Pub Date : 2019-10-10DOI: 10.26418/bbimst.v8i4.35877
Rosella Alifa El Vinie, Shantika Martha, Setyo Wira Rizki
Model Vector Autoregressive Exogenous (VARX) dapat digunakan untuk memprediksi data deret waktu lebih dari satu variabel yang menggunakan variabel eksogen dalam sistem persamaannya. Model VARX menggunakan variabel endogen yang saling berhubungan dipengaruhi waktu sebelumnya dan terdapat variabel eksogen yang mempengaruhi variabel endogen tersebut. Penelitian ini menggunakan data sekunder, yaitu data bulanan deret waktu hasil produksi karet kering dan karet basah dalam periode tahun 2016 sampai tahun 2018 pada kebun Sintang di Kalimantan Barat serta data deret waktu curah hujan pada kebun . Tujuan penelitian ini adalah melakukan pemodelan dan memprediksi hasil produksi karet kering dan karet basah PTPN XIII pada periode Juli sampai Desember 2018 dengan model VARX. Hasil analisis menunjukkan bahwa model VARX yang dapat diterapkan terhadap data hasil produksi karet kering dan karet basah adalah VARX(1,1). Nilai MAPE untuk model VARX(1,1) pada masing-masing variabel yaitu 14,73% dan 16,06% sehingga ketepatan hasil prediksi model dapat dikatakan baik. Kata Kunci: karet basah, karet kering, curah hujan, MAPE
{"title":"MODEL VECTOR AUTOREGRESSIVE EXOGENOUS (VARX) DALAM MEMPREDIKSI HASIL PRODUKSI KARET PTPN XIII PROVINSI KALIMANTAN BARAT","authors":"Rosella Alifa El Vinie, Shantika Martha, Setyo Wira Rizki","doi":"10.26418/bbimst.v8i4.35877","DOIUrl":"https://doi.org/10.26418/bbimst.v8i4.35877","url":null,"abstract":"Model Vector Autoregressive Exogenous (VARX) dapat digunakan untuk memprediksi data deret waktu lebih dari satu variabel yang menggunakan variabel eksogen dalam sistem persamaannya. Model VARX menggunakan variabel endogen yang saling berhubungan dipengaruhi waktu sebelumnya dan terdapat variabel eksogen yang mempengaruhi variabel endogen tersebut. Penelitian ini menggunakan data sekunder, yaitu data bulanan deret waktu hasil produksi karet kering dan karet basah dalam periode tahun 2016 sampai tahun 2018 pada kebun Sintang di Kalimantan Barat serta data deret waktu curah hujan pada kebun . Tujuan penelitian ini adalah melakukan pemodelan dan memprediksi hasil produksi karet kering dan karet basah PTPN XIII pada periode Juli sampai Desember 2018 dengan model VARX. Hasil analisis menunjukkan bahwa model VARX yang dapat diterapkan terhadap data hasil produksi karet kering dan karet basah adalah VARX(1,1). Nilai MAPE untuk model VARX(1,1) pada masing-masing variabel yaitu 14,73% dan 16,06% sehingga ketepatan hasil prediksi model dapat dikatakan baik. Kata Kunci: karet basah, karet kering, curah hujan, MAPE","PeriodicalId":265420,"journal":{"name":"Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya","volume":"127 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2019-10-10","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"115238722","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 : 2019-10-10DOI: 10.26418/bbimst.v8i4.36198
Alvin Firdaus, Shantika Martha, Nurfitri Imro’ah
Multiple classification analysis (MCA) adalah metode yang dapat digunakan untuk menganalisis hubungan beberapa variabel bebas yang berskala kategorik (nominal atau ordinal) dengan sebuah variabel terikat yang berskala numerik (interval atau rasio). Metode MCA memberikan hasil yang memuaskan dalam mengidentifikasi hubungan antara variabel bebas dan terikat, dimana MCA dapat menghasilkan parameter untuk seluruh kategori, dan juga dapat mengukur besarnya hubungan variabel dependen dengan masing-masing variabel bebas sebelum dan setelah dikontrol variabel bebas lain melalui statistik eta dan statistik beta. Tujuan dari penelitian ini adalah untuk menentukan model MCA pada faktor-faktor yang berpengaruh terhadap garis kemiskinan provinsi (GKP). Data yang digunakan pada penelitian ini adalah data publikasi BPS tahun 2017 yang meliputi data rata-rata lama sekolah (RLS), product domestic regional bruto (PDRB), pengeluaran perkapita perbulan (PPP), upah minimum provinsi (UMP), tingkat pengangguran terbuka (TPT) dan inflasi (I) pada 34 provinsi di Indonesia. Hasil analisis menunjukkan bahwa RLS, PDRB dan PPP berpengaruh signifikan terhadap GKP. PPP merupakan faktor yang paling berpengaruh terhadap GKP yaitu dengan nilai eta sebesar 71,9% dan beta sebesar 58,1%. Sedangkan variabel PDRB memiliki nilai eta sebesar 65,7% dan nilai beta 39,9%. Variabel RLS hanya memiliki nilai eta 47,2% dan beta sebesar 14,0%. Model MCA yang diperoleh juga memberikan hasil yang sangat baik karena memiliki nilai MAPE 8,93%.Kata Kunci: MCA, Statistik Eta, Statistik Beta
{"title":"PENENTUAN GARIS KEMISKINAN PROVINSI MENGGUNAKAN METODE MULTIPLE CLASSIFICATION ANALYSIS","authors":"Alvin Firdaus, Shantika Martha, Nurfitri Imro’ah","doi":"10.26418/bbimst.v8i4.36198","DOIUrl":"https://doi.org/10.26418/bbimst.v8i4.36198","url":null,"abstract":"Multiple classification analysis (MCA) adalah metode yang dapat digunakan untuk menganalisis hubungan beberapa variabel bebas yang berskala kategorik (nominal atau ordinal) dengan sebuah variabel terikat yang berskala numerik (interval atau rasio). Metode MCA memberikan hasil yang memuaskan dalam mengidentifikasi hubungan antara variabel bebas dan terikat, dimana MCA dapat menghasilkan parameter untuk seluruh kategori, dan juga dapat mengukur besarnya hubungan variabel dependen dengan masing-masing variabel bebas sebelum dan setelah dikontrol variabel bebas lain melalui statistik eta dan statistik beta. Tujuan dari penelitian ini adalah untuk menentukan model MCA pada faktor-faktor yang berpengaruh terhadap garis kemiskinan provinsi (GKP). Data yang digunakan pada penelitian ini adalah data publikasi BPS tahun 2017 yang meliputi data rata-rata lama sekolah (RLS), product domestic regional bruto (PDRB), pengeluaran perkapita perbulan (PPP), upah minimum provinsi (UMP), tingkat pengangguran terbuka (TPT) dan inflasi (I) pada 34 provinsi di Indonesia. Hasil analisis menunjukkan bahwa RLS, PDRB dan PPP berpengaruh signifikan terhadap GKP. PPP merupakan faktor yang paling berpengaruh terhadap GKP yaitu dengan nilai eta sebesar 71,9% dan beta sebesar 58,1%. Sedangkan variabel PDRB memiliki nilai eta sebesar 65,7% dan nilai beta 39,9%. Variabel RLS hanya memiliki nilai eta 47,2% dan beta sebesar 14,0%. Model MCA yang diperoleh juga memberikan hasil yang sangat baik karena memiliki nilai MAPE 8,93%.Kata Kunci: MCA, Statistik Eta, Statistik Beta","PeriodicalId":265420,"journal":{"name":"Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya","volume":"39 3","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2019-10-10","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"114110432","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}
Regresi linear berganda adalah suatu teknik dalam metode statistika yang digunakan untuk menganalisis pengaruh dua atau lebih variabel independen terhadap variabel dependen. Salah satu asumsi pada analisis regresi linear berganda adalah tidak adanya multikolinearitas di dalam model regresi. Jika terdapat pelanggaran asumsi multikolinearitas, ada beberapa cara yang dapat digunakan untuk mengatasinya salah satunya yaitu dengan menggunakan metode regresi ridge yang merupakan modifikasi dari metode kuadrat terkecil yang dilakukan dengan menambahkan tetapan bias . Generalized ridge regression (GRR) merupakan pengembangan dari metode regresi ridge, yaitu dengan menggunakan konstanta bias yang berbeda untuk setiap variabel bebasnya . Penelitian ini bertujuan untuk menduga parameter menggunakan metode GRR untuk mengatasi masalah multikolinearitas pada analisis faktor-faktor tingkat pengangguran terbuka di Indonesia. Berdasarkan hasil penelitian didapatlah persamaan GRR yang mempengaruhi tingkat pengangguran terbuka yaitu: dengan tingkat partisipasi angkatan kerja dan produk domestik regional bruto