Pub Date : 2019-12-31DOI: 10.36456/jstat.vol12.no2.a3263
Ajie Amiseno
Permasalahan korupsi sudah lama menjadi masalah di Indonesia. Pemerintah telah berbagai upaya untuk memerangi korupsi yang merugikan keuangan negara/daerah. Korupsi sendiri erat berkaitan dengan kecurangan. Belanja Modal dinilai sering menjadi target korupsi sehingga terjadi kerugian keuangan daerah. Kelemahan SPI dan Biaya Politik diduga menjadi faktor penyebabnya. Studi ini dilakukan di lingkungan Pemerintah Daerah di Indonesia. Riset ini bertujuan untuk mengatahui apakah Kelemahan SPI dan Biaya Politik benar-benar memperkuat terjadinya korupsi yang menyebabkan Kerugian Keuangan Daerah. Analisa yang digunakan adalah membandingkan kekuatan statistik (R-Square) antara persamaan regresi yang dibentuk dengan masing-masing variabel moderasi (Kelemahan SPI dan Biaya Politik). Hasil penelitian menunjukkan bahwa Kelemahan SPI dan Biaya Politik sama-sama memperkuat hubungan moderasi antara Belanja Modal dengan Kerugian Keuangan Daerah. Namun demikian, Kelemahan SPI lebih kuat memoderasi hubungan tersebut daripada Biaya Politik.
{"title":"Analisa Perbandingan Statistik Kelemahan SPI dan Biaya Politik sebagai Pemoderasi Kerugian Keuangan Daerah pada Belanja Daerah","authors":"Ajie Amiseno","doi":"10.36456/jstat.vol12.no2.a3263","DOIUrl":"https://doi.org/10.36456/jstat.vol12.no2.a3263","url":null,"abstract":"Permasalahan korupsi sudah lama menjadi masalah di Indonesia. Pemerintah telah berbagai upaya untuk memerangi korupsi yang merugikan keuangan negara/daerah. Korupsi sendiri erat berkaitan dengan kecurangan. Belanja Modal dinilai sering menjadi target korupsi sehingga terjadi kerugian keuangan daerah. Kelemahan SPI dan Biaya Politik diduga menjadi faktor penyebabnya. Studi ini dilakukan di lingkungan Pemerintah Daerah di Indonesia. Riset ini bertujuan untuk mengatahui apakah Kelemahan SPI dan Biaya Politik benar-benar memperkuat terjadinya korupsi yang menyebabkan Kerugian Keuangan Daerah. Analisa yang digunakan adalah membandingkan kekuatan statistik (R-Square) antara persamaan regresi yang dibentuk dengan masing-masing variabel moderasi (Kelemahan SPI dan Biaya Politik). Hasil penelitian menunjukkan bahwa Kelemahan SPI dan Biaya Politik sama-sama memperkuat hubungan moderasi antara Belanja Modal dengan Kerugian Keuangan Daerah. Namun demikian, Kelemahan SPI lebih kuat memoderasi hubungan tersebut daripada Biaya Politik. \u0000 ","PeriodicalId":118320,"journal":{"name":"J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika","volume":"82 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2019-12-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"121215876","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2019-12-31DOI: 10.36456/jstat.vol12.no2.a3262
Alvi Syahri Ramadhan Nasution
Instansi Pemerintah masih mengalami banyak kendala dalam menyusun Laporan Keuangan yang berkualitas. Penelitian ini bertujuan untuk mengidentifikasi faktor penyebab kendala penyusunan Laporan Keuangan yang berkualitas. Teori dua faktor (Hezberg’s Motivation and Hygiene Theory) dan penelitian-penelitian sebelumnya mengindikasikan bahwa motivasi dan lingkungan kerja (Hygiene) mempengaruhi kinerja pegawai yang bertugas menyusun Laporan Keuangan. Selain motivasi, kompetensi pegawai yang ikut mempengaruhi kualitas penyusunan Laporan Keuangan. Implementasi SPI pada Instansi Pemerintah juga terindikasi berkorelasi dengan penyusunan Laporan Keuangan yang berkualitas. Penelitian ini juga bertujuan untuk mengetahui adanya pengaruh antara motivation-hygiene, kompetensi, dan implementasi SPI dalam penyusunan Laporan Keuangan Pemerintah. Penelitian dilakukan dengan pengumpulan dan analisa data dari satuan kerja di Kementerian Kesehatan. Hasil analisa data tersebut selanjutnya digunakan untuk menarik kesimpulan penelitian. Hasil dari penelitian ini menunjukkan bahwa motivation-hygiene, kompetensi, dan implementasi SPI berpengaruh dalam penyusunan Laporan Keuangan Pemerintah
{"title":"Analisa Faktor-Faktor yang Mempengaruhi Kualitas Laporan Keuangan (Studi pada Kementerian Kesehatan)","authors":"Alvi Syahri Ramadhan Nasution","doi":"10.36456/jstat.vol12.no2.a3262","DOIUrl":"https://doi.org/10.36456/jstat.vol12.no2.a3262","url":null,"abstract":"Instansi Pemerintah masih mengalami banyak kendala dalam menyusun Laporan Keuangan yang berkualitas. Penelitian ini bertujuan untuk mengidentifikasi faktor penyebab kendala penyusunan Laporan Keuangan yang berkualitas. Teori dua faktor (Hezberg’s Motivation and Hygiene Theory) dan penelitian-penelitian sebelumnya mengindikasikan bahwa motivasi dan lingkungan kerja (Hygiene) mempengaruhi kinerja pegawai yang bertugas menyusun Laporan Keuangan. Selain motivasi, kompetensi pegawai yang ikut mempengaruhi kualitas penyusunan Laporan Keuangan. Implementasi SPI pada Instansi Pemerintah juga terindikasi berkorelasi dengan penyusunan Laporan Keuangan yang berkualitas. Penelitian ini juga bertujuan untuk mengetahui adanya pengaruh antara motivation-hygiene, kompetensi, dan implementasi SPI dalam penyusunan Laporan Keuangan Pemerintah. Penelitian dilakukan dengan pengumpulan dan analisa data dari satuan kerja di Kementerian Kesehatan. Hasil analisa data tersebut selanjutnya digunakan untuk menarik kesimpulan penelitian. Hasil dari penelitian ini menunjukkan bahwa motivation-hygiene, kompetensi, dan implementasi SPI berpengaruh dalam penyusunan Laporan Keuangan Pemerintah","PeriodicalId":118320,"journal":{"name":"J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika","volume":"44 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2019-12-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"114881596","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2019-07-31DOI: 10.36456/jstat.vol12.no1.a1990
Elvira Mustikawati Putri Hermanto
One indicator that describes health status, development and health services is the mortality rate. Mortality was formed from several indicators, namely crude birth rates, crude mortality, infant mortality, under-five mortality and maternal mortality. In 2014, the achievement of infant mortality was still above the agreed MDG target. The distribution of health indicators, mortality, in East Java Province needs to be known to achieve targets in the MDGs and to improve health status in East Java Province. This study discusses the grouping of regencies (and cities) in East Java Province based on the similarity of five mortality indicators using the Variable Weighted K-Means (VW K-Means) method. Based on the silhouette method, three optimal groups were formed. Based on the results of grouping with VW K-Means it is known that the crude mortality variable is the most important variable in the formation of groups 1 and 2. While the crude mortality rate and under-five mortality rate are the most important variables in group formation 3. In addition, it is known that groups 1 consists of 14 districts / cities, group 2 consists of 19 districts / cities, and group 3 consists of 5 districts / cities. The results of the study are in the form of grouping (clustering) that can be used to describe the distribution of district groups based on the condition of the health profile of the area. Salah satu indikator yang menggambarkan derajat kesehatan, pembangunan dan pelayanan kesehatan adalah angka kematian (mortalitas). Mortalitas dibentuk dari beberapa indikator, yaitu angka kelahiran kasar, angka kematian kasar, angka kematian bayi, angka kematian balita dan angka kematian ibu. Pada Tahun 2014, capaian angka kematian bayi masih berada diatas target MDGs yang telah disepakati. Distribusi indikator kesehatan, mortalitas, di Provinsi Jawa Timur perlu diketahui untuk mencapai target dalam MDGs dan untuk meningkatkan derajat kesehatan di Provinsi Jawa Timur. Penelitian ini membahas tentang pengelompokkan kabupaten-kabupaten (dan kota) yang ada di Provinsi Jawa Timur berdasarkan kemiripan lima indikator mortalitas dengan menggunakan metode Variable Weighted K-Means (VW K-Means). Berdasarkan metode silhouette diperoleh jumlah kelompok optimal yang terbentuk sebanyak tiga kelompok. Berdasarkan hasil pengelompokkan dengan VW K-Means diketahui bahwa variabel angka kematian kasar adalah variabel yang paling penting dalam pembentukan kelompok 1 dan 2. Sedangkan angka kematian kasar dan angka kematian balita adalah variabel yang paling penting dalam pembentukkan kelompok 3. Selain itu, diketahui bahwa kelompok 1 terdiri dari 14 kabupaten/kota, kelompok 2 terdiri dari 19 kabupaten/kota, dan kelompok 3 terdiri dari 5 kabupaten/kota. Hasil penelitian berupa hasil pengelompokkan (klasterisasi) yang dapat digunakan untuk menggambarkan distribusi pengelompokkan kabupaten berdasarkan kondisi profil kesehatan daerah tersebut
