Articles

Found 21 Documents
Search

REGRESI TERBOBOTI GEOGRAFIS DENGAN PEMBOBOT KERNEL KUADRAT GANDA UNTUK DATA KEMISKINAN DI KABUPATEN JEMBER Rahmawati, Rita; Djuraidah, Anik
FORUM STATISTIKA DAN KOMPUTASI Vol. 15 No. 2 (2010)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (345.642 KB)

Abstract

The determination of whether  rural areas are considered  poor or no are usually based on  the average cost per capita with a global analysis that needs independent observations and the results are applied to all villages. But it is very likely that poverty would be influenced by space and neighboring areas, so the data between observations are rarely independent. One of the statistical analysis that encounters this spatial problem is Geographically Weighted Regression (GWR), which  gives different weights to each geographical observation. In this paper, the weighting used for the GWR model is kernel bi-square, with its bandwidth values respectively. Optimal bandwidth can be obtained by minimizing the value of cross validation coefficient (CV). The results showed that the GWR model is more effective than the regression to analyze the data on average expenditure per capita in Jember.
PEMODELAN KEMISKINAN DI JAWA MENGGUNAKAN BAYESIAN SPASIAL PROBIT PENDEKATAN INTEGRATED NESTED LAPLACE APPROXIMATION (INLA) Maulina, Retsi Firda; Djuraidah, Anik; Kurnia, Anang
MEDIA STATISTIKA Vol 12, No 2 (2019): Media Statistika
Publisher : Department of Statistics, Faculty of Science and Mathematics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (388.748 KB) | DOI: 10.14710/medstat.12.2.140-151

Abstract

Poverty is a complex and multidimensional problem so that it becomes a development priority. Applications of poverty modeling in discrete data are still few and applications of the Bayesian paradigm are also still few. The Bayes Method is a parameter estimation method that utilizes initial information (prior) and sample information so that it can provide predictions that have a higher accuracy than the classical methods. Bayes inference using INLA approach provides faster computation than MCMC and possible uses large data sets. This study aims to model Javanese poverty using the Bayesian Spatial Probit with the INLA approach with three weighting matrices, namely K-Nearest Neighbor (KNN), Inverse Distance, and Exponential Distance. Furthermore, the result showed poverty analysis in Java based on the best model is using Bayesian SAR Probit INLA with KNN weighting matrix produced the highest level of classification accuracy, with specificity is 85.45%, sensitivity is 93.75%, and accuracy is 89.92%.
SEJARAH PERKEMBANGAN STATISTIKA DAN APLIKASINYA Sunaryo, Sony; Setiawan, Setiawan; Djuraidah, Anik; Saefuddin, Asep
FORUM STATISTIKA DAN KOMPUTASI Vol. 8 No. 1 (2003)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (209.239 KB)

Abstract

Statistika diawali sebagai ilmu untuk mengumpulkan angka (data).  Pada abad 17  statistika deskriptif mulai berkembang, begitu juga ilmu peluang yang awalnya dilahirkan dari meja judi sudah mulai muncul .  Ilmu peluang ini melandasi berkembangnya statistika induktif yang terjadi pada pertukaran abad 19 dan 20 dengan Karl Pearson sebagai pelopornya. Statistika induktif berkembang pesat setelah R. A. Fisher memperkenalkan metode Maximum Likelihood pada tahun 1922. Dengan adanya perkembangan teknologi komputer, metode eksplorasi data dan bootstrap mulai berkembang pada tahun 1970.  Metode ini sebagai awal dari analisis data tanpa model peluang yang populer dengan data driven. Seiring dengan perkembangan statistika induktif, statistika mulai diterapkan pada berbagai bidang  seperti ekonomi, industri, pertanian, sosiologi, psikologi, dan lain-lain.Di bidang ekonomi aplikasi statistika pada ekonometrika, sedangkan di bidang  industri aplikasi yang sangat terkenal adalah metode Quality Control dan metode Six-Sigma.Pada abad 21 diperkirakan metode data mining akan banyak digunakan dalam bidang terapan.  Perkembangan ini akan berpengaruh terhadap model pendidikan dan pengajaran statistika dewasa ini.Di Indonesia penggunaan statistika dipelopori dengan dibukanya  program pendidikan statistika di bawah naungan Jurusan Statistika IPB  (S1 sejak tahun 1967 dan S2 sejak tahun 1975). Peran Jurusan Statistika IPB baik lewat mata kuliah pelayanan pada jurusan lain di lingkungan IPB, maupun para lulusannya yang sudah tersebar di bergai bidang pekerjaan memberikan dampak positif bagi penggunaan statistika sebagai alat bantu analisis.Sekarang selain IPB ada  PTN  dan PTS yang telah membuka jurusan statistika. 
PENDUGAAN REGESI SEMIPARAMETRIK DENGAN PENDEKATAN MODEL CAMPURAN LINEAR Djuraidah, Anik
FORUM STATISTIKA DAN KOMPUTASI Vol. 14 No. 2 (2009)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (479.934 KB)

