Metode Vector Autoregressive (VAR) dalam Menganalisis Pengaruh Kurs Mata Uang Terhadap Ekspor Dan Impor Di Indonesia

Abstrak. Metode Vector Autoregressive (VAR) adalah salah satu analisis yang digunakan untuk menganalisis data deret waktu. Data deret waktu dikategorikan menurut interval waktu yang sama, baik dalam harian, mingguan, bulanan, kuartalan, ataupun tahunan. Vector Autoregressive (VAR) merupakan pemodelan yang tidak perlu menentukan variabel endogen dan variabel eksogen. Tujuan dari penelitian ini adalah untuk mengetahui pengaruh kurs mata uang terhadap ekspor dan impor di Indonesia. Data yang digunakan dalam penelitian ini adalah data kurs, ekspor, dan impor dari bulan Januari 2014 hingga Desember 2018. Uji stasioneritas dalam penelitian ini menggunakan metode Augmented Dickey Fuller (ADF). Dalam penelitian ini menggunakan differencing terhadap data karena data tidak stasioner pada level. Penentuan panjang lag optimal diperoleh dari nilai Akaike Information Criterion (AIC) yang paling minimum. Estimasi model VAR diperoleh setelah penentuan panjang lag optimal. Uji kausalitas dilakukan dengan uji Causality Granger untuk melihat pengaruh timbal balik antar variabel yang diuji dalam penelitian ini. Terakhir menggunakan uji Impulse Response Function (IRF) untuk menelusuri guncangan atau shock suatu variabel terhadap variabel lainnya. Adapun hasil analisis yang diperoleh menunjukkan terdapat dua hubungan satu arah yaitu kurs mempengaruhi ekspor dan ekspor mempengaruhi impor.Kata Kunci: VAR, Kurs, Ekspor, Impor.

Analisis Meta Regresi untuk Menjelaskan Heterogenitas Hasil Penelitian pada Kejadian Demam Berdarah Dengue

Meta regression analysis is an analysis that can summarize the results of research with the same topic so that a conclusion is obtained in the form of effect size and can explain the heterogeneity of the results of several studies. In this study using data from the previous Dengue Hemorrhagic Fever incident study which linked the factors of habit of draining habits of water shelters (TPA). Based on the results of the analysis, there was heterogeneity between studies. For the landfill drainage factor, the estimated parameter combined effect size random effect model is 3.60 and the proportion of heterogeneity is 54.08%. The results of the meta-regression for habitual factors of landfill drainage factors, the influence of TPA drainage habits can explain heterogeneity between effect sizes.Keywords: Effect size, Heterogeneity, Meta Regression Analysis, Dengue Hemorrhagic Fever.

Analisis Regresi Balanced Panel dengan Komponen Galat Dua Arah pada Kasus Melek Huruf Masyarakat di Provinsi NTB

Analsis regresi adalah suatu metode untuk melihat pengaruh antara satu atau lebih peubah bebas terhadap peubah terikat. Data yang digunakan untuk analisis regresi ada yang berupa penggabungan antara data cross section dengan data time series yang dikenal dengan nama data panel. Data panel yang memiliki jumlah pengamatan waktu yang sama di setiap objek pada tabulasi silang merupakan data panel lengkap (Balanced panel). Penelitian ini mencari nilai dugaan terhadap model regresi data panel dengan komponen galat dua arah yaitu galat pada waktu dan galat pada individu. Analisis regresi data panel dapat menggunakan tiga pendekatan yaitu common effect model, fixed effect model, dan random effect model. Pemilihan model terbaik dari ketiga pendekatan regresi data panel menggunakan uji hausman, uji chow, dan uji lagrange multipler. Dalam penelitian ini didapatkan model terbaik yaitu model random effect dimana peubah yang memiliki pengaruh signifikan terhadap melek huruf di Provinsi NTB yaitu rasio murid guru tingkat SMP rasio murid guru tingkat SMA, dan persentase penduduk miskin. Model regresi data panel yang terbentuk yaitu: Y = 117,5728 - 0,1967X5 - 0,3091X6 - 0,3297X7 + eKeywords: regresi data panel, common effect model, fixed effect model, random effect model, melek huruf.

