cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Tiani Wahyu Utami
Contact Email
jurnalstatistik@unimus.ac.id
Phone
+6285235004282
Journal Mail Official
jurnalstatistik@unimus.ac.id
Editorial Address
Sekretariat Jurnal Statistika Universitas Muhammadiyah Semarang Program Studi Statistika FMIPA Universitas Muhammadiyah Semarang
Location
Kota semarang,
Jawa tengah
INDONESIA
Jurnal Statistika Universitas Muhammadiyah Semarang
Published by Universitas Muhammadiyah Semarang
ISSN : 23383216     EISSN : 25281070     DOI : -
Core Subject : Science,
Decision Sciences, Operations Research & Management
Focus and Scope a. Statistika Teori, Statistika Komputasi, Statistika terapan b. Matematika Teori dan Aplikasi c. Design of Experiment
Arjuna Subject : Matematika - Pemodelan dan Simulasi
Articles 6 Documents
 1 
Search results for , issue "Vol 4, No 1 (2016): Jurnal Statistika" : 6 Documents clear
PEMODELAN FIXED EFFECT PADA REGRESI DATA LONGITUDINAL DENGAN ESTIMASI GENERALIZED METHOD OF MOMENTS (STUDI KASUS DATA PENDUDUDUK MISKIN DI INDONESIA) Muhammad Ghazali; Bambang Widjanarko Otok
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 4, No 1 (2016): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (456.015 KB) | DOI: 10.26714/jsunimus.4.1.2016.%p

Abstract

Indeks kedalaman kemiskinan merupakan ukuran rata-rata kesenjangan penyebaran pengeluaran masing-masing penduduk terhadap garis kemiskinan. Banyak faktor yang mempengaruhi indeks kedalaman kemiskinan, baik dari indikator kesehatan, SDM maupun ekonomi. Oleh karena itu diperlukan sebuah pemodelan statistika untuk menganalisa faktor-faktor yang mempengaruhi indeks kedalaman kemiskinan di Indonesia. Data kemiskinan yang digunakan pada penelitian ini bersumber dari data SUSENAS yang berupa data longitudinal dengan individu pengamatan adalah seluruh kabupaten/kota di Indonesia dari tahun 2008 sampai 2012. Analisis data longitudinal tidak cukup menggunakan OLS karena beberapa asumsi OLS seperti homokedastisitas dan tidak ada autokorelasi sulit terpenuhi pada analisa data longitudinal karena cendurung adanya pengaruh antar individu dan antar waktu pengamatan dalam model. Untuk mengatasi hal tersebut digunakan metode Generalized Method of Moment (GMM) yang digunakan untuk menaksir parameter model data longitudinal. GMM adalah metode penaksiran parameter yang fokus utamanya adalah meminimalkan fungsi kuadratik ( ) ( ) ( ) untuk mencari parameter ?. Analisis GMM untuk data longitudinal pada penelitian ini dengan Fixed Effect. Kesimpulan yang diperoleh adalah semakin tinggi Rata-rata lama sekolah (X1) dan Angka harapan hidup (X6) maka indeks kedalaman kemiskinan akan semakin kecil. Sedangkan jika semakin tinggi Persentase pengeluaran non makanan (X2) dan persentase rumah tangga yang pernah membeli beras raskin (X4) maka indeks kedalaman kemiskinan juga semakin tinggi. Kata kunci : Regresi data longitudinal, GMM, Indeks kedalaman miskinan.
PEMODELAN KUALITAS HIDUP PASIEN DIABETES MELLITUS TIPE 2 MENGGUNAKAN PARTIAL LEAST SQUARE (PLS) Rama Hiola; Bambang Widjanarko Otok; Reni Hiola
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 4, No 1 (2016): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (586.258 KB) | DOI: 10.26714/jsunimus.4.1.2016.%p

Abstract

Diabet Melitus (DM) memberikan dampak bagi pasien diantaranya adalah dampak fisik dan dampak psikologis, salah satu dampak psikologis yang ditimbulkan adalah kecemasan. Proses Penyembuhan yang dapat diberikan pada pasien yang mengalami kecemasan adalah penyuluhan. Tujuan penelitian ini adalah mengetahui pengaruh kecemasan terhadap kualitas hidup pasien DM tipe 2 berdasarkan penyuluhan menggunakan PLS. Hasil penelitian menunjukkan kecemasan berpengaruh signifikan terhadap kualitas hidup pasien DM tipe 2, proses penyuluhan dapat memperkuat pengaruh kecemasan terhadap kualitas hidup pasien DM tipe 2. Hal ini dapat disimpulkan bahwa proses penyuluhan dapat menurunkan kecemasan dan meningkatkan kualitas hidup pasien DM, dengan penyuluhan dalam hal besarnya pengaruh (kontribusi) kecemasan terhadap kualitas hidup pada pasien DM tipe 2.Kata Kunci: Diabetes Mellitus Tipe 2, Penyuluhan, PLS
PERBANDINGAN PERAMALAN METODE DOUBLE EXPONENTIAL SMOOTHING SATU PARAMETER BROWN DAN METODE DOUBLE EXPONENTIAL SMOOTHING DUA PARAMETER HOLT Julnita Bidangan; Ika Purnamasari; Memi Nor Hayati
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 4, No 1 (2016): Jurnal Statistika
Publisher : Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muham