berpengaruh secara signifikan terhadap tingkat pengangguran terbuka. Metode GRR dapat mengatasi masalah multikolinearitas dalam menduga parameter regresi yang dibuktikan dengan nilai variance inflation factors (VIF) untuk masing-masing variabel yang didapatkan kurang dari 10 yaitu sebesar , , , dan dengan nilai koefisien determinasi sebesar 0,6025 yang berarti bahwa besarnya variabel tingkat partisipasi angkatan kerja dan produk domestik regional bruto terhadap tingkat pengangguran terbuka sebesar 60,25% sedangkan 39,75% dipengaruhi oleh variabel lainnya. Kata Kunci: Regresi Linear Berganda, Multikolinearitas, Generalized Ridge Regression
{"title":"METODE GENERALIZED RIDGE REGRESSION DALAM MENGATASI MULTIKOLINEARITAS","authors":"Nita Anggraini, Dadan Kusnandar, Naomi Nessyana Debataraja","doi":"10.26418/bbimst.v8i4.35879","DOIUrl":"https://doi.org/10.26418/bbimst.v8i4.35879","url":null,"abstract":"Regresi linear berganda adalah suatu teknik dalam metode statistika yang digunakan untuk menganalisis pengaruh dua atau lebih variabel independen terhadap variabel dependen. Salah satu asumsi pada analisis regresi linear berganda adalah tidak adanya multikolinearitas di dalam model regresi. Jika terdapat pelanggaran asumsi multikolinearitas, ada beberapa cara yang dapat digunakan untuk mengatasinya salah satunya yaitu dengan menggunakan metode regresi ridge yang merupakan modifikasi dari metode kuadrat terkecil yang dilakukan dengan menambahkan tetapan bias . Generalized ridge regression (GRR) merupakan pengembangan dari metode regresi ridge, yaitu dengan menggunakan konstanta bias yang berbeda untuk setiap variabel bebasnya . Penelitian ini bertujuan untuk menduga parameter menggunakan metode GRR untuk mengatasi masalah multikolinearitas pada analisis faktor-faktor tingkat pengangguran terbuka di Indonesia. Berdasarkan hasil penelitian didapatlah persamaan GRR yang mempengaruhi tingkat pengangguran terbuka yaitu: dengan tingkat partisipasi angkatan kerja dan produk domestik regional bruto berpengaruh secara signifikan terhadap tingkat pengangguran terbuka. Metode GRR dapat mengatasi masalah multikolinearitas dalam menduga parameter regresi yang dibuktikan dengan nilai variance inflation factors (VIF) untuk masing-masing variabel yang didapatkan kurang dari 10 yaitu sebesar , , , dan dengan nilai koefisien determinasi sebesar 0,6025 yang berarti bahwa besarnya variabel tingkat partisipasi angkatan kerja dan produk domestik regional bruto terhadap tingkat pengangguran terbuka sebesar 60,25% sedangkan 39,75% dipengaruhi oleh variabel lainnya. Kata Kunci: Regresi Linear Berganda, Multikolinearitas, Generalized Ridge Regression","PeriodicalId":265420,"journal":{"name":"Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya","volume":"16 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2019-10-10","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"128259662","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 : 2019-10-10DOI: 10.26418/bbimst.v8i4.37194
Sujiman, Naomi Nessyana Debataraja, Yundari
Titik panas (hotspot) merupakan indikator kebakaran hutan yang mendeteksi suatu lokasi yang memiliki suhu relatif lebih tinggi. Sebaran titik panas merupakan hasil pengamatan dari satelit-satelit yang mengudara di atas Bumi. Penelitian ini bertujuan untuk memetakan sebaran titik panas di Kabupaten Kubu Raya. Dalam penelitian ini digunakan variabel pengamatan diantaranya adalah latitude dan longitude yang berguna untuk melihat lokasi titik panas, serta confidence sebagai level titik panas. Kemudian dilakukan analisis variansi untuk mengetahui perbedaan rata-rata nilai jumlah titik panas setiap kecamatan. Kemudian dilakukan visualisasi menggunakan sistem informasi geografis untuk melihat peta sebaran titik panas pada tingkat kabupaten, kecamatan, desa dan penggunaan lahan di Kabupaten Kubu Raya. Kata Kunci: Pemetaan, Latitude, Longitude, Confidence, Analisis Variansi.