说明健康状况、发展和保健服务的一个指标是死亡率。死亡率由几个指标组成，即粗出生率、粗死亡率、婴儿死亡率、五岁以下儿童死亡率和产妇死亡率。2014年，实现的婴儿死亡率仍高于千年发展目标商定的具体目标。为了实现千年发展目标和改善东爪哇省的卫生状况，需要了解东爪哇省卫生指标、死亡率的分布情况。本研究使用可变加权K-Means (VW K-Means)方法，基于五种死亡率指标的相似性，讨论了东爪哇省的县(和城市)的分组。基于轮廓法，形成了三个最优组。根据VW K-Means分组的结果可知，粗死亡率变量是形成第1和第2组的最重要变量。粗死亡率和五岁以下儿童死亡率是群体构成中最重要的变量。此外，已知第一组由14个区/市组成，第二组由19个区/市组成，第三组由5个区/市组成。研究结果采用分组(聚类)的形式，可用于描述基于区域健康状况的区域群体分布。Salah satu指标yang menggambarkan derajat kesehatan, pembangunan dan pelayanan kesehatan adalah angka kematian(死亡率)。Mortalitas dibentuk dari beberapa指标，yitu angka kelahiran kasar, angka kematian kasar, angka kematian bayi, angka kematian balita dan angka kematian ibu。2014年，帕达·塔胡恩(patadahhun)上尉为实现千年发展目标yang telah disepakati提供数据。分布指标:死亡率，爪哇帖木儿省的死亡率，爪哇帖木儿省的死亡率，爪哇帖木儿省的死亡率，爪哇帖木儿省的死亡率，爪哇帖木儿省的死亡率，爪哇帖木儿省的死亡率，爪哇帖木儿省的死亡率，爪哇帖木儿省的死亡率。Penelitian ini成员tenbahas tentang pengelompokkan kabupten - kabupten (dan kota) yang ada di province爪哇Timur berdasarkan kemiripan lima指标死亡率dengan menggunakan方法变量加权K-Means (VW K-Means)。Berdasarkan方法廓形diperoleh jumlah kelompok优化yang terbentuk sebanyak tiga kelompok。Berdasarkan hasil pengelompokkan dengan VW K-Means diketahui bahwa变量angka kematian kasar adalah变量yang paling penting dalam pembentukan kelompok 1 dan 2。Sedangkan angka kematian kasar danangka kematian balita adalah variabel yang paling penting dalam pembentukkan kelompok。Selain itu, diketahui bahwa kelompok 1 terdiri dari 14 kabupaten/kota, kelompok 2 terdiri dari 19 kabupaten/kota, dan kelompok 3 terpri dari 5 kabupaten/kota。Hasil penelitian berupa Hasil pengelompokkan (klasterisasi) yang dapat digunakan untuk menggambarkan distribution busi pengelompokkan kabupaten berdasarkan kondisi profile kesehatan daerah tersebut
{"title":"Pengelompokkan KabupatenKota Di Provinsi Jawa Timur Berdasarkan Indikator Kesehatan Mortalitas Dengan Algoritma Variable Weighting K-Means","authors":"Elvira Mustikawati Putri Hermanto","doi":"10.36456/jstat.vol12.no1.a1990","DOIUrl":"https://doi.org/10.36456/jstat.vol12.no1.a1990","url":null,"abstract":"One indicator that describes health status, development and health services is the mortality rate. Mortality was formed from several indicators, namely crude birth rates, crude mortality, infant mortality, under-five mortality and maternal mortality. In 2014, the achievement of infant mortality was still above the agreed MDG target. The distribution of health indicators, mortality, in East Java Province needs to be known to achieve targets in the MDGs and to improve health status in East Java Province. This study discusses the grouping of regencies (and cities) in East Java Province based on the similarity of five mortality indicators using the Variable Weighted K-Means (VW K-Means) method. Based on the silhouette method, three optimal groups were formed. Based on the results of grouping with VW K-Means it is known that the crude mortality variable is the most important variable in the formation of groups 1 and 2. While the crude mortality rate and under-five mortality rate are the most important variables in group formation 3. In addition, it is known that groups 1 consists of 14 districts / cities, group 2 consists of 19 districts / cities, and group 3 consists of 5 districts / cities. The results of the study are in the form of grouping (clustering) that can be used to describe the distribution of district groups based on the condition of the health profile of the area. \u0000Salah satu indikator yang menggambarkan derajat kesehatan, pembangunan dan pelayanan kesehatan adalah angka kematian (mortalitas). Mortalitas dibentuk dari beberapa indikator, yaitu angka kelahiran kasar, angka kematian kasar, angka kematian bayi, angka kematian balita dan angka kematian ibu. Pada Tahun 2014, capaian angka kematian bayi masih berada diatas target MDGs yang telah disepakati. Distribusi indikator kesehatan, mortalitas, di Provinsi Jawa Timur perlu diketahui untuk mencapai target dalam MDGs dan untuk meningkatkan derajat kesehatan di Provinsi Jawa Timur. Penelitian ini membahas tentang pengelompokkan kabupaten-kabupaten (dan kota) yang ada di Provinsi Jawa Timur berdasarkan kemiripan lima indikator mortalitas dengan menggunakan metode Variable Weighted K-Means (VW K-Means). Berdasarkan metode silhouette diperoleh jumlah kelompok optimal yang terbentuk sebanyak tiga kelompok. Berdasarkan hasil pengelompokkan dengan VW K-Means diketahui bahwa variabel angka kematian kasar adalah variabel yang paling penting dalam pembentukan kelompok 1 dan 2. Sedangkan angka kematian kasar dan angka kematian balita adalah variabel yang paling penting dalam pembentukkan kelompok 3. Selain itu, diketahui bahwa kelompok 1 terdiri dari 14 kabupaten/kota, kelompok 2 terdiri dari 19 kabupaten/kota, dan kelompok 3 terdiri dari 5 kabupaten/kota. Hasil penelitian berupa hasil pengelompokkan (klasterisasi) yang dapat digunakan untuk menggambarkan distribusi pengelompokkan kabupaten berdasarkan kondisi profil kesehatan daerah tersebut \u0000 ","PeriodicalId":118320,"journal":{"name":"J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika","volume":"93 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2019-07-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"132382848","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2019-07-31DOI: 10.36456/jstat.vol12.no1.a1993
Mustika Wirastuti, A’yunin Sofro
Diabetes mellitus is widely known as a blood sugar disease. People can be said to suffer from diabetes mellitus if blood sugar levels exceed normal, blood sugar when ≥ 200 mg/dl, fasting blood sugar levels ≥ 120 mg/dl, blood sugar levels 2 hours after meals ≥ 200 mg/dl and Glycated hemoglobin (HbA1c) levels < 7 %. Factors suspected of causing diabetes mellitus are age, gender, obesity and the effect of diabetes mellitus lowering medicines. Obesity can be seen from the results of the A Body Shape Index (ABSI) value. The factors that cause diabetes mellitus are taken from variables from IFLS4 and IFLS5 data that are longitudinal. This study analyzes the model to find out how the factors that cause diabetes mellitus influence over time. The results showed that there was a significant influence between observation time variable and the effect of diabetes mellitus lowering medicines. The more people who consume diabetes lowering medicines, the more people will suffer from diabetes mellitus Diabetes melitus banyak dikenal orang sebagai penyakit gula darah. Orang dapat dikatakan menderita diabetes melitus jika kadar gula darah yang melebihi normal yaitu gula darah sewaktu ≥ 200 mg/dl, kadar gula darah puasa ≥ 120 mg/dl dan kadar gula darah 2 jam sesudah makan ≥ 200 mg/dl serta kadar Glycated hemoglobin (HbA1c) . Faktor-faktor yang diduga penyebab diabetes melitus adalah usia, jenis kelamin, obesitas dan pengaruh obat penurun diabetes melitus. Obesitas dapat dilihat dari hasil nilai A Body Shape Index (ABSI). Faktor-faktor penyebab penyakit diabetes melitus diambil dari variabel-variabel dari data IFLS4 dan IFLS5 yang bersifat longitudinal. Penelitian ini menganalisis tentang model untuk mengetahui bagaimana pengaruh faktor-faktor penyebab diabetes melitus dari waktu ke waktu. Hasilnya menunjukkan bahwa terjadi pengaruh yang signifikan antara variabel waktu pengukuran dan pengaruh obat penurun diabetes melitus. Semakin sedikit waktu pengukuran dan dengan banyak orang tidak mengonsumsi obat penurun diabetes maka akan semakin banyak pula orang yang menderita penyakit diabetes melitus.
