Followed Journals
Journal you Follow: 0
 
Sign Up to follow journals, search in your chosen journals and, optionally, receive Email Alerts when new issues of your Followed Journals are published.
Already have an account? Sign In to see the journals you follow.
Similar Journals
Journal Cover
VARIANSI : Journal of Statistics and Its application on Teaching and Research
Number of Followers: 1  

  This is an Open Access Journal Open Access journal
ISSN (Online) 2684-7590
Published by Universitas Negeri Makassar Homepage  [32 journals]
  • Perbandingan Analisis Cluster Metode Average Linkage dan Metode Ward
           (Kasus: IPM Provinsi Sulawesi Selatan)

    • Authors: Musarrafah Paramadina, Sudarmin Sudarmin, Muhammad Kasim Aidid
      Abstract: Penelitian ini bertujuan untuk mengetahui langkah-langkah analisis cluster dengan  metode average linkage dan metode Ward, serta membandingkan hasil analisis kedua metode tersebut cluster yang mana yang lebih baik digunakan. Langkah–langkah dalam analisis cluster hierarki yaitu melakukan standarisasi data, menentukan ukuran kemiripan atau ketidakmiripan antar data, proses pengclusteran dengan matriks jarak menentukan jumlah cluster dan anggotanya, menginterpretasi hasil cluster yang dibentuk. Langkah-langkah analisis cluster dengan metode average linkage adalah pasangan obyek yang berdekatan digabungkan menjadi satu cluster, menghitung kedua jarak kedekatan obyek tersebut dengan responden yang lain, penggabungan berikutnya terjadi pada cluster-cluster yang paling mirip dibandingkan dengan responden yang lain, sehingga membentuk cluster yang kedua. Hasil pengclusteran kedua metode tersebut kemudian dibentu beberapa pengelompokan awal yang selanjutnya akan ditentukan cluster yang baik digunakan dengan menggunakan validasi cluster indeks dunn. Kemudian diperoleh hasil bahwa pengelompokan dengan metode average linkage menghasilkan index dunn yang terbaik dengan nilai 0.55 dengan jumlah cluster yang terbentuk sebanyak 8 cluster dibandingkan dengan metode ward yang menghasilkan nilai index dunn 0.43. Kata Kunci : Analisis Cluster, Average Linkage, Ward, index dunn
      PubDate: 2019-03-18
      DOI: 10.35580/variansi.v1i2.9357
      Issue No: Vol. 1, No. 2 (2019)
       
  • Model Regresi Logistik Biner pada Tingkat Pengangguran Terbuka di Provinsi
           Sulawesi Barat Tahun 2017

    • Authors: Alfiah Safitri, Sudarmin Sudarmin, Muhammad Nusrang
      Abstract: Regresi logistik merupakan model regresi yang sering digunakan untuk pemodelan data kategori. Pada penelitian ini dilakukan pemodelan regresi logistuk dan penerapannya pada Tingkat Pengangguran Terbuka di Provinsi Sulawesi Barat. Pendugaan parameter yang digunakan adalah Maximum Likelihood Estimation (MLE). Metode uji G simultan dan uji parsial digunakan untuk signifikansi peubah. Tujuan dari penelitian ini yaiitu untuk mencari model terbaik yang terbentuk dari faktor-faktor yang berpengaruh terhadap Tingkat Pengangguran Terbuka di Provinsi Sulawesi Barat. Hasil dari penelitian ini menunjukkan bahwa peubah bebas yang signifikan terhadap Tingkat Pengangguran Terbuka di Provinsi Sulawesi Barat adalah persentase jenis kelamin dengan kategori laki-laki dan persentase lapangan usaha dengan kategori pertanian dimana pada peubah jenis kelamin memiliki nilai p-value 0,017<5% dan pada peubah lapangan usaha memiliki nilai p-value 0,006<5% dapat di artikan bahwa kedua peubah tersebut berpengaruh terhadap Tingkat Pengangguran Terbuka.