{"title":"PEMETAAN SEBARAN TITIK PANAS DI KABUPATEN KUBU RAYA","authors":"Sujiman, Naomi Nessyana Debataraja, Yundari","doi":"10.26418/bbimst.v8i4.37194","DOIUrl":"https://doi.org/10.26418/bbimst.v8i4.37194","url":null,"abstract":"Titik panas (hotspot) merupakan indikator kebakaran hutan yang mendeteksi suatu lokasi yang memiliki suhu relatif lebih tinggi. Sebaran titik panas merupakan hasil pengamatan dari satelit-satelit yang mengudara di atas Bumi. Penelitian ini bertujuan untuk memetakan sebaran titik panas di Kabupaten Kubu Raya. Dalam penelitian ini digunakan variabel pengamatan diantaranya adalah latitude dan longitude yang berguna untuk melihat lokasi titik panas, serta confidence sebagai level titik panas. Kemudian dilakukan analisis variansi untuk mengetahui perbedaan rata-rata nilai jumlah titik panas setiap kecamatan. Kemudian dilakukan visualisasi menggunakan sistem informasi geografis untuk melihat peta sebaran titik panas pada tingkat kabupaten, kecamatan, desa dan penggunaan lahan di Kabupaten Kubu Raya. Kata Kunci: Pemetaan, Latitude, Longitude, Confidence, Analisis Variansi.","PeriodicalId":265420,"journal":{"name":"Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya","volume":"45 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2019-10-10","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"128483306","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 : 2019-10-10DOI: 10.26418/bbimst.v8i4.36591
Haryati Haryati
Multidimensional Scaling (MDS) berhubungan dengan pembuatan grafik (map) yang bertujuan untuk menggambarkan posisi sebuah objek dengan objek lain, berdasarkan kemiripan objek-objek, sehingga jarak antar objek-objek tersebut akan sesuai dengan nilai kedekatan berdasarkan input datanya. Data yang digunakan dalam penelitian ini merupakan data sekunder yang diperoleh dari Kantor Perwakilan BKKBN Pontianak berupa data jumlah pengguna alat kontrasepsi pada 14 kabupaten. Penelitian ini bertujuan untuk melakukan pemetaan pengguna alat kontrasepsi antar kabupaten/kota di Kalimantan Barat pada tahun 2014. Hasil analisis menunjukkan bahwa pemetaan pada pengguna alat kontrasepsi antar kabupaten/kota di Kalimantan Barat terbentuk menjadi empat kelompok. Kelompok I: Kabupaten Sambas, Kabupaten Kubu Raya, dan Kabupaten Pontianak. Kelompok II: Kabupaten Ketapang, Kabupaten Sintang dan Kabupaten Landak. Kelompok III: Kabupaten Melawi. Kelompok IV: Kabupaten Mempawah, Kabupaten Sanggau, Kabupaten Kapuas Hulu, Kabupaten Bengkayang, Kabupaten Sekadau, Kabupaten Kayong Utara dan Kabupaten Singkawang. Kata kunci: Multidimensional Scaling, Pemetaan, Pengguna Alat Kontrasepsi
{"title":"PEMETAAN PENGGUNA ALAT KONTRASEPSI DI KALIMANTAN BARAT DENGAN MENGGUNAKAN METODE MULTIDIMENSIONAL SCALING","authors":"Haryati Haryati","doi":"10.26418/bbimst.v8i4.36591","DOIUrl":"https://doi.org/10.26418/bbimst.v8i4.36591","url":null,"abstract":"Multidimensional Scaling (MDS) berhubungan dengan pembuatan grafik (map) yang bertujuan untuk menggambarkan posisi sebuah objek dengan objek lain, berdasarkan kemiripan objek-objek, sehingga jarak antar objek-objek tersebut akan sesuai dengan nilai kedekatan berdasarkan input datanya. Data yang digunakan dalam penelitian ini merupakan data sekunder yang diperoleh dari Kantor Perwakilan BKKBN Pontianak berupa data jumlah pengguna alat kontrasepsi pada 14 kabupaten. Penelitian ini bertujuan untuk melakukan pemetaan pengguna alat kontrasepsi antar kabupaten/kota di Kalimantan Barat pada tahun 2014. Hasil analisis menunjukkan bahwa pemetaan pada pengguna alat kontrasepsi antar kabupaten/kota di Kalimantan Barat terbentuk menjadi empat kelompok. Kelompok I: Kabupaten Sambas, Kabupaten Kubu Raya, dan Kabupaten Pontianak. Kelompok II: Kabupaten Ketapang, Kabupaten Sintang dan Kabupaten Landak. Kelompok III: Kabupaten Melawi. Kelompok IV: Kabupaten Mempawah, Kabupaten Sanggau, Kabupaten Kapuas Hulu, Kabupaten Bengkayang, Kabupaten Sekadau, Kabupaten Kayong Utara dan Kabupaten Singkawang. Kata kunci: Multidimensional Scaling, Pemetaan, Pengguna Alat Kontrasepsi","PeriodicalId":265420,"journal":{"name":"Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya","volume":"85 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2019-10-10","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"133824299","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}
