daftar isi · pdf file8 formulasi model fuzzy goal programming yang diselesaikan dengan linear...

DAFTAR ISI

Matematika

1 Statistika Di Era Super Data Set

Adi Setiawan 1 – 8

2

Penerapan Riset Operasi untuk Menentukan Lot Sizing Sebagai St rategi Pengembangan

Industri

Diana Suzana Mandar 9 – 16

3 Fungsi Prediksi Nilai Ujian Nasional d i Provinsi Papua dengan Pendekatan Distribusi

Weibull

Halomoan Edy Manurung,

Eko Sed iyono

17 – 26

4 Analisa Perbandingan Metode Holt-Winters, Single Exponential Smoothing dan

Polinomial Newton dalam Meramalkan Data Produksi Ubi Kayu

Brian L. Djuwaty,

Andeka Rocky Tanaamah,

Alz Danny Wowor

27 – 31

5 Masalah Tali dan Tongkat

Mans Mananohas,

Iwan Pranoto

32 – 37

6 Pengaruh Strategi Vaksinasi Kontinu Pada Model Ep idemik SVIR Terhadap Penyebaran

Penyakit Campak

Tonaas Marentek 38 – 47

7 Dinamika HIV/AIDS di SULUT Berdasarkan Model Nonlinear SIR (Susceptible,

Infectious, and Recovered)

Amir Tjo lleng,

Hanny Komalig,

Jantje Prang

48 – 55

8 Formulasi Model Fuzzy Goal Programming yang diselesaikan dengan Linear

Programming pada Perencanaan Produksi

Altien Jonathan Rindengan 56 – 64

9 Penggunaan Rantai Markov Untuk Menduga Pergeseran Pangsa Pasar Kartu Seluler

Pra-Bayar GSM (Studi Kasus: Fakultas Pertanian UNSRAT Manado)