糖尿病是一种众所周知的血糖疾病。血糖超过正常值、血糖≥200mg /dl、空腹血糖≥120mg /dl、餐后2小时血糖≥200mg /dl、糖化血红蛋白(HbA1c) < 7%为糖尿病。怀疑引起糖尿病的因素有年龄、性别、肥胖和降糖药的作用。肥胖可以从A体型指数(ABSI)值的结果中看出。导致糖尿病的因素取自IFLS4和IFLS5数据的纵向变量。本研究通过对模型的分析，找出导致糖尿病的因素是如何随着时间的推移而影响的。结果显示，观察时间变量与降糖药物的疗效有显著影响。服用降糖药的人越多，患糖尿病的人就越多。糖尿病患者，糖尿病患者，糖尿病患者，糖尿病患者，糖尿病患者，糖尿病患者，糖尿病患者，糖尿病患者，糖尿病患者，糖尿病患者，糖尿病患者，糖尿病患者，糖尿病患者，糖尿病患者，糖尿病患者，糖尿病患者，糖尿病患者，糖尿病患者，糖尿病患者，糖尿病患者，糖尿病患者，糖尿病患者，糖尿病患者，糖尿病患者，糖尿病患者，糖尿病患者，糖尿病患者因子因子对糖尿病的影响，如糖尿病、糖尿病、糖尿病、糖尿病、糖尿病等。肥胖患者的身体形态指数(ABSI)。变量-变量-变量数据IFLS4和IFLS5 yang是纵向的。Penelitian ini menganalistentenmodel untuk menggetahui bagaimana pengaruh因子因子penyebab糖尿病患者dari waktu ke waktu。Hasilnya menunjukkan bahwa terjadi pengaruh yang显著性antara变量waktu企鹅和dan pengaruh obat penurun糖尿病。企鹅，企鹅，企鹅，企鹅，企鹅，企鹅，企鹅，企鹅，企鹅，企鹅，企鹅，企鹅，企鹅，企鹅，企鹅，企鹅，企鹅，企鹅，企鹅，企鹅，企鹅，企鹅，企鹅，企鹅，企鹅，企鹅，企鹅，企鹅，企鹅，企鹅，企鹅，企鹅，企鹅，企鹅，企鹅，企鹅，企鹅
{"title":"Analisis Longitudinal pada Data Pasien Diabetes Melitus","authors":"Mustika Wirastuti, A’yunin Sofro","doi":"10.36456/jstat.vol12.no1.a1993","DOIUrl":"https://doi.org/10.36456/jstat.vol12.no1.a1993","url":null,"abstract":"Diabetes mellitus is widely known as a blood sugar disease. People can be said to suffer from diabetes mellitus if blood sugar levels exceed normal, blood sugar when ≥ 200 mg/dl, fasting blood sugar levels ≥ 120 mg/dl, blood sugar levels 2 hours after meals ≥ 200 mg/dl and Glycated hemoglobin (HbA1c) levels < 7 %. Factors suspected of causing diabetes mellitus are age, gender, obesity and the effect of diabetes mellitus lowering medicines. Obesity can be seen from the results of the A Body Shape Index (ABSI) value. The factors that cause diabetes mellitus are taken from variables from IFLS4 and IFLS5 data that are longitudinal. This study analyzes the model to find out how the factors that cause diabetes mellitus influence over time. The results showed that there was a significant influence between observation time variable and the effect of diabetes mellitus lowering medicines. The more people who consume diabetes lowering medicines, the more people will suffer from diabetes mellitus \u0000 \u0000Diabetes melitus banyak dikenal orang sebagai penyakit gula darah. Orang dapat dikatakan menderita diabetes melitus jika kadar gula darah yang melebihi normal yaitu gula darah sewaktu ≥ 200 mg/dl, kadar gula darah puasa ≥ 120 mg/dl dan kadar gula darah 2 jam sesudah makan ≥ 200 mg/dl serta kadar Glycated hemoglobin (HbA1c) . Faktor-faktor yang diduga penyebab diabetes melitus adalah usia, jenis kelamin, obesitas dan pengaruh obat penurun diabetes melitus. Obesitas dapat dilihat dari hasil nilai A Body Shape Index (ABSI). Faktor-faktor penyebab penyakit diabetes melitus diambil dari variabel-variabel dari data IFLS4 dan IFLS5 yang bersifat longitudinal. Penelitian ini menganalisis tentang model untuk mengetahui bagaimana pengaruh faktor-faktor penyebab diabetes melitus dari waktu ke waktu. Hasilnya menunjukkan bahwa terjadi pengaruh yang signifikan antara variabel waktu pengukuran dan pengaruh obat penurun diabetes melitus. Semakin sedikit waktu pengukuran dan dengan banyak orang tidak mengonsumsi obat penurun diabetes maka akan semakin banyak pula orang yang menderita penyakit diabetes melitus.","PeriodicalId":118320,"journal":{"name":"J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika","volume":"27 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2019-07-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"127824636","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2019-07-31DOI: 10.36456/jstat.vol12.no1.a1992
Mustafa Imam Maulana, A’yunin Sofro
Extreme wind speed is a natural phenomenon that causes many adverse effects to the surrounding community. The bad effects are damaging or threatening human life such as loss of property, loss of livelihood, and environmental damage. To overcome this problem, something needed for disaster mitigation is prediction. With the prediction of extreme wind speeds, it is expected to be the first step as a disaster mitigation effort. There are two methods that can predict extreme wind speed, the method is the Block Maxima method and the Peaks Over Threshold method. The procedure is taking extreme values, estimating parameters, and calculating the return level value on the desired return period. In the process of parameter estimation, the method used is Maximum Likelihood Estimation (MLE). The data used in this research is the maximum wind speed data at eight East Java observation station’s during 2014-2018. The return period used is 2 years, 5 years and 10 years. The highest return level of the two methods is at Perak II. Based on the AIC value, the lowest AIC value obtained on the POT method is at Karangkates station of 22.74809, while the lowest AIC value in the BM method is at Kalianget station at 91.449461 Kecepatan angin ekstrim merupakan fenomena alam yang menyebabkan banyak dampak buruk bagi masyarakat sekitar. Dampak buruknya yaitu merusak atau mengancam kehidupan manusia seperti kehilangan harta benda, kehilangan mata pencaharian, dan kerusakan lingkungan. Untuk mengatasi hal tersebut diperlukan suatu langkah sebagai upaya mitigasi bencana yaitu prediksi. Dengan adanya prediksi kecepatan angin ekstrim ini diharapkan mampu menjadi langkah awal sebagai upaya mitigasi bencana. Dua metode yang dapat memprediksi kecepatan angin ekstrim yaitu metode Block Maxima dan metode Peaks Over Threshold. Prosedur pengambilan nilai ekstrim, estimasi parameter, dan menghitung nilai return level pada return period yang diinginkan. Dalam proses estimasi parameter, metode yang digunakan adalah Maximum Likelihood Estimation (MLE). Pada tahap akhir, digunakan metode Akaike Information Criterion (AIC) untuk memilih dan membandingkan memilih metode mana yang memiliki model terbaik pada kasus ini. Data yang akan digunakan yaitu data kecepatan angin maksimum di 8 stasiun pengamatan Jawa Timur pada tahun 2014-2018. Return period yang digunakan secara berturut-turut adalah 2 tahun, 5 tahun dan 10 tahun. Nilai return level tertinggi dari kedua metode berada di stasiun Perak II. Berdasarkan nilai AIC,nilai AIC terendah pada metode POT berada pada stasiun Karangkates sebesar 22,74809, nilai AIC yang terendah pada metode BM berada pada stasiun Kalianget sebesar 91,49461.