Analisis Cluster Ensemble dalam Pengelompokan Kabupaten/Kota di Provinsi Sulawesi Selatan Berdasarkan Indikator Kinerja Pembangunan Ekonomi Daerah

Cluster analysis or group analysis is an analysis method to classify objects of observation into several groups based on their characteristics. Conventional methods namely Hierarchy and Non-Hierarchy are used in the formation of the initial group. However, the results of the grouping formed had mixed results so that the Cluster Ensemble analysis was then used to obtain a good final grouping. The Cluster Ensemble with the Link-Based Cluster Ensemble approach with the Connected Triple Based Similarity (CTS) method resulted in three final group divisions. The evaluation of the grouping performance used, namely Compactness and Davies-Bouldin, stated that the Cluster Ensemble was better than the hierarchical and non-hierarchical methods. The final group that has been formed is described using the average value for each variable in the district / city in South Sulawesi Province. The first group has the characteristics of regional economic development performance that is better than the second and third groups, but for the third group has the lowest characteristics of regional economic development performance from the first and second groups.Keywords : Cluster, Cluster Ensemble, Group Performance Evaluation, Performance, Regional Economic

Pemodelan dengan Spatial Autoregressive (SAR) pada Angka Putus Sekolah Bagi Anak Usia Wajib Belajar di Provinsi Sulawesi Selatan

Regresi spasial merupakan pengembangan dari regresi klasik. Pengembangan ini berdasarkan adanya pengaruh tempat atau spasial dari data yang dianalisis. Beberapa model regresi spasial adalah Spatial Autoregressive (SAR), Spatial Error Model (SEM) dan Spatial Moving Average (SARMA). Penelitian ini menggunakan analisis model SAR terhadap angka putus sekolah di Sulawesi Selatan. Data yang digunakan merupakan data sekunder dari Badan Pusat Statistik Provinsi Sulawesi Selatan tahun 2018. Penelitian ini dilakukan untuk mengetahui model Spatial Autoregressive (SAR) pada data banyaknya angka putus sekolah yang terjadi di Provinsi Sulawesi Selatan, serta mengenalisis faktor-faktor yang memberikan pengaruh signifikan terhadap pertumbuhan angka putus sekolah. Hasil penelitian ini memperoleh model yaitu ; sehingga faktor-faktor yang berpengaruh secara signifikan terhadap angka putus sekolah di Sulawesi Selatan adalah pengeluaran per kapita, rasio murid terhadap sekolah dan jumlah penduduk miskin.Keywords: Regresi Spasial, Spatial Autoregressive Model (SAR), Angka Putus Sekolah

Multivariate Adaptive Regression Splines pada Kasus Inflasi di Indonesia Tahun 2005-2018

Abstrak. Kegiatan perekonomian suatu negara dipengaruhi oleh inflasi yang terjadi pada negara tersebut. Tingkat inflasi Indonesia yang fluktuatif, cenderung tidak stabil, mempengaruhi kehidupan sosial dan ekonomi masyarakat. Sehingga penting untuk mengetahui faktor-faktor yang berpengaruh terhadap inflasi serta pemodelan faktor-faktor berpengaruh tersebut dan hubungannya terhadap inflasi. Mengidentifikasi hubungan inflasi dan faktor penyebabnya dilakukan menggunakan pemodelan Multivariate Adaptive Regression Splines (MARS). MARS merupakan jenis regeresi nonparametrik yang menggabungkan prinsip Recursive Partitioning Regression (RPR) dan spline, fleksibel dalam memodelkan data sehingga memberikan hasil pemodelan data yang cukup akurat serta dapat menangani data berdimensi tinggi, yaitu data dengan jumlah peubah prediktor 3 ≤ x ≤ 20 dan ukuran data sampel 50 ≤ n ≤ 1000. Model MARS diperoleh berdasarkan kombinasi nilai BF, MI, dan MO yang memiliki nilai Generalized Cross Validation (GCV) terkecil. Pada penelitian ini digunakan enam peubah prediktor sebagai faktor yang mempengaruhi inflasi dengan data sampel sebesar 168 sampel. Hasil penelitian menunjukkan bahwa peubah Indeks Harga Perdagangan Besar (IHPB), BI Rate, Nilai Tukar IDR-USD, dan Uang Beredar adalah faktor-faktor yang berpengaruh terhadap inflasi berdasarkan model terbaik MARS dengan BF=24, MI=3, MO=1, GCV=0,772, MSE=0,391, dan R2=0,968.Kata kunci: Inflasi, MARS, RPR, BF, MI, MO, GCV.