Dennis Girik Allo,

Djohny Hatid ja,

Marline Paendong

65 – 74

Teknologi Informasi

1 Aplikasi Sistem Pakar On-line Psikologi Klinis dengan Probabilitas Bayes

Menggunakan Representasi Pengentahuan

Wawan Nurmansyah 75 – 82

2 Deteksi Perubahan Tata Guna Lahan Berdasarkan Citra Multispektral dengan

Menggunakan Metode Change Vector Analysis

Eko Sed iyono,

Firdaus Wijanto,

Sani M.Isa

83 – 91

3 Penggunaan Algoritma Fuzzy Simple AdditiveWeighting untuk Menentukan Kesesuaian

Lahan Tanaman Pangan : Studi Kasus Wilayah Kabupaten Minahasa Tenggara

Daniel Diano Kaparang,

Winsy Weku,

Eko Sed iono

92 – 98

4 Perancangan Kriptografi Kunci Simetris Menggunakan Fungsi Bessel dan Fungsi

Legendre

Fhelesie E. Gomies,

Als Danny Wowor

99 - 106

5 Analisa dan Perancangan Sistem Informasi dengan Pendekatan Agile Menurut Panduan

PAUS

Stanley Karouw 107 – 118

6 Prediksi Curah Hujan Menggunakan Jaringan Syaraf Tiruan Backpropagation,

Anifuddin Azis,

Maria Pujiastuti

119 - 124

7 Designing Portal Amazing North Sulawesi as Part of Indonesian e-cultural Heritage

and Natural History

Stanley Karouw 125 – 134

8

Decision Support System Penilaian Tingkat Produktiv itas Cabang

Rita Wiryasaputra 135 – 141

9 Perbandingan Model Filtering untuk Penghilangan Noise pada Cit ra 2D

Kalfin D. Muchtar,

Amelia E. Pontoh,

Winsy Weku

142 - 148

9 Pengukuran Kinerja Model-Model Filtering Pada Gambar Digital

Arista Mandagi,

Cherry V. Telap,

Winsy Weku

148 - 157

Sains

1 Simulator Pabrik Kimia (SimPeKa) Berbasis Model Dinamis

Ardhi Wicaksono S,

Arief Budiman

158 – 163

2 Optimasi Rerata dalam Proses Korelasi Silang untuk Menentukan Lokasi Radio

Transmitter

Isnan Nur Rifai,

Wahyu Widada

164 – 170

3 Uji Aktivitas Sediaan Krim Getah Tanaman Patah Tulang (Euphorbia tirucalli L)

Sebagai Anti Inflamasi

Omega Agral,

Paulina Yamlean,

Hamidah Sri Supriati

171 – 174

4 Pengujian Akt ifitas Antibakteri Gel Ekstrak Etanol Daun Sasaladahan (Peperomia

Pellucid (L) H.B.K) Terhadap Staphylococcus Aureus

Hosea Jaya Edy 175 – 178

5 Efek Krim Ekstrak Daun Tapak Kuda (Ipomoea pes-caprae) terhadap Penyembuhan

Luka pada Kelinci yang Diinfeksi Staphylococcus aureus

Falles Raintung The,

Hosea Jaya Edy,

Hamidah Sri Supriati

179 – 182

6 Formulasi KrimTabir Surya (Sunscreen) Ekstrak Etanol Kulit A lpukat Perseaamericana

Mill)

183 – 188

Ade Novia Mokodompit,

Hosea Jaya Edy,

WenyWiyono

7 Kualitas Air Sungai Ranyapo, Kabupaten Minahasa Selatan

Rifgah Marmita,

Ratna Siahaan,

Rani Koneri,

Marnix Langoy

189 – 194

8 Uji aktifitas Anti Bakteri Vanishing Cream Ekstrak Etanol Kulit Buah Alpukat

(Perseaamericana Mill) terhadap Staphylococcus aureus secara in-vitro

Weny Indayany Wiyono 195 – 201

9 Pengaruh Mikoriza Vesikula Arbuskula terhadap Boiakumulasi Merkuri [Hg] pada Padi

Ladang

Johanis J. Pelealu 202 – 209

10 Kandungan α-Tokofero l dalam Minyak Kelapa dan VCO Hasil Ekstraksi dengan

Metode Saponifikasi Dingin

Feti Fatimah,

Johnly Rorong,

Edy Suryanto,

Julius Pontoh,

Et i Fatmawati Biduri,

Fitriyana Anwar

210 – 216

11 Bakteri Resistem Merkuri pada Feses Pasien dengan Tumpatan Amalgan Gig i di

Puskesmas Bahu Manado

Fatimawali

Billy Kepel

Widdhi Bodhi

Beivy Kolondam

217 - 222

12 Perubahan DNA Kalus Agregat dan Sel Catharanthus roseus pada Subkultur yang

Berkepanjangan selama Produksi Katarantin dalam Bioreaktor

Dingse Pandiangan,

Parluhutan Siahaan,

Beivy Kolondam1

223 - 229

13 Analisis Kestabilan Model Interaksi Dua Pemangsa- Satu Mangsa dengan daya dukung

lingkungan pada Sistem pemangsa

Artmo Laweangi

Yohanes A. R. Langi

230-240

14 TingkatKepuasan Dosen dan Tenaga Kependidikan terhadap Pelayanan Universitas Sam

Ratulangi menggunakan Analisis Faktor

Suluh Mamahit,

Marline Paendong,

Yohanes Langi

241 - 251

Prosiding Seminar Matematika, Sains dan TI, FMIPA UNSRAT, 14 Juni 2013 ....................... 1

STATISTIKA DI ERA SUPER DATA SET

Adi Setiawan

Program Studi Matematika, Fakultas Sains dan Matematika

Universitas Kristen Satya Wacana Jl. Diponegoro 52-60 Salat iga 50711

Abstrak

Statistika di era abad 20 telah berkembang pesat. Namun ketersedian data dalam jumlah besar di

berbagai bidang pada abad 21 ini, seperti data bioteknologi, data satelit, data dalam bidang bisnis dan industri,

menuntut kita memilih dan mengembangkan metode statistika yang tepat dan efisien. Data yang dimiliki tidak

selalu berupa angka tetapi dapat berupa gambar atau hal lain yang bisa dikuantisasi sehingga mudah dilakukan

analisis. Ilmu komputer akan dapat digunakan untuk mendukung pengembangan statistika yang sesuai untuk

data super set. Data tersebut nantinya akan bisa ditambang untuk mendapatkan informasi yang berguna untuk

kemajuan peradaban umat manusia.

