Articles

Found 3 Documents
Search
Journal : Seminar Nasional Variansi (Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika)

PEMODELAN BIVARIATE POLINOMIAL LOKAL PADA JUMLAH KEMATIAN IBU DAN BAYI DI JAWA TENGAH Prahutama, Alan; Suparti, Suparti; Ispriyanti, Dwi; Utami, Tiani Wahyu
Seminar Nasional Variansi (Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika) 2018: Tahun 2018
Publisher : Seminar Nasional Variansi (Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1082.222 KB)

Abstract

Analisis regresi merupakan analisis dalam metode statistika untuk memodelkan hubungan antara variabel respon dengan variabel prediktor. Analisis regresi dapat dilakukan secara parametrik dan nonparametrik. Analisis regresi nonparametrik dilakukan apabila bentuk kurva regresinya tidak diketahui. Salah satu metode dalam analisis regresi nonparametrik adalah polinomial lokal. Polinomial lokal dilakukan berdasarkan pembobotan kernel, sehingga membutuhkan bandwidth. Pemilihan bandwidth optimal menggunakan Generalized Cross Validation (GCV). Pada penelitian ini dikembangkan model regresi bivariate polinomial lokal pada kasus pemodelan jumlah kematian ibu dan bayi di Jawa Tengah. Variabel prediktor yang digunakan adalah jumlah tenaga kesehatan. Nilai bandwidth optimla yang didapatkan adalah 1. Nilai MSE yang dihasilkan dari model jumlah kematian ibu adalah 1.017741 dan Nilai MSE yang dihasilkan dari model jumlah kematian bayi adalah 1.380833. Keywords: Bivariate, Polinomial Lokal, Jumlah kematian ibu, Jumlah kematian bayi.
KOMPUTASI GEOGRAPHICALLY AND TEMPORALLY WEIGHTED REGRESSION BERBASIS GRAPHICAL USER INTERFACE (GUI) Yasin, Hasbi; Warsito, Budi; Ispriyanti, Dwi; Suparti, Suparti; Hakim, Arief Rachman
Seminar Nasional Variansi (Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika) 2018: Tahun 2018
Publisher : Seminar Nasional Variansi (Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1575.013 KB)

Abstract

Geographically and Temporally Weighted Regression (GTWR) merupakan salah satu metode spatio temporal yang dikembangkan pada model regresi linier. Pengembangan dilakukan dengan menambahkan unsur spasial yang direpresentasikan dengan lokasi geografis dan penambahan unsur temporal yang diwakili oleh waktu pengamatan.  Dengan metode GTWR akan diperoleh parameter bersifat lokal menurut lokasi dan waktu pengamatan. Perkembangan teknologi telah memunculkan berbagai alat bantu dalam proses analisis data. Salah satunya berkembangnya software statistik yang berbasis antarmuka berupa Graphical User Interface (GUI) untuk memudahkan pengguna. Hasil penelitian ini adalah sebuah sistem komputasi untuk proses analisis data menggunakan model GTWR baik estimasi parameter maupun inferensinya. Hasil penelitian menunjukkan bahwa dengan dengan menggunakan GUI GTWR pengguna akan sangat dimudahkan dalam proses analisis data spasial menggunakan metode GTWR. Hasil penelitian menunjukkan bahwa model spatio temporal GTWR lebih baik digunakan untuk pemodelan Indeks Standar Pencemar Udara (ISPU) dengan pembobot Bisquare karena mempunyai nilai R2 terbesar dengan MSE dan AIC yang terkecil bila dibandingkan dengan pembobot yang lain. Kata kunci :  Antar Muka Grafis, ISPU, GTWR, Spasial, Temporal.
ANALISIS DATA INFLASI INDONESIA MENGGUNAKAN METODE FOURIER DAN WAVELET MULTISCALE AUTOREGRESIVE Suparti, Suparti; Santoso, Rukun; Prahutama, Alan; Yasin, Hasbi; Devi, Alvita Rachma
Seminar Nasional Variansi (Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika) 2018: Tahun 2018
Publisher : Seminar Nasional Variansi (Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (884.754 KB)