极端风速是一种自然现象，会对周围社区造成许多不利影响。其不良影响是损害或威胁人类生命，如财产损失、生计损失和环境破坏。为了克服这一问题，减灾所需要的是预测。随着对极端风速的预测，预计这将是减灾工作的第一步。预测极端风速的方法有两种，一种是块极值法，另一种是峰值超过阈值法。该过程是取极值，估计参数，计算期望的返回周期的返回水平值。在参数估计过程中，使用的方法是极大似然估计(MLE)。本研究使用的数据是2014-2018年东爪哇8个观测站的最大风速数据。使用的回收期有2年、5年和10年。这两种方法中回报率最高的是霹雳二号。基于AIC值，POT方法获得的最低AIC值在Karangkates站为22.74809,BM方法获得的最低AIC值在Kalianget站为91.449461,keepatan angin ekstrim merupakan omenomenan yang menyebabkan banyak danpak buruk masyarakat sekitar。当pak buruknya yitu merusak atau mengancam kehidupan manusia seperti kehilangan harta benda, kehilangan mata penaharian, dan kerusakan lingkungan。Untuk mengatasi hal tersebut diperlukan suatu langkah sebagai upaya mitigasi bencana yitu prediksi。邓加·阿丹尼亚·普雷迪克斯是一名优秀的学生，他是一名优秀的学生，也是一名优秀的学生。Dua方法，yang dapat方法，keep - epatan方法，angin方法，yitu方法，Block Maxima方法，峰值超过阈值。检察官彭甘比兰·奈莱克斯特里姆，估计参数，丹蒙希顿奈莱回归水平帕达回归周期杨迪定肯。Dalam提出了估计参数，方法为最大似然估计(MLE)。帕达·塔哈希，迪古纳坎方法，赤池信息准则(Akaike Information Criterion, AIC)，阿图克记忆法，阿图克记忆法，阿图克记忆法，阿图克记忆法，阿图克记忆法，阿图克记忆模型，阿图克记忆法。数据yang akan digunakan yyitu数据keepatan angsimum . 8 stasiasian爪哇铁木尔巴达尔，2014-2018。回归期杨地古纳坎斯卡拉-图鲁特-图鲁阿达拉2塔浑，5塔浑，10塔浑。在霹雳2号的返航水平上，有两种不同的方法。Berdasarkan nilai AIC,nilai AIC terendah paasasun Karangkates sebesar 22,74809, nilai AIC yang terendah paasasun BM berada paasasun Kalianget sebesar 91,49461。
{"title":"Aplikasi Extreme Value Theory Pada Kasus Kecepatan Angin Di Jawa Timur","authors":"Mustafa Imam Maulana, A’yunin Sofro","doi":"10.36456/jstat.vol12.no1.a1992","DOIUrl":"https://doi.org/10.36456/jstat.vol12.no1.a1992","url":null,"abstract":"Extreme wind speed is a natural phenomenon that causes many adverse effects to the surrounding community. The bad effects are damaging or threatening human life such as loss of property, loss of livelihood, and environmental damage. To overcome this problem, something needed for disaster mitigation is prediction. With the prediction of extreme wind speeds, it is expected to be the first step as a disaster mitigation effort. There are two methods that can predict extreme wind speed, the method is the Block Maxima method and the Peaks Over Threshold method. The procedure is taking extreme values, estimating parameters, and calculating the return level value on the desired return period. In the process of parameter estimation, the method used is Maximum Likelihood Estimation (MLE). The data used in this research is the maximum wind speed data at eight East Java observation station’s during 2014-2018. The return period used is 2 years, 5 years and 10 years. The highest return level of the two methods is at Perak II. Based on the AIC value, the lowest AIC value obtained on the POT method is at Karangkates station of 22.74809, while the lowest AIC value in the BM method is at Kalianget station at 91.449461 \u0000 \u0000Kecepatan angin ekstrim merupakan fenomena alam yang menyebabkan banyak dampak buruk bagi masyarakat sekitar. Dampak buruknya yaitu merusak atau mengancam kehidupan manusia seperti kehilangan harta benda, kehilangan mata pencaharian, dan kerusakan lingkungan. Untuk mengatasi hal tersebut diperlukan suatu langkah sebagai upaya mitigasi bencana yaitu prediksi. Dengan adanya prediksi kecepatan angin ekstrim ini diharapkan mampu menjadi langkah awal sebagai upaya mitigasi bencana. Dua metode yang dapat memprediksi kecepatan angin ekstrim yaitu metode Block Maxima dan metode Peaks Over Threshold. Prosedur pengambilan nilai ekstrim, estimasi parameter, dan menghitung nilai return level pada return period yang diinginkan. Dalam proses estimasi parameter, metode yang digunakan adalah Maximum Likelihood Estimation (MLE). Pada tahap akhir, digunakan metode Akaike Information Criterion (AIC) untuk memilih dan membandingkan memilih metode mana yang memiliki model terbaik pada kasus ini. Data yang akan digunakan yaitu data kecepatan angin maksimum di 8 stasiun pengamatan Jawa Timur pada tahun 2014-2018. Return period yang digunakan secara berturut-turut adalah 2 tahun, 5 tahun dan 10 tahun. Nilai return level tertinggi dari kedua metode berada di stasiun Perak II. Berdasarkan nilai AIC,nilai AIC terendah pada metode POT berada pada stasiun Karangkates sebesar 22,74809, nilai AIC yang terendah pada metode BM berada pada stasiun Kalianget sebesar 91,49461.","PeriodicalId":118320,"journal":{"name":"J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika","volume":"33 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2019-07-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"127367992","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2019-07-31DOI: 10.36456/jstat.vol12.no1.a1995
Harun Al Azies, Dea Trishnanti
East Java is one of the provinces with a high IMR level. Based on the District / City report in East Java, in 2006 it was 0.035 live births and became 0.0032 live births in 2008. Identification of factors that influence both indicators correctly can be done by modeling, namely by nonparametric regression analysis. The nonparametric regression approach used is Spline, with its strengths the model tends to look for estimates wherever the data moves. This is because there is a knot point which is a joint fusion point which indicates a change in data behavior patterns. Based on the results of analysis and discussion using Spline analysis, it is known that the factors that influence the incidence of IMR in East Java are toddlers receiving type 3 DPT immunization. The best Spline nonparametric regression model is a linear Spline model with three point knots. The GCV value produced was 51.34. Factors of children under five obtained immunizations affecting infant mortality rates in districts / cities in East Java in 2016. This research still uses linear spline regression program with a combination of one, two, and three knots with R square of 65.92%. The need to develop programs into quadratic and cubic orders using a combination of knots. Jawa Timur merupakan salah satu provinsi dengan tingkat AKB yang tinggi. Berdasarkan laporan Kabupaten/Kota di Jawa Timur, pada tahun 2006 sebesar 0,035 kelahiran hidup dan menjadi 0,0032 kelahiran hidup pada tahun 2008. Jika suatu daerah dengan AKB yang tinggi, maka terdapat kemungkinan bahwa daerah sekitarnya akan memiliki beban AKB yang sama pula. Identifikasi faktor-faktor yang mempengaruhi kedua indikator secara tepat dapat dilakukan dengan pemodelan, yaitu dengan analisis regresi nonparametrik. Pendekatan regresi nonparametric yang digunakan adalah Spline, dengan kelebihannya model cenderung mencari estimasinya kemanapun data tersebut bergerak. Hal ini dikarenakan terdapat titik knot yang merupakan titik perpaduan bersama yang menunjukkan terjadinya perubahan pola perilaku data. Berdasarkan hasil analisis dan pembahasan dengan menggunakan analisis Spline diketahui bahwa faktor yang berpengaruh terhadap kejadian AKB di Jawa Timur adalah balita memperoleh imunisasi DPT tipe 3. Model regresi nonparametrik Spline terbaik adalah model Spline linear dengan tiga titik knot. Nilai GCV yang dihasilkan adalah 51,34. Faktor balita memperoleh imunisasi mempengaruhi angka kematian bayi di kabupaten/kota di Jawa Timur pada tahun 2016. Penelitian ini masih menggunakan program regresi spline linier dengan kombinasi satu, dua, dan tiga knot dengan R square sebesar 65,92%. Perlu adanya pengembangan program menjadi orde kuadratik dan kubik dengan menggunakan kombinasi knot.
