Brodjol Sutijo
Jurusan Statistika, Institut Teknologi Sepuluh Nopember, Surabaya

Published : 4 Documents
Articles

Found 4 Documents
Search

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 (428.958 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.
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 | DOI: 10.29313/jstat.v4i2.874

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.
Neural Networks Multiscale Autoregressive untuk Peramalan Data Time Series sutijo, brodjol
J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika Vol 3 No 01 (2011)
Publisher : J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (173.96 KB)

Abstract

Transformasi wavelet yang banyak digunakan untuk peramalan time series adalah Maximal Overlap Discrete Wavelet Transform (MODWT). Penggunaan MODWT adalah untuk mengatasi keterbatasan discrete wavelet transform (DWT), yang membutuhkan N=2j dimana J adalah bilangan bulat positif. Praktis, data time series jarang memenuhi kondisinya tersebut. Skala dan koefisien wavelet yang diberikan oleh MODWT akan digunakan untuk peramalan time series. Ada beberapa penelitian yang berkaitan dengan NN-MAR untuk peramalan time series, biasanya berfokus pada bagaimana untuk mendapatkan model NN-MAR yang sesuai untuk peramalan data time series. Tujuan dari penelitian ini adalah untuk mengembangkan prosedur yang tepat untuk pemodelan NN-MAR data time series musiman, dan untuk membandingkan akurasi ramalan antara NN-MAR, ARIMA, dan MAR (multiscale Autoregressive). Studi empiris data penumpang pesawat yang digunakan menunjukkan bahwa prosedur yang dikembangkan tidak baik dalam pembentukan model NN-MAR cocok untuk peramalan data time series musiman. Perbandingan ketepatan ramalan menunjukkan bahwa model NN-MAR harus digunakan sebagai model untuk peramalan data karena data nonlinier.
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 | DOI: 10.21831/pg.v7i2.4782

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