Abstract

Analisis regresi merupakan metode statistika untuk mengetahui hubungan antara variabel prediktor dan variabel respon. Pendekatan regresi dapat dilakukan dengan  pendekatan parametrik dan nonparametrik. Pendekatan parametrik ketat dengan asumsi dan harus dipenuhi untuk mendapatkan model yang baik. Sementara pendekatan nonparametrik tidak ketat dengan asumsi karena metode tersebut didasarkan pada pendekatan kurva yang tidak diketahui bentuknya. Pendekatan nonparametrik dapat dilakukan dengan beberapa pendekatan diantaranya metode Fourier dan Wavelet. Metode Fourier merupakan metode yang didasarkan pada deret cosinus atau sinus. Metode Fourier sangat sesuai untuk data yang mengalami pola berulang atau stasioner. Sedangkan pada pemodelan wavelet tidak hanya terbatas pada data berulang atau stasioner saja, akan tetapi juga mampu memodelkan data yang tidak stasioner. Pada penelitian ini dimodelkan nilai Inflasi di Indonesia dari Januari 2007 sampai Agustus 2017.  Variabel responnya adalah nilai inflasi, sedangkan variabel prediktornya adalah waktu. Metode Fourier dengan K=100 menghasilkan MSE sebesar 0,846216 dan R2 sebesar 80,12%. Model Wavelet menggunakan Multiscale Autoregresive dengan filter Haar, J=4 dan Aj = 2  mempunyai MSE sebesar 0,312 dengan R2  sebesar  96,91%.  Pada model Fourier dengan K=100 diperlukan parameter sebanyak 102 buah sedangkan model wavelet dengan J=4 dan Aj = 2 hanya diperlukan parameter sebanyak 10 buah. Jadi model wavelet sangat efisien dengan kinerja yang lebih bagus dibandingkan dengan model Fourier. Kata Kunci: Inflasi, nonparametrik, Fourier, Wavelet, MSE
Co-Authors A. Sulaksono, A. Abdul Hoyyi Afa, Ihdayani Banun Agus Cahyono Agus Rusgiyono Ahmad Reza Aditya Akhmad Zaki Alan Prahutama Alanindra Saputra Alvita Rachma Devi Amanda Devi Paramitha, Amanda Devi Aminah Asngad Any Setyaningsih, Any Arief Rachman Hakim Asismarta Asismarta, Asismarta Azizah, Adilla Nur Bayu Ariawan Budi Warsito Bunga Maharani, Bunga C Yuwono Sumasto, C Yuwono Deden Aditya Nanda, Deden Aditya Di Asih I Maruddani Diah Budiati Diah Safitri Dini Puspita Dwi Ispriyanti Dyah Ayu Kusumaningrum Ebeit Devita Simatupang Elyas Darmawan Ernawati, Devi Ernik Yuliana Esti Pratiwi Fajar Heru Setiawan, Fajar Heru Farikhin Farikhin Fina Fitriyana Firda Megawati, Firda Fitri Juniaty Simatupang, Fitri Juniaty Fitriyatno Fitriyatno Gita Suci Ramadhani Hafii Risalam, Hafii Hanifa Eka Oktafiani, Hanifa Eka Happy Suci Puspitasari Hasbi Yasin Icha Puspitasari Ikrima, Hanjar Indah Puspaningrum Indra Satria, Indra Iwan Ali Sofwan Izzudin Khalid, Izzudin Karimawati, Nurul Kartika, Aninda Ayu Kartikaningtiyas Hanunggraheni Saputri, Kartikaningtiyas Hanunggraheni Khoirunnisa Nur Fadhilah, Khoirunnisa Nur Lailly Rahmatika, Lailly Lina Agustina, Lina Lintang Afdianti Nurkhasanah, Lintang Afdianti Lismiyati Marfuah, Lismiyati Lulus Darwati, Lulus Ma'sum, M. Ali Moch. Abdul Mukid Muhammad Taufan Musandingmi Elok Nurul Islam, Musandingmi Elok Nurul Mustafid Mustafid Mustofa, Achmad Natanael, Dimas Kevin Natanael, Dimas Kevin Ndaru Dian Darmawanti Nonik Brilliana Primastuti Novia Agustina, Novia Onny Kartika Hitasari, Onny Kartika Paula Meilina Dwi Hapsari Putri Agustina Rahmawati, Resti Rahmawati, Rizky Dwi Rahmawati, Rizky Dwi Rambat Rambat, Rambat Ratih Binadari, Ratih Ria Sutitis, Ria Riana Ayu Andam Pradewi Richy Priyambodo Rita Rahmawati Riyan Eko Putri Rukun Santoso Sa'adah, Alfi Faridatus Sadjati, Ida Malati Sanitoria Nadeak, Sanitoria Sari, Shinta Karunia Permata Seta Satria Utama Setiawati, Teti Setya Ayu Rahmawati Siti Anisah Sofyan Anif Sri Budiasih, Sri Sri Sumiyati Sri Wahyuningrum Sudargo Sudargo, Sudargo Sudarno Sudarno Sugito Sugito Sulton Syafii Katijaya Sunardi Sunardi Swasnita Swasnita, Swasnita Syariati, Dian T. Mart, T. Tarno Tarno Tedjo, Martyanto Tiani Wahyu Utami Triastuti Rahayu Triastuti Wuryandari Triyanto Triyanto Tyas Estiningrum Umi Sulistyorini Adi, Umi Sulistyorini Victoria Dwi Murti Wasis Wicaksono Widari Widari, Widari Wulan Safitri, Wulan Yasir Sidiq Yon Haryono Yuciana Wilandari Yudi Ari Wibowo Yusuf Arifka Rahman, Yusuf Arifka Zia, Nabila Ghaida Zubaidah, Lailia