Eksplorasi Metode Triple Exponential Smoothing Pada Peramalan Jumlah Penggunaan Air Bersih di PDAM Kota Makassar

Abstrak. Ketersediaan air bersih sangat penting dikarenakan hampir seluruh aktivitas manusia sangat bergantung terhadap ketersediaan air bersih. Hal ini membuat faktor produksi dan ketersediaan air bersih selalu menjadi prioritas dalam pelayanan penyaluran air bersih sehingga penulis tertarik untuk mengkaji tentang peramalan jumlah penggunaan air bersih di PDAM Kota Makassar. Salah satu metode yang cocok untuk menangani kasus tersebut adalah metode Time Series. Metode Triple Exponential Smoothing atau biasa disebut dengan Winter Exponential Smoothing merupakan salah satu metode Time Series yang cocok untuk menangani data yang bersifat musiman seperti jumlah penggunaan air bersih di Kota Makassar. Adapun Langkah analisis dari metode Triple Exponential Smoothing adalah identifikasi model, estimasi parameter dengan trial and error, selanjutnya adalah perhitungan nilai awal dari pemulusan data, trend, dan musiman dengan panjang satu musim L=12 dan yang terakhir adalah menghitung nilai error dengan menggunakan MAPE dan RMSE. Model terbaik diperoleh dari kombinasi parameter α = 0,1; β = 0,1; dan γ=0,6 yang menghasilkan kesalahan peramalan terkecil menggunakan RMSE dengan nilai sebesar 168,175 dan MAPE dengan nilai sebesar 4,736. Dengan meggunakan model maka diperoleh peramalan jumlah penggunaan air bersih di PDAM Kota Makassar dari bulan januari – desember 2019 sebagai berikut: 2779,10; 2788,94; 2728,61; 2797,48; 2787,97; 2752,66; 2742,18; 2708,50; 2644,55; 2521,50; 2537,74; 2732,55. Dari hasil peramalan tersebut terlihat mendekati dan tidak terlalu jauh menyimpang dari data tahun sebelumnya sehingga dapat dijadikan acuan produktivitas air bersih di PDAM Kota Makassar agar produktivitas air dapat mencukupi semua kebutuhan masyarakat di Kota Makassar.Kata kunci: air, triple exponential smoothing, time series, peramalan.

Pemodelan Pertumbuhan Ekonomi Provinsi Sulawesi Selatan dengan Menggunakan Regresi Data Panel

Economic growth is a process for change the economic condition a country or regional by continuously for the better condition as long as definite period. Economic growth in South Sulawesi for 2013-2016 have up and down because many factors have influence it. Like jobless, human capital index, regional revenue, expenditure, and total population. This research was conducted to determine the factors that influence economic growth in South Sulawesi by using data panel regression methods. Panel data regression is a regression by using panel data. Panel data is a statistics analysis method that combines between time series data and cross section data. The result indicates that the result if the regression analysis on the =5% show that the best panel data regression model is random effect model and human capital index variable have significant effect on economic growth with probability value about 0,0227. Meanwhile, jobless, regional revenue, expenditure, and total population no significant.Keywords: Panel Data Regression, Economic Growth, Common Effect Model, Fixed Effcet Model, Random Effect Model

Membandingkan Grafik Kendali Shewhart dengan Grafik Kendali Cumulative Sum (Cusum) dalam Mendeteksi Pergeseran Rata-Rata Kekeruhan Air

