PEMODELAN INDEKS PEMBANGUNAN MANUSIA (IPM) KOTA AMBON MENGGUNAKAN METODE STEPWISE

Indeks Pembangunan Manusia (IPM) merupakan salah satu indikator yang dapat digunakan untuk mengukur keberhasilan pembangunan nasional pada suatu wilayah. Tercatat sejak tahun 2010 IPM kota Ambon mengalami peningkatan dari 76,07 menjadi 79,82. Pada penelitian ini data IPM dan faktor-faktor yang diduga mempengaruhi dimodelkan dalam regresi linear menggunakan metode stepwise. Hasil pemodelan menunjukkan bahwa harapan lama sekolah dan pengeluaran perkapita berpengaruh signifikan terhadap IPM. Diperoleh model regresi linear berganda terbaik dimana tidak lagi terdapat masalah multikolinearitas dengan nilai R2 sebesar 0,98.

PERAMALAN JUMLAH MAHASISWA BARU MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING (STUDI KASUS : MAHASISWA BARU UNIVERSITAS PATTIMURA AMBON TAHUN 2017)

Peramalan merupakan suatu usaha untuk meramalkan keadaan di masa mendatang melalui data di masa lalu. Peramalan tentang jumlah mahasiswa baru di suatu perguruan tinggi sangat penting dalam proses perencanaan dan pengambilan keputusan. Pada penelitian ini dilakukan peramalan terhadap jumlah mahasiswa baru pada Universitas Pattimura Ambon, dengan menggunakan data 10 tahun terakhir. Proses penelitian ini menggunakan Metode Ramalan Penghalusan Eksponensial Orde Dua. Penelitian ini untuk menganalisis jumlah mahasiswa baru pada tahun 2017 berdasarkan data mahasiswa baru pada tahun 2007–2016. Hasil Penelitian yang diperoleh yaitu peramalan jumlah mahasiswa pada tahun 2017 sebanyak 5049 orang.

ANALISIS VOLATILITAS RETURN INDEKS SAHAM SEKTOR BARANG KONSUMSI DI INDONESIA: APLIKASI METODE TRESHOLD-GARCH (TGARCH)

Sektor barang konsumsi merupakan sektor yang penting dalam perekonomian karena volatilitasnya yang cukup tinggi dan menjadi penopang bursa saham dalam negeri. Saat iklim investasi sedang optimal, nilai indeks saham barang konsumsi cenderung meningkat dan volatilitasnya cukup stabil. Namun, saat terjadi guncangan, indeks saham barang konsumsi menunjukkan penurunan nilai dan sangat tidak stabil dengan volatilitas yang tinggi. Penelitian ini bertujuan untuk menguji kemungkinan terjadinya pola asimetris pada data return indeks saham barang konsumsi serta mengetahui apakah goncangan negatif (bad news) dan positif (good news) berbeda pengaruhnya terhadap volatilitas atau leverage effect. Sumber data berasal dari harian indeks saham dengan alat analisis yang digunakan adalah Treshold Generalize Autoregressive Conditional Heteroscedasticity (TGARCH). Hasil penelitian menunjukkan bahwa volatilitas return indeks saham sektor barang konsumsi signifikan dipengaruhi oleh penyebaran (varians) return dan residual satu periode sebelumnya. Selain itu, tidak ada perbedaan yang signifikan antara bad news dan good news terhadap volatilitas indeks saham sektor barang konsumsi.

PENERAPAN REGRESI DATA PANEL UNTUK MEMODELKAN APBD DI PROVINSI MALUKU

Penetapan APBD harus didasarkan pada pengelolaan keuangan daerah yang berpihak pada kepentingan masyarakat. Tujuan penelitian ini adalah menganalisa karakteristik APBD, DAU, dan DAK setiap Kabupaten/Kota di Provinsi Maluku. Kemudian memodelkan hubungan APBD dengan DAK/DAU menggunakan model regresi data panel untuk mengetahui faktor yang mempengaruhi APBD. Data yang digunakan merupakan data sekunder pada periode 2011-2014. Hasil yang diperoleh adalah karakteristik data APBD, DAU, dan DAK untuk setiap kabupaten/kota di Provinsi Maluku memiliki kemiripan, yakni berdistribusi normal. Kemudian, model terbaik adalah model REM, yakni APBD = 88.959.809+1,246DAU+c_i+u_(i,t). Dengan demikian, APBD Provinsi Maluku dipengaruhi oleh DAU. Kata Kunci: APBD, DAK, DAU, Provinsi Maluku, Regresi Data Panel

PEMODELAN KEBERGANTUNGAN DALAM MENGKONSTRUKSI DISTRIBUSI BIVARIAT COPULA FRANK PADA DATA MARGINAL DISKRIT MELALUI TRANSFORMASI NORMAL STANDAR DAN JITTERS