Abstract

Hubungan fungsional antara respon dengan peubah penjelas pada  regresi linear berganda berbentuk parametrik dengan metode pendugaan parameternya adalah metode kuadrat terkecil. Pada regresi semiparametrik, hubungan  fungsional antara respon dengan peubah penjelas dapat berbentuk parametrik atau nonparametrik. Metode yang banyak digunakan untuk pendugaan regresi semiparametrik adalah algoritma backfitting yang dikemukakan oleh Hastie & Tibshirani (1990). Pada penelitian ini pendugaan regresi parametrik didekati dengan model campuran linear. Keuntungan utama pendekatan  dengan model campuran linear adalah menggunakan metode ML atau REML sehingga memberi kemudahan dalam seleksi model dan penarikan kesimpulan
PENGGUNAAN JARINGAN SYARAF TIRUAN UNTUK PENDUGAAN MODEL LINEAR TERAMPAT DENGAN KOEFISIEN KERAGAMAN KONSTAN Djuraidah, Anik
FORUM STATISTIKA DAN KOMPUTASI Vol. 13 No. 1 (2008)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (364.611 KB)

Abstract

Secara umum model linear terampat  (GLIM) dapat dipetakan secara ekivalen pada Jaringan Syaraf Tiruan (JST) dengan satu lapisan atau disebut juga dengan perceptron.  Fungsi aktifasi pada JST sama dengan invers dari fungsi hubung. Pada GLIM dengan komponen acak mempunyai sebaran gamma ekivalen dengan JST tanpa lapisan tersembunyi dengan fungsi galat adalah gamma dan fungsi tujuan adalah fungsi kemungkinan maksimum atau devians. Sedangkan fungsi aktifasi untuk model gamma adalah identitas, resiprokal, atau eksponensial. Makalah ini mengkaji pendugaan model pada data yang mempunyai sebaran gamma  dengan metode JST dan seberapa besar perbedaan hasil pendugaannya dibandingkan dengan GLIM. Hasil kajian menunjukkan bahwa  JST  menghasilkan  nilai dugaan yang sama dengan GLIM. Kata kunci : jaringan syaraf tiruan, koefisien keragaman konstan, model gamma
MODEL VEKTOR AUTOREGRESSIVE UNTUK PERAMALAN CURAH HUJAN DI INDRAMAYU (VECTOR AUTOREGRESSIVE MODEL FOR FORECAST RAINFALL IN INDRAMAYU ) Saputro, Dewi Retno Sari; Wigena, Aji Hamim; Djuraidah, Anik
FORUM STATISTIKA DAN KOMPUTASI Vol. 16 No. 2 (2011)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (426.491 KB)

Abstract

There  are  three  regions  of  rainfall  that  has  been  formed,  each  rainfall  regions has a variety of homogeneous and there is a correlation between rainfall stations. In  each  region  can  be determined  rainfall  prediction  model simultaneously.  The model  is  a  model  of  Vector Autoregressive  (VAR)  which  is  an extension  of  the autoregressive  model  (AR).  Based  on  this  research,  we  can  determine  the  VAR model by lag 1 or VAR (1) for each region. Region 1 (Anjatan and Sumurwatu), region  2  (Salamdarma  and  Gantar)  and  region  3  (Kedokan  Bunder  and Sudimampir), each of which has a Root Mean Square Error Prediction (RMSEP) of  3.93;  5:03;  4:48;  5.3;  2:18  and  3:53.  Correlation  value  of  observations  with predictions of rainfall respectively, 0.71; 0.62; 0:57; 0:59; 0.89, and 0.91.  Keywords: AR, VAR, RMSEP, correlation
APLIKASI MODEL KALIBRASI DI BIDANG KIMIA ADALAH PEMODELAN HUBUNGAN ANTARA KANDUNGAN SENYAWA AKTIF YANG DITENTUKAN DARI HIGH PERFORMANCE LIQUID CHROMATOGRAPHY (HPLC) DENGAN BENTUK SPEKTRUM  DARI SPEKTROMETER FOURIER TRANSFORM INFRARED (FTIR). PERMASALAHAN UTAMA DALAM KALIBRASI ADALAH MULTIKOLINEAR DAN PENGAMATAN PENCILAN. REGRESI KUADRAT TERKECIL PARSIAL (RKTP)  MERUPAKAN SEBUAH TEKNIK PREDIKTIF YANG MAMPU MENGATASI MASALAH MULTIKOLINEARITAS.. SIMPLS (STRAIGHTFORWARD IMPLEMENTATION PLS) ADALAH ., Ismah; Wigena, Aji Hamim; Djuraidah, Anik
FORUM STATISTIKA DAN KOMPUTASI Vol. 14 No. 1 (2009)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