Abstrak. Memonitoring proses produksi merupakan tindakan pengendalian kualitas yang harus dilakukan untuk melihat adanya pergeseran rata-rata, sehingga variasi dalam produksi dapat diminimalisir. Alat pengendalian kualitas yang digunakan untuk memonitoring pergeseran rata-rata adalah grafik kendali. Grafik yang paling sering digunakan adalah grafik kendali Shewhart sebab penggunaanya yang sederhana, namun informasi yang disampaikan pada grafik tersebut hanya berdasarkan titik gambar terakhir sehingga alternatif yang dapat digunakan adalah grafik Cusum. Kekeruhan air sebagai salah satu parameter kualitas air yang perlu dimonitoring sebelum didistribusikan sebab melewati batas maksimum 5 NTU (Nephelometric Turbidity Units) yang ditetapkan oleh pemerintah menandakan bahwa air tersebut aman untuk diminum. Maka dari itu, penelitian ini bertujuan memonitoring produksi dengan membandingkan grafik kendali Shewhart dan grafik kendali Cusum dalam mendeteksi pergeseran rata-rata kekeruhan air. Sampel yang digunakan pada penelitian ini merupakan air sedimen produksi IPA I Ratulangi PDAM Kota Makassar yang diukur sekali setiap dua jam dengan jumlah data yang tercatat sebanyak 211 pengamatan dengan hasil yaitu grafik kendali Cusum lebih cepat dalam mendeteksi adanya pergeseran rata-rata, hal ini ditunjukkan dengan adanya pergeseran mulai terdeteksi pada pengamatan ketujuh dengan pengamatan yang berada diluar kendali sebanyak 205 amatan, dibandingkan Shewhart hanya mendeteksi 8 pengamatan yang berada di luar kendali. Hal ini didukung dengan evaluasi grafik kendali yang digunakan yaitu nilai Average Run Lenght (ARL) menunjukkan bahwa grafik kendali Cusum lebih cepat mendeteksi pergeseran rata rata kurang dari 2,5dibandingkan grafik kendali Shewhart baik digunakan untuk pergeseran 3 atau lebih.Kata kunci:Pengendali kualitas, grafik kendali, grafik kendali Shewhart, grafik kendali Cusum, ARL, Kekeruhan Air.

APLIKASI METODE BAYESIAN MODEL AVERAGING (BMA) DENGAN PENDEKATAN MARKOV CHAIN MONTE CARLO (MCMC) UNTUK PERAMALAN CURAH HUJAN DI STASIUN METEOROLOGI KOTA MAKASSAR

Abstrak. Curah hujan yang turun dapat mempengaruhi produksi dari beberapa jenis pekerjaan tertentu dan dapat mengganggu aktifitas manusia. Peramalan curah hujan dalam hal ini sangat penting untuk dilakukan. Metode peramalan yang sering dilakukan yaitu metode ensemble. Namun, metode ini cenderung mengalami overdispersive atau underdispersive. Maka dilakukan suatu proses kalibrasi yaitu Bayesian Model Averaging (BMA). Metode ini mampu menggeser nilai rata-rata dan variansi agar mendekati nilai observasi. Penaksiran parameter BMA dilakukan dengan pendekatan Markov Chain Monte Carlo (MCMC) yang mampu mengatasi variasi pada distribusi BMA dan memberikan hasil informasi penting mengenai bobot dan variansi. Metode ini diaplikasikan pada Curah Hujan Bulanan Kota Makassar. Hasil analisis memberikan kesimpulan bahwa metode ensemble tidak ada yang mampu yang menangkap nilai observasi sedangkan metode BMA dengan menggunakan training window 5 mampu menangkap nilai observasi curah hujan bulan Februari, Maret, Mei, Juni, Juli, dan Agustus 2018. Nilai observasi curah hujan bulan Juni yaitu 121 mm. Hasil peramalan dari metode ensemble untuk bulan Juni yaitu 130,6 mm, sedangkan pada metode BMA diperoleh interval ramalan untuk bulan Juni yaitu (-61,02-156,41) mm. Nilai Continous Ranked Probability Score (CRPS) yang diperoleh untuk metode ensemble yaitu 62,07 dan metode BMA yaitu 25,24. Sehingga, metode BMA lebih baik dari metode ensemble karena nilai CRPS yang dihasilkan lebih kecil, sehingga interval yang dihasilkan dari peramalan BMA lebih banyak menangkap nilai observasi.Kata Kunci: Curah Hujan, Ensemble, BMA, MCMC, CRPS.