Data diskrit merupakan data empirik hasil realisasi variabel acak diskrit maupun kontinu. Ketika memiliki dua jenis data diskrit, seringkali ingin dikonstruksi distibusi bivariatnya untuk berbagai keperluan, baik fungsi peluang maupun fungsi distribusinya. Namun, saat data yang dimiliki terdapat kebergantungan, maka mengkonstruksi distibusi bivariatnya tidaklah mudah. Oleh sebab itu, digunakan Copula. Permasalahan lain timbul ketika data yang dimiliki tidak hanya memiliki kebergantungan tetapi juga berasal dari marginal diskrit. Berdasarkan teorema Sklar, penggunaan Copula dalam mengkonstruksi distribusi bivariat pada marginal diskrit akan menghasilkan suatu Copula C yang tidak unik. Akibatnya akan menimbulkan interprestasi yang tidak jelas, terutama untuk sifat kebergantungannya. Oleh sebab itu, diperlukan suatu teknik untuk mengkonstruksi distribusi bivariat dari data tersebut, yaitu dengan mengkontinukan distribusi marginalnya. Mengkontinukan distribusi marginalnya dilakukan melalui transformasi normal standar dan jitters. Hasil trasnformasi mampu mempresentasikan data aslinya. Hal ini terlihat dari perilaku penyebaran data dan ukuran kebergantungan dari data hasil transformasi dengan data aslinya adalah sama. Ukuran kebergantungan yang digunakan, yaitu Korelasi Pearson dan Kendall’s tau. Selanjutnya, hasil transformasi ini kemudian digunakan untuk mengkontrusksi distribusi bivariat dari data yang dimiliki menggunakan Copula. Copula yang digunakan adalah Copula Frank dengan asumsi bahwa data tidak memiliki kebergantungan ekor atas maupun bawah. Jadi, fungsi peluang bivariat dan/atau fungsi distribusi bivariat dari data hasil transformasi mempresentasikan fungsi peluang bivariat dan/atau fungsi distribusi bivariat dari data aslinya. Seluruh prosesnya akan diilustrasikan melalui data simulasi.

MODEL FUNGSI TRANSFER MULTI INPUT UNTUK PERAMALAN CURAH HUJAN DI KOTA SURABAYA

Surabaya merupakan kota terbesar yang berada di provinsi Jawa Timur dan sekaligus menjadi menjadi pusat pemerintahan provinsi. Untuk karakteristik iklim di Surabaya umumnya suhu terendah pada bulan Februari sekitar 25,5 celcius dan suhu tertinggi sekitar 33,0 celcius pada bulan Oktober. Di Kota Surabaya musim kemarau pada umumnya berada pada bulan Mei sampai Oktober dan musim hujan dari bulan November hingga April. Hujan lebat biasanya terjadi antara bulan Desember dan Januari. Salah satu dampak negatif yang ditimbulkan akibat intensitas curah hujan berlebih di Kota Surabaya adalah banjir. Terdapat beberapa unsur cuaca (suhu, kelembaban udara, dan kecepatan angin) yang mempengruhi curah hujan sehingga perlu dilakukan peramalan dengan menggunakan model multivariat. Model fungsi transfer multi input merupakan model peramalan analisis deret waktu berganda (multiple) untuk model multivariat. Pada model fungsi transfer multi input terdapat deret output yang diperkirakan akan dipengaruhi oleh deret input dan input-input lain yang digabungkan dalam satu kelompok yang disebut deret noise . Tujuan dari penelitian ini yaitu untuk meramalkan curah hujan harian di kota Surabaya dengan model fungsi transfer multi input.

ANALISIS SISTEM ANTRIAN DI DIREKTORAT KEUANGAN UNIVERSITAS HALMAHERA

Fenomena suatu antrian dan waktu layanan yang terjadi di direktorat keuangan Universitas Halmahera dapat dijabarkan menggunakan suatu konsep matematika mengenai distribusi peluang. Hasil penelitian menunjukan bahwa model antrian yakni secara individu. Hasil uji Poisson memperlihatkan 0,03<=0,9982 sehingga, proses antrian di direktorat keuangan universitas Halmahera berdistribusi Poisson.Sedangkan analisis waktu layanan yakni 4,606>0,352 maka, disimpulkan waktu layanan tidak berdistribusi eksponensial. Penyebab di tolaknya waktu layanan karena h1 sejak pukul 09.00‒12.00 tidak ada antrian saat layanan di kantor direktorat keuangan.

MISKLASIFIKASI PENJURUSAN MAHASISWA FMIPA UNIVERSITAS PATTIMURA TAHUN AKADEMIK 2016/2017 MENGGUNAKAN METODE ANALISIS DISKRIMINAN BERGANDA