Pendekatan regresi nonparametrik dilakukan untuk memodelkan data yang tidak diketahui bentuk fungsinya. Salah satu regresi nonparametrik yang sering digunakan adalah regresi kernel. Tujuan penelitian ini adalah untuk mengestimasi model regresi nonparametrik menggunakan regresi kernel dengan estimator Nadaraya-Watson pada data indeks pembangunan manusia di Indonesia. Berdasarkan hasil analisis yang telah dilakukan, dapat disimpulkan bahwa untuk data indeks pembangunan manusia diperoleh bandwitdh optimal dengan estimator Nadaraya-Watson sebesar 1,384884. Hasil estimasi tersebut memperoleh nilai koefisien determinasi sebesar 63,2% dan menghasilkan nilai Mean Absolute Percentage Error (MAPE) sebesar 2,5% yang berarti bahwa kemampuan estimasi menggunakan regresi nonparametrik kernel sangat baik.Kata Kunci: regresi kernel, bandwidth, Gaussian.
{"title":"ESTIMASI MODEL REGRESI NONPARAMETRIK KERNEL MENGGUNAKAN ESTIMATOR NADARAYA-WATSON","authors":"Nurul Anisa, Naomi Nessyana Debataraja, Shantika Martha","doi":"10.26418/bbimst.v8i4.35870","DOIUrl":"https://doi.org/10.26418/bbimst.v8i4.35870","url":null,"abstract":"Pendekatan regresi nonparametrik dilakukan untuk memodelkan data yang tidak diketahui bentuk fungsinya. Salah satu regresi nonparametrik yang sering digunakan adalah regresi kernel. Tujuan penelitian ini adalah untuk mengestimasi model regresi nonparametrik menggunakan regresi kernel dengan estimator Nadaraya-Watson pada data indeks pembangunan manusia di Indonesia. Berdasarkan hasil analisis yang telah dilakukan, dapat disimpulkan bahwa untuk data indeks pembangunan manusia diperoleh bandwitdh optimal dengan estimator Nadaraya-Watson sebesar 1,384884. Hasil estimasi tersebut memperoleh nilai koefisien determinasi sebesar 63,2% dan menghasilkan nilai Mean Absolute Percentage Error (MAPE) sebesar 2,5% yang berarti bahwa kemampuan estimasi menggunakan regresi nonparametrik kernel sangat baik.Kata Kunci: regresi kernel, bandwidth, Gaussian.","PeriodicalId":265420,"journal":{"name":"Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya","volume":"37 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2019-10-10","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"127870653","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 : 2019-10-10DOI: 10.26418/bbimst.v8i4.36634
Anggun Fitria Febrianti, M. Kiftiah., F. Fran
Pada suatu graf , himpunan bagian dari merupakan himpunan dominasi jika simpul-simpul yang tidak berada di bertetangga sedikitnya dengan satu simpul di . Kardinalitas minimum dari disebut bilangan dominasi . Terdapat beberapa topik mengenai bilangan dominasi diantaranya bilangan dominasi invers. Misalkan merupakan himpunan dominasi dari graf dengan kardinalitas minimum. Suatu himpunan adalah himpunan dominasi invers jika memuat suatu himpunan dominasi yang terkait dengan . Kardinalitas minimum dalam himpunan dominasi invers didefinisikan sebagai bilangan dominasi invers dari graf yang dinotasikan dengan . Penelitian ini mengkaji tentang bilangan dominasi invers pada beberapa graf yaitu graf lintasan dan graf cycle dengan n simpul. Graf ular segitiga , graf ular segitiga ganda , graf ular segiempat dan graf ular segiempat ganda yang dibangun oleh graf lintasan dan cycle dengan simpul. Berdasarkan penelitian diperoleh bahwa bilangan dominasi invers yaitu untuk dengan , untuk lainnya, , , , dan . Kata kunci : bilangan dominasi invers, graf lintasan, graf cycle, graf ular
