Articles

Found 12 Documents
Search

UJI NONLINEARITAS YANG DIABAIKAN DALAM TIME SERIES Sutijo, Brodjol; Subanar, Subanar
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 4, No 2 (2004)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (71.575 KB)

Abstract

Dalam makalah ini akan dibahas tentang pengujian nonlinearitas didasarkan pada pendekatan Neural Network (NN) yangdikemukakan oleh Lee dan White untuk kondisi nonlinear yang terabaikan pada model time series. Pada uji neural networkini, dikembangkan dari model Feedforward neural network dengan menambahkan hubungan langsung dari input ke output.Uji ini akan dibandingkan dengan uji Tsay dan didasarkan pada studi simulasi, baik untuk model linear maupun modelnonlinear. Pendekatan uji dengan neural network adalah pendekatan lagrange multiplier, sedangkan uji Tsay didasarkanpada pendekatan regresi dengan menambahkan perkalian komponen dari variabel prediktor. Hasil simulasi secara umummenunjukkan jika model yang dibentuk adalah model linear, kekuatan uji nonlinearitasnya rendah, sedangkan jika yangdibentuk adalah model nonlinear, maka kekutan uji nonlinearnya tinggi. Hasil ini berlaku untuk metode White maupunTsay.
Metode Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 255 dengan Pendekatan Fungsi Transfer Nurini, Dwi Listya; Sutijo, Brodjol
Jurnal Sains dan Seni ITS Vol 2, No 2 (2013)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1097.246 KB)

Abstract

Abstrak— Nikkei 225 adalah indikator indeks harga yang merupakan harga rata-rata dari saham 225 perusahaan teratas di Jepang yang terdaftar di Bursa Efek Tokyo (Tse). Saham per-usahaan yang tercatat pada indeks Nikkei 225 adalah saham yang masih aktif dalam perdagangan di bursa efek Tokyo. Penelitian ini bertujuan sebagai bentuk penerapan ilmu statistik khususnya pada kasus financial di bidang perdagangan saham. Metode analisis peramalan yang digunakan yaitu pendekatan fungsi transfer. Penelitian ini menggunakan 2 model, pertama adalah model Open Price (X) terhadap Low Price (Y1) dan kedua adalah model Open Price (X) terhadap High Price (Y2). Pada deret input (Xt) didapat-kan model ARIMA terbaik adalah ARIMA (1 1 0) karena sudah memenuhi pengujian signifikan juga asumsi white noise. Dengan menggunakan orde b=0,s=0,r=0 yang didapatkan dari plot cross-corelation maka, model ARMA untuk Open Price (X) terhadap Low Price (Y1) yaitu ARMA (0[1 4]) dengan nilai MAPE  atau nilai prosentase kesalahan dalam meramalkan sebesar 10.71% dan untuk model ARMA untuk Open Price (X) terhadap High Price (Y2) yaitu ARMA ([4] 1)  dengan nilai MAPE atau prosentase kesalahan dalam meramalkan sebesar 8.12%.
Pemodelan Indeks Harga Konsumen (IHK) Umum Berdasarkan IHK Sektor Bahan Makanan dan IHK Sektor Makanan Jadi, Minuman/Rokok Listyowati, Listyowati; Sutijo, Brodjol
Jurnal Sains dan Seni ITS Vol 2, No 2 (2013)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1267.002 KB)

