http://biastatistics.statistics.unpad.ac.id/index.php/biastatistics/issue/feed Journal Biastatistics | Departemen Statistika FMIPA Universitas Padjadjaran 2018-07-03T13:11:12+07:00 Team biastatistics@gmail.com Open Journal Systems <p>Terima kasih atas kunjungan anda di website Jurnal Biastatistics Departemen Statistika FMIPA Unpad.</p> <p><strong>Jurnal Biastatistics versi elektronik dengan ISSN: xxxxx&nbsp;dan versi cetak dengan ISSN: 1907-6274.</strong><br>Kami juga mengucapkan terima kasih kepada penulis yang telah berkontribusi pada jurnal ini. Kami berharap semoga tulisan-tulisan yang dimuat dalam jurnal ini bermanfaat bagi pembaca dan kami mengharapkan peran aktif pembaca untuk mengirimkan hasil tulisan ke jurnal ini demi perkembangan jurnal ini.<br><br>Penanggung Jawab,<br>Kepala Departemen</p> <p><img src="/public/site/images/admin/tt-kadep.png" width="152" height="101"></p> http://biastatistics.statistics.unpad.ac.id/index.php/biastatistics/article/view/72 ANALISIS SURVIVAL TERHADAP PASIEN DIARE ANAK DENGAN MENGGUNAKAN METODE KAPLAN-MEIER DAN UJI LOGRANK 2018-07-03T12:50:41+07:00 Muhammad Muhajir mmuhajir@uii.ac.id Yayi Diyah Palupi diyahyayi@gmail.com <p>Penyakit Diare masih menjadi salah satu masalah kesehatan masyarakat yang penting karena merupakan penyumbang utama ketiga angka kesakitan anak di berbagai negara termasuk Indonesia. Penelitian ini menggunakan data dari rekam medik Rumah Sakit Islam Jakarta pada bulan Januari tahun 2017 menunjukkan bahwa kasus Diare menduduki peringkat tertinggi dari berbagai jenis penyakit pada pasien rawat anak di Rumah Sakit Islam Jakarta, dengan menggunakan indikator lama sembuh pasien, usia, dan jenis kelamin. Metode yang digunakan untuk menentukan peluang ketahanan penyakit yang mendominasi pada pasien anak di rumah sakit tersebut adalah metode Kaplan-Meier dan Log Rank. Hasil analisis metode Kaplan Meier didapatkan bahwa pasien dengan jenis kelamin laki-laki mempunyai peluang sembuh lebih lama dibandingkan dengan pasien dengan jenis kelamin perempuan serta pasien dengan usia 6-11 tahun mempunyai peluang sembuh lebih lama dibandingkan usia ≤ 5 tahun . Untuk uji Log Rank didapatkan bahwa tidak terdapat perbedaan yang signifikan antara peluang tahan hidup kumulatif berdasarkan jenis kelamin maupun umur pasien.</p> 2018-07-03T12:50:41+07:00 ##submission.copyrightStatement## http://biastatistics.statistics.unpad.ac.id/index.php/biastatistics/article/view/73 PERBANDINGAN PROYEKSI PENDUDUK ACEH MELALUI METODE DEKOMPOSISI KOMPOSIONAL DAN TREND LOGARITMIK 2018-07-03T12:51:12+07:00 Miftahuddin Miftahuddin miftah@unsyiah.ac.id Merianita Merianita merianita@gmail.com Budi Zulfachri budi.zulfachri@gmail.com <p>Perkembangan dan pertumbuhan populasi Aceh memiliki karakteristik trend yang menarik untuk dikaji. Metode yang digunakan dalam kajian ini adalah dekomposisi komposional dan trend logaritmik terhadap data proyeksi penduduk Aceh. Berdasarkan uji hipotesis terhadap rata-rata data original penduduk Aceh (41,178) dan rata-rata data proyeksi metode dekomposisi komposional (45,644), menunjukkan bahwa terdapat perbedaan antara jumlah penduduk original dan jumlah penduduk hasil proyeksi. Sedangkan, berdasarkan uji hipotesis terhadap rata-rata data original penduduk Aceh (41,178) dan rata-rata data prediksi metode trend logaritmik (41,376), didapatkan tidak diperoleh perbedaan signifikan antara jumlah penduduk original dan hasil prediksi. Untuk memproyeksikan penduduk lebih tepat diterapkan metode trend logaritmik, karena memiliki MSE dan MAPE lebih kecil dibandingkan dengan metode dekomposisi komposional. Hasil prediksi dengan metode trend logaritmik, didapatkan bahwa jumlah penduduk Aceh pada tahun 2010 adalah sebesar 4.195.599 jiwa (4.494.410 jiwa, BPS 2011), dengan tingkat error 6.65%, sedangkan untuk tahun 2020 sebesar 4.273.010 jiwa dan tahun 2025 sebesar 4.312.257 jiwa.