Selama ini penjurusan mahasiswa hanya berdasarkan minat mahasiswa pada saat masuk PerguruanTinggi, belum mempertimbangkan prestasi akademik mahasiswa, misalnya nilai mata pelajaran (SMA). Dengan demikian, belum diketahui apakah mahasiswa tersebut benar-benar sesuai untuk masuk jurusan tersebut atau lebih sesuai jika masuk jurusan lainnya. Dalam statistika, masalah seperti ini dapat dipecahkan melalui analisis diskriminan yaitu dengan cara menentukan aturan atau kriteria pengelompokkan berdasarkan karakteristik tertentu. Dengan demikian kelompok asal dari individu yang bersangkutan dapat ditentukan. Analisis diskriminan merupakan suatu analisis dengan tujuan membentuk sejumlah fungsi melalui kombinasi linear peubah-peubah asal, yang dapat digunakan sebagai cara terbaik untuk memisahkan kelompok-kelompok individu. Fungsi yang terbentuk melalui analisis ini selanjutnya disebut sebagai fungsi diskriminan. Dalam penelitian ini ingin diketahui apakah terjadi misklasifikasi dalam penjurusan Mahasiswa FMIPA UNPATTI Tahun Akademik 2016/2017 berdasarkan nilai mata pelajaran MIPA (Nilai UAN dan Raport) dengan menggunakan Analisis Diskriminan. Fungsi diskriminan yang terbentuk, terkait dengan pengelompokkan mahasiswa pada jurusannya, yakni: y1 = -11,727 + 0,138x2 + 0,044x5 + (-0,039)x7 ; y2 = -7,913 + 0,065x2 + (-0,026)x5 + 0,070x7 ; y3 = 7,802 + (-0,125) + 0,052x5 + (-0,010)x7. Pengujian validasi pada penelitian diperoleh angka ketepatan fungsi diskriminan sebesar 53% dari data telah terklasifikasi dengan benar. Hal ini berarti 53% dari 100 data yang diolah telah dimasukkan pada grup yang sesuai dengan data semula.

KLASIFIKASI STATUS PEMBAYARAN PREMI MENGGUNAKAN ALGORITMA NEIGHBOR WEIGHTED K-NEAREST NEIGHBOR (NWKNN) (STUDI KASUS: PT. BUMIPUTERA KOTA SAMARINDA)

Algoritma Neighbor Weighted K-Nearest Neighbor (NWKNN) merupakan pengembangan dari algoritma K-Nearest Neighbor (KNN), dengan memberikan bobot pada setiap kelas yang akan diklasifikasikan. Penelitian ini membahas tentang klasifikasi menggunakan algoritma NWKNN yang diaplikasikan pada data status pembayaran premi. Tujuannya untuk mengetahui nilai eksponen (E) dan nilai ketetanggaan (K) yang optimal, serta nilai akurasi dari klasifikasi data status pembayaran Premi di PT. Bumiputera Kota Samarinda. Tahapan dalam penelitian ini yaitu menentukan nilai E dan nilai K menggunakan k-fold cross validation, menghitung jarak euclidean, menghitung bobot dan skor setiap kelas, melihat nilai skor terbesar untuk menentukan hasil klasifikasi, kemudian menghitung nilai akurasi klasifikasi. Hasil penelitian menunjukkan bahwa nilai K dan nilai E yang optimal untuk klasifikasi status pembayaran premi di PT. Bumiputera Kota Samarinda menggunakan NWKNN sebesar K=3 dan E=6 dengan nilai akurasi sebesar 75%.

LATENT CLASS CLUSTER ANALYSIS UNTUK PENGELOMPOKAN KABUPATEN/KOTA DI PROVINSI JAWA TENGAH BERDASARKAN INDIKATOR INDEKS PEMBANGUNAN MANUSIA 2017

Pembangunan merupakan salah satu upaya untuk meningkatkan kesejahteraan dan kemakmuran masyarakat, dengan kedudukan manusia menjadi topik sentra dalam tiap perolehan program pembangunan. Keberhasilan pembangunan suatu bangsa ditentukan oleh ketersediaan Sumber Daya Manusia (SDM) yang berkualitas. Untuk mengukur suatu keberhasilan pembangunan manusia suatu bangsa salah satu indikator yang digunakan adalah Indeks Pembangun Manusia (IPM). IPM di Provinsi Jawa Tengah mengalami peningkatan setiap tahunnya. Pada tahun 2017 pembangunan manusia di Provinsi Jawa Tengah mengalami kenaikan status dari status “sedang” menjadi status “tinggi” yaitu sebesar 70,52 persen. Salah satu permasalahan pembangunan di Jawa Tengah adalah tinggi rendahnya Indeks Pembangunan Manusia (IPM) hanya ditunjukkan melalui indeks komposit, tetapi tidak ditunjukkan indikator mana yang dominan terhadap tinggi rendahnya peringkat Indeks Pembangunan Manusia (IPM). Maka pengelompokan dan pengklasifikasian wilayah kabupaten/kota di Provinsi Jawa Tengah perlu dilakukan sehingga dapat menunjukkan indikator mana yang dominan terhadap tinggi rendahnya peringkat IPM. Latent Class Cluster Analysis merupakan salah satu metode untuk mengklasifikasikan kabupaten/kota. Hasil dari penelitian mendapatkan 2 kelompok. Kelompok pertama terdiri dari kabupaten atau kota yang memiliki pembangunan manusia rendah. Kelompok kedua terdiri dari kabupaten atau kota yang memiliki pembangunan manusia tinggi.