Abstract

IHK Umum dibentuk dari 7 sektor IHK. Sektor yang mempunyai kontribusi besar terhadap IHK Umum adalah IHK Sektor Bahan Makanan dan IHK Sektor Makanan Jadi, Minuman/Rokok. Pada Penelitian ini akan di duga/diramalkan dari IHK Sektor Bahan Makanan dan IHK Sektor Makanan Jadi, Minuman/Rokok dengan menggunakan metode fungsi transfer. Model fungsi transfer terbaik dan nilai peramalan data IHK Umum untuk 12 bulan ke depan terhadap IHK sektor Bahan Makanan dan IHK sektor Makanan Jadi, Minuman/Rokok telah didapatkan. Model tersebut menunjukkan bahwa metode ARIMAX lebih baik dari fungsi transfer multi input karena memiliki MAPE dan RSME yang kecil. Dari penelitian yang telah dilakukan dihasilkan model fungsi transfer multi input yang sama, yaitu bahwa nilai IHK Umum di Surabaya, Malang dan Kediri dipengaruhi oleh IHK Umum itu sendiri pada satu bulan sebelumnya. Selain itu dipengaruhi oleh perubahan inputnya yaitu sektor Bahan Makanan dan IHK sektor Makanan Jadi, Minuman/Rokok.
Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 dengan Metode Fungsi Transfer Single Input Rachmawati, Defi; Sutijo, Brodjol
Jurnal Sains dan Seni ITS Vol 2, No 2 (2013)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (784.631 KB)

Abstract

Energi listrik merupakan suatu kebutuhan dasar dan memegang peran penting untuk kehidupan masyarakat, karena peralatan elektronik di rumah, kantor, dan pabrik membutuhkan listrik sebagai sumber energi. Konsumsi listrik meningkat sejalan dengan bertambahnya jumlah pelanggan dan besarnya konsumsi energi listrik yang digunakan. Kebutuhan pada konsumsi listrik yang akan datang diperlukan suatu model peramalan yang sesuai yaitu dengan menggunakan metode fungsi transfer singele input. Metode fungsi transfer adalah model peramalan yang mengguna-kan variabel prediktor dan variabel respon berdasarkan runtun waktu. Penelitian ini, menggunakan metode fungsi transfer untuk membangun model konsumsi listrik berdasarkan pada pelanggan PLN pada kategori rumah tangga R-1 untuk TR 450 VA, 900VA, 1300VA, dan 2200VA serta ramalan konsumsi listrik untuk tahun 2013. Data yang digunakan adalah data bulanan dengan periode Januari 2006 sampai dengan bulan Desember 2012. Hasil analisis menunjukkan model terbaik konsumsi listrik TR 450VA, 900VA, 1300VA dan 2200VA. Konsumsi listrik pada 450VA dipengaruhi konsumsi listrik satu bulan yang lalu, dipengaruhi oleh perubah-an jumlah pelanggan 13 bulan sebelumnya dan 14 bulan sebelum-nya, dipengaruhi jumlah pelanggan bulan Februari 2011, bulan Oktober 2011, Maret 2011,dan Oktober 2008.
Penerapan Bootstrap pada Neural Network untuk Peramalan Produksi Minyak Mentah di Indonesia Adnyana, Ida Bagus Oka Ari; Widodo, Dwiatmono Agus; Sutijo, Brodjol
Jurnal Sains dan Seni ITS Vol 2, No 2 (2013)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (882.436 KB)

Abstract

Sumberdaya alam yang tidak dapat diperbaharui adalahminyak bumi. Saat jumlah konsumsi mengalami peningkatan, tetapi tidak sejalan denganpeningkatan jumlah produksinya, maka terjadi kesenjangan antara konsumsi minyakmentah dan produksi minyak mentah. Produksi minyak mentah dapat diramalandengan menggunakan time series forecastingatau dengan metode ARIMA dimana modeldiasumsikan sebagai fungsi linier. Ketikamodel linier menghasilkan akurasi peramalan yang kecil, kemungkinan modelnonlinier mampu menjelaskan. Salah satu model nonlinier untuk time series forecasting adalah artificial neural network. Pada penelitan ini dilakukan resampling terhadap unit input untuk melihat signifikan bobot neural network dengan melihat selangkepercayaan dari bootstrap.Perbandingan model antara model ARIMA, neuralnetwork dan neural network dengan bootstrap dalam peramalan produksiminyak mentah di Indonesia didapat bahwa model yang paling baik menggambarkandata adalah model neural network. Tetapiuntuk jumlah input neural network palingsedikit dengan menggunakan hasil dari bootstrapyang sudah di hilangkan input yang tidak signifikan, yaitu hanya memasukkan duaunit input layer. HHH
PEMODELAN RESIKO PENYAKIT KAKI GAJAH (FILARIASIS) DI PROVINSI PAPUA DENGAN REGRESI ZERO-INFLATED POISSON Wulandari, Sri Pingit; Sutijo, Brodjol; Rahmawati, Ika
FORUM STATISTIKA DAN KOMPUTASI Vol 15, No 1 (2010)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (71.575 KB)