东爪哇是IMR水平较高的省份之一。根据东爪哇的区/市报告，2006年的活产为0.035例，2008年的活产为0.0032例。通过建模，即通过非参数回归分析，可以正确地识别影响这两个指标的因素。使用的非参数回归方法是样条，其优点是模型倾向于在数据移动的地方寻找估计。这是因为有一个结点，它是一个联合融合点，表明数据行为模式的变化。根据样条分析的分析和讨论结果，已知影响东爪哇省IMR发病率的因素是接受3型百白破免疫接种的幼儿。最佳的样条非参数回归模型是具有三点结点的线性样条模型。产生的GCV值为51.34。2016年，东爪哇各区/市五岁以下儿童获得免疫接种的因素影响婴儿死亡率。本研究仍采用一、二、三节组合的线性样条回归程序，R平方为65.92%。需要使用结的组合将程序开发成二次阶和三次阶。爪哇铁木尔merupakan salah satu省登根廷吉AKB杨廷吉。Berdasarkan laporan Kabupaten/Kota di Jawa Timur, pada tahun 2006 sebesar 0,035 kelahiran hidup dan menjadi 0,0032 kelahiran hidup pada tahun 2008。【中文译文】【中文译文】【中文译文】【中文译文】【中文译文】【中文译文】【中文译文】【中文译文】识别kasi因子-因子yang mempenaruhi kedua指标secara - tepaat dilakuan dengan pedelan, yitu dengan分析回归非参数。Pendekatan回归，非参数yang digunakan adalah样条，dengan kelebihannya模型，基于kemanapun数据tersebergera。Hal ini dikarenakan terdapat titik knot yang merupakan titik perpaduan bersama yang menunjukkan terjadinya perubahan pola peraku数据。样条diketahui bahwa因子为yang berpengaruh terhadap kejadian AKB di Jawa Timur adalah balita memperoleh imunisasi DPT类型3。模型回归非参数样条terbaik adalah模型样条线性邓加titik结。Nilai GCV杨dihasilkan adalah 51,34。Faktor balita memperoleh imunisasi mempengaruhi angka kematian bayi di kabupaten/kota di Jawa Timur pada tahun 2016。Penelitian ini masih menggunakan程序回归样条线性线dengan kombinasi satu, dua, dan tiga knot dengan R square sebesar 65,92%。Perlu adanya pengembangan程序menjadi order kuadratik dan kubik dengan menggunakan kombinasi结。
{"title":"Pemodelan Pengaruh Imunisasi DPT Terhadap Angka Kematian Bayi di Jawa Timur Tahun 2016 Menggunakan Pendekatan Regresi Nonparametrik Spline","authors":"Harun Al Azies, Dea Trishnanti","doi":"10.36456/jstat.vol12.no1.a1995","DOIUrl":"https://doi.org/10.36456/jstat.vol12.no1.a1995","url":null,"abstract":"East Java is one of the provinces with a high IMR level. Based on the District / City report in East Java, in 2006 it was 0.035 live births and became 0.0032 live births in 2008. Identification of factors that influence both indicators correctly can be done by modeling, namely by nonparametric regression analysis. The nonparametric regression approach used is Spline, with its strengths the model tends to look for estimates wherever the data moves. This is because there is a knot point which is a joint fusion point which indicates a change in data behavior patterns. Based on the results of analysis and discussion using Spline analysis, it is known that the factors that influence the incidence of IMR in East Java are toddlers receiving type 3 DPT immunization. The best Spline nonparametric regression model is a linear Spline model with three point knots. The GCV value produced was 51.34. Factors of children under five obtained immunizations affecting infant mortality rates in districts / cities in East Java in 2016. This research still uses linear spline regression program with a combination of one, two, and three knots with R square of 65.92%. The need to develop programs into quadratic and cubic orders using a combination of knots. \u0000Jawa Timur merupakan salah satu provinsi dengan tingkat AKB yang tinggi. Berdasarkan laporan Kabupaten/Kota di Jawa Timur, pada tahun 2006 sebesar 0,035 kelahiran hidup dan menjadi 0,0032 kelahiran hidup pada tahun 2008. Jika suatu daerah dengan AKB yang tinggi, maka terdapat kemungkinan bahwa daerah sekitarnya akan memiliki beban AKB yang sama pula. Identifikasi faktor-faktor yang mempengaruhi kedua indikator secara tepat dapat dilakukan dengan pemodelan, yaitu dengan analisis regresi nonparametrik. Pendekatan regresi nonparametric yang digunakan adalah Spline, dengan kelebihannya model cenderung mencari estimasinya kemanapun data tersebut bergerak. Hal ini dikarenakan terdapat titik knot yang merupakan titik perpaduan bersama yang menunjukkan terjadinya perubahan pola perilaku data. Berdasarkan hasil analisis dan pembahasan dengan menggunakan analisis Spline diketahui bahwa faktor yang berpengaruh terhadap kejadian AKB di Jawa Timur adalah balita memperoleh imunisasi DPT tipe 3. Model regresi nonparametrik Spline terbaik adalah model Spline linear dengan tiga titik knot. Nilai GCV yang dihasilkan adalah 51,34. Faktor balita memperoleh imunisasi mempengaruhi angka kematian bayi di kabupaten/kota di Jawa Timur pada tahun 2016. Penelitian ini masih menggunakan program regresi spline linier dengan kombinasi satu, dua, dan tiga knot dengan R square sebesar 65,92%. Perlu adanya pengembangan program menjadi orde kuadratik dan kubik dengan menggunakan kombinasi knot. \u0000 \u0000 ","PeriodicalId":118320,"journal":{"name":"J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika","volume":"15 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2019-07-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"132281876","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2019-07-31DOI: 10.36456/jstat.vol12.no1.a1991
Fariz Rachman, T. Setiawan, Bayu Wiro Karuniawan, Risma Aris Maya
EDM is a non-conventional machining process with feeding material carried out by electric spark (spark) through a gap between the electrode and the workpiece containing liquid in the electric. The usefulness of the liquid is as a medium for rinsing the remnants of erosion material, electrodes and workpieces as electrical conductors. In the manufacturing industry, EDM is widely used for the manufacture of products that demand the quality of surface roughness resulting from smooth cutting and high precision. The Taguchi method is one method in experimental design that can be used to control product quality. This study considers 3 parameters, namely gap voltage, on time, and off time on the SKD-11 material as one of the 13 mm thick dies / dies. This study uses the Taguchi method to obtain optimal parameters with smaller criteria better. Based on the table above the highest voltage parameter gap at level 1 which is 30 volts, the parameters at the most agreed time at level 3 are 120 μs and the most difficult off time parameter to be reached at level 1 is 20 μs to roughness. EDM adalah suatu proses permesinan yang bersifat non konvensional dengan pemakanan material benda kerja yang dilakukan oleh loncatan bunga api listrik (spark) melalui celah antara elektroda dan benda kerja yang berisi cairan di elektrik. Kegunaan cairan tersebut adalah sebagai medium untuk flushing sisa-sisa partikel material hasil erosi,pendinginan elektroda dan benda kerja serta sebagai konduktor listrik. Dalam industri manufaktur, EDM banyak digunakan untuk pembuatan produk-produk yang menuntut kualitas kekasaran permukaan hasil pemotongan yang halus dan kepresisian yang tinggi. Metode Taguchi merupakan salah satu metode dalam desain eksperimen yang dapat digunakan untuk mengendalikan kualitas produk. Penelitian ini mempertimbangkan 3 parameter yaitu gap voltage, on time, dan off time pada pengerjaan material SKD-11 sebagai salah satu bahan pembuatan cetakan/dies dengan tebal 13 mm. Penelitian ini menggunakan metode Taguchi untuk mendapatkan parameter yang optimum dengan kriteria smaller is better. Berdasarkan tabel diatas parameter gap voltage paling berpengaruh pada level 1 yaitu 30 volt, parameter on time paling berpengaruh pada level 3 yaitu 120 µs dan parameter off time paling berpengaruh pada level 1 yaitu 20 µs terhadap kekasaran.