{"title":"BILANGAN DOMINASI INVERS PADA GRAF ULAR SEGITIGA, ULAR SEGITIGA GANDA, ULAR SEGIEMPAT, ULAR SEGIEMPAT GANDA DAN GRAF PEMBANGUNNYA","authors":"Anggun Fitria Febrianti, M. Kiftiah., F. Fran","doi":"10.26418/bbimst.v8i4.36634","DOIUrl":"https://doi.org/10.26418/bbimst.v8i4.36634","url":null,"abstract":"Pada suatu graf , himpunan bagian dari merupakan himpunan dominasi jika simpul-simpul yang tidak berada di bertetangga sedikitnya dengan satu simpul di . Kardinalitas minimum dari disebut bilangan dominasi . Terdapat beberapa topik mengenai bilangan dominasi diantaranya bilangan dominasi invers. Misalkan merupakan himpunan dominasi dari graf dengan kardinalitas minimum. Suatu himpunan adalah himpunan dominasi invers jika memuat suatu himpunan dominasi yang terkait dengan . Kardinalitas minimum dalam himpunan dominasi invers didefinisikan sebagai bilangan dominasi invers dari graf yang dinotasikan dengan . Penelitian ini mengkaji tentang bilangan dominasi invers pada beberapa graf yaitu graf lintasan dan graf cycle dengan n simpul. Graf ular segitiga , graf ular segitiga ganda , graf ular segiempat dan graf ular segiempat ganda yang dibangun oleh graf lintasan dan cycle dengan simpul. Berdasarkan penelitian diperoleh bahwa bilangan dominasi invers yaitu untuk dengan , untuk lainnya, , , , dan . Kata kunci : bilangan dominasi invers, graf lintasan, graf cycle, graf ular","PeriodicalId":265420,"journal":{"name":"Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya","volume":"15 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2019-10-10","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"121296589","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 : 2019-10-10DOI: 10.26418/bbimst.v8i4.36034
Wirdha Eryani, Dadan Kusnandar, Hendra Perdana
Analisis korespondensi berganda merupakan teknik deskriptif yang diterapkan pada variabel yang berskala ordinal dan nominal. Metode ini dapat menganalisis kedekatan antara variabel dependen dan variabel independen secara eksploratif. Penelitian ini menggunakan metode analisis korespondensi berganda untuk mengidentifikasi karakteristik mahasiswa bidikmisi FMIPA Untan. Hasil penelitian adalah karakteristik mahasiswa penerima beasiswa bidikmisi dikelompokkan menjadi tiga yaitu, kelompok pertama mahasiswa dengan IPK rendah, kelompok kedua mahasiswa dengan IPK sedang dan kelompok ketiga adalah mahasiswa dengan IPK tinggi. Karakteristik kelompok pertama adalah asal daerah mahasiswa luar Kota Pontianak, penghasilan orang tua perbulan antara Rp1.000.000 sampai dengan Rp1.500.000, pekerjaan ayah petani/nelayan/buruh tani, status keberadaan ayah ada, pendidikan terakhir ibu (Tidak Sekolah/SD/SMP) dan pendidikan terakhir ayah (Tidak Sekolah/SD/SMP). Karakteristik kelompok kedua adalah penghasilan orangtua perbulan kurang dari Rp1.000.000, jenis kelamin mahasiswa laki-laki, status asal sekolah SLTA Negeri, pekerjaan ibu wiraswata/petani, status keberadaan ibu ada, jenis kelamin mahasiswa perempuan, status asal sekolah SLTA Swasta dan asal daerah mahasiswa luar Kota Pontianak. Sedangkan karakteristik kelompok ketiga adalah asal daerah mahasiswa Kota Pontianak, pendidikan terakhir ibu SMA, pekerjaan ayah pegawai swasta, pendidikan terakhir ayah SMA dan pekerjaan ayah buruh non tani.Kata Kunci: Korespondensi Berganda, Bidikmisi, Kategorik