Abstract

The goverment has established elimination of filariasis tropical disease as one of the priority programs. One of the districts that has become a target is Papua. The total amount of  filariasis victim on every regency/city in Papua district can be assumed to follow a Poisson distribution. So Poisson regression method is a suitable method to know the influence factor of filariasis disease. Poisson regression model assumes equidispersion, that is equality of mean and variance of the response variable. Overdispersion test shows that the variance of the response variable exceeds its mean value. So the model is modified into zeroinflated Poisson (ZIP) regression model (logit and log). ZIP logit regression model shows that the quantity of filariasis victim in every regency/city in Papua district with zero count is influenced by the percentage of household members who sleep inside mosquito net, the percentage of household members who sleep inside insecticide musquito net, and the percentage of house-holds who keep pet (dog/cat/rabbit). While ZIP regression on log model shows that the increasing number of percentage household who keeps their pet will enhance the quantity of filariasis victim  in Papua district as many as two people. Regencies/cities which need to get special attention through an elimination program of filariasis are Asmat, Tolikara, Supiori, Yapen Waropen, and Jayapura city.
Pemodelan Jumlah Ketersediaan Beras untuk Jawa Timur dengan Pendekatan Fungsi Transfer Indrawati B.N, Farisma; Sutijo, Brodjol
Jurnal Sains dan Seni ITS Vol 1, No 1 (2012): Jurnal Sains dan Seni ITS (ISSN 2301-928X)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (188.685 KB)

Abstract

Beras merupakan salah satu kebutuhan pangan pokok bagi masyarakat Indonesia. Sebagai salah satu pangan pokok, ketersediaan beras yang aman penting untuk dipenuhi. Pada penelitian ini dibuat model jumlah ketersediaan beras dengan memperhitungkan faktor produksi dan kebutuhan. Ketersediaan beras merupakan hasil pengurangan produksi beras dan kebutuhan beras. Produksi beras berkaitan dengan produksi padi yang merupakan fungsi dari luas panen padi dan produktivitas padi. Luas panen padi didekati dengan model fungsi transfer, sedangkan produktivitas padi didekati dengan model ARIMA Box-Jenkins. Kebutuhan beras berkaitan dengan jumlah konsumsi beras yang merupakan fungsi dari jumlah penduduk. Hasil analisis menunjukkan bahwa model fungsi transfer yang terbaik untuk meramalkan luas panen adalah model input ARIMA Musiman (0,1,1)3, b=1, s=[2], r=[3,6] dan ARMA (1,0). Model terbaik untuk meramalkan produktivitas padi adalah ARIMA ([3],0,1) dengan deteksi efek data outliers bertipe Additive. Berdasarkan analisis data diketahui bahwa jumlah ketersediaan beras Jawa Timur tahun 2011-2013 menunjukkan surplus sehingga dapat dijadikan pertimbangan bahwa Jawa Timur tidak memerlukan impor beras. 
UJI NONLINEARITAS YANG DIABAIKAN DALAM TIME SERIES Sutijo, Brodjol; Subanar, Subanar
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 4, No 2 (2004)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Dalam makalah ini akan dibahas tentang pengujian nonlinearitas didasarkan pada pendekatan Neural Network (NN) yang dikemukakan oleh Lee dan White untuk kondisi nonlinear yang terabaikan pada model time series. Pada uji neural network ini, dikembangkan dari model Feedforward neural network dengan menambahkan hubungan langsung dari input ke output. Uji ini akan dibandingkan dengan uji Tsay dan didasarkan pada studi simulasi, baik untuk model linear maupun model nonlinear. Pendekatan uji dengan neural network adalah pendekatan lagrange multiplier, sedangkan uji Tsay didasarkan pada pendekatan regresi dengan menambahkan perkalian komponen dari variabel prediktor. Hasil simulasi secara umum menunjukkan jika model yang dibentuk adalah model linear, kekuatan uji nonlinearitasnya rendah, sedangkan jika yang dibentuk adalah model nonlinear, maka kekutan uji nonlinearnya tinggi. Hasil ini berlaku untuk metode White maupun Tsay.
APLIKASI MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE PADA DATA PENCEMARAN UDARA DI KOTA SURABAYA Wutsqa, Dhoriva Urwatul; Suhartono, Suhartono; Sutijo, Brodjol
PYTHAGORAS: Jurnal Pendidikan Matematika Vol 7, No 2: Desember 2012
Publisher : Department of Mathematics Education, Faculty of Mathematics and Natural Sciences, UNY

