cover
Contact Name
Ansari Saleh Ahmar
Contact Email
ansarisaleh@unm.ac.id
Phone
+6285255962536
Journal Mail Official
jurnalvariansi@unm.ac.id
Editorial Address
https://ojs.unm.ac.id/jvariansi/about/editorialTeam
Location
Kota makassar,
Sulawesi selatan
INDONESIA
VARIANSI: Journal of Statistics and Its Application on Teaching and Research
ISSN : -     EISSN : 26847590     DOI : https://doi.org/10.35580/variansiunm
VARIANSI: Journal of Statistics and Its application on Teaching and Research memuat tulisan hasil penelitian dan kajian pustaka (reviews) dalam bidang ilmu dasar ataupun terapan dan pembelajaran dari bidang Statistika dan Aplikasinya dalam pembelajaran dan riset berupa hasil penelitian dan kajian pustaka.
Articles 28 Documents
METODE VECTOR AUTOREGRESSIVE (VAR) DALAM MENGANALISIS PENGARUH KURS MATA UANG TERHADAP EKSPOR DAN IMPOR DI INDONESIA Febrianti, Dwi Reskiyani; Tiro, Muhammad Arif; Sudarmin, S.
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 3, No 1 (2021): (In Progress)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm14645

Abstract

Abstrak. Metode Vector Autoregressive (VAR) adalah salah satu analisis yang digunakan untuk menganalisis data deret waktu. Data deret waktu dikategorikan menurut interval waktu yang sama, baik dalam harian, mingguan, bulanan, kuartalan, ataupun tahunan. Vector Autoregressive (VAR) merupakan pemodelan yang tidak perlu menentukan variabel endogen dan variabel eksogen. Tujuan dari penelitian ini adalah untuk mengetahui pengaruh kurs mata uang terhadap ekspor dan impor di Indonesia. Data yang digunakan dalam penelitian ini adalah data kurs, ekspor, dan impor dari bulan Januari 2014 hingga Desember 2018. Uji stasioneritas dalam penelitian ini menggunakan metode Augmented Dickey Fuller (ADF). Dalam penelitian ini menggunakan differencing terhadap data karena data tidak stasioner pada level. Penentuan panjang lag optimal diperoleh dari nilai Akaike Information Criterion (AIC) yang paling minimum. Estimasi model VAR diperoleh setelah penentuan panjang lag optimal. Uji kausalitas dilakukan dengan uji Causality Granger untuk melihat pengaruh timbal balik antar variabel yang diuji dalam penelitian ini. Terakhir menggunakan uji Impulse Response Function (IRF) untuk menelusuri guncangan atau shock suatu variabel terhadap variabel lainnya. Adapun hasil analisis yang diperoleh menunjukkan terdapat dua hubungan satu arah yaitu kurs mempengaruhi ekspor dan ekspor mempengaruhi impor.Kata Kunci: VAR, Kurs, Ekspor, Impor.
Pemodelan Pertumbuhan Ekonomi Provinsi Sulawesi Selatan dengan Menggunakan Regresi Data Panel Suardin, Misriani; Bustan, Muhammad Nadjib; Ahmar, Ansari Saleh
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 2, No 3 (2020)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm14637

Abstract

Abstract. Economic growth is a process for change the economic condition a country or regional by continuously for the better condition as long as definite period. Economic growth in South Sulawesi for 2013-2016 have up and down because many factors have influence it. Like jobless, human capital index, regional revenue, expenditure, and total population. This research was conducted to determine the factors that influence economic growth in South Sulawesi by using data panel regression methods. Panel data regression is a regression by using panel data. Panel data is a statistics analysis method that combines between time series data and cross section data. The result indicates that the result if the regression analysis on the =5% show that the best panel data regression model is random effect model and human capital index variable have significant effect on economic growth with probability value about 0,0227. Meanwhile, jobless, regional revenue, expenditure, and total population no significant.Keywords: Panel Data Regression, Economic Growth, Common Effect Model, Fixed Effcet Model, Random Effect Model
ANALISIS SURVIVAL DENGAN PEMODELAN REGRESI COX PROPORTIONAL HAZARD MENGGUNAKAN PENDEKATAN BAYESIAN (Studi Kasus: Pasien Rawat Inap Penderita Demam Tifoid di RSUD Haji Makassar) Faisal, Adi Rahmat; Bustan, Muhammad Nadjib; Annas, Suwardi
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 2, No 2 (2020)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm14629

