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 8 Documents
 1 
Search results for , issue "Vol 7, No 1 (2019): Jurnal Statistika" : 8 Documents clear
ANALISIS KLASIFIKASI CREDIT SCORING MENGGUNAKAN WEIGHTED PROBABILISTIC NEURAL NETWORK (WPNN) Arief Rachman Hakim; Moch. Abdul Mukid; Hasbi Yasin; Sugito Sugito
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 7, No 1 (2019): 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 (441.67 KB) | DOI: 10.26714/jsunimus.7.1.2019.%p

Abstract

Credit Scoring merupakan salah satu metode yang digunakan untuk menilai kelayakan dan memprediksi lebih awal adanya potensi kredit macet dari calon nasabah kredit. Dalam analisis kasifikasi Credit Scoring dapat menggunakan Weighted Probabilistic Neural Network (WPNN). Neural Network (NN) dikembangkan sebagai model matematika dengan prinsip kerja yang menyerupai pola pikir atau jaringan syaraf pada mahluk hidup. WPNN merupakan pengembangan daripada metode PNN dengan menambahkan faktor pembobot antara pattern layer dan summation layer. Metode ini memiliki kelebihan dalam mengatasi permasalahan yang terdapat pada Back-Propagation (BP) yaitu dapat mengatasi waktu pelatihan (training) yang lama, terjebak pada global minimum, serta sulitnya perancangan arsitektur jaringan. Pemilihan Klasifikasi dilakukan dengan melihat nilai Apparent Error Rate (APER) yang terkecil, yang dibagi kedalam nilai APER untuk Training dan Testing. Nilai APER training sebesar 0.0003 dan testing sebesar 0.0395 yang merupakan nilai APER terkecil, maka bobot yang terpilih dengan nilai bobot atau spread sebesar 0.8.
PERAMALAN JUMLAH WISATAWAN MANCANEGARA MENGGUNAKAN MODEL ARIMA Annisa Fitri; Ika Purnamasari; Meiliyani Siringoringo
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 7, No 1 (2019): 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 (151.966 KB) | DOI: 10.26714/jsunimus.7.1.2019.%p

Abstract

Wisatawan mancanegara adalah setiap orang yang mengunjungi suatu negara di luar tempat tinggalnya, didorong oleh satu atau beberapa keperluan tanpa bermaksud memperoleh penghasilan di tempat yang dikunjungi. Kunjungan wisatawan mancanegara dapat berpengaruh terhadap penerimaan devisa negara dan perencanaan kedepan. Tujuan penelitian ini adalah untuk mengetahui model terbaik dan hasil peramalan berdasarkan data jumlah wisatawan mancanegara menurut pintu masuk Bandara Sultan Aji Muhammad Sulaiman Sepinggan Balikpapan Bulan Januari 2011 sampai Desember 2018. Model yang digunakan dalam penelitian ini adalah model ARIMA. Model ARIMA merupakan salah satu dari model deret waktu yang umum digunakan karena terdapat metode statistik, dikenal dengan metode Box-Jenkins yang digunakan dalam penentuan model. Model ARIMA juga memiliki tingkat akurasi peramalan yang cukup tinggi dan cocok digunakan untuk meramal sejumlah variabel dengan cepat dan akurat. Berdasarkan hasil analisis model ARIMA terbaik yaitu model ARIMA (2,1,0) yang memiliki nilai MSE sebesar 6,9267. Dengan rata-rata hasil peramalan jumlah wisatawan mancanegara menurut pintu masuk Bandara Sultan Aji Muhammad Sulaiman Sepinggan Balikpapan Bulan Januari sampai Desember 2019 sekitar 366 orang/bulan.
PENGELOMPOKAN KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN KASUS STUNTING BALITA MENGGUNAKAN ALGORITME FUZZY PARTICLE SWARM OPTIMIZATION-FUZZY C-MEANS Sepnita Wulandari; Robert Kurniawan
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 7, No 1 (2019): 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 (309.05 KB) | DOI: 10.26714/jsunimus.7.1.2019.%p

Abstract

Stunting is a condition that describe the presence of chronical malnutrition problem caused by various condition. East Java Province is a region that has the highest percentage of short toddler in Java Island. Moreover, there is high disparity in cross regency/city and the prevalence rate of stunting in the East Java Province is same as national prevalence rate. Meanwhile, Rencana Pembangunan Jangka Menengah Nasional (RPJMN) 2015-2019 sets the target of national prevalence rate of stunting toddler decreasing in 2019. Based on that problem, this research is clustering regency/city in East Java Province based on stunting toddler case. The clustering uses Fuzzy Particle Swarm Optimization-Fuzzy C-Means (FPSO-FCM). From the clustering result, this research obtains 2 cluster which are cluster of low stunting potential region (cluster 1) and high stunting potential region (cluster 2).
REGRESI NEGATIF BINOMIAL BIVARIAT UNTUK MENGATASI OVERDISPERSI REGRESI POISSON BIVARIAT Wulan Fitriyanti; Untung Kurniawan
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 7, No 1 (2019): 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 (199.787 KB) | DOI: 10.26714/jsunimus.7.1.2019.%p