</p> 2018-07-03T12:51:11+07:00 ##submission.copyrightStatement## http://biastatistics.statistics.unpad.ac.id/index.php/biastatistics/article/view/74 XLSTAT ADDIN EXCEL DAN PACKAGE R plspm DALAM PEMODELAN PARTIAL LEAST SQUARE PATH MODELING 2018-07-03T12:58:50+07:00 Nurul Hermina hermina.nurul@gmail.com I G N Mindra Jaya jay_komang@yahoo.com <p>Partial Least Square Path Modelin (PLS-PM) semakin banyak digunakan dalam pemodelan structural seiring dengan adanya berbagai software yang mempermudah <br>dalam penaksiran parameter model yang dibangun. Beberapa software yang banyak digunakan diantaranya adala SMART-PLS dan XLSTAT. Namun kedua software ini <br>merupakan software commercial yang artinya penggunaannya memerlukan biaya yang cukup mahal. Biaya yang harus dibayarkan untuk SMART PSL per tahun berkisar € 400 <br>sedangkan XLSTAT sebesar $145.00. Alternative software yang dapat digunakan adalah tidak berbayar R yaitu menggunakan package plspm. Penelitian ini dilakukan untuk <br>menjelaskan penggunakan software XLSTAT dan plspm dalam penaksiran parameter model PLS-PM. Melalui studi ini diharpakan peneliti memiliki pemahaman terhadap <br>sofrware PLS-PM yang dapat digunakan dalam penelitiannya dan mempertimbangkan kebaikan dan kekurangan dari masing-masing software.</p> 2018-07-03T12:52:36+07:00 ##submission.copyrightStatement## http://biastatistics.statistics.unpad.ac.id/index.php/biastatistics/article/view/75 ANALISIS BIPLOT UNTUK PEMETAAN KESEJAHTERAAN MASYARAKAT DI INDONESIA 2018-07-03T13:07:11+07:00 Dian Kurniasari dian.kurniasari@fmipa.unila.ac.id Tiara Mellia Dita tiara@gmail.com Yeftanus Antonio yeftanus@gmail.com <p>Analisis biplot merupakan pendekatan grafik statistika untuk tabel data dengan ukuran yang besar. Metode ini digunakan pada kasus banyak variabel sebagai bentuk umum dari diagram pencar untuk dua variabel. Walaupun melibatkan banyak variabel, analisis biplot biasanya digambarkan dalam grafik berdimensi dua dengan melakukan reduksi dimensi. Analisis ini akan digunakan untuk pemetaan kesejahteraan masyarakat pada 34 Provinsi di Indonesia. Pada kasus ini, indikator kesejahteraan masyarakat adalah Inflasi, Produk Domestik Regional Bruto (PDRB), laju penduduk, dan Indeks Pembangunan Manusia (IPM). Dari analisis yang telah dilakukan, reduksi dimensi dari analisis biplot dengan komponen utama dapat menggabarkan sekitar 89.56% dari data yaitu 64.45% dari komponen pertama dan 25.11% dari komponen kedua. Berdasarkan kemiripan karakteristik antar objek, maka setiap provinsi dapat dibagi kedalam tiga kelompok. Berdasarkan grafik biplot, Provinsi DKI Jakarta memiliki tingkat IPM dan PDRB paling tinggi dan laju pertumbuhan penduduk paling rendah, sedangkan Kalimantan Barat memiliki tingkat Inflasi paling tinggi.</p> 2018-07-03T13:07:10+07:00 ##submission.copyrightStatement## http://biastatistics.statistics.unpad.ac.id/index.php/biastatistics/article/view/76 PERBANDINGAN SOFTWARE R DAN MATLAB DALAM PERAMALAN PERTUMBUHAN PENJUALAN MOBIL LCGC ANGGOTA GAIKINDO MENGGUNAKAN METODE SINGULAR SPECTRUM ANALYSIS (SSA) 2018-07-03T13:09:04+07:00 Iin Irianingsih iin.irianingsih@unpad.ac.id Jaka Aulia Pratama jakajek@gmail.com Neneng Sunengsih sunengsih@unpad.ac.id <p>Penelitian ini bertujuan untuk untuk membandingkan peramalan dengan menggunakan metode Singular Spectrum Analysis dengan R-Software dan MATLAB terhadap data pertumbuhan penj ual an mobil LCGC kategori tipe 4×2 dengan CC &lt;1500 (kecil) dari GAIKINDO tahun 2003 sampai dengan tahun 2016. Hasil menunjukan bahwa data yang digunakan merupakan data musiman dengan nilai koefisien pembeda (d) lebih dari 0,5. Metode Singular Spectrum Analysis (SSA) merupakan metode yang efektif dalam meramalkan pertumbuhan penj ual anmobil <br>berdasarkan nilai kekeliruan paling kecil. Peramalan dilakukan untuk 2 (dua) periode ke depan. Nilai MAPE dari peramalan dengan metode SSA menggunakan R-Software adalah 6%. <br>Sedangkan untuk Software MATLABdidapat nilai MAPE 11,98%.</p> 2018-07-03T13:09:04+07:00 ##submission.copyrightStatement## http://biastatistics.statistics.unpad.ac.id/index.php/biastatistics/article/view/77 Algoritma Bagging 2018-07-03T13:11:12+07:00 Zulhanif Zulhanif zulhanif@unpad.ac.id <p>Bagging adalah metode untuk menghasilkan sebuah nilai prediksi dari hasil agregasi beberapa prediktor. Agregasi prediktor ini merupakan rata-rata agregasi pada kasus non <br>pengklasifikasian dan merupakan modus dari prediktor pada kasus pengklasifikasian. Proses agregasi didapat dari sekumpulan data set yang diambil secara acak melalui <br>metode bootsrap. Pada makalah ini dilakukan pemodelan klasifikasi bagging pada kasus pengklasifikasian sell kanker, dimana metodeini diharapkan dapat memberikan hasil <br>dengan tingkat akurasi yang cukup lebih baik.</p> 2018-07-03T13:11:12+07:00 ##submission.copyrightStatement##