Articles

Found 20 Documents
Search

ESTIMASI KURVA REGRESI SEMIPARAMETRIK PADA DATA LONGITUDINAL BERDASARKAN ESTIMATOR POLINOMIAL LOKAL Utami, Tiani Wahyu
Jurnal Statistika Vol 1, No 1 (2013): Jurnal Statistika
Publisher : Jurnal Statistika

Show Abstract | Original Source | Check in Google Scholar | Full PDF (1490.889 KB)

Abstract

Diberikan model regresi semiparametrik untuk data longitudinal , dengan komponen parametrik  dan komponen nonparametrik yang didekati dengan Polinomial Lokal. Estimator Polinomial Lokal diperoleh dengan metode WLS (Weighted Least Square). Estimasi model regresi semiparametrik pada data longitudinal adalah , dengan , Estimator Polinomial Lokal sangat tergantung pada bandwidth (h) optimal. Penentuan bandwidth optimal dengan menggunakan metode GCV (Generalized Cross Validation). Selanjutnya model regresi semiparametrik Polinomial Lokal pada data longitudinal diaplikasikan untuk memodelkan hubungan pengaruh antara kadar trombosit penderita Demam Berdarah Dengue terhadap kadar hematrokit dan waktu pemeriksaan, dimana kadar hematrokit sebagai komponen nonparametrik dan waktu pemeriksaan sebagai komponen parametrik. Hasil estimasi menujukkan bahwa waktu pemeriksaan berpola kuadratik untuk setiap subjek sedangkan kadar hematrokit pada subjek 1 mengikuti pola polinomial lokal berorde 1, sedangkan kadar hematrokit pada subjek 2 mengikuti pola polinomial lokal berorde 4 dan pada subjek 3 kadar hematrokit memgikuti pola polinomial lokal berorde 4. Model ini mempunyai nilai MSE sebesar 146.7636 dan koefisien determinasi R2 = 93,9249 %.   Kata kunci : Data Longitudinal, Estimator Polinomial Lokal, GCV, Regresi Semiparametrik, WLS.  
ANALISIS REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSION REGRESI POISSON PADA KASUS DEMAM BERDARAH DENGUE Utami, Tiani Wahyu
Jurnal Statistika Vol 1, No 2 (2013): Jurnal Statistika
Publisher : Jurnal Statistika

Show Abstract | Original Source | Check in Google Scholar | Full PDF (188.025 KB)

Abstract

Dalam analisis regresi Poisson, variabel respon (Y) harus memenuhi asumsiequidispersion (nilai varians sama dengan mean). Namun, dalam data riil seringkaliterjadi overdispersion (nilai varians lebih besar dari mean). Salah satu cara untukmengatasinya yaitu dengan mengganti asumsi distribusi Poisson dengan distribusiBinomial Negatif. Tujuan dari artikel ini adalah mendapatkan pola hubungan terbaikdalam analisis regresi Binomial Negatif untuk mengatasi overdispersion regresi Poisson  Kasus Demam Berdarah Dengue pada Balita Menurut Kabupaten/Kota  di Propinsi  Jawa Timur. Berdasarkan persamaan model regresi Binomial Negatif yang diperoleh dapat dijelaskan bahwa dengan semakin bertambahnya presentase tenaga medis di sarana pelayanan kesehatan dan presentase rumah tangga yang memiliki rumah sehat , maka akan menurunkan jumlah penderita DBD pada balita di Propinsi Jawa Timur. Kata Kunci :  Regresi Poisson, Equidispersion, Overdispersion, Generalized LinierModel (GLM), Regresi Binomial Negatif.
MODEL REGRESI NONPARAMETRIK BERDASARKAN ESTIMATOR POLINOMIAL LOKAL KERNEL PADA KASUS PERTUMBUHAN BALITA Alfiani, Mifta Luthfin; Nur, Indah Manfaati; Utami, Tiani Wahyu
Jurnal Statistika Vol 2, No 1 (2014): Jurnal Statistika
Publisher : Jurnal Statistika