{"title":"METODE ANALISIS KORESPONDENSI BERGANDA UNTUK MENGIDENTIFIKASI KARAKTERISTIK MAHASISWA BIDIKMISI FMIPA UNTAN","authors":"Wirdha Eryani, Dadan Kusnandar, Hendra Perdana","doi":"10.26418/bbimst.v8i4.36034","DOIUrl":"https://doi.org/10.26418/bbimst.v8i4.36034","url":null,"abstract":"Analisis korespondensi berganda merupakan teknik deskriptif yang diterapkan pada variabel yang berskala ordinal dan nominal. Metode ini dapat menganalisis kedekatan antara variabel dependen dan variabel independen secara eksploratif. Penelitian ini menggunakan metode analisis korespondensi berganda untuk mengidentifikasi karakteristik mahasiswa bidikmisi FMIPA Untan. Hasil penelitian adalah karakteristik mahasiswa penerima beasiswa bidikmisi dikelompokkan menjadi tiga yaitu, kelompok pertama mahasiswa dengan IPK rendah, kelompok kedua mahasiswa dengan IPK sedang dan kelompok ketiga adalah mahasiswa dengan IPK tinggi. Karakteristik kelompok pertama adalah asal daerah mahasiswa luar Kota Pontianak, penghasilan orang tua perbulan antara Rp1.000.000 sampai dengan Rp1.500.000, pekerjaan ayah petani/nelayan/buruh tani, status keberadaan ayah ada, pendidikan terakhir ibu (Tidak Sekolah/SD/SMP) dan pendidikan terakhir ayah (Tidak Sekolah/SD/SMP). Karakteristik kelompok kedua adalah penghasilan orangtua perbulan kurang dari Rp1.000.000, jenis kelamin mahasiswa laki-laki, status asal sekolah SLTA Negeri, pekerjaan ibu wiraswata/petani, status keberadaan ibu ada, jenis kelamin mahasiswa perempuan, status asal sekolah SLTA Swasta dan asal daerah mahasiswa luar Kota Pontianak. Sedangkan karakteristik kelompok ketiga adalah asal daerah mahasiswa Kota Pontianak, pendidikan terakhir ibu SMA, pekerjaan ayah pegawai swasta, pendidikan terakhir ayah SMA dan pekerjaan ayah buruh non tani.Kata Kunci: Korespondensi Berganda, Bidikmisi, Kategorik","PeriodicalId":265420,"journal":{"name":"Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya","volume":"66 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2019-10-10","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"114142688","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 : 2019-10-10DOI: 10.26418/bbimst.v8i4.36548
Lovi Dwi Purnamasari, Mariatul Kiftiah, Yudhi
Penyakit Gonore adalah salah satu penyakit menular seksual yang disebabkan oleh bakteri Neisseria gonorrhoeae. Penularan penyakit Gonore dapat dikendalikan dengan pemberian antibiotik dan melakukan terapi klinis pada individu yang terinfeksi penyakit Gonore. Pada penelitian ini, model penyebaran penyakit Gonore tipe SI (Susceptible-Infected) dikendalikan dengan pemberian suatu kontrol pengobatan berupa antibiotik (u). Pemberian kontrol berupa antibiotik ini bertujuan untuk meminimumkan jumlah individu yang ada pada subpopulasi terinfeksi. Model matematika SI yang telah diberi kontrol selanjutnya diselesaikan menggunakan Prinsip Minimum Pontryagin sehingga didapat suatu kontrol optimal Hasil simulasi numerik yang telah dilakukan dengan nilai parameter tingkat pengurangan dan penambahan jumlah individu pria yang terinfeksi, tingkat pengurangan dan penambahan jumlah individu wanita yang terinfeksi, dan konstanta positif untuk menjaga ukuran populasi individu terinfeksi berturut-turut adalah a1=1, b1=0.006, a2=1, b2=0.004, A1=1 dan A2=1 menunjukkan bahwa pemberian kontrol berupa pengobatan menggunakan antibiotik dapat menekan jumlah individu pada subpopulasi terinfeksi. Kata kunci: gonore, model SI, kontrol optimal, prinsip minimum pontryagin
{"title":"KONTROL OPTIMAL PENYEBARAN PENYAKIT GONORE DENGAN MENGGUNAKAN PRINSIP MINIMUM PONTRYAGIN","authors":"Lovi Dwi Purnamasari, Mariatul Kiftiah, Yudhi","doi":"10.26418/bbimst.v8i4.36548","DOIUrl":"https://doi.org/10.26418/bbimst.v8i4.36548","url":null,"abstract":"Penyakit Gonore adalah salah satu penyakit menular seksual yang disebabkan oleh bakteri Neisseria gonorrhoeae. Penularan penyakit Gonore dapat dikendalikan dengan pemberian antibiotik dan melakukan terapi klinis pada individu yang terinfeksi penyakit Gonore. Pada penelitian ini, model penyebaran penyakit Gonore tipe SI (Susceptible-Infected) dikendalikan dengan pemberian suatu kontrol pengobatan berupa antibiotik (u). Pemberian kontrol berupa antibiotik ini bertujuan untuk meminimumkan jumlah individu yang ada pada subpopulasi terinfeksi. Model matematika