Abstract

Abstrak. Analisis survival merupakan metode statistika yang digunakan untuk menganalisis data dimana peubah yang diperhatikan adalah waktu sampai terjadinya suatu event. Waktu dapat dinyatakan dalam tahun, bulan, minggu, atau hari dari awal mula dilakukan pengamatan pada seorang individu sampai suatu peristiwa terjadi pada individu. Salah satu tujuan analisis survival adalah untuk mengetahui hubungan antara waktu kejadian dan peubah bebas yang terukur pada saat dilakukan penelitian. Salah satu pendekatan metode regersi yang bisa digunakan adalah regresi Cox Proportional Hazard. Data yang digunakan dalam penelitian ini adalah data pasien penderita demam tifoid di RSUD Haji Makassar. Data demam tifoid memiliki karakteristik yang memungkinkan untuk dilakukan analisis dengan menggunakan regresi Cox Proportional Hazard. Adapun analisisnya menggunakan pendugaan parameter Bayesian, diperoleh faktor yang signifikan berpengaruh terhadap laju kesembuhan pasien adalah nyeri ulu hati. Nilai hazard ratio peubah nyeri ulu hati sebesar 0,63. Nilai tersebut <1 sehingga dapat dikatakan bahwa pasien yang mengalami nyeri ulu hati memiliki laju kesembuhan 0,63 kali dibandingkan yang tidak mengalami nyeri ulu hati.Kata Kunci: Survival Analysis, Regression Cox Proportional Hazard, Thyfoid Fever
Implementasi Metode Fuzzy Time Series untuk Peramalan Jumlah Pengunjung di Benteng Fort Rotterdam Vivianti, V.; Aidid, Muhammad Kasim; Nusrang, Muhammad
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 2, No 1 (2020)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm12904

Abstract

Abstract, Peramalan merupakan kegiatan yang dilakukan untuk memprediksi nilai suatu variable di waktu yang akan datang. Tujuan dari penelitian ini adalah mengimplementasikan Metode Fuzzy Time Series untuk memprediksi jumlah Pengunjung Benteng Fort Rotterdam. Metode Fuzzy Time Series adalah sebuah metode peramalan yang menggunakan himpunan Fuzzy sebagai dasar dalam Proses prediksi. Tahapan Peramalan dalam penelitian ini adalah mendefinisikan semesta pembicaraan U, menentukan jumlah dan Panjang kelas interval, defuzzifikasi dan mendefenisikan himpunan Fuzzy pada U, melakukan Fuzzifikasi pada data jumlah pengunjung, menentukan Fuzzy logic relationship (FLR), membentuk Fuzzy Logical Relationship Group (FLRG), melakukan defuzzifikasi, dan melakukan perhitungan peramalan. Dalam meramalkan jumlah Pengunjung di Benteng Fort Rotterdam dengan menggunakan Metode Fuzzy Time Series diperoleh hasil peramalan sebanyak 16240,35 atau dibulatkan menjadi 16240 Pengunjung pada bulan selanjutnya, dengan nilai MAPE sebesar 119,93 dan RMSE sebesar 4739,08.Keywords: Fuzzy, Time Series, Peramalan, Fort Rotterdam
Model Regresi Logistik Biner pada Tingkat Pengangguran Terbuka di Provinsi Sulawesi Barat Tahun 2017 Safitri, Alfiah; Sudarmin, Sudarmin; Nusrang, Muhammad
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 1, No 2 (2019)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (700.968 KB) | DOI: 10.35580/variansiunm9354

Abstract

Regresi logistik merupakan model regresi yang sering digunakan untuk pemodelan data kategori. Pada penelitian ini dilakukan pemodelan regresi logistuk dan penerapannya pada Tingkat Pengangguran Terbuka di Provinsi Sulawesi Barat. Pendugaan parameter yang digunakan adalah Maximum Likelihood Estimation (MLE). Metode uji G simultan dan uji parsial digunakan untuk signifikansi peubah. Tujuan dari penelitian ini yaiitu untuk mencari model terbaik yang terbentuk dari faktor-faktor yang berpengaruh terhadap Tingkat Pengangguran Terbuka di Provinsi Sulawesi Barat. Hasil dari penelitian ini menunjukkan bahwa peubah bebas yang signifikan terhadap Tingkat Pengangguran Terbuka di Provinsi Sulawesi Barat adalah persentase jenis kelamin dengan kategori laki-laki dan persentase lapangan usaha dengan kategori pertanian dimana pada peubah jenis kelamin memiliki nilai p-value 0,017<5% dan pada peubah lapangan usaha memiliki nilai p-value 0,006<5% dapat di artikan bahwa kedua peubah tersebut berpengaruh terhadap Tingkat Pengangguran Terbuka.Kata Kunci: Regresi Logistik, Kategor, Tingkat Pengangguran Terbuka
Eksplorasi Metode Triple Exponential Smoothing Pada Peramalan Jumlah Penggunaan Air Bersih di PDAM Kota Makassar Lestari, Suci; Ahmar, Ansari Saleh; Ruliana, R.
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 2, No 3 (2020)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm14641