Show Abstract | Original Source | Check in Google Scholar

Abstract

Analisis regresi merupakan salah satu tehnik analisis data dalam statistika yang paling banyak digunakan untuk mengetahui hubungan antara variabel prediktor (X) dengan variabel responnya (Y). Dalam analisis regresi, kurva regresi dapat didekati dengan model regresi nonparametrik. Model regresi nonparametrik yang pengamatan dilakukan sebanyak n subjek yang saling independen pada waktu satu titik tertentu sehingga mengikuti struktur data cross-section. Dalam penelitian ini akan dikaji mengenai model regresi nonparametrik berdasarkan estimator polinomial lokal kernel pada pertumbuhan balita. Estimator polinomial lokal kernel dapat diperoleh dengan meminimumkan WLS (Weighted Least Square). Estimator polinomial lokal kernel sangat bergantung pada bandwidth (h) optimal. Penentuan bandwidth optimal dapat diperoleh dengan menggunakan metode GCV (Generalized Cross Validation). Selanjutnya diterapkan pada aplikasi model regresi nonparametrik berdasarkan estimator polinomial lokal kernel pada kasus pertumbuhan balita untuk menganalisis pengaruh antara berat badan dan umur. Pemodelan dilakukan pada balita laki-laki dan perempuan, pada balita laki-laki mempunyai nilai MSE =1,487844 dan koefisien determinasi (R2) =81,86%, pada balita perempuan mempunyai nilai MSE =1,388796 dan koefisien determinasi (R2) = 79,55%.
PEMODELAN SPATIAL ERROR MODEL (SEM) UNTUK INDEKS PEMBANGUNAN MANUSIA (IPM) DI PROVINSI JAWA TENGAH Safitri, Diana Wahyu; Darsyah, Moh Yamin; Utami, Tiani Wahyu
Jurnal Statistika Vol 2, No 2 (2014): Jurnal Statistika
Publisher : Jurnal Statistika

Show Abstract | Original Source | Check in Google Scholar | Full PDF (863.2 KB)

Abstract

Indek Pembangunan Manusia (IPM) merupakan salah satu alat ukur kinerja pembangunan khususnya pembangunan manusia yang dilakukan di suatu wilayah pada waktu tertentu atau secara spesifik. Penelitian ini mengkaji IPM dan komponen-komponen penyusun IPM, data yang digunakan adalah data nilai komponen-komponen IPM untuk 35 kabupaten/kota di Provinsi Jawa Tengah. Variabel yang digunakan dalam penelitian ini adalah nilai IPM (Y) sebagai variabel dependen, AHH (X1), AMH (X2) dan  PPP (X3) sebagai variabel independen. Penelitian mengkaji efek dependensi spasial dengan mengunakan pendekatan area. Selanjutnya diberikan aplikasi SEM untuk mengidentifikasi seberapa besar pengaruh komponen-komponen penyusun IPM dapat mempengaruhi tingkat IPM di Jawa Tengah. Hasil penelitian menunjukkan bahwa persebaran IPM di Provinsi Jawa Tengah terdapat pola pengelompokan wilayah. Hasil pemodelan menggunakan SEM menunjukkan lambda dan semua variabel yang signifikan. Model SEM menghasilkan AIC sebesar 43,8540 yang lebih baik dibandingkan regresi metode OLS dengan AIC sebesar 45,6231.
SMALL AREA ESTIMATION UNTUK PENDUGAAN JUMLAH PENDUDUK MISKIN DI KOTA SEMARANG DENGAN PENDEKATAN KERNEL-BOOTSTRAP Maulana, Ujang; Darsyah, Moh Yamin; Utami, Tiani Wahyu
Jurnal Statistika Vol 2, No 2 (2014): Jurnal Statistika
Publisher : Jurnal Statistika

Show Abstract | Original Source | Check in Google Scholar

Abstract

Pendugaan area kecil dengan teknik pendugaan tak langsung memerlukan asumsi adanya hubungan linier antara rataan area kecil dengan variabel penyerta. Jika tidak ada hubungan linier antara rataan area kecil dan variabel penyerta maka tidak tepat ‘meminjam kekuatan’ dari area lain dengan menggunakan model linier dalam pendugaan tak langsung. Untuk mengatasi hal tersebut dikembangkan pendekatan nonparametrik. Salah satu pendekatan nonparametrik yang digunakan adalah pendekatan Kernel-Bootsrap. Pendugaan tak langsung dengan pendekatan SAE Kernel-Bootsrap digunakan untuk menduga angka jumlah penduduk miskin pada level kecamatan di Kota Semarang. Variabel yang digunakan dalam penelitian ini terdiri atas dua bagian , yakni Jumlah Penduduk Miskin (Y) sebagai variabel dependen, serta sebagai variabel penyerta: Penduduk Usia 65 Tahun keatas (X). Evaluasi hasil pendugaan dilakukan dengan melihat nilai MSE (Mean Square Error) penduga SAE Kernel-Bootsrap. Hasil pendugaan SAE Kernel-Bootstrap terbaik menggunakan replikasi B= 100.
PREDIKSI HARGA SAHAM MENGGUNAKAN SUPPORT VECTOR REGRESSION DENGAN ALGORITMA GRID SEARCH Yasin, Hasbi; Prahutama, Alan; Utami, Tiani Wahyu
MEDIA STATISTIKA Vol 7, No 1 (2014): Media Statistika
Publisher : Jurusan Statistika FSM Undip

