http://repository.ipb.ac.id/handle/123456789/29128 2026-06-11T12:35:27Z 2026-06-11T12:35:27Z Komalig, Hanny A.H. Siswadi Suharjo, Budi Wigena, Aji Hamim http://repository.ipb.ac.id/handle/123456789/63433 2013-05-08T06:28:04Z 2001-01-01T00:00:00Z

Transformasi box-cox untuk kenormalan komponen utama (Kasus beberapa data pertanian) Komalig, Hanny A.H.; Siswadi; Suharjo, Budi; Wigena, Aji Hamim Untuk memperbaiki kenormalan data peubah ganda bagi analisis komponen utama (AKU) dapat dilakukan transformasi Box-Cox. Penelitian ini bertujuan untuk menelusuri perubahan konfigurasi sebagai akibat perbaikan asumsi kenormalan beberapa komponen utama dalam AKU. Penggunaan transformasi Box-Cox dapat memperbaiki kenormalan sejumlah data yang tidak berdistribusi normal. Perbaikan kenormalan dengan transformasi Box-Cox dalam dimensi rendah cenderung merubah konfigurasi dan perubahan ini berkaitan dengan struktur data yang ada gugus data tersebut. Penggunaan transformasi Box-Cox untuk menormalkan komponen utama sangat berkaitan dengan tujuan penggunaan hasil komponen utama terse but. Apabila tujuannya untuk inferensia mengenai struktur komponen utama, maka transformasi Box-Cox dapat digu.'2akan untuk menormalkan komponen-ko11JPoneunta ma. Tetapi hila komponen utama ditujukan hanya untuk mendapatkan suatu deskripsi sederhana mengenai pengamatan-pengamatan, maka penggunaan transformasi Box-Cox tidak penting untuk dilakukan.

2001-01-01T00:00:00Z Yozza, Hazmira Siswadi Suharjo, Budi http://repository.ipb.ac.id/handle/123456789/63431 2013-05-08T06:09:44Z 2001-01-01T00:00:00Z

Analisis Data Longitudinal dengan Metode Regresi Berstruktur Pohon (Kasus Penyakit Kencing Manis) Yozza, Hazmira; Siswadi; Suharjo, Budi This research aimed to analyze longitudinal data after a tree-structure regression method being applied to the data, to group some objects with the same response profile. The comparison of mean profile of all groups is aJso shown, as well as the comparison of each group's data with ungrouped data. The analyzed longitudinal response data are the glucose content of diabetes patients who cured in M. Jamil Hospital, Padang. Explanatory variables ~~ich assumed as the ones those have contribution to the response value are age, sex, relative body weight, kind of diabetes mellitus, complication, the recorded length of symptomps appearance and calorie content of patient's diet. The best tree of glucose content has six terminal nodes, so that based on the the glucose content profile, diabetes patient can be classified into six grClups. The classification is based on the variables of kind of diabetes mellitus, age, complication and relative body weight. The comparison applied to confidence band of glucose content mean shows that the groups have different mean glucose content. Futhermore, it is obvious that the grouped and ungrouped data have different mean of glucose content profile. It is also shown that patients who have recognized diabetes without complication and with neuropati perifer have possibility of increase of glucose content during the curing period. For other group, the treatment given gives results as expected.

2001-01-01T00:00:00Z Sadik, Kusman http://repository.ipb.ac.id/handle/123456789/59468 2013-01-15T07:56:53Z 2009-01-01T00:00:00Z

Metode Prediksi Tak-Bias Linear Terbaik Dan BayesBerhirarki Untuk Pendugaan Area Kecil Berdasarkan Model State Space Sadik, Kusman There have been two main topics developed by statisticians in a survey, i.e. sampling techniques and estimation methods. The current issues in estimation methods related to estimation of a particular domain having small size of samples or, in more extreme cases, there is no sample available for direct estimation. Sample survey data provide effective reliable estimators of totals and means for large area and domains. But it is recognized that the usual direct survey estimator performing statistics for a small area, have unacceptably large standard errors, due to the circumstance of small sample size in the area. The most commonly used models for this case, usually in small area estimation, are based on generalized linear mixed models. Some time happened that some surveys are carried out periodically so that the estimation could be improved by incorporating both the area and time random effects. In this paper we propose a state space model which accounts for the two random effects and is based on two equation, namely transition equation and measurement equation. Based on a evaluation criterion, the proposed hierarchical Bayes estimator turns out to be superior to both estimated best linear unbiased prediction (BLUP) and the direct survey estimator. The posterior variances which measure accuracy of the hierarchical Bayes estimates are always smaller than the corresponding variances of the BLUP and the direct survey estimates.

2009-01-01T00:00:00Z Sadik, Kusman Noviyanita W.P. http://repository.ipb.ac.id/handle/123456789/59466 2013-01-15T07:52:47Z 2008-01-01T00:00:00Z

Pendeteksian Pencilan Aditif Dan Inovatif Dalam Data Deret Waktu Melalui Metode Iteratif Sadik, Kusman; Noviyanita W.P. Terdapat dua jenis pencilan dalam data deret waktu yaitu pencilan aditif (AO) dan pencilan inovatif (IO). Keberadaan pencilan dalam data deret waktu tidak dapat dihilangkan begitu saja disebabkan adanya korelasi yang tinggi antar pengamatan tersebut. Penelitian ini bertujuan untuk mendeteksi pencilan AO dan IO dalam data deret waktu menggunakan prosedur iteratif. Penelitian ini menggunakan data simulasi untuk mendeteksi pencilan AO dan IO pada tiga ukuran data yaitu n=50, n=100, dan n=150 serta lima ukuran pencilan yaitu  ῳ=1.5k, ῳ=k, ῳ=0.9k, ῳ=0.8k, dan ῳ=0.75k , dengan k adalah kisaran data yang masing-masing diulang 10 kali. Hasil penelitian menunjukkan persentase ketepatan prosedur dalam mendeteksi pencilan AO dengan ῳ=1.5k dan ῳ= k pada berbagai n bervariasi antara 40% sampai 70%, sedangkan pada ῳ=0.9k, ῳ=0.8k dan ῳ = 0.75k menunjukkan hasil yang sama sekitar 25% sampai 70%. Pada pendeteksian pencilan inovatif diperoleh persentase ketepatan prosedur dalam mendeteksi pencilan IO hampir sama untuk semua nilai ῳ yaitu berkisar antara 50% sampai 80%. Ketepatan prosedur dalam mendeteksi pencilan semakin meningkat seiring dengan meningkatnya nilai n dan ῳ .

2008-01-01T00:00:00Z