Pendahuluan

Statistika pada awalnya dipandang sebagai ilmu untuk mengumpulkan angka (Sunaryo et al.,

2003), namun dalam perkembangannya statistika dapat digunakan dalam banyak bidang yang tidak

dibayangkan sebelumnya. Abad ini dipandang sebagai abad data seperti yang ditulis oleh Donoho

(2000) dalam makalahnya berjudul “High-Dimensional Data Analysis : The Curse and Blessing of

Dimensionality”. Data-data tersebut diantaranya adalah financial tick-by-tick data, biotech data

(microarray data, SNP data), satellite imagery, hyperspectral imagery, consumer financial data. Era

membanjirnya data perlu disikapi dengan bagaimana memanfaatkan data menjadi informasi. Jangan

sampai terjadi dengan banyaknya data namun miskin informasi karena semakin sulitnya menambang

informasi dari data yang mempunyai dimensi besar. Dalam makalah ini membahas tentang

perkembangan penggunaan statistika di era super data set.

TERAPAN STATISTIKA DI BERBAGAI BIDANG

Terapan Statistika di bidang Ekonomi

Sudah banyak diketahui orang bahwa statistika banyak diterapkan dalam bidang ekonomi

misalnya bagaimana mengukur inflasi bulanan (month to month), inflasi tahunan (year of year) yang

sangat diperlukan dalam menentukan harga komoditas maupun upah. Secara sederhana inflasi

diartikan sebagai meningkatnya harga-harga secara umum dan terus menerus. Kenaikan harga dari

satu atau dua barang saja tidak dapat disebut inflasi kecuali bila kenaikan itu meluas (atau

mengakibatkan kenaikan harga) pada barang lainnya. Kebalikan dari inflasi disebut deflasi (Web 1).

Kestabilan inflasi merupakan prasyarat bagi pertumbuhan ekonomi yang berkesinambungan

yang pada akhirnya memberikan manfaat bagi peningkatan kesejahteraan masyarakat. Pentingnya

pengendalian inflasi didasarkan pada pertimbangan bahwa inflasi yang tinggi dan tidak stabil

memberikan dampak negatif kepada kondisi sosial ekonomi masyarakat. Data inflasi bulanan nasional

dihitung berdasarkan inflasi bulanan 33 ibu kota propinsi dan 33 kota di seluruh Indonesia dengan

tiap-tiap kota memiliki bobot sendiri dengan menentukan inflasi.

Dalam menyusun IHK, data harga konsumen atau retail diperoleh dari 284 - 441 barang dan

jasa yang dikelompokkan ke dalam tujuh kelompok pengeluaran yaitu: bahan makanan; makanan jadi,

2 ............ Prosiding Seminar Matematika, Sains dan TI, FMIPA UNSRAT, 14 Juni 2013

minuman, rokok dan tembakau; perumahan, air, listrik, gas dan bahan bakar; sandang; kesehatan;

pendidikan, rekreasi dan olah raga; dan transportasi, komunikasi dan jasa keuangan. untuk tiap-tiap

kota yang digunakan untuk perhitungan inflasi. Kestabilan inflasi merupakan prasyarat bagi

pertumbuhan ekonomi yang berkesinambungan yang pada akhirnya memberikan manfaat bagi

peningkatan kesejahteraan masyarakat. Pentingnya pengendalian inflasi didasarkan pada pertimbangan

bahwa inflasi yang tinggi dan tidak stabil memberikan dampak negatif kepada kondisi sosial ekonomi

masyarakat (Web 2).