Show Abstract | Original Source | Check in Google Scholar | Full PDF (335.209 KB)

Abstract

The stock market has become a popular investment channel in recent years because of the low return rates of other investment. The stock price prediction is in the interest of both private and institution investors. Accurate forecasting of stock prices is an appealing yet difficult activity in the business world. Therefore, stock prices forecasting is regarded as one of the most challenging topics in business. The forecasting techniques used in the literature can be classified into two categories: linear models and non linear models.  One of forecasting techniques in nonlinear models is support vector regression (SVR). Basically, SVR adopts the structural risk minimization principle to estimate a function by minimizing an upper bound of the generalization. The optimal parameters of SVR can be use Grid Search Algorithm method. Concept of this method is using cross validation (CV). In this paper, the SVR model use linear kernel function. The accurate prediction of stock price, in telecommunication, is 92.47% for training data and 83.39% for testing data.   Keywords: Stock price, SVR, Grid Search, Linear kernel function.
PEMODELAN KETAHANAN PANGAN KEDELAI (GLYSINE SOYA MAX (LENUS&MERRIL)) DI PROVINSI JAWA TENGAH DENGAN PENDEKATAN SPATIAL REGRESSION Arnanda, Fathikatul; Kriswanto, Yusnia; Izzatun, Imaroh; Nurlita, Devi; Fajriyani, Azqia; Utami, Tiani Wahyu
Jurnal Statistika Vol 3, No 1 (2015): Jurnal Statistika
Publisher : Jurnal Statistika

Show Abstract | Original Source | Check in Google Scholar | Full PDF (527.392 KB)

Abstract

Masalah pangan merupakan salah satu masalah nasional. Kedelai merupakan salah satu sumber bahan komoditas pangan yang telah lama dibudidayakan di Indonesia, yang saat ini tidak hanya diposisikan sebagai bahan baku industri pangan, namun juga ditempatkan sebagai bahan baku industri non-pangan. Beberapa produk yang dihasilkan antara lain tempe, tahu, es krim, susu kedelai, tepung kedelai, minyak kedelai, pakan ternak ,dan bahan baku industri. Sifat multiguna yang ada pada kedelai menyebabkan tingginya permintaan kedelai di dalam negeri. Selain itu, manfaat kedelai sebagai salah satu sumber protein murah membuat kedelai semakin diminati. Variabel penelitian yang digunakan adalah variabel endogenous, yakni nilai total produktifitas kedelai (Y) berdasarkan Kabupaten-Kota di Jawa Tengah dan Variabel Exogenous luas panen kedelai di Kabupaten-Kota di Jawa Tengah (X) dan total produksi kedelai di Kabupaten-Kota di Jawa Tengah(X₂) Penelitian ini mengkaji efek dependensi spasial dengan menggunakan pendataan area. Spatial regression dengan lag di variable independen dinamakan Spatial Lag X (SLX). Model SLX merupakan model regresi linier lokal yang menghasilkan dugaan parameter model regresi yang bersifat lokal.Kata Kunci : Ketahanan Pangan, Kedelai, Spasial Regresi, SLX
PERAMALAN DATA SAHAM DENGAN MODEL WINTER’S Utami, Tiani Wahyu; Darsyah, Moh. Yamin
Jurnal Statistika Vol 3, No 2 (2015): Jurnal Statistika
Publisher : Jurnal Statistika

Show Abstract | Original Source | Check in Google Scholar | Full PDF (239.264 KB)