      Kata Kunci: Regresi Logistik, Kategor, Tingkat Pengangguran Terbuka
      PubDate: 2019-03-17
      DOI: 10.35580/variansi.v1i2.9354
      Issue No: Vol. 1, No. 2 (2019)
       
  • Metode Vector Autoregressive dalam Menganalisis Pengaruh Kurs Mata Uang,
           Inflasi, dan Suku Bunga Terhadap Indeks Harga Saham Gabungan

    • Authors: Alief Imron Juliodinata, Muhammad Arif Tiro, Ansari Saleh Ahmar
      Abstract: Metode Vector Autoregressive  adalah salah satu analisis yang digunakan untuk menganalisis data deret waktu (time series). Data deret waktu dapat dinyatakan dalam tahun, bulan, minggu, atau hari. Salah satu tujuan penelitian adalah untuk mengetahui pengaruh antara indeks perekonomian suatu negara khususnya pengaruh Kurs, Inflasi dan Suku Bunga terhadap Indeks Harga Saham Gabungan. Data yang digunakan dalam penelitian ini adalah data Kurs, Inflasi, Suku Bunga dan Indeks Harga Saham Gabungan dari bulan juli 2005 hingga juni 2016. Karena data tidak stasioner pada level maka dilakukan differencing  terhadap data. Setelah stasioner selanjutnya dilakukan uji kointegrasi untuk mencaritau apakah terdapat kointegrasi antara peubah. Dengan karakteristik data yang Stasioner pada  difference  dan terdapat kointegrasi, sehingga memenuhi asumsi analisis VECM. Setelah dilakukan analisis VECM dilakukan analisis IRF dan VD.  Adapun hasil analisisnya menunjukkan bahwa hanya Kurs yang secara signifikan berpengaruh lansung  terhadap Indeks Harga Saham Gabungan.Kata Kunci: Analisis Time Series, VAR, Kurs, Suku Bunga, Inflasi, IHSG
      PubDate: 2019-03-11
      DOI: 10.35580/variansi.v1i2.9356
      Issue No: Vol. 1, No. 2 (2019)
       
  • Penggunaan Analisis Cluster K-Means dan Analisis Diskriminan Dalam
           Pengelompokan Desa Miskin di Kabupaten Pangkep

    • Authors: Febi Fajrianti, Muhammad Nadjib Bustan, Muhammad Arif Tiro
      Abstract: Jenis penelitian ini adalah penelitian eksplorasi yang bertujuan untuk mengelompokkan objek dengan menggunakan metode pengelompokan Analisis Cluster K-Means sebagai pengelompokan awal terhadap objek penelitian desa berdasarkan variabel pencirinya. Variabel yang digunakan sebagai indikator pengelompokan desa miskin adalah tingkat pendidikan (X1), kepadatan penduduk (X2), angka kelahiran kasar (X3), angka kematian kasar (X4), rata-rata banyaknya anggota keluarga (X5). Data diperoleh dari unit perpustakaan BPS dan kantor Catatan Sipil Kabupaten Pangkep dengan objek penelitian keseluruhan desa di Kabupaten Pangkep. Tahapan analisis data yang dilakukan yaitu melakukan pengelompokan awal dengan menggunakan Analisis Cluster K-Means, dari beberapa cluster yang dibentuk selanjutnya akan dilakukan analisis Diskriminan untuk melihat akurasi pengelompokan. Berdasarkan analisis Diskriman diperoleh 98,06% (3 cluster), 94,17% (4 cluster), 91,26% (5 cluster), 94,17% (6 cluster), 86,41% (7 cluster), dan 88,35% (8 cluster). Dari uraian di atas diperoleh bahwa dengan membentuk pengelompokan dengan 3 cluster, maka hasil akurasi pengelompokan yang diperoleh lebih baik dari cluster lain yang dibentuk.

      Kata Kunci : Analisis Cluster K-Means, Analisis Diskriminan, Kemiskinan
      PubDate: 2019-03-06
      DOI: 10.35580/variansi.v1i2.9355
      Issue No: Vol. 1, No. 2 (2019)
       
 
JournalTOCs
School of Mathematical and Computer Sciences
Heriot-Watt University
Edinburgh, EH14 4AS, UK
Email: journaltocs@hw.ac.uk
Tel: +00 44 (0)131 4513762
 


Your IP address: 3.233.242.204
 
Home (Search)
API
About JournalTOCs
News (blog, publications)
JournalTOCs on Twitter   JournalTOCs on Facebook

JournalTOCs © 2009-