Abstract

Abstrak. Ketersediaan air bersih sangat penting dikarenakan hampir seluruh aktivitas manusia sangat bergantung terhadap ketersediaan air bersih. Hal ini membuat faktor produksi dan ketersediaan air bersih selalu menjadi prioritas dalam pelayanan penyaluran air bersih sehingga penulis tertarik untuk mengkaji tentang peramalan jumlah penggunaan air bersih di PDAM Kota Makassar. Salah satu metode yang cocok untuk menangani kasus tersebut adalah metode Time Series. Metode Triple Exponential Smoothing atau biasa disebut dengan Winter Exponential Smoothing merupakan salah satu metode Time Series yang cocok untuk menangani data yang bersifat musiman seperti jumlah penggunaan air bersih di Kota Makassar.  Adapun Langkah analisis dari metode Triple Exponential Smoothing adalah identifikasi model, estimasi parameter dengan trial and error, selanjutnya adalah perhitungan nilai awal dari pemulusan data, trend, dan musiman dengan panjang satu musim L=12 dan yang terakhir adalah menghitung nilai error dengan menggunakan MAPE dan RMSE. Model terbaik diperoleh dari kombinasi parameter α = 0,1; β = 0,1; dan γ=0,6 yang menghasilkan kesalahan peramalan terkecil menggunakan RMSE dengan nilai sebesar 168,175 dan MAPE dengan nilai sebesar 4,736. Dengan meggunakan model maka diperoleh peramalan jumlah penggunaan air bersih di PDAM Kota Makassar dari bulan januari – desember 2019 sebagai berikut: 2779,10; 2788,94; 2728,61; 2797,48; 2787,97; 2752,66; 2742,18; 2708,50; 2644,55; 2521,50; 2537,74; 2732,55. Dari hasil peramalan tersebut terlihat mendekati dan tidak terlalu jauh menyimpang dari data tahun sebelumnya  sehingga dapat dijadikan acuan produktivitas air bersih di PDAM Kota Makassar agar produktivitas air dapat mencukupi semua kebutuhan masyarakat di Kota Makassar.Kata kunci: air, triple exponential smoothing, time series, peramalan.
Model Regresi Logistik Terboboti Georafis pada Status Kemiskinan Kabupaten/Kota di Provinsi Sulawesi Selatan tahun 2016 Rustan, Sadriana; Tiro, Muhammad Arif; Bustan, Muhammad Nadjib
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 1, No 3 (2019)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm14624