Data-data inflasi bulanan di 66 kota tersebut dapat diperoleh secara online mulai tahun 2008,

bahkan untuk kota-kota yang sudah dipergunakan untuk perhitungan inflasi nasional sebelumnya

dapat diperoleh secara lengkap mulai tahun 1979 sampai sekarang. Karakteristik inflasi tiap-tiap kota

atau kabupaten dapat dilakukan analisis berdasarkan data tersebut dengan mengingat apakah ada

kenaikan harga BBM yang sangat berpengaruh terhadap inflasi sampai suatu saat pengaruhnya hilang.

Karakteristik inflasi bulanan yang berbeda dengan kota atau kabupaten yang lain. Sebagai contoh

inflasi bulan Desember tahun 2008 sampai dengan 2012 rata-rata 0,68 % lebih tinggi dibandingkan

nasional yaitu sebesar 0,46 % (Gambar 1). Namun rata-rata inflasi bulan Januari justru mengalami

deflasi -0,09 % dibandingkan dengan nasional yang mengalami inflasi sebesar 0,87 %. Pada sisi lain

inflasi bulanan di kota Manado lebih berfluktuasi dibandingkan dengan inflasi bulanan nasional

mengingat koefisien variasi inflasi bulanan kota Manado sebesar 2,4 dibandingkan dengan nasional

sebesar 1,1. Perbandingan rata-rata inflasi bulanan periode 2008-2013 untuk kota Manado, kota

Ambon dan kota Gorontalo dengan nasional secara lengkap dapat dilihat pada Gambar 1. Berdasarkan

Gambar 1 terlihat bahwa rata-rata inflasi bulanan kota Ambon dan kota Manado pada bulan Desember

periode 2008-2013 ternyata lebih tinggi dibandingkan dengan rata-rata inflasi bulanan nasional, tetapi

di kota Gorontalo lebih rendah pada bulan Desember. Sedangkan pada bulan Agustus, rata-rata inflasi

bulanan di kota Gorontalo relatif lebih tinggi dibandingkan nasional maupun kota Manado dan kota

Ambon.

Gambar 1. Perbandingan rata-rata inflasi bulanan tahun 2008-2013 antara kota Manado, kota Gorontalo, kota

Ambon dengan nasional.

Analisis lain yang berkaitan dengan data inflasi bulanan dapat dilakukan seperti : Apakah

inflasi bulanan antara satu kota di suatu kawasan mempunyai kaitan dengan kota-kota yang lain yang

-1.00

-0.50

0.00

0.50

1.00

1.50

2.00

Nasional

Manado

Gorontalo

Ambon


secara geografis berdekatan ? Jika terdapat keterkaitan, kemungkinan hal itu disebabkan oleh

distribusi barang dan jasa antara kotak-kota tersebut lancar sehingga jika di suatu kota kekurangan

dapat didatangkan dari tempat lain. Namun jika tidak, ada kemungkinan kota-kota yang secara

geografis tersebut berdekatan, inflasi bulanannya tidak saling berpengaruh satu sama lain. Ternyata

inflasi bulanan di kota Manado dan kota Ambon untuk periode 2008-2013 tidak saling bergantung.

Menarik juga jika kita dapat membuat cluster untuk besaran inflasi bulanan untuk kota-kota di seluruh

Indonesia untuk mendapatkan informasi kota mana saja yang mempunyai inflasi bulanan yang lebih

tinggi dibandingkan dengan yang lain.

Data tentang IHK komoditas bulanan yang digunakan untuk perhitungan inflasi bulanan (284-

441 komoditas) untuk masing-masing komoditas dari 66 kota untuk setiap bulannya merupakan data

yang telah dimiliki BPS atau super data set. Namun demikian data tersebut tidak dengan mudah

diperoleh secara online. Jika data tersebut dengan mudah dapat diperoleh secara oline maka dapat

digunakan untuk membuat sistem peringatan dini inflasi untuk seluruh kota di Indonesia agar inflasi

yang cenderung tinggi dapat direm dengan perbaikan distribusi barang dan jasa, perencanaan masa

tanam dan lain-lain.