电火花加工是利用电火花(电火花)通过电极与工件之间的间隙进行送料的一种非常规加工工艺。该液体的用途是作为介质冲洗侵蚀材料的残留物，电极和作为电导体的工件。在制造业中，电火花加工被广泛用于制造对表面粗糙度质量有要求的产品，这些产品需要光滑的切割和高精度。田口法是实验设计中控制产品质量的一种方法。本研究将SKD-11材料上的间隙电压、导通时间和关断时间3个参数作为13mm厚模具之一。本研究采用田口法，以较小的准则较好地获得最优参数。由上表可知，第1级最高电压参数间隙为30伏，第3级最一致时间参数为120 μs，第1级最难达到的关断时间参数为20 μs。EDM adalah suatu加工permesan yang berisi，非常规灯箱材料benda kerja yang dilakukan oleh loncatan bunga api listrik(火花)melalui celah antara elektroda benda kerja yang berisi cairan di elektrik。Kegunaan cairan tersebut adalah sebagai medium untuk flushing sisa-sisa particle material hasil erosi,pending an elektroda and benda kerja serta sebagai konduktor listrik。大连工业制造有限公司，电火花加工榕树产品，杨门柱产品，杨门柱产品，杨门柱产品，杨门柱产品，杨门柱产品，杨门柱产品，杨门柱产品。Metode Taguchi merupakan salah satu Metode dalam设计的实验yang dapat digunakan untuk mengendalikan kualitas产品。Penelitian ini mempertimbangkan 3参数yitu间隙电压，on时间，dan off时间pada pengerjaan材料SKD-11 sebagai salah satu bahan pembuatan cetakan/dies dengan tebal 13mm。Penelitian ini mongunakan方法田口untuk mendapatkan参数yang最优登干判据越小越好。Berdasarkan表数据参数间隙电压切换berpengaruh帕达1级30伏，参数接通时间切换berpengaruh帕达3级120µs，参数关断时间切换berpengaruh帕达1级20µs terhadap kekasaran。
{"title":"Penerapan Metode Taguchi Dalam Optimasi Parameter Pada Proses Electrical Discharge Machining (EDM)","authors":"Fariz Rachman, T. Setiawan, Bayu Wiro Karuniawan, Risma Aris Maya","doi":"10.36456/jstat.vol12.no1.a1991","DOIUrl":"https://doi.org/10.36456/jstat.vol12.no1.a1991","url":null,"abstract":"EDM is a non-conventional machining process with feeding material carried out by electric spark (spark) through a gap between the electrode and the workpiece containing liquid in the electric. The usefulness of the liquid is as a medium for rinsing the remnants of erosion material, electrodes and workpieces as electrical conductors. In the manufacturing industry, EDM is widely used for the manufacture of products that demand the quality of surface roughness resulting from smooth cutting and high precision. The Taguchi method is one method in experimental design that can be used to control product quality. This study considers 3 parameters, namely gap voltage, on time, and off time on the SKD-11 material as one of the 13 mm thick dies / dies. This study uses the Taguchi method to obtain optimal parameters with smaller criteria better. Based on the table above the highest voltage parameter gap at level 1 which is 30 volts, the parameters at the most agreed time at level 3 are 120 μs and the most difficult off time parameter to be reached at level 1 is 20 μs to roughness. \u0000 \u0000EDM adalah suatu proses permesinan yang bersifat non konvensional dengan pemakanan material benda kerja yang dilakukan oleh loncatan bunga api listrik (spark) melalui celah antara elektroda dan benda kerja yang berisi cairan di elektrik. Kegunaan cairan tersebut adalah sebagai medium untuk flushing sisa-sisa partikel material hasil erosi,pendinginan elektroda dan benda kerja serta sebagai konduktor listrik. Dalam industri manufaktur, EDM banyak digunakan untuk pembuatan produk-produk yang menuntut kualitas kekasaran permukaan hasil pemotongan yang halus dan kepresisian yang tinggi. Metode Taguchi merupakan salah satu metode dalam desain eksperimen yang dapat digunakan untuk mengendalikan kualitas produk. Penelitian ini mempertimbangkan 3 parameter yaitu gap voltage, on time, dan off time pada pengerjaan material SKD-11 sebagai salah satu bahan pembuatan cetakan/dies dengan tebal 13 mm. Penelitian ini menggunakan metode Taguchi untuk mendapatkan parameter yang optimum dengan kriteria smaller is better. Berdasarkan tabel diatas parameter gap voltage paling berpengaruh pada level 1 yaitu 30 volt, parameter on time paling berpengaruh pada level 3 yaitu 120 µs dan parameter off time paling berpengaruh pada level 1 yaitu 20 µs terhadap kekasaran. \u0000 \u0000 ","PeriodicalId":118320,"journal":{"name":"J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika","volume":"1 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2019-07-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"130261874","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2019-07-31DOI: 10.36456/jstat.vol12.no1.a1994
N. Hidayah, Artanti Indrasetianingsih
Regression is a statistical technique used to describe the relationship between response variables with one or more predictor variables. The development of classical regression analysis that is influenced by the effects of space or location of a region is called spatial regression analysis. The purpose of this study is to conduct Spatial Durbin Model (SDM) regression analysis for poverty modeling in East Java in 2017. Poverty is a classic problem that occurs in almost all countries and is multidimensional, which is related to social, economic, cultural and other aspects. In 2017, poverty in East Java declined compared to the previous year. Therefore it is necessary to identify the factors that influence poverty. The variables used are the percentage of poor people as the response variable (Y) and predictor variables including Education does not finish elementary school (X1), Literacy Rate age 15 -55 years (X2), informal sector workers (X3), unemployment rate open (X4), household users of land as the widest floor (X5), and households using improper sanitation (X6), and households using drinking water sources are not feasible (X7). Regresi merupakan teknik statistik yang digunakan untuk menggambarkan hubungan antara variabel respon dengan satu atau lebih variabel prediktor. Pengembangan dari analisis regresi klasik yang dipengaruhi oleh efek ruang atau lokasi wilayah disebut analisis regresi spasial. Tujuan dari penelitian ini adalah untuk melakukan analisis regresi Spatial Durbin Model (SDM) untuk pemodelan kemiskinan di Jawa Timur tahun 2017. Kemiskinan merupakan masalah klasik yang terjadi hampir diseluruh negara dan bersifat multidimensional, dimana berkaitan dengan aspek sosial, ekonomi, budaya dan aspek lainnya. Pada tahun 2017, kemiskinan di Jawa Timur mengalami penurunan jika dibandingkan dengan tahun sebelumnya. Oleh karena itu perlu dilakukan identifikasi faktor-faktor yang berpengaruh terhadap kemiskinan. Variabel yang digunakan yaitu persentase penduduk miskin sebagai variabel respon (Y) dan variabel prediktor antara lain Pendidikan tidak tamat SD (X1), Angka Melek Huruf (AHM) usia 15 -55 tahun (X2), pekerja sektor informal (X3), tingkat pengangguran terbuka (X4), rumah tangga pengguna tanah sebagai lantai terluas (X5), dan rumah tangga pengguna sanitasi tidak layak (X6), dan Rumah tangga pengguna sumber air minum tidak layak (X7).
回归是一种统计技术，用于描述响应变量与一个或多个预测变量之间的关系。古典回归分析的发展受到空间或区域位置的影响，称为空间回归分析。本研究的目的是对2017年东爪哇贫困模型进行空间Durbin模型(SDM)回归分析。贫困是几乎所有国家都存在的一个经典问题，是多方面的，涉及到社会、经济、文化等各个方面。2017年，东爪哇的贫困率与前一年相比有所下降。因此，有必要确定影响贫困的因素。使用的变量是作为响应变量的贫困人口百分比(Y)和预测变量，包括未完成小学教育(X1)、15 -55岁的识字率(X2)、非正规部门工人(X3)、开放失业率(X4)、家庭使用土地作为最宽的楼层(X5)、家庭使用不适当的卫生设施(X6)和家庭使用不可行的饮用水源(X7)。回归分析，技术统计，杨迪古纳肯，孟甘巴肯，胡邦甘，安塔拉，变量响应，登甘状态，变量预测。彭邦安达里分析，回归，klasik，杨，dipenaruhi, olefek，黄，atau, lokasi, wilayah，分析，回归，空间。空间Durbin模型(Spatial Durbin Model, SDM) [j] .新疆，2017。Kemiskinan merupakan masalah klasik yang terjadi hampir diseluruh negara danbersifat多维度，dimana berkaitan denganan社会，经济，budaya danesainnya。2017年，《印度时报》报道，印度时报报道，印度时报报道。Oleh karena itu perlu dilakukan确定了一种因子-因子，即yang berpengaran的因子。变量变量响应(Y)变量预测因子antara lain Pendidikan tidak tamat SD (X1)， Angka Melek Huruf (AHM) usia 15 -55 tahun (X2)， pekerja sektor informal (X3)， tingkat pengangguran terbuka (X4)， rumah tangga pengguna tanah sebagai lantai terluas (X5)， dan rumah tangga pengguna sanitasi tidak layak (X6)， dan rumah tangga pengguna sumair最小tidak layak (X7)。