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (71.575 KB)

Abstract

Penelitian ini secara  bertujuan mengaplikasan model Generalized Space Time  Autoregressive (GSTAR) untuk mendapatkan model peramalan data pencemaran udara di Kota Surabaya. Data yang digunakan dalam penelitian ini adalah zat polutan PM 10 ang berasal dari tiga stasiun pemantau di kota Surabaya mulai Januari hingga Desember 2009. Tahap-tahap pembentukan  model peramalan data pencemaran udara meliputi identifikasi order autoregresif dengan criteria AIC (Akaike Information Criterion), estimasi parameter yang terdiri atas estimasi bobot antar lokasi dengan normalisasi korelasi silang dan estimasi parameter autoregresif dengan metode kuadrat terkecil, uji signifikansi parameter melalui statistik uji Wald, serta uji kesesuaian model. Model yang dihasilkan merupakan model GSTAR dengan order autoregresif 3 dan order spasial 1 dengan order pembedaan 1. Model yang diperoleh menunjukkan adanya kecenderungan hubungan antar waktu dan  hubungan spasial antara stasiun 1 dan 3.Kata kunci : Data PM 10, polusi udara, Surabaya, model GSTAR
PEMILIHAN HUBUNGAN INPUT-NODE PADA JARINGAN SARAF FUNGSI RADIAL BASIS Sutijo, Brodjol; Subanar, -; Guritno, Suryo
Berkala Ilmiah MIPA Vol 16, No 1 (2006)
Publisher : FMIPA UGM

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Model jaringan saraf fungsi radial basis (Radial Basis Function Neural Network = RBFNN) adalah model jaringan saraf dengan satu unit dalam lapisan tersembunyi, dimana fungsi aktivasinya adalah fungsi basis (Gaussian) dan fungsi linear pada lapisan output. Untuk mendapatkan model RBFNN terbaik, diperlukan kombinasi yang tepat antara jumlah variabel input, jumlah node (kluster), yang berimplikasi pada jumlah parameter optimal. Untuk menda-patkan sejumlah node yang diinginkan dilakukan dengan mengelompokkan data. Salah satu metode pengelompokan data adalah metode K-mean. Dengan terbentuknya kelompok data, maka nilai tengah dan varians variabel input pada setiap kluster dapat dihitung. Komponen invers varians pada fungsi aktivasi RBFNN merupakan bobot dari suatu pergeseran, sehingga diperlukan nilai interval untuk varians tersebut. Nilai varians suatu variabel input pada suatu node yang berada diluar diluar interval mengindikasikan hubungan input dengan node tidak memberi sumbangan yang signifikan pada model RBFNN, sehingga perlu dihapus. Penentuan model terbaik dari RBFNN dapat diketahui dengan kriteria nilai Mean Square Error (MSE) kecil dan Koefisien Determinasi (R2) besar. Kata kunci : RBFNN, K-mean, Interval Varians, MSE, R2