Abstract

Peramalan merupakan seni dan ilmu untuk memperkirakan kejadian di masa depan, sehingga hasil dari peramalan dapat digunakan oleh pemangku kebijakan dalam mengambil kebijakan strategis untuk menyelesaikan persoalan dimasa mendatang.Peramalan melibatkan analisis time series dimana urutan pengamatan berdasarkan interval waktu yang sama dan pengamatan tersebut memiliki korelasi. Model time series yang digunakan pada penelitian ini antara lain model winter’s yang diaplikasikan pada data saham astra internasional. Model Winter’s dengan kombinasi parameter alpha (level), delta (musiman) dan gamma (trend) masing-masing sebesar 0,2; 0,2 dan 0,2menghasilkan MAPE sebesar 0,007676. Model Winter’s digunakan untuk peramalan data (forecasting) selama 30 hari kedepan. Hasil forecasting menunjukkan tren penurunan.Kata Kunci : Model Winter’s, MAPE
MODEL REGRESI NONPARAMETRIK DENGAN PENDEKATAN DERET FOURIER PADA POLA DATA CURAH HUJAN DI KOTA SEMARANG Nurjanah, Fatmawati; Utami, Tiani Wahyu; Nur, Indah Manfaati
Jurnal Statistika Vol 3, No 2 (2015): Jurnal Statistika
Publisher : Jurnal Statistika

Show Abstract | Original Source | Check in Google Scholar | Full PDF (293.9 KB)

Abstract

Pendekatan regresi dapat dilakukan dengan tiga pendekatan yaitu pendekatan parametrik, nonparametrik, dan semiparametrik. Pendekatan regresi nonparametrik pada penelitian ini dilakukan dengan menggunakan deret Fourier. Estimasi deret Fourier dapat menggunakan LS (Least Square). Pada estimasi deret Fourier penentuan K optimal menggunakan GCV (Generalized Cross Validation). Curah hujan merupakan salah satu unsur iklim yang penting di Indonesia. Tujuan dari penelitian ini adalah untuk menganalisis pola curah hujan di kota Semarang dengan menghasilkan kurva sinus atau cosinus. Pendekatan deret Fourier adalah sebuah metode yang menghasilkan kurva sinus cosinus pada data yang bersifat periodik. Variabel independennya adalahwaktu.Hasil dari data yang diolah pada penelitian ini untuk lokasi Semarang Barat menghasilkan sebesar 92%, lokasi Semarang Timur menghasilkan sebesar 95%, lokasi Semarang Utara menghasilkan sebesar 89%, dan lokasi Semarang Selatan menghasilkan sebesar 89% sehingga model yang didapatkan adalah sederhana.Kata Kunci : Regresi Nonparametrik, GCV, Deret Fourier, Curah Hujan
SMALL AREA ESTIMATION UNTUK PENDUGAAN JUMLAH PENDUDUK MISKIN DI KOTA SEMARANG DENGAN PENDEKATAN KERNEL-BOOTSTRAP Maulana, Ujang; Darsyah, Moh Yamin; Utami, Tiani Wahyu
Jurnal Statistika Vol 2, No 2 (2014): Jurnal Statistika
Publisher : Jurnal Statistika

Show Abstract | Original Source | Check in Google Scholar | Full PDF (77.109 KB)

Abstract

Pendugaan area kecil dengan teknik pendugaan tak langsung memerlukan asumsi adanya hubungan linier antara rataan area kecil dengan variabel penyerta. Jika tidak ada hubungan linier antara rataan area kecil dan variabel penyerta maka tidak tepat ‘meminjam kekuatan’ dari area lain dengan menggunakan model linier dalam pendugaan tak langsung. Untuk mengatasi hal tersebut dikembangkan pendekatan nonparametrik. Salah satu pendekatan nonparametrik yang digunakan adalah pendekatan Kernel-Bootsrap. Pendugaan tak langsung dengan pendekatan SAE Kernel-Bootsrap digunakan untuk menduga angka jumlah penduduk miskin pada level kecamatan di Kota Semarang. Variabel yang digunakan dalam penelitian ini terdiri atas dua bagian , yakni Jumlah Penduduk Miskin (Y) sebagai variabel dependen, serta sebagai variabel penyerta: Penduduk Usia 65 Tahun keatas (X). Evaluasi hasil pendugaan dilakukan dengan melihat nilai MSE (Mean Square Error) penduga SAE Kernel-Bootsrap. Hasil pendugaan SAE Kernel-Bootstrap terbaik menggunakan replikasi B= 100.