Articles

Found 27 Documents
Search

ERROR CORRECTIONMODEL PADA VOLUME PERDAGANGAN SAHAM DI BURSA EFEK SURABAYA Suharsono, Agus; Guritno, Suryo
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 4, No 2 (2004)
Publisher : Program Studi Statistika Unisba

Show Abstract | Original Source | Check in Google Scholar

Abstract

Perdagangan saham sebenarnya merupakan perdagangan biasa sebagaimana jual beli barang di pasar pada umumnya. Adapembeli, penjual, tawar menawar, penyerahan barang dan uang. Hanya saja bedanya bahwa didalam perdagangan sahamini seseorang yang ingin membeli atau menjual saham di bursa efek tidak dapat secara langsung mengadakan transaksi jualbeli tersebut. Untuk melakukan jual beli investor harus melalui perusahaan efek (broker atau pialang) yang juga anggotabursa yang selanjutnya akan bertindak sebagai pembeli atau penjual. Harga saham suatu perusahaan dipengaruhi olehbeberapa faktor dimana interaksi diantara faktor tersebut akan membentuk nilai saham. Salah satu diantara faktor tersebutfaktor fundamental. Faktor fundamental merupakan informasi yang berkaitan dengan kondisi internal perusahaan, industrisejenis, dan prospek usaha.
RANCANGAN 2K , 2K-L FAKTORIAL YANG OPTIMALPADA MODEL PERMUKAAN MULTIRESPON ORDE SATU Purhadi, Purhadi; Guritno, Suryo; Linuwih, Susanti
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 4, No 2 (2004)
Publisher : Program Studi Statistika Unisba

Show Abstract | Original Source | Check in Google Scholar

Abstract

Suatu matrik rancangan percobaan diharapkan bersifat orthogonal dan rotatable, agar supaya mendapatkan penaksirparameter pada model permukaan multirespon yang bersifat tidak bias, konsisten dan efisien. Kriteria lain agar matrikrancangan percobaan optimal adalah variansi dari penaksir respon-responnya bernilai minimum. Beberapa rancanganpercobaan model orde satu yaitu rancangan Faktorial, Fraksional faktorial, Simplek dan Placket Burman. Denganmenggunakan pembobotan pada titik-titik percobaan sehingga memenuhi kriteria optimum-D, A, E maka didapatkanmatrik rancangan percobaan yang optimal untuk model permukaan multirespon orde satu. Dengan mengunakan ketigakriteria tersebut didapat hasil nilai determinan matrik informasi yang hampir sama. Eff-D digunakan untukmembandingkan beberapa rancangan percobaan.Apabila penambahan titik-titik percobaan dilakukan hal ini dapat secara proposional sesuai dengan nilai pembobotannyasehingga rancangan percobaan masih optimal. Hal diatas bisa juga dilakukan dengan cara menerapkan Algoritma Fedorovatau Algoritma Fedorov yang dimodifikasi jika matrik variansi kovariansi dari error tidak diketahui.
Pendekatan Regresi Ordinal untuk Klasifikasi Tingkat Hidup Pekerja Otok, Bambang Widjanarko; Guritno, Suryo; Subanar, Subanar
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 5, No 1 (2005)
Publisher : Program Studi Statistika Unisba