Penelitian yang sudah dilakukan adalah menentukan besarnya inflasi inti (inflasi yang bersifat

menetap) di provinsi Jawa Tengah yang ditentukan berdasarkan inflasi di kota Surakarta, Tegal,

Purwokerto dan Semarang berdasarkan data IHK komoditas yang terdiri dari 300-an barang dan jasa

tahun 2002-2007. Di samping itu juga ditentukan komoditas-komoditas utama yang menyumbang

inflasi atau menyumbang deflasi dalam periode tersebut (Wijayanto et al, 2008). Terapan statistika

dalam bidang ekonomi yang telah kami teliti, diantaranya dapat dilihat pada Restuningtyas et al.

(2012), Kota et al. (2012).

Terapan Statistika di bidang Biologi

Data dalam bidang bioteknologi (seperti microarray data, SNP data) tersedia sangat banyak

dan makin lama makin murah diperoleh bila dibandingkan sebelumnya. SNP (dibaca snip) merupakan

kependekan dari single nucleotide polymorphism yaitu variasi genetik yang hanya berbeda pada basa

tunggal saja dan dapat dilihat dengan jelas pada Gambar 2. Kode DNA, C, G, A, T berturut-turut

adalah cytosine, guanine, adenine dan thymine. Dalam genetic association studies, SNP digunakan

sebagai alat atau penanda (marker) untuk menemukan candidate genes atau genome regions yang

berkontribusi terhadap penyakit tertentu (yang menjadi perhatian) dengan menguji korelasi antara

status sakit (case) atau tidak sakit (control) dan variasi genetik dalam individu-individu.

Gambar 2. Ilustrasi SNP pada struktur heliks DNA (Deoxiribose Nucleid Acid)

Sumber : Wikipedia.


Data SNP berasal dari individu-individu yang terkena penyakit atau yang tidak terkena

penyakit pada etnis tertentu dan dengan menggunakan statistik seperti LOD score (logarithm (base 10)

of odd score) digunakan untuk mengidentifikasi apakah SNP tertentu yang terkait dengan lokasi gen

tertentu bertanggung-jawab atas terjadinya penyakit yang menjadi perhatian. Data-data tersebut

sangatlah besar sehingga merupakan super data set yang memerlukan memori yang cukup besar untuk

menyimpannya (Web 3).

Analisis data lain adalah data 10 K SNP yang diperoleh dari Medical Genetic di VUMC (Vrije

Universiteit Medical Center) Amsterdam. Sampel diambil dari 27 case dan 31 control dan dilakukan

identifikasi 11229 SNP untuk masing-masing individu dalam sampel. Individu yang merupakan case

berarti individu tersebut mengidap penyakit yang menjadi perhatian sedangkan individu control adalah

individu yang tidak mengidap penyakit tersebut. Kode genetik masing-masing individu dalam setiap

lokasi SNP dapat diringkas hanya dalam 3 kode yaitu AA, AB dan BB serta beberapa lokasi terdapat

mising genotype (“no call”). Analisis yang biasa digunakan adalah metode penanda tunggal berbasis

alela (single marker allele-based method), metode penanda tunggal berbasis genotipe (single marker

genotype-based method), metode penanda ganda berbasis haplotype (double marker genotype-based

method). Diusulkan analisis Bayesian subyektif maupun obyektif untuk menganalisis data SNP

(Setiawan, 2007).

Apabila analisis dilakukan untuk seluruh SNP yang terdapat dalam genome maka akan

diperoleh SNP yang signifikan artinya SNP yang terkait dengan penyakit tertentu yang menjadi

perhatian tersebut. Namun untuk hal tersebut, harus dilakukan koreks i atas pengujian hipotesis ganda

karena kita menguji hipotesis untuk sejumlah SNP sekaligus. Salah satu koreksi yang mungkin adalah

koreksi Bonferoni, yaitu jika digunakan statistik LR (likelihood ratio) maka SNP akan signifikan jika

mempunyai nilai-p koreksi (nilai-p dikalikan dengan banyaknya SNP yang digunakan yaitu 11.229

SNP) lebih kecil dari tingkat signifikansi (level of significance) yang biasa digunakan yaitu α = 0,05.