Abstract

Abstrak. Analisis regresi logistik digunakan untuk menentukan hubungan antara peubah respon bersifat kategori dengan satu atau lebih peubah penjelas dengan asumsi bahwa respon tidak dipengaruhi oleh lokasi geografis (data spasial). Salah satu metode analisis spasial adalah Model Regresi Logistik Terboboti Geografis (RLTG). Model RLTG adalah bentuk regresi logistik lokal di mana lokasi geografis diperhatikan dan diasumsikan memiliki distribusi Bernoulli. Pendugaan parameter model RLTG menggunakan metode Maximum Likelihood Estimation (MLE) dengan memberikan bobot yang berbeda pada lokasi yang berbeda. Data dalam penelitian ini diperoleh dari publikasi Badan Pusat Statistik, yaitu data dan Informasi Kemiskinan di Provinsi Sulawesi Selatan. Penelitian ini bertujuan untuk mengetahui faktor-faktor yang mempengaruhi status kemiskinan di Provinsi Sulawesi Selatan dengan menggunakan model regresi logistik terboboti geografis dengan fungsi pembobot Kernel bisquare. Hasil penelitian menunjukkan bahwa peubah penjelas yang mempengaruhi status kemiskinan di Provinsi Sulawesi Selatan adalah persentase penduduk tidak bekerja dan persentase rumah tangga pengguna jamban bersama.Abstract. Logistic regression a analysis is used to determine the relationship between categorical response variables with one or more predictor variable assuming that the response is not influenced by geographical location (spatial data). One method of spatial analysis is Geographically Weighted Logistic Regression (GWLR). The GWLR model is a local form of logistic regression where the geographical location is considered and assumed to have a Bernoulli distribution. Estimating parameters of the RLTG model uses the Maximum Likelihood Estimation (MLE) method by giving different weights to different locations. The data were obtained from BPS publications, namely Data and Information on Poverty in South Sulawesi Province. This study aims to determine the factors that influence poverty status in South Sulawesi Province using a geographically weighted logistic regression model with kernel bisquare weighting function. The results showed that the explanatory variables that influence the status of poverty in the province of South Sulawesi were the percentage of the population not working and the percentage of common household toilet users.Keywords: logistic regression, kernel bisquare, GWLR and poverty.
Pemodelan Faktor-Faktor yang Mempengaruhi Jenis Kanker Payudara Menggunakan Regresi Logistik Biner (Kasus : Pasien Penderita Kanker Payudara di RSUP Dr. Wahidin Sudirohusodo tahun 2016). HR, Titi Kurnianti; Bustan, Muhammad Nadjib; Ruliana, R.
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 1, No 3 (2019)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm12898

Abstract

Abstrak Regresi logistik adalah suatu metode analisis statistik yang diterapkan untuk memodelkan variabel dependen yang memiliki dua kategori atau lebih dengan satu atau lebih variabel independen. Regresi Logistik biner merupakan suatu analisis statistika yang digunakan untuk menganalisis hubungan antara satu atau lebih peubah bebas dengan peubah respon yang bersifat biner atau  dichotomous. Peubah bebas pada regresi logistik dapat berupa peubah skala kategorik maupun peubah yang skala kontinu sedangkan peubah respon berupa peubah berskala kategorik. Regresi Logistik Biner dapat diterapkan pada kasus kesehatan, khususnya pada penelitian ini yaitu mengenai kanker payudara. Sesuai uraian diatas maka penulis bermaksud untuk mengkaji dan melakukan penelitian  tentang Pemodelan Faktor-Faktor yang Mempengaruhi Jenis Kanker Payudara Menggunakan Regresi Logistik Biner (Kasus : Pasien Penderita Kanker Payudara di Rumah Sakit Umum Pusat Dr. Wahidin Sudirohusodo). Dari hasil analisis didapatkan bahwa peubah penjelas yang berpengaruh nyata terhadap jenis keganasan kanker terhadap pasien penderita kanker payudara adalah peubah Kemoterapi (X2) dan peubah Metastase (X5) yang masing-masing memiliki nilai odds rasio sebesar 0,17 dan 6,16.  Kata kunci : Kanker Payudara, Regresi Logistik, Regresi Logistik Biner. Abstract Logistic regression is a method of statistical analysis that is applied to model the dependent variable which has two or more categories with one or more independent variables. Binary Logistic Regression is a statistical analysis that is used to analyze the relationship between one or more independent variables with variable binary or dichotomous responses. The free variables in logistic regression can be either categorical scale or continuous scale variables while the response variables are categorical scale variables. Binary Logistic Regression can be applied to health cases, especially in this study, namely breast cancer. In accordance with the description above, the author intends to study and conduct research on Modeling Factors Affecting Types of Breast Cancer Using Binary Logistic Regression (Case: Patients with Breast Cancer Patients at Dr. Wahidin Sudirohusodo Central General Hospital). From the results of the analysis it was found that the explanatory variables that significantly affected the type of cancer malignancy in patients with breast cancer were Chemotherapy variables (X2) and Metastase variables (X5), each of which had odds ratio values of 0.17 and 6.16. Keywords: Breast Cancer, Logistic Regression, Binary Logistic Regression.
Model Spasial Autoregresif (SAR) Durbin pada Anak Putus Sekolah (APS) yang Mengikuti Ujian Paket C Jenjang SMA Sederajat di Kota Makassar Nurahdawati, N.; Ruliana, R.; Ahmar, Ansari Saleh
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 2, No 2 (2020)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm14630