SI yang telah diberi kontrol selanjutnya diselesaikan menggunakan Prinsip Minimum Pontryagin sehingga didapat suatu kontrol optimal Hasil simulasi numerik yang telah dilakukan dengan nilai parameter tingkat pengurangan dan penambahan jumlah individu pria yang terinfeksi, tingkat pengurangan dan penambahan jumlah individu wanita yang terinfeksi, dan konstanta positif untuk menjaga ukuran populasi individu terinfeksi berturut-turut adalah a1=1, b1=0.006, a2=1, b2=0.004, A1=1 dan A2=1 menunjukkan bahwa pemberian kontrol berupa pengobatan menggunakan antibiotik dapat menekan jumlah individu pada subpopulasi terinfeksi. Kata kunci: gonore, model SI, kontrol optimal, prinsip minimum pontryagin","PeriodicalId":265420,"journal":{"name":"Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya","volume":"89 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2019-10-10","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"122018472","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 : 2019-10-10DOI: 10.26418/bbimst.v8i4.36562
Nada Syaugia Risti Ahmad, Shantika Martha, Nurfitri Imro’ah
Model SARIMA adalah model yang sesuai untuk data yang memiliki pola musiman. Dalam data biasanya terdapat outlier yang dapat mempengaruhi kesesuaian model sehingga dilakukan deteksi outlier pada model SARIMA untuk mendapatkan model peramalan yang terbaik. Salah satu jenis outlier yaitu additive outlier (AO). Data yang digunakan dalam penelitian ini merupakan data produksi kelapa sawit periode Januari 2010 sampai Desember 2017. Data produksi kelapa sawit di Kalimantan Barat memiliki pola data musiman dan diduga memiliki outlier pada data maka dilakukan pemodelan dan peramalan dengan menggunakan additive outlier pada model SARIMA. Berdasarkan analisis diperoleh bahwa nilai AIC pada model SARIMA adalah sebesar 2.070,72 dan nilai MAPE nya sebesar 25% sedangkan model SARIMA dengan deteksi outlier diperoleh nilai AIC sebesar 1.731,42 dan nilai MAPE sebesar 15,91%. Maka dapat disimpulkan bahwa model SARIMA dengan deteksi outlier adalah model terbaik untuk peramalan produksi kelapa sawit di PTPN XIII. Kata Kunci: Kelapa sawit, peramalan, SARIMA, outlier
{"title":"PREDIKSI PRODUKSI KELAPA SAWIT DI PTPN XIII DENGAN ADDITIVE OUTLIER PADA MODEL SEASONAL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (SARIMA)","authors":"Nada Syaugia Risti Ahmad, Shantika Martha, Nurfitri Imro’ah","doi":"10.26418/bbimst.v8i4.36562","DOIUrl":"https://doi.org/10.26418/bbimst.v8i4.36562","url":null,"abstract":"Model SARIMA adalah model yang sesuai untuk data yang memiliki pola musiman. Dalam data biasanya terdapat outlier yang dapat mempengaruhi kesesuaian model sehingga dilakukan deteksi outlier pada model SARIMA untuk mendapatkan model peramalan yang terbaik. Salah satu jenis outlier yaitu additive outlier (AO). Data yang digunakan dalam penelitian ini merupakan data produksi kelapa sawit periode Januari 2010 sampai Desember 2017. Data produksi kelapa sawit di Kalimantan Barat memiliki pola data musiman dan diduga memiliki outlier pada data maka dilakukan pemodelan dan peramalan dengan menggunakan additive outlier pada model SARIMA. Berdasarkan analisis diperoleh bahwa nilai AIC pada model SARIMA adalah sebesar 2.070,72 dan nilai MAPE nya sebesar 25% sedangkan model SARIMA dengan deteksi outlier diperoleh nilai AIC sebesar 1.731,42 dan nilai MAPE sebesar 15,91%. Maka dapat disimpulkan bahwa model SARIMA dengan deteksi outlier adalah model terbaik untuk peramalan produksi kelapa sawit di PTPN XIII. Kata Kunci: Kelapa sawit, peramalan, SARIMA, outlier","PeriodicalId":265420,"journal":{"name":"Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya","volume":"31 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2019-10-10","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"121847403","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：