Lokasi yang dignifikan yang ditemukan yaitu pada kromosom 9 dengan kode identitas SNP 1510558

yang terkait/berasosiasi dengan gen yang menyebabkan penyakit. Namun hanya satu lokasi SNP yang

berhasil ditemukan sedangkan penyakitnya kompleks ada kemungkinan hal itu disebabkan oleh

pemilihan sampel belum mewakili. Studi simulasi terkait hal ini telah dilakukan diantaranya pada

makalah Setiawan (2009).

Analisis data yang diusulkan adalah dengan pendekatan Bayesian obyektif dengan

menggunakan statistik intrinsik. Lokasi dianggap terkait dengan penyakit jika mempunyai statistik

intrinsik lebih dari 5 dan dalam hal ini tidak diperlukan koreksi untuk multiple testing. Dengan metode

ini diperoleh sekitar 60 lokasi (termasuk yang telah terpilih dengan metode sebelumnya) yang terkait

dengan penyakit. Lebih lanjut, perlu dilakukan penelitian untuk mencari lokasi yang lebih detail

dengan menggunakan kandidat gen dan lebih banyak SNP pada lokasi di sekitar SNP yang signifikan.

Namun demikian, pendekatan Bayesian tidak dengan mudah diterima oleh ahli statistik, sehingga

perlu dipilih strategi yang beralasan untuk memilih banyak SNP optimal yang digunakan dalam

analisis sehingga koreksi atas multiple testing tetap dipenuhi.

Analisis data terkait dengan SNP telah terintegrasi dalam CRAN-R atau dalam paket program

R diantaranya adalah SNPassoc dan GenABEL yang juga menyediakan data SNP dalam paketnya.

Makalah-makalah lain yang terkait dan menggunakan banyak SNP yang lebih besar diantaranya

adalah Meaburn et al. (2006) dan Tian et al. (2008).

Seringkali juga diinginkan untuk meneliti hal-hal yang semula dipandang tidak ada kaitannya

dengan faktor genetik/sifat menurun seperti apakah ada kaitan antara pandangan politik dengan gen?

Namun dalam makalah Hatemi et al. (2011) yang berjudul “A Genome-Wide Analysis of Liberal and

Conservative Political Attitudes” dijelaskan pada lokasi mana dan dalam kromoson mana terdapat gen


yang bertanggungjawab terhadap pandangan politik. Bahkan di CNN.com tahun 2008 pernah ditulis

artikel terkait tentang hal itu (Web 4).

Terapan Statistika di bidang Farmasi

Ternyata analisis data SNP dan microarray juga bisa ditemui dalam pharmacogenomic yaitu bagian

dari ilmu farmasi yang mendasarkan diri pada bagaimana menggunakan kode genetik manusia dalam

membuat obat yang sesuai dengan kode genetik individu sehingga tidak terjadi apa yang dinamakan

drug-related problem, yaitu masalah terkait dengan penggunaan obat (Ikawati, 2010). Lebih lanjut hal

itu dapat dilihat dalam makalah Whirl-Carrillo et al. (2012), Gurwitz & McLeod (2013).

Terapan Statistika di bidang Kimia

Kimia komputasi adalah cabang kimia yang menggunakan hasil kimia teori yang

diterjemahkan ke dalam program komputer untuk menghitung sifat-sifat molekul dan perubahannya

maupun melakukan simulasi terhadap sistem-sistem besar (makromolekul seperti protein atau sistem

banyak molekul seperti gas, cairan, padatan, dan kristal cair), dan menerapkan program tersebut pada

sistem kimia nyata (Wikipedia). Statistika digunakan dalam membuat simulasi Monte Carlo. Dengan

metoda Monte Carlo, kita dapat mendapatkan gambaran tentang struktur dan energi dalam

keseimbangan, tetapi tidak dapat memberikan gambaran dinamika atau sifat yang bergantung pada

waktu.