Show Abstract | Original Source | Check in Google Scholar

Abstract

Masalah klasifikasi (pengelompokkan) pada kelompok yang sudah diketahui pada umumnyamembatasi diri dalam melibatkan sejumlah peubah yang terkait, sehingga mengakibatkan hilangnyasebagian informasi yang justru berkonsekuensi dalam kesimpulan penelitian. Untuk itu upaya yangdilakukan untuk membatasi keterlibatan sejumlah peubah dalam penelitian harus melihat kerangkapermasalahan secara menyeluruh pada kelompok dalam peubah tersebut.Metode klasifikasi yang baik akan menghasilkan sedikit kesalahan klasifikasi atau peluangkesalahan alokasi yang kecil dan juga terpenuhinya asumsi seperti variansi sama pada kelompok.Sehingga diperlukan suatu kajian mengenai masalah klasifikasi dengan pendekatan regresi ordinaldan sebagai kriteria kestabilan klasifikasi digunakan Press-Q.Hasil penelitian menunjukkan bahwa analisis regresi ordinal merupakan suatu metode yangsangat baik dalam masalah klasifikasi dan dalam menentukan variabel yang mempengaruhi padakelompok dan interpretasi model. Selain itu fungsi peluang komulatif yang diperoleh mudahdiinterpretasikan untuk menjelaskan keterkaitan prediksi kedepan dalam pengelompokkan.Secara keseluruhan tingkat ketepatan prediksi model dengan analisis regresi ordinal untukmengelompokkan tingkat hidup pekerja yang dipengaruhi empat variabel (Pendidikan (X1), Statuspekerjaan (X2), Upah/Gaji Sebulan (X3) dan Status perkawinan (X4)) secara keseluruhan sebesar54.6%, dan pengaruh yang signifikan pada pendidikan adalah pendidikan SMA dan SMP, statuspekerjaan bulanan (berbanding terbalik), upah/gaji sebulan sebesar Rp 1.000.000 s/d Rp 1.500.000,dan status perkawinan yang sudah menikah.
PEMODELAN B-SPLINE DAN MARS PADA NILAI UJIAN MASUK TERHADAP IPK MAHASISWA JURUSAN DISAIN KOMUNIKASI VISUAL UK. PETRA SURABAYA Budiantara, I Nyoman; Suryadi, Fredi; Otok, Bambang Widjanarko; Guritno, Suryo
Jurnal Teknik Industri Vol 8, No 1 (2006): JUNE 2006
Publisher : Institute of Research and Community Outreach - Petra Christian University

Show Abstract | Original Source | Check in Google Scholar | Full PDF (128.513 KB)

Abstract

Regression analysis is constructed for capturing the influences of independent variables to dependent ones. It can be done by looking at the relationship between those variables. This task of approximating the mean function can be done essentially in two ways. The quiet often use parametric approach is to assume that the mean curve has some prespecified functional forms. Alternatively, nonparametric approach, .i.e., without reference to a specific form, is used when there is no information of the regression function form (Haerdle, 1990). Therefore nonparametric approach has more flexibilities than the parametric one. The aim of this research is to find the best fit model that captures relationship between admission test score to the GPA. This particular data was taken from the Department of Design Communication and Visual, Petra Christian University, Surabaya for year 1999. Those two approaches were used here. In the parametric approach, we use simple linear, quadric cubic regression, and in the nonparametric ones, we use B-Spline and Multivariate Adaptive Regression Splines (MARS). Overall, the best model was chosen based on the maximum determinant coefficient. However, for MARS, the best model was chosen based on the GCV, minimum MSE, maximum determinant coefficient. Abstract in Bahasa Indonesia : Analisa regresi digunakan untuk melihat pengaruh variabel independen terhadap variabel dependent dengan terlebih dulu melihat pola hubungan variabel tersebut. Hal ini dapat dilakukan dengan melalui dua pendekatan. Pendekatan yang paling umum dan seringkali digunakan adalah pendekatan parametrik. Pendekatan parametrik mengasumsikan bentuk model sudah ditentukan. Apabila tidak ada informasi apapun tentang bentuk dari fungsi regresi, maka pendekatan yang digunakan adalah pendekatan nonparametrik. (Haerdle, 1990). Karena pendekatan tidak tergantung pada asumsi bentuk kurva tertentu, sehingga memberikan fleksibelitas yang lebih besar. Tujuan penelitian ini adalah mendapatkan model terbaik mengenai nilai ujian masuk terhadap nilai IPK (Indek Prestasi Kumulatif) mahasiswa jurusan Disain Komunikasi Visual tahun 1999 di Universitas Kristen Petra Surabaya dengan analisis regresi, baik parametrik maupun nonparametrik. Pendekatan regresi parametrik menggunakan regresi linear sederhana, kuadratik dan kubik, sedangkan regresi nonparametrik digunakan B-Spline dan Multivariate Adaptive Regression Splines (MARS). Secara keseluruhan, model terbaik dipilih berdasarkan koefisien determinasi terbesar. Namun demikian untuk MARS, model terbaik dipilih berdasarkan pada GCV, minimum MSA dan koefisien determinasi terbesar. Kata kunci: regresi nonparametrik, B-Spline, MARS, koefisien determinasi.
Visualization of Iris Data Using Principal Component Analysis and Kernel Principal Component Analysis Djakaria, Ismail; Guritno, suryo; Kartiko, Sri Haryatmi
Jurnal ILMU DASAR Vol 11, No 1 (2010)
Publisher : Fakultas MIPA Universitas Jember

Show Abstract | Original Source | Check in Google Scholar | Full PDF (358.886 KB)

Abstract

Principal component analysis (PCA) is a method used to reduce dimentionality of the dataset. However, the use of PCA failed to carry out the problem of non-linear and non-separable data. To overcome this problem such data is more appropriate to use PCA method with the kernel function, which is known as the kernel PCA (KPCA). In this paper, Iris dataset visualized with PCA and KPCA, that contains are the length and the width of sepal and petal.Keywords : KPCA, non-linear, non-separable, Iris flower dataset
Probit Model on Multivariate Binary Response Using Simulated Maximum Likelihood Estimator Nugraha, Jaka; Guritno, suryo; Haryatmi, Sri
Jurnal ILMU DASAR Vol 11, No 1 (2010)
Publisher : Fakultas MIPA Universitas Jember

Show Abstract | Original Source | Check in Google Scholar | Full PDF (114.339 KB)

Abstract

In this paper, we discuss probit model on multivariate binary response. We assume that each of n individuals is observed in T responses. Yit is tth response on ith individual/subject and each response is binary. Each subject has covariate Xi (individual characteristic) and covariate Zijt (characteristic of alternative j). Response on individual ith can be represented by Yi = (Yi1,....,YiT), Yit is tth response on ith individual/subject and each response is multinomial. In order to simplify, we choose one of individual characteristics and alternative characteristics. We use simulated maximum likelihood estimator (SMLE) methods to estimate the parameter based on Geweke-Hajivassiliou-Keane (GHK) simulator. We find the first derivative of likelihood function for multivariate binary probit. Then, we expand to multivariate multinomial response. The first derivative is used in the BHHH (Berndt, Hall, Hall, Hausman) iteration to obtain estimators.Keywords: Random utility model, simulated maximum likelihood estimator, generalized estimating equation, BHHH, GHK simulator, Newton-Raphson
Ordinal Regression Model using Bootstrap Approach Widjanarko Otok, Bambang; Akbar, M. Sjahid; Guritno, Suryo; Subanar, Subanar
Jurnal ILMU DASAR Vol 8, No 1 (2007)
Publisher : Fakultas MIPA Universitas Jember

Show Abstract | Original Source | Check in Google Scholar | Full PDF (225.538 KB)

Abstract

The aim of the research content three part, thus a to know misclassification and model discriminant analysis with bootstrap approach, model regression ordinal with bootstrap approach, and model MARS with bootstrap approach. The data used is data of secondary related to matrix variance covariance is same and unequal that is (The data worker standard of living and banking performance). The result of this research shows that in determining distinguishing variable between groups there are difference of variable at each method. This matter because of at each method has specification either from fulfilled of assumption and also estimation its. So also at accuracy of classification between groups there is difference especially at matrix of variance covariance unequal at worker standard of living case. As a whole can be concluded that the problem accuracy of classification bootstrap approach at each method give small mistake of goodness at matrix variance covariance unequal and equal.Keywords: classification, bootstrap, discriminant analysis, ordinal regression, MARS.
Estimating Parameters of Logit Model on Multivariate Binary Response Using Mle and Gee Nugraha, Jaka; Guritno, Suryo; Haryatmi, Sri
Jurnal ILMU DASAR Vol 10, No 1 (2009)
Publisher : Fakultas MIPA Universitas Jember

Show Abstract | Original Source | Check in Google Scholar | Full PDF (234.729 KB)

Abstract

In this paper, we discuss binary multivariate response modeling based on extreme valuedistribution. Independent variables used in these models are some attributes of the alternative(labeled Zijt) and some attributes of the decision maker (labeled Xi). We assumed that n thedecision maker observed with T response. Yit is tnd response variables from decision maker i andvalue Yit is binary. Response of decision maker i can be expressed as Yi = (Yi1,...,YiT). In each ofthe decision maker, we have data (Yi, Xi, Zi). Models are derived by the assumption that maximumrandom utility which the decision maker i choose one of the alternatives having greatest utility.Methods of parameter estimation are Maximum Likelihood Estimator (MLE) method andGeneralized Estimating Equation (GEE). First discussion in this study is the estimation by MLEwith independent assumption among response and then the MLE estimation using jointdistribution by Bahadur’s representation. By MLE and GEE, estimating equations are obtained andsolved by numerical (like’s Newthon-Rahpson method) in the condition that not all of theparameters of individual attributes can be estimated (identified). Based on testing simulation datawith R.2.5.0, we recommend (a) in low correlation, GEE is better than MLE (b) in moderatecorrelation, MLE is most efficient but not stable (c) in high or moderate correlation, MLE andGEE should be used (d) correlation estimators cannot explain the real correlation because of itsbias.Keywords : Random utility models, logit models, discrete choice models
Statistical Inference for Modeling Neural Network in Multivariate Time Series Urwatul Wutsqa, Dhoriva; Subanar, Subanar; Guritno, Suryo; Soejoeti, Zanzawi
Jurnal ILMU DASAR Vol 9, No 1 (2008)
Publisher : Fakultas MIPA Universitas Jember

Show Abstract | Original Source | Check in Google Scholar | Full PDF (136.781 KB)

Abstract

We present a statistical procedure based on hypothesis test to build neural networks model in multivariate time series case. The method involved strategies for specifying the number of hidden units and the input variables in the model using inference of R2 increment. We draw on forward approach starting from empty model to gain the optimal neural networks model. The empirical study was employed relied on simulation data to examine the effectiveness of inference procedure. The result showed that the statistical inference could be applied successfully for modeling neural networks in multivariate time series analysis.
Fuzzy Simple Additive Weighting Untuk Diagnosis Penyakit Pneumonia Syaukani, Muhammad; Guritno, Suryo
Jurnal Buana Informatika Vol 4, No 1 (2013): Jurnal Buana Informatika Volume 4 Nomor 1 Januari 2013
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Original Source | Check in Google Scholar

Abstract

Abstract. Pneumonia is an infection of the lungs that is caused by bacteria, viruses, fungi, or parasites. It is characterized primarily by inflammation of the alveoli in the lungs or by alveoli that are filled with fluid (alveoli are microscopic sacs in the lungs that absorb oxygen). The shortage of medical personnel at health community centers to serve a population often results in care delays for pneumonia patients. The purpose of this research is to make a modelling of group decision support system in diagnosing pneumonia in adult patients. The system is designed as a tool for medical personnel in diagnosing pneumonia patients.Group Decision Support System (GDSS) is developed by using Fuzzy Simple Additive weighting methods. The preference scoring of three experts i.e. a pulmonary specialist, an internist and a pharmacist is carried out by applying triangular fuzzy numbers. In the aggregation stage, preferences makes use of Fuzzy Linguistic quantifier, stage rangking employs Simple Additive Weighting while Forward Chaining is employed in the inference process. The system is tested by inputting the symptoms of pneumonia without the involvement of an expert. The results shows that the system is capable in diagnosing pneumonia.Keywords: GDSS, Fuzzy, Simple Additive Weighting, Pneumonia Abstrak. Pneumonia adalah infeksi paru-paru yang disebabkan oleh bakteri, virus, jamur, atau parasit. Hal ini ditandai terutama oleh peradangan alveoli di paru-paru atau alveoli yang berisi cairan (alveoli adalah kantung mikroskopis di paru-paru yang menyerap oksigen), terbatasnya tenaga medis di puskesmas disbanding dengan jumlah penduduk berakibat sering terlambatnya pelayanan terhadap pasien pneumonia. Tujuan penelitian ini adalah membuat pemodelan sistem pendukung keputusan kelompok untuk mendiagnosis pasien pneumonia pada orang dewasa. Sistem ini dirancang sebagai alat bantu tenaga medis dalam mendiagnosis pasien pneumonia. Sistem Pendukung Keputusan Kelompok (SPKK) dikembangkan menggunakan metode Fuzzy Simple Additive Weighting. Pemberian nilai preferensi tiga orang pakar antara lain ahli paru-paru, ahli internis dan ahli farmasi menggunakan bilangan fuzzy segitiga. Pada tahap agregasi preferensi digunakan Fuzzy Linguistic Quantifier, tahap perangkingan menggunakan Simple Additive Weighting dan proses inferensi menggunakan Forward Chaining. Sistem diuji dengan cara memasukkan gejala-gejala pneumonia tanpa melibatkan seorang pakar. Hasil penelitian menunjukkan bahwa sistem dapat mendiagnosis penyakit pneumonia.Kata Kunci: SPKK, Fuzzy, Simple Additive Weighting, Pneumonia