model spasial yang terjadi karena terdapat pengaruh spasial pada errornya. SEM dapat memberikan pemodelan yang lebih baik dengan adanya koefisien error spasial yang menunjukkan tingkat hubungan pengaruh suatu wilayah dengan wilayah lainnya. Model spasial memerlukan gambaran struktur spasial dengan komponen penting dalam pemodelan yaitu matriks pembobot. Tujuan penelitian ini adalah untuk memodelkan IPM Pulau Kalimantan berdasarkan matriks pembobot terbaik. dan membandingkan beberapa matriks pembobot dalam pemodelan SEM. Penelitian ini menggunakan beberapa matriks pembobot yaitu Rook Contiguity, Bishop Contiguity, dan Queen Contiguity. Data yang digunakan adalah IPM sebagai variabel dependen dengan variabel independennya yaitu angka harapan hidup (X1), harapan lama sekolah (X2), dan pendapatan perkapita (X3) 56 kabupaten/kota Pulau Kalimantan tahun 2020. Data dianalisis menggunakan regresi linier berganda untuk mendapatkan model dilakukan uji asumsi klasik. Selanjutnya membentuk matriks pembobot yang masing-masing dilakukan uji autokorelasi spasial, keterkaitan spasial, estimasi dan signifikansi parameter. Kemudian pemilihan model dengan matriks pembobot berdasarkan nilai AIC terkecil. Hasil penelitian diperoleh matriks pembobot Rook dan Queen memenuhi autokorelasi spasial. Kedua matriks pembobot tersebut terjadi ketergantungan spasial error, sehingga pemodelan yang digunakan yaitu SEM. Pemodelan IPM terbaik yaitu menggunakan model SEM dengan matriks pembobot Rook Contiguity berdasarkan nilai AIC terkecil yaitu 128,1008. Kata Kunci: autokorelasi spasial, moran’s indeks, rook contiguity

Page 56 of 66 | Total Record : 653

 54   55   56   57   58 

Filter by Year

2012 2023


Reset
Filter By Issues
All Issue Vol 12, No 6 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 5 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 4 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 3 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 3 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya (dalam proses) Vol 12, No 2 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 5 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 4 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 2 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 1 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 4 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 3 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 2 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 1 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 4 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 3 (2020): BIMASTER Vol 9, No 3 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 2 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 2 (2020): BIMASTER Vol 9, No 1 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 1 (2020): BIMASTER Vol 8, No 4 (2019): BIMASTER Vol 8, No 4 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 3 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 3 (2019): BIMASTER Vol 8, No 2 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 2 (2019): BIMASTER Vol 8, No 1 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 1 (2019): BIMASTER Vol 7, No 4 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 4 (2018): BIMASTER Vol 7, No 3 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 3 (2018): BIMASTER Vol 7, No 2 (2018): BIMASTER Vol 7, No 2 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 1 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 1 (2018): BIMASTER Vol 6, No 03 (2017): BIMASTER Vol 6, No 03 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 02 (2017): BIMASTER Vol 6, No 02 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 01 (2017): BIMASTER Vol 6, No 01 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 5, No 03 (2016): BIMASTER Vol 5, No 02 (2016): BIMASTER Vol 5, No 01 (2016): BIMASTER Vol 4, No 03 (2015): BIMASTER Vol 4, No 01 (2015): BIMASTER Vol 4, No 2 (2015): BIMASTER Vol 3, No 03 (2014): BIMASTER Vol 3, No 02 (2014): BIMASTER Vol 3, No 01 (2014): Bimaster Vol 2, No 03 (2013) Vol 2, No 02 (2013): Bimaster Vol 2, No 1 (2013): BIMASTER Vol 1, No 01 (2012): BIMASTER More Issue