{"title":"Analisis Regresi Spatial Durbin Model (SDM) untuk Pemodelan Kemiskinan Provinsi Jawa Timur Tahun 2017","authors":"N. Hidayah, Artanti Indrasetianingsih","doi":"10.36456/jstat.vol12.no1.a1994","DOIUrl":"https://doi.org/10.36456/jstat.vol12.no1.a1994","url":null,"abstract":"Regression is a statistical technique used to describe the relationship between response variables with one or more predictor variables. The development of classical regression analysis that is influenced by the effects of space or location of a region is called spatial regression analysis. The purpose of this study is to conduct Spatial Durbin Model (SDM) regression analysis for poverty modeling in East Java in 2017. Poverty is a classic problem that occurs in almost all countries and is multidimensional, which is related to social, economic, cultural and other aspects. In 2017, poverty in East Java declined compared to the previous year. Therefore it is necessary to identify the factors that influence poverty. The variables used are the percentage of poor people as the response variable (Y) and predictor variables including Education does not finish elementary school (X1), Literacy Rate age 15 -55 years (X2), informal sector workers (X3), unemployment rate open (X4), household users of land as the widest floor (X5), and households using improper sanitation (X6), and households using drinking water sources are not feasible (X7). \u0000 \u0000Regresi merupakan teknik statistik yang digunakan untuk menggambarkan hubungan antara variabel respon dengan satu atau lebih variabel prediktor. Pengembangan dari analisis regresi klasik yang dipengaruhi oleh efek ruang atau lokasi wilayah disebut analisis regresi spasial. Tujuan dari penelitian ini adalah untuk melakukan analisis regresi Spatial Durbin Model (SDM) untuk pemodelan kemiskinan di Jawa Timur tahun 2017. Kemiskinan merupakan masalah klasik yang terjadi hampir diseluruh negara dan bersifat multidimensional, dimana berkaitan dengan aspek sosial, ekonomi, budaya dan aspek lainnya. Pada tahun 2017, kemiskinan di Jawa Timur mengalami penurunan jika dibandingkan dengan tahun sebelumnya. Oleh karena itu perlu dilakukan identifikasi faktor-faktor yang berpengaruh terhadap kemiskinan. Variabel yang digunakan yaitu persentase penduduk miskin sebagai variabel respon (Y) dan variabel prediktor antara lain Pendidikan tidak tamat SD (X1), Angka Melek Huruf (AHM) usia 15 -55 tahun (X2), pekerja sektor informal (X3), tingkat pengangguran terbuka (X4), rumah tangga pengguna tanah sebagai lantai terluas (X5), dan rumah tangga pengguna sanitasi tidak layak (X6), dan Rumah tangga pengguna sumber air minum tidak layak (X7).","PeriodicalId":118320,"journal":{"name":"J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika","volume":"1 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2019-07-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"129828406","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2018-12-31DOI: 10.36456/jstat.vol11.no2.a2179
Artanti Indrasetianingsih
Characteristics of a region is a feature that is owned by the area. Characteristics can be seen from several aspects that exist in each region. East Java Province is a province located in the east of Java Island with Surabaya City as the Capital of Province. Biplot is one attempt to describe the data contained in the summary table in the two-dimensional graph. This analysis aims to model a matrix by overlapping vectors representing row vectors with vectors representing the vectors of the matrix column. Biplot analysis is based on the analysis of the main component (PCA biplot), ie by describing singular value or singular value decomposition (SVD). SVD aims to decipher the singular value of a matrix which is an nxp sized matrix that has been corrected with the mean and then raised the matrix and. The data used in this study using secondary data obtained from the Central Bureau of Statistics of East Java Province in 2016. Based on the result of data analysis, it can be concluded that 2 main factors are economic education consisting of infant mortality rate (X1), percentage of poor people (X2), per capita expenditure per year (X3), old school expectancy (X4) average of school length (X5) and social health factors consisted of percentage of population with appropriate drinking water source (X11), percentage of households living clean and healthy (X13).Goodness of fit biplot in economic education factor of 0.878. Karakteristik suatu wilayah merupakan ciri yang dimiliki oleh daerah tersebut. Karakteristik dapat dilihat dari beberapa aspek di masing-masing wilayah. Provinsi Jawa Timur merupakan sebuah provinsi di sebelah timur Pulau Jawa dengan Kota Surabaya sebagai Ibukota Provinsi. Biplot adalah salah satu upaya menggambarkan data-data yang ada pada tabel ringkasan dalam grafik berdimensi dua. Analisis ini bertujuan memperagakan suatu matriks dengan menumpang tindihkan vektor-vektor yang merepresentasikan vektor-vektor baris dengan vektor-vektor yang merepresentasikan vektor-vektor kolom matriks tersebut. Analisis biplot didasarkan pada analisis komponen utama (PCA biplot), yaitu dengan menguraikan nilai singular atau singular value decomposition (SVD). Data yang digunakan pada penelitian ini menggunakan data sekunder yang diperoleh dari Badan Pusat Statistik Provinsi Jawa Timur tahun 2016. Berdasarkan hasil analisis data maka dapat disimpulkan bahwa terbentuk 2 faktor utama yaitu faktor pendidikan ekonomi yang terdiri dari variabel angka kematian bayi (X1), persentase penduduk miskin (X2), pengeluaran per kapita per tahun (X3), harapan lama sekolah (X4), rata-rata lama sekolah (X5) dan faktor sosial kesehatan terdiri dari variabel persentase penduduk dengan sumber air minum layak (X11), persentase rumah tangga berperilaku hidup bersih dan sehat (X13). Goodness of fit biplot dalam faktor pendidikan ekonomi sebesar 87,8%.
一个地区的特征是该地区所拥有的特征。从各个地区存在的几个方面可以看出其特点。东爪哇省是爪哇岛东部的一个省，省会是泗水市。双图是用二维图形描述汇总表中包含的数据的一种尝试。这种分析的目的是通过重叠表示行向量的向量与表示矩阵列向量的向量来建模矩阵。双图分析是基于主成分分析(PCA双图)，即通过描述奇异值或奇异值分解(SVD)。SVD的目的是破译一个矩阵的奇异值，这个矩阵是一个恩智浦大小的矩阵，它已经用平均值校正，然后提高矩阵和。本研究使用的数据使用了2016年东爪哇省中央统计局的二手数据。根据数据分析的结果，可以得出2个主要因素:经济教育因素，包括婴儿死亡率(X1)、贫困人口比例(X2)、人均年支出(X3)、旧学校期望(X4)、平均上学时间(X5)和社会卫生因素，包括拥有适当饮用水源的人口比例(X11)、生活清洁卫生的家庭比例(X13)。经济教育因子的拟合优度双标图为0.878。Karakteristik suatu wilayah merupakan cii yang dimiliki oleh daerah tersebut。Karakteristik dapat dilihat dari beberapa说，他是一名穆斯林。省爪哇铁木merupakan sebuah省i sebelah Timur Pulau爪哇登干哥打泗水sebagai Ibukota省。双标图adalah salah satu upaya menggambarkan数据-数据yang ada pada标签ringkasan dalam grafik berdimensi dua。分析了亚洲矢量-矢量矩阵的向量-矢量阳表示亚洲矢量-矢量阳表示亚洲矢量-矢量阳表示亚洲矢量-矢量阳表示亚洲矢量-矢量矩阵。分析双标图(PCA双标图)，以及奇异值分解(SVD)。数据杨迪古纳坎帕达penelitian ini menggunakan数据在杨diperoleh达巴丹普斯特统计省，爪哇铁木尔，2016。Berdasarkan hasil分析数据maka dapat dispulkkan bahwa terbentuk 2 factor for utama yitu factor for pendidikan ekonomi yang terdiri dari variabel angka kematian bayi (X1)，表示变量penduduk miskin (X2)， pengeluaran per kapita per tahun (X3)， harapan lama sekolah (X4)， rata-rata lama sekolah (X5)， factor for社会kesehatan and terdiri dari变量表示变量penduduk dengan number air minlayak (X11)，表示变量rumah tangga berperperaku hidup bersih dansehat (X13)。拟合优度双标图因子对个体经济的影响为87.8%。
{"title":"Analisis Biplot pada Pemetaan Karakteristik Indeks Pembangunan Manusia (IPM) Kabupaten/Kota di Provinsi Jawa Timur tahun 2016","authors":"Artanti Indrasetianingsih","doi":"10.36456/jstat.vol11.no2.a2179","DOIUrl":"https://doi.org/10.36456/jstat.vol11.no2.a2179","url":null,"abstract":"Characteristics of a region is a feature that is owned by the area. Characteristics can be seen from several aspects that exist in each region. East Java Province is a province located in the east of Java Island with Surabaya City as the Capital of Province. Biplot is one attempt to describe the data contained in the summary table in the two-dimensional graph. This analysis aims to model a matrix by overlapping vectors representing row vectors with vectors representing the vectors of the matrix column. Biplot analysis is based on the analysis of the main component (PCA biplot), ie by describing singular value or singular value decomposition (SVD). SVD aims to decipher the singular value of a matrix which is an nxp sized matrix that has been corrected with the mean and then raised the matrix and. The data used in this study using secondary data obtained from the Central Bureau of Statistics of East Java Province in 2016. Based on the result of data analysis, it can be concluded that 2 main factors are economic education consisting of infant mortality rate (X1), percentage of poor people (X2), per capita expenditure per year (X3), old school expectancy (X4) average of school length (X5) and social health factors consisted of percentage of population with appropriate drinking water source (X11), percentage of households living clean and healthy (X13).Goodness of fit biplot in economic education factor of 0.878. \u0000 \u0000Karakteristik suatu wilayah merupakan ciri yang dimiliki oleh daerah tersebut. Karakteristik dapat dilihat dari beberapa aspek di masing-masing wilayah. Provinsi Jawa Timur merupakan sebuah provinsi di sebelah timur Pulau Jawa dengan Kota Surabaya sebagai Ibukota Provinsi. Biplot adalah salah satu upaya menggambarkan data-data yang ada pada tabel ringkasan dalam grafik berdimensi dua. Analisis ini bertujuan memperagakan suatu matriks dengan menumpang tindihkan vektor-vektor yang merepresentasikan