Di samping itu, Computational Medicinal Chemistry juga banyak menggunakan statistika

dalam desain pembuatan obat dengan bantuan simulasi komputer. Tulisan yang terkait dengan hal ini

dapat dilihat pada de Graf et al. (2011) dan Indiyastono (2012).

Terapan Statistika di bidang Fisika

Fisika komputasi adalah studi dan implementasi algoritma numerik untuk memecahkan

masalah dalam fisika yang teori kuantitatif sudah ada (Wikipedia). Secara historis, fisika komputasi

adalah aplikasi pertama dari komputer modern dalam ilmu pengetahuan, dan sekarang menjadi bagian

dari ilmu komputer. Fisika statistik adalah cabang fisika yang menggunakan metode teori probabilitas

dan statistik, dan khususnya alat-alat matematika untuk menangani populasi yang besar dan perkiraan,

dalam memecahkan masalah fisik. Pendekatan umum untuk masalah statistik adalah dengan

menggunakan simulasi Monte Carlo untuk menghasilkan wawasan ke dalam dinamika sistem yang

kompleks.

Data-data dalam fisika medik seperti data MRI (Magnetic Resonance Imaging) dan data PET

(Positron Emission Tomography) sangat memerlukan statistika dalam analisisnya. Statistik digunakan

untuk melakukan analisis data MRI sehingga bisa membedakan antara data MRI yang terkena kanker

otak dan yang tidak. Tentu saja data MRI tersebut juga tergantung pada waktu karena mahkluk hidup

yang dikenai scan hidup dan berkembang. Hal tersebut banyak dikupas dalam neuroimaging data

analysis (Web 5). Makalah terkait PET diantaranya adalah Leahy & Qi (2000) dan Patterson (2013).

Terapan Statistika dalam bidang Pendidikan

Terapan statistik dalam bidang pendidikan diantaranya dapat ditemui dalam alat ukur tingkat

kepuasan layanan dalam dunia pendidikan. Tingkat kepuasan layanan ini diukur dengan skala

kuesioner yang diperoleh dari responden mahasiswa yang mendapatan layanan dengan mengambil

mata kuliah tertentu. Untuk membuat alat ukur tersebut tentu saja skala yang dibuat harus telah diuji

validitas dan reliabilitasnya. Salah satu ukuran reliabilitas skala adalah yang diusulkan oleh Cronbach-


Alpha. Skala yang telah teruji validitas dan reliabilitasnya selanjutnya digunakan untuk mengukur

tingkat kepuasan pelanggan (dalam hal ini mahasiswa) layanan pendidikan. Apabila data diambil

untuk setiap mata kuliah dan setiap mahasiswa yang mengambil mata kuliah untuk setiap semester di

suatu perguruan tinggi maka akan diperoleh data yang sangat besar, apalagi data untuk seluruh

perguruan tinggi di Indonesia. Masalah yang harus diselesaikan adalah bagaimana menentukan tingkat

kepuasan layanan rata-rata untuk semua mata kuliah yang disediakan? Berbagai metode dapat

digunakan untuk hal tersebut. Makalah yang terkait dengan hal ini dapat dilihat pada Setiawan &

Parhusip (2011), Parhusip dan Setiawan (2011), Setiawan (2013). Penelitian lebih lanjut juga dapat

ditentukan penjadualan pengajar agar mahasiswa mendapatkan tingkat layanan yang optimal dengan

mengingat kualifikasi dan ketersediaan pengajar.