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

Abstract

Aplikasi model kalibrasi di bidang kimia adalah pemodelan hubungan antara kandungan senyawa aktif yang ditentukan dari High Performance Liquid Chromatography (HPLC) dengan bentuk spektrum  dari spektrometer Fourier Transform Infrared (FTIR). Permasalahan utama dalam kalibrasi adalah multikolinear dan pengamatan pencilan. Regresi Kuadrat Terkecil Parsial (RKTP)  merupakan sebuah teknik prediktif yang mampu mengatasi masalah multikolinearitas.. SIMPLS (Straightforward Implementation PLS) adalah algoritma pendugaan RKTP yang  tidak resisten terhadap pengamatan pencilan. Hubert and Brande (2003) mengemukakan algoritma RSIMPLS yang bersifat resisten terhadap pencilan. RSIMPLS dibentuk dari matriks ragam-peragam robust dan regresi linear robust. Pada penelitian ini dilakukan modifikasi fungsi bobot pada  RSIMPLS dengan penduga-M Huber dimana setiap pengamatan akan diberikan nilai bobot kecil  jika jarak robust dan jarak ortogonal pengamatan ke-i melebihi nilai batas yang ditentukan, dan  untuk lainnya. Dengan demikian besar  tidak hanya 0 dan 1, melainkan . Hasil penelitian menunjukkan RMSEP (root mean square error) pada metode modifikasi bobot lebih kecil dibandingkan RSIMPLS
PERAMALAN CURAH HUJAN EKSTRIM DI PROVINSI BANTEN DENGAN MODEL EKSTRIM SPASIAL Djuraidah, Anik; Suheni, Cici; Nabila, Banan
MEDIA STATISTIKA Vol 12, No 1 (2019): Media Statistika
Publisher : Department of Statistics, Faculty of Science and Mathematics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (329.719 KB) | DOI: 10.14710/medstat.12.1.50-62

Abstract

Extreme rainfall can cause negative impacts such as floods, landslides, and crop failures. Extreme rainfall modeling using spatial extreme models can provide location information of the event. Spatial extreme models combine the extreme value theory, the max-stable process, and the geostatistical correlation function of F-madogram. The estimation of the return value on the spatial extreme models is performed using the copula approach. This research used monthly rainfall data from January 1998 until December 2014 at 19 rain stations in Banten Province. The results showed that there was a high spatial dependence on extreme rainfall data in Banten Province. The forecast in range 1.5 years showed the best result compared to other ranges (1 year, 3 years, and 5 years) with MAPE 20%. The pattern of extreme rainfall forecasting was similar to its actual value with a correlation of 0.7 to 0.8. The predicted location that has the highest extreme rainfall was the Pandeglang Regency. Extreme rainfall forecasting at 19 rain stations in Banten Province using spatial extreme models produced a good forecasting.
PENDUGAAN REGRESI SPLINE TERPENALTI DENGAN PENDEKATAN MODEL LINEAR CAMPURAN Djuraidah, Anik; Aunuddin, Aunuddin
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 6, No 1 (2006)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v6i1.935

Abstract

Regresi spline terpenalti, atau P-spline, adalah regresi yang ditentukan dengan kuadrat terkecil danpenalti kekasaran. P-spline dapat direpresentasikan dalam bentuk model linear campuran dengankomponen ragam mengontrol tingkat ketidaklinearan dari penduga fungsi mulusnya. Pendugaan Psplinedengan pendekatan model linear campuran mempunyai tiga keuntungan. Keuntunganpertama adalah P-spline dapat diduga dengan metode kemungkinan maksimum (ML) atau denganmetode kemungkinan maksimum berkendala (REML). Keuntungan kedua adalah komputasi lebihcepat karena menggunakan basis pemulus berdimensi rendah. Keuntungan ketiga adalah P-splinedapat dikembangkan untuk model dengan peubah penjelas lebih dari satu.
KEUNGGULAN PENDUGAAN MODEL ADITIF DENGAN PENDEKATAN MODEL LINEAR CAMPURAN DIBANDING DENGAN ALGORITMA BACKFITTING Djuraidah, Anik
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 8, No 1 (2008)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v8i1.977

Abstract

The additive model is the generalized of multiple linear regression that expresses the mean of areponse variable as a sum of functional form of predictors. The widely used estimation of additivemodels described in Hastie and Tibshirani (1990) is backfitting algorithm. However, the algorithmwith linear smoothers gave some difficulties when it comes to model selection and its inference. Theadditive model with P-spline as smooth function admits a mixed model formulation, in whichvariance components control the non-linearity degree in the smooth function. This research isfocused in comparing of estimation additive models using backfitting algorithm and linear mixedmodel approach. The research results show that estimation of additive models using linear mixedmodels offer simplicity in the computation, since use low-rank dimension of P-spline, and in themodel inference, since based on maximum likelihood method. Estimation additive model using linearmixed model approach can be suggested as an alternative method beside backfitting algorithm