vektor-vektor baris dengan vektor-vektor yang merepresentasikan vektor-vektor kolom matriks tersebut. Analisis biplot didasarkan pada analisis komponen utama (PCA biplot), yaitu dengan menguraikan nilai singular atau singular value decomposition (SVD). Data yang digunakan pada penelitian ini menggunakan data sekunder yang diperoleh dari Badan Pusat Statistik Provinsi Jawa Timur tahun 2016. Berdasarkan hasil analisis data maka dapat disimpulkan bahwa terbentuk 2 faktor utama yaitu faktor pendidikan ekonomi yang terdiri dari variabel angka kematian bayi (X1), persentase penduduk miskin (X2), pengeluaran per kapita per tahun (X3), harapan lama sekolah (X4), rata-rata lama sekolah (X5) dan faktor sosial kesehatan terdiri dari variabel persentase penduduk dengan sumber air minum layak (X11), persentase rumah tangga berperilaku hidup bersih dan sehat (X13). Goodness of fit biplot dalam faktor pendidikan ekonomi sebesar 87,8%. \u0000 ","PeriodicalId":118320,"journal":{"name":"J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika","volume":"87 3","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2018-12-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"113997046","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2018-12-31DOI: 10.36456/jstat.vol11.no2.a2174
Maria Prisca
Education is very important in achieving the ideals of the nation to improve the quality of human resources as well. Curriculum change in 2013 is one of the government's efforts in improving the quality of education in Indonesia. To improve students' learning achievement, internal and external factors are needed to encourage students to keep their spirit in learning. In this study, the researcher took a case about factor analysis in improving the achievement of the students of class X IPS of SMA Negeri 1 Adonara Timur. Achievement of study in SMA Negeri 1 Adonara East class X particularly good, although there are achievement of learning in class X IPS is often low. This study aims to determine what factors are formed in improving student achievement class X IPS in SMA Negeri 1 Adonara Timur. The data used in this study is the primary data obtained through the distribution of questionnaires, with a sample of 47 students. The analysis method used in this research is factor analysis. Factor analysis is one of the statistical techniques that can be used to provide a relatively simple description through the reduction of the number of variables called factors. Since the purpose of factor. Pendidikan merupakan hal yang sangat penting dalam mencapai cita-cita bangsa sehingga meningkatkan Sumber Daya Manusia yang berkualitas. Perubahan Kurikulum pada tahun 2013 merupakan upaya pemerintah dalam meningkatkatkan kualitas pendidikan di Indonesia yang diketahui berdasarkan prestasi belajar siswa. Untuk meningkatkan prestasi belajar siswa, diperlukan faktor intern dan faktor ekstern yang mendorong siswa untuk tetap semangat dalam belajar. Prestasi belajar di SMA Negeri 1 Adonara Timur khususnya kelas X tergolong baik, Namun, prestasi belajar pada kelas X IPS seringkali rendah. Penelitian ini bertujuan untuk mengetahui faktor-faktor apa saja yang terbentuk dalam meningkatkan prestasi belajar siswa kelas X IPS di SMA Negeri 1 Adonara Timur. Data yang digunakan dalam penelitian ini adalah data primer yang diperoleh melalui penyebaran kuesioner, dengan sampel sebanyak 47 siswa. Metode analisis yag digunakan dalam penelitian ini adalah analisis faktor. Tujuan dari analisis faktor pada penelitian ini adalah untuk mereduksi data maka metode analisis faktor yang digunakan adalah Principal Component Analysis (PCA). Hasil dari penelitian ini diperoleh 5 faktor yang diduga dapat meningkatkan prestasi belajar siswa kelas X IPS di SMA Negeri 1 Adonara Timur. Faktor-faktor tersebut adalah Lingkungan Sekolah, Peranan Orang Tua, Peranan Guru, Disilpin Belajar, dan Motivasi Belajar.
教育在实现国家理想，提高人力资源质量方面也非常重要。2013年的课程改革是印尼政府提高教育质量的努力之一。为了提高学生的学习成绩，需要内外因素来激励学生保持学习精神。在本研究中，研究者选取了一个关于因子分析在提高SMA Negeri 1 Adonara Timur X班学生成绩中的作用的案例。SMA Negeri 1 Adonara East X班的学习成绩特别好，尽管在X班的学习成绩往往较低。本研究的目的是为了确定是什么因素形成了在SMA Negeri 1 Adonara Timur提高学生成绩等级X IPS。本研究使用的数据是通过发放问卷获得的原始数据，样本为47名学生。本研究采用的分析方法是因子分析。因子分析是一种统计技术，可以通过减少称为因子的变量的数量来提供相对简单的描述。自目的因素。Pendidikan merupakan hal yang sangat penting dalam mencapai cita-cita bangsa sehinga meningkatkan Sumber Daya Manusia yang berkualitas。Perubahan Kurikulum paada tahun 2013 merupakan upaya peremerintah dalam meningkatkatkan kualitas pendidikan di Indonesia(印尼)Untuk meningkatkan prestasi belajar siswa, diperlukan factor for intern, diperlukan factor for western yang, mendorong siswa, tetap semangat dalam belajar。1 Adonara Timur khususnya kelas X tergolong baik, Namun, Prestasi belajar pada kelas X IPS seringkali rendah。Penelitian ini bertujuan untuk mengetahui因子-因子，因子，因子，因子，因子，因子，因子，因子，因子，因子，因子，因子，因子，因子。数据阳digunakan dalam penelitian ini adalah数据引物阳diperoleh melalei penelian kuesioner，登干样品sebanyak 47 siswa。方法分析:用数值分析方法分析数值分析因子。图鹃达里分析因子帕达里尼阿达里尼阿达里尼阿达里尼阿达里尼阿达里尼阿达里尼阿达里尼阿达里尼阿达里尼阿达里尼数据马卡里尼分析因子阿达里尼尼主成分分析(PCA)。哈西尔达里penelitian ini diperoleh 5因素为yang diduga dapat meningkatkan prestasi belajar siswa kelas X IPS di SMA Negeri 1 Adonara Timur。因子-因子的连结，但adalah Lingkungan Sekolah, Peranan Orang Tua, Peranan Guru, Disilpin Belajar, dan Motivasi Belajar。
{"title":"Analisis Faktor Dalam Meningkatkan Prestasi Belajar Siswa Kelas X IPS SMA Negeri 1 Adonara Timur, Provinsi","authors":"Maria Prisca","doi":"10.36456/jstat.vol11.no2.a2174","DOIUrl":"https://doi.org/10.36456/jstat.vol11.no2.a2174","url":null,"abstract":"Education is very important in achieving the ideals of the nation to improve the quality of human resources as well. Curriculum change in 2013 is one of the government's efforts in improving the quality of education in Indonesia. To improve students' learning achievement, internal and external factors are needed to encourage students to keep their spirit in learning. In this study, the researcher took a case about factor analysis in improving the achievement of the students of class X IPS of SMA Negeri 1 Adonara Timur. Achievement of study in SMA Negeri 1 Adonara East class X particularly good, although there are achievement of learning in class X IPS is often low. This study aims to determine what factors are formed in improving student achievement class X IPS in SMA Negeri 1 Adonara Timur. The data used in this study is the primary data obtained through the distribution of questionnaires, with a sample of 47 students. The analysis method used in this research is factor analysis. Factor analysis is one of the statistical techniques that can be used to provide a relatively simple description through the reduction of the number of variables called factors. Since the purpose of factor. \u0000Pendidikan merupakan hal yang sangat penting dalam mencapai cita-cita bangsa sehingga meningkatkan Sumber Daya Manusia yang berkualitas. Perubahan Kurikulum pada tahun 2013 merupakan upaya pemerintah dalam meningkatkatkan kualitas pendidikan di Indonesia yang diketahui berdasarkan prestasi belajar siswa. Untuk meningkatkan prestasi belajar siswa, diperlukan faktor intern dan faktor ekstern yang mendorong siswa untuk tetap semangat dalam belajar. Prestasi belajar di SMA Negeri 1 Adonara Timur khususnya kelas X tergolong baik, Namun, prestasi belajar pada kelas X IPS seringkali rendah. Penelitian ini bertujuan untuk mengetahui faktor-faktor apa saja yang terbentuk dalam meningkatkan prestasi belajar siswa kelas X IPS di SMA Negeri 1 Adonara Timur. Data yang digunakan dalam penelitian ini adalah data primer yang diperoleh melalui penyebaran kuesioner, dengan sampel sebanyak 47 siswa. Metode analisis yag digunakan dalam penelitian ini adalah analisis faktor. Tujuan dari analisis faktor pada penelitian ini adalah untuk mereduksi data maka metode analisis faktor yang digunakan adalah Principal Component Analysis (PCA). Hasil dari penelitian ini diperoleh 5 faktor yang diduga dapat meningkatkan prestasi belajar siswa kelas X IPS di SMA Negeri 1 Adonara Timur. Faktor-faktor tersebut adalah Lingkungan Sekolah, Peranan Orang Tua, Peranan Guru, Disilpin Belajar, dan Motivasi Belajar.","PeriodicalId":118320,"journal":{"name":"J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika","volume":"124 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2018-12-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"133072059","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
京公网安备 11010802042870号
京ICP备2023020795号-1
扫码关注我们
求助内容：
应助结果提醒方式：