Tantangan Mendatang & Kesimpulan

Di samping hal-hal yang telah dijelaskan di atas, tentu saja masih banyak data-data dalam

bidang bisnis dan industri yang sangat besar tersedia secara online. Data-data harga saham di seluruh

dunia, yang dapat dilakukan analisis sehingga memungkinkan kita untuk dapat memilih salah yang

menguntungkan untuk dibeli atau mempunyai prospek yang cerah untuk dibeli. Data-data perusahaan

seperti minimarket yang tersebar di seluruh Indonesia untuk menentukan ketersedian barang dan jasa

dalam minimarket tersebut pada saat diperlukan supaya konsumen tidak dikecewakan karena

kehabisan stok. Demikian juga dengan menganalisis data kebutuhan nasabah suatu bank akan uang

melalui ATM atau kartu kredit, akan dapat ditentukan karakteristik nasabah bank sehingga dapat

ditentukan kelayakan dalam menerima kredit, dan masih banyak lagi.

Mengingat besarnya data yang dimiliki atau yang nanti akan dimiliki dan diinginkan untuk

bisa menggali informasi yang tersimpan di dalamnya dalam waktu singkat, biaya murah dan tenaga

yang sedikit maka diperlukan upaya untuk mendapatkan algoritma yang efisien. Untuk itu diperlukan

kerjasama antara ilmu komputer/informatika, statistika dan sains yang menjadi asal dari permasalahan

tersebut supaya kita bisa menginterpretasikan ulang hasil analisis berdasarkan permasalahan realnya.

Demikian juga mengingat banyaknya parameter dalam model matematika/statistika, salah satu cara

yang bisa digunakan dalam penyelesaian adalah dengan menggunakan MCMC (Markov Chain Monte

Carlo). Seringkali metode analitis tidak bisa digunakan untuk mendapatkan distribusi statistik,

mungkin metode bootstrap dapat digunakan. Namun mengingat data yang dimiliki dalam dimensi

besar, perlu algoritma yang efisien.

Daftar Pustaka

Donoho, David L., (2000) High-Dimensional Data Analysis : The Curse and Blessing of

Dimensionality, The American Math. Society Conference : Math Challenge of the 21st Century,

Los Angeles, August 6-11, 2000.

de Graaf, C, Kooistra, AJ, Vischer HF, Katritch V, Kuijer M, Shiroishi M, Shimamura T, Iwata S,

Stevens RC, de Esch IJP, Leurs R. (2011) Crystal structure-based virtual screening for novel

fragment-like ligands of the human histamine H1 receptor. J. Med. Chem. 2011; 54: 8195-8206

Gurwitz, David & Howard L. McLeod (2013) Genome-wide studies in pharmacogenomics :

harnessing the power of extreme phenotypes, Pharmacogenomics 14(4), 337-339


Hatemi, P. et al. (2011) A Genome-Wide Analysis of Liberal and Conservative Political Attitudes, The

Journal of Politics, Vol 73, No. 1, January 2011, Page 1-15.

Ikawati, ZuLlies (2010) Pelayanan Farmasi Klinik pada Era genomik : Sebuah Tantang dan Peluang,

Pidato Pengukuhan Jabatan Guru besar 15 Februari 2010 .

Indiyastono, Enade P. (2012) Computational Studies of the Histamine H4 Receptor-Ligand

Intercation, Ph.D Thesis Vrije Universiteit Amsterdam

Kota, Albert R. Adi Setiawan, Lilik Linawati (2012) Uji Independensi Statistik Bartlett Terhadap Nilai

Saham Untuk Mengetahui Kebergantungan Saham-Saham Pada Beberapa Sektor Saham di BEJ,

Seminar Nasional Pendidikan Matematika Universitas Ahmad Dahlan 27 Desember 2012

Leahy, R. M. & Jinyi Qi (2000) Statistical approaches in quantitative positron emission tomography,

Statistics and Computing 10, 147-165.

Meaburn, E., Butcher, L.M., Schalkwyk, L.C., P lomin, R. (2006). Genotyping pooled DNA using

100K SNP microarrays: a step towards genomewide association scans, Nucleic Acids Research

Volume: 34. Issue: 4. Pages: e27

Parhusip, Hanna Arini & Adi Setiawan (2011) Modelling on Lecturer‟s Performance with Hotteling-

Harmonic-Fuzzy, The 6th SEAMS GMU 2011 July 12