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (689.159 KB) | DOI: 10.26714/jsunimus.4.1.2016.%p

Abstract

Peramalan merupakan suatu proses atau metode dalam meramal suatu peristiwa yang akan terjadi pada masa yang akan datang. Pemulusan eksponensial adalah suatu metode peramalan rata-rata bergerak yang melakukan pembobotan menurun secara eksponensial terhadap nilai observasi yang lebih lama. Pada penelitian ini membahas tentang metode double exponential smoothing satu parameter dari Brown dan double exponential smoothing dua parameter dari Holt dalam meramalkan jumlah produksi air bersih Kota Samarinda. Metode double exponential smoothing satu parameter dari Brown dan double exponential smoothing dua parameter dari Holt merupakan metode extrapolasi atau deret waktu dengan menggunakan riwayat permintaan masa lalu dalam membuat ramalan untuk masa depan yang dijadikan panduan dalam proses pembuatan keputusan. Metode double exponential smoothing satu parameter dari Brown dengan parameter menghasilakn ramalan jumlah produksi air pada bulan November 2015 adalah 6.673,93 m3, bulan Desember 2015 adalah 6.728,11 m3, dan bulan Januari 2016 adalah 6.728,11 m3 dengan MAPE adalah 2,9629 %. Pada metode double exponential smoothing dua parameter dari Holt dengan parameter dan menghasilkan ramalan jumlah produksi air pada bulan November 2015 adalah 6.694,09 m3, bulan Desember 2015 adalah 6.831,22 m3, dan bulan Januari 2016 adalah 6.968,35 m3 dengan MAPE adalah 2,9016 %. Hasil yang diperoleh menunjukkan bahwa MAPE untuk metode double exponential smoothing dua parameter dari Holt dengan dan lebih kecil dibandingkan MAPE untuk metode double exponential smoothing satu parameter dari BrownKata Kunci : Double Exponential Smoothing Dua Parameter dari Holt, Double Exponential Smoothing Satu Parameter dari Brown, MAPE.
PERFORMANSI PERUSAHAAN FINANSIAL DISTRESS DENGAN METODE SUPPORT VECTOR MACHINE - Pristiyani; Moh. Yamin Darsyah; Indah Manfaati Nur
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 4, No 1 (2016): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (626.899 KB) | DOI: 10.26714/jsunimus.4.1.2016.%p

Abstract

Pasar modal merupakan bagian dari industry keuangan yang mempunyai peranan penting untuk pengembangan pangsa pasar industry keuangan. Investor membutuhkan informasi yang akurat mengenai performansi sebuah perusahaan yang dilihat dari laporan keuangan yang diterbitkan oleh perusahaan . Laporan keuangan dapat menggambarkan kondisi keuangan perusahaan sebelum mengalami kebangkrutan,hal ini sering disebut dengan kondisi finansial distress. Penelitian ini dilakukan unttuk mengklasifikasikan perusahaan finansial distress pada sektor manufaktur di Bursa Efek Indonesia (BEI) menggunakan dua metode, yaitu discriminant analisys (DA) dan support vector machine (SVM) dengan fungsi kernel radial basic function (RBF). Pengklasifikasian menggunakan DA dengan variabel predikor original maupun distandarkan menghasilkan nilai akurasi sebesar 63,07%. Pengklasifikasian menggunakan SVM untuk data original menghasilkan nilai akurasi sebesar 97,44%. Pengklasifikasian menggunakan SVM untuk data terstandarisasi menghasilkan nilai akurasi sebesar 100%. Rasio keuangan yang berpengaruh terhadap pengklasifikasian perusahaan finansial distress adalah rasio keuanganTotal Asset Turnover (TAT), Earning Per Share (EPS), Net Profit Margin (NPM) dan Inventory Turnover. Kata kunci : Discriminan Analysis, Finansial distress, SVM, Rasio Keuangan
MODEL TERBAIK ARIMA DAN WINTER PADA PERAMALAN DATA SAHAM BANK Moh. Yamin Darsyah; Muhammad Saifudin Nur
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 4, No 1 (2016): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (830.286 KB) | DOI: 10.26714/jsunimus.4.1.2016.%p

Abstract

Peramalan harga saham adalah hal yang sangat penting bagi pelaku saham pasar utama untuk membuat keputusan serta transaksi. Salah satu sektor yang sangat berpengaruh pada harga saham indonesia (IHSG) adalah sektor perbankan. Sektor perbankan diketahui menjadi penyumbang terbanyak emiten saham terbaik di indonesia. Salah satu metode peramaln yang dapat digunakan adalah ARIMA (autoregressive/integrated/moving average), model ini meliputi dua hal yaitu analisis pola deret dan seleksi model. Model winter adalah model peramalan yang menitik beratkan pada data yang megandung pola trend serta musiman, sedangkan dalam ARIMA mengharuskan kestasioneran data. Kedua model dibuat dalam data 3 besar bank di Indonesia yaitu Bank Rakyat Indonesia (BBRI), Bank Mandiri (BMRI), dan Bank Central Asia (BBCA) pada 109 hari pada periode 1 desember 2015 hingga 13 mei 2016. Hasil permalan menunjukkan bahwa model yang sesuai bagi BBRI adalah ARIMA(1,1,2), BMRI adalah Winter multiplikatif (0.2,0.2.0,2), dan BBCA tidak sesuai dengan kedua model peramalan.Kata Kunci : ARIMA, Winter, BBRI, BMRI, BBCA
MODEL KELELAHAN MATA PENGRAJIN KERAWANG BERDASARKAN PENGUKURAN VISUS MENGGUNAKAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) Reni Hiola; Bambang Widjanarko Otok; Rama Hiola
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 4, No 1 (2016): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (443.629 KB) | DOI: 10.26714/jsunimus.4.1.2016.%p

Abstract

Tujuan penelitian ini adalah mengkaji faktor-faktor yang mempengaruhi kelelahan mata berdasarkan visus pengrajin kerrawang di Kabupaten Gorontalo . Hasil penelitian menunjukkan bahwa model terbaik dengan kriteria GCV terkecil sebesar 0.022 dan R2 terbesar sebesar 0,958 yaitu model yang melibatkan jumlah basis fungsi (BF) = 38, maksimum interaksi (MI) = 3 dan Minimum Observasi antar knot (MO) = 1. Pengrajin kerawang sesudah bekerja cenderung mengalami kelelahan mata dibanding sebelum bekerja, sedangkan dengan pendekatan adaptive regression spline menunjukkan bahwa kelelahan mata berdasarkan visus pengrajin dipengaruhi oleh umur di atas 34 tahun diikuti dengan motif kerawang 2 atau 3 atau 4 warna benang dan visus sebelum bekerja lebih dari 0.25, lama kerja lebih dari 1 tahun.Kata kunci: Kelelahan mata, visus, MARS, GCV

Page 1 of 1 | Total Record : 6

 1 

Filter by Year

2016 2016


Reset
Filter By Issues
All Issue Vol 11, No 2 (2023): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 11, No 1 (2023): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 10, No 2 (2022): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 10, No 1 (2022): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 9, No 2 (2021): Jurnal Statistika Vol 9, No 2 (2021): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 9, No 1 (2021): Jurnal Statistika Vol 9, No 1 (2021): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 8, No 2 (2020): Jurnal Statistika Vol 8, No 2 (2020): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 8, No 1 (2020): Jurnal Statistika Vol 8, No 1 (2020): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 7, No 2 (2019): Jurnal Statistika Vol 7, No 2 (2019): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 7, No 1 (2019): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 7, No 1 (2019): Jurnal Statistika Vol 6, No 2 (2018): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 6, No 2 (2018): Jurnal Statistika Vol 6, No 1 (2018): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 6, No 1 (2018): Jurnal Statistika Vol 5, No 2 (2017): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 5, No 2 (2017): Jurnal Statistika Vol 5, No 1 (2017): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 4, No 2 (2016): Jurnal Statistika Vol 4, No 2 (2016): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 4, No 1 (2016): Jurnal Statistika Vol 4, No 1 (2016): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 3, No 2 (2015): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 3, No 2 (2015): Jurnal Statistika Vol 3, No 1 (2015): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 3, No 1 (2015): Jurnal Statistika Vol 2, No 2 (2014): Jurnal Statistika Vol 2, No 2 (2014): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 2, No 1 (2014): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 2, No 1 (2014): Jurnal Statistika Vol 1, No 2 (2013): Jurnal Statistika Universitas Muhammadiyah Semarang Vol 1, No 2 (2013): Jurnal Statistika Vol 1, No 1 (2013): Jurnal Statistika Vol 1, No 1 (2013): Jurnal Statistika Universitas Muhammadiyah Semarang More Issue