Abstract

Model regresi poisson bivariat digunakan untuk sepasang data count yang berkorelasi. Sama seperti pada model regresi poisson univariat, pada model regresi poisson bivariat juga terjadi overdispersi. Model regresi binomial negatif bivariat merupakan salah satu model yang dapat digunakan saat terjadi overdispersi pada data count. Penelitian ini bertujuan mengkaji estimator parameter dan bentuk statistik uji model regresi binomial negatif bivariat, dan mengetahui faktor yang berpengaruh terhadap jumlah kematian bayi dan kematian ibu di Provinsi Jawa Tengah Tahun 2017. Data yang digunakan adalah data sekunder data jumlah kematian bayi dan ibu di Propinsi Jawa Tengah Tahun 2017 dari Dinas Kesehatan Provinsi Jawa Tengah. Estimasi parameter dilakukan dengan menggunakan metode Maximum Likelihood Estimation (MLE) melalui iterasi Newton-Raphson. Metode pengujian parameter yang digunakan adalah Maximum Likelihood Ratio Test. Pengujian parameter untuk regresi binomial negatif bivariat secara parsial model kematian bayi adalah persentase ibu hamil melaksanakan program K4 (X3), persentase bayi yang diberi asi eksklusif (X7) dan persentase rumah tangga berperilaku hidup bersih dan sehat (X8). Sedangkan model  kematian ibu variabel persentase ibu bersalin mendapat pelayanan kesehatan nifas (X2) dan persentase bayi yang diberi asi eksklusif (X7) signifikan terhadap variabel respon.
ANALISIS KLASIFIKASI KEMISKINAN DI KOTA SEMARANG MENGGUNAKAN ALGORITMA QUEST Dwi Ispriyanti; Alan Prahutama; Mustafid Mustafid
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 7, No 1 (2019): 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 (371.335 KB) | DOI: 10.26714/jsunimus.7.1.2019.%p

Abstract

Kemiskinan menjadi suatu permasalahan bagi negara-negara berkembang termasuk Indonesia.  Kemiskinan merupakan keadaan kondisi perekonomian suatu orang atau sekelompok orang yang tidak bisa memenuhi kebutuhan dasar seperti pendidikan, kesehatan, pangan, perumahan dan lainnya. Analisis klasifikasi kemiskinan merupaka bagian dari analisis kemiskinan yang yang mengkategorikan rumah tangga atau kelompok kedalam kategori miskin dan tidak miskin. Pengkategorian tersebut didasarkan pada pengeluaran perkapita yang dibandingkan dengan nilai garis kemiskinan. Metode klasifikasi didalam statistika salah satunya pohon klasifikasi, yang meliputi  antara lain Algoritma CART, QUEST, ID3, C45 dan lainnya. Algoritma QUEST merupakan pohon klasifikasi biner dengan prosedur pemilihan variabel penyekat/pemisah, penentuan titik sekat/pemisah serta proses pemberhentian. Pada penelitian ini hasil klasifikasi menggunakan algoritma QUEST dengan semua variabel prediktor diasumsikan skala rasio maka hasil klasifikasi yang didapat mempunyai akurasi 94.9%. Variabel prediktor yang mempengaruhi antara lain penerimaan beras miskin, jenis bahan bakar utama untuk emasak, jenin dinding rumah tinggal yang digunakan dan sumber utama air minum. Sedangkan hasil klasifikasi menggunakan algoritma QUEST dengan variabel prediktornya diasumsikan skala nominal juga menghasilkan akurasi 94.9%. Variabel prediktor yang mempengaruhi antara lain penerimaan beras miskin, jenis bahan bakar utama yang digunakan untuk memasak, bahan utaam dinding rumah serta jumlah angota rumah tangga.
PEMODELAN INFLASI DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN REGRESI NONPARAMETRIK BIRESPON SPLINE TRUNCATED DENGAN PEMBOBOT INVERS MATRIKS VARIANSI-KOVARIANSI ERROR RESPON Rizky Dwi Rahmawati; Suparti Suparti; Alan Prahutama
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 7, No 1 (2019): 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 (213.217 KB) | DOI: 10.26714/jsunimus.7.1.2019.%p