Abstract

Abstrak. Penelitian ini adalah penelitian statistika terapan yang bertujuan (i) Untuk mengetahui jumlah rata-rata Anak Putus Sekolah (APS) yang mengikuti paket C di Kota Makassar; (ii) Untuk mengetahui Model SAR Durbin pada Anak Putus Sekolah (APS) yang mengikuti paket C di Kota Makassar; dan (iii) Untuk mengetahui faktor-faktor apa saja yang mempengaruhi Anak Putus Sekolah (APS) yang mengambil paket C pada jenjang SMA sederajat di Kota Makassar. Penelitian ini menggunakan metode SAR Durbin (Spasial Autoregresif Durbin). Hasil penelitian ini menunjukkan bahwa : (i) APS yang mengikuti ujian Paket C tingkat SMA di Kota Makassar terdapat dependensi spasial antar kecamatan satu dengan kecamatan satuan lainnya; (ii) APS yang mengikuti ujian Paket C tingkat SMA sederajat di Kota Makassar, dan (iii) APS yang mengikuti ujian Paket C dengan hasil analisis Model SAR Durbin didapatkan variabel predictor yaitu Rasio Guru Sekolah (X2) dan Jumlah Sekolah (X5). Sedangkan parameter Lag spasial yang didapatkan variabel prediktor yaitu Lag Rasio Murid Sekolah (X1), Lag Tingkat Kemiskinan (X4) dan Lag Jumlah Sekolah (X5).Kata kunci: Anak Putus Sekolah,Model Autoregresif Spasial Durbin
ANALISIS REGRESI UNTUK DATA PANEL PADA PEMODELAN TINGKAT KEMATIAN IBU DI PROVINSI SULAWESI SELATAN Rahman, Muhammad Imran; Nusrang, Muhammad; Sudarmin, S.
VARIANSI: Journal of Statistics and Its application on Teaching and Research Vol 2, No 1 (2020)
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/variansiunm12901

Abstract

Abstrak Penelitian ini membahas mengenai estimasi parameter model regresi data panel pada pemodelan tingkat kematian ibu di Provinsi Sulawesi Selatan dari tahun 2014 sampai dengan 2016. Data yang digunakan adalah data sekunder dari Dinas Kesehatan Provinsi Sulawesi Selatan yang berupa jumlah kematian ibu, perdarahan, hipertensi dalam kehamilan, infeksi dan gangguan sistem peredaran darah di seluruh Kabupaten/Kota di Provinsi Sulawesi Selatan tahun 2014-2016. Pembahasan dimulai dari melakukan estimasi parameter model regresi data panel, menentukan model regresi data panel terbaik, menguji asumsi model regresi data panel, pengujian signifikansi parameter dan interpretasi model regresi. Dalam penelitian ini diperoleh kesimpulan yaitu estimasi model regresi data panel terbaik dengan pendekatan fixed effect model dengan nilai 𝑅2=90%. Adapun peubah-peubah yang berpengaruh signifikan terhadap kematian ibu adalah perdarahan, hipertensi dalam kehamilan dan infeksi. Dari hasil analisis diperoleh juga daerah yang memiliki jumlah kematian ibu terbesar di Provinsi Sulawesi Selatan tahun 2014-2016 adalah Bone dan Jeneponto. Kata Kunci: Regresi data Panel, Angka Kematian Ibu, Fixed Effect Model, Least Square Dummy Variable. Abstract This research discusses about parameter estimation of panel data regression model of mother mortality level modelling in South Sulawesi from 2014 to 2016. The data used were secondary data from Dinas Kesehatan Provinsi Sulawesi Selatan in the form of number of mother mortality, bleeding, infection, circulatory system disorders and metabolic disorders in the whole district/town in South Sulawesi year 2014-2016. The discussion started from doing parameter estimation of panel data regression model, determining the best panel data regression model, testing the assumption of panel data regression model, testing the signification of parameter and interpretation of regression model. Conclusion of this research are the estimation of regression model is the best panel data regression model with fixed effects model approach with value of 𝑅2=90%. The variables that significantly influence maternal mortality are bleeding, hypertension in pregnancy and infection. From the results of the analysis, it was also found that the regions that had the largest number of maternal deaths in South Sulawesi Province in 2014-2016 were Bone and Jeneponto. Keywords: Panel Data Regression, Mother Mortality Rate, Fixed Effect Model, Least Square Dummy Variable.

Page 1 of 3 | Total Record : 28