Abstract

Bagi sebuah negara berkembang seperti Indonesia, kemajuan perekonomian menjadi isu terpenting yang selalu mendapatkan perhatian besar dari pemerintah negaranya. Hal tersebut dilakukan sebagai upaya untuk menjadikan negaranya sebagai negara maju yang mensyaratkan adanya kemajuan di bidang ekonomi. Kemajuan di bidang ekonomi dapat ditandai dengan adanya pasar modal yang tumbuh dan berkembang dengan baik yang dicerminkan melalui IHSG, serta tinggi-rendah dan stabilnya inflasi yang merupakan indikator stabilitas perekonomian. Pergerakan inflasi dan IHSG dipengaruhi oleh beberapa faktor, seperti jumlah uang beredar dan kurs. Pemodelan inflasi dan IHSG dilakukan dengan pendekatan regresi nonparametrik birespon spline truncated dengan pembobot invers matriks variansi-kovariansi error respon. Pendekatan ini dilakukan karena antara inflasi dengan IHSG terdapat adanya korelasi, baik secara logika maupun matematis serta pola data yang diperoleh tidak menunjukkan pola hubungan tertentu. Model birespon spline truncated terbaik sangat bergantung pada penentuan orde dan titik knot optimal yang memiliki nilai MSE minimum. Model regresi birespon spline truncated terbaik pada penelitian ini terletak pada orde 2 untuk respon 1 dan respon 2 dengan 4 titik knot untuk masing-masing variabel prediktor dan nilai MSE sebesar 4781,697. Prediksi terhadap data out sample menghasilkan nilai MAPE sebesar 43,446%, sehingga model tersebut memiliki kemampuan yang cukup baik dalam peramalan.
PENERAPAN METODE WEIGHTED PRODUCT (WP) DAN ELIMINATION ET CHOIX TRANDUISANT LA REALITÉ (ELECTRE) DENGAN PEMBOBOTAN ENTROPY MENGGUNAKAN GUI MATLAB Eko Adyan Sukanianto; Sugito Sugito; Rita Rahmawati
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 7, No 1 (2019): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jsunimus.7.1.2019.%p

Abstract

Arena of Valor (AOV) adalah mobile game yang diterbitkan oleh Garena di Indonesia. Lima pemain dari setiap tim masing-masing memilih hero yang akan dimainkan dalam permainan.  Dengan memilih hero terkuat dari masing-masing role dapat memudahkan tim dalam menyusun strategi komposisi hero yang akan dipakai untuk meraih kemenangan. Pembobotan masing-masing kriteria dan pemilihan hero terkuat juga menjadi bahan pertimbangan oleh pihak pengembang untuk melakukan kontrol game agar stabil dan seimbang. Alternatif yang digunakan yaitu hero dari masing-masing role (Tank, Warrior, Assassin, Mage, Archer dan Support), sedangkan kriterianya adalah tingkat efek kemampuan (skill), maksimum HP (Health Points), serangan fisik, pertahanan dari serangan fisik, kecepatan pergerakan dan pemulihan HP setiap 5 detik. Dalam penelitian ini, penulis menggunakan metode WP dan ELECTRE untuk memilih hero terkuat dengan pembobotan metode Entropy. Penelitian ini menghasilkan sebuah GUI Matlab yang dapat digunakan untuk memudahkan komputasi dalam penyeleksian. Hasil dari perhitungan menunjukkan bahwa hero terkuat dalam AOV adalah Grakk (Tank), Astrid (Warrior), Ormarr (Warrior), Murad (Warrior/Assassin), Lauriel (Mage/Assassin), The Joker (Archer) dan Alice (Support). Sedangkan kriteria dengan bobot tertinggi adalah tingkat efek kemampuan.
MODEL HIDDEN MARKOV UNTUK MEMPREDIKSI HARGA BERAS DAN PERPINDAHAN KONSUMEN BERAS DI PROVINSI SUMATERA BARAT Binti Karomah
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 7, No 1 (2019): 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 (149.895 KB) | DOI: 10.26714/jsunimus.7.1.2019.%p

Abstract

ABSTRAKModel hidden Markov merupakan pengembangan dari rantai Markov. Rantai Markov merupakan salah satu proses stokastik yang memiliki sifat prediktif. Sifat prediktif tersebut dapat dipahami sebagai suatu kejadian dimasa akan datang yang sangat bergantung pada perilaku masa sekarang. Parameter dari model ini adalah matriks probabilitas transisi, matriks probabilitas awal, ekspektasi, dan varians dari proses observasi. Model diterapkan untuk memprediksi harga beras Solok nonsubsidi dan memprediksi perpindahan konsumen beras Solok. Diasumsikan bahwa faktor penyebab kejadian perubahan harga beras Solok dan perpindahan konsumen beras Solok tidak diamati secara langsung dan membentuk rantai Markov. Keadaan seperti ini dapat dimodelkan dengan model hidden Markov dan algoritma Viterbi dengan mengimplementasikannya menggunakan software Delphi. Prediksi harga beras Solok menggunakan 36 data harga beras dari tahun 2016, 2017, 2018 setiap bulannya, sedangkan untuk data prediksi perpindahan konsumen beras menggunakan kuesioner dengan total 420 orang responden yang tersebar di dua kelurahan di kota Solok. Hasil dari penelitian ini menunjukan bahwa prediksi harga beras Solok ini mendapatkan hasil yang sangat baik. Nilai MAPE yang cukup kecil yaitu 6.11% (kurang dari 20%) sehingga data prediksi yang dihasilkan mendekati data aktual atau data sebenarnya. Prediksi perpindahan konsumen beras menghasilkan barisan hidden state yang sesuai dengan alasan harga dan kualitas beras. Harga dan kualitas beras sangat mempengaruhi konsumen beras dalam menentukan pilihan beras yang akan dikonsumsi. Dengan demikian model hidden Markov dengan algoritma Viterbi dapat memprediksi dengan baik pada masalah harga dan perpindahan konsumen beras Solok.

Page 1 of 1 | Total Record : 8

 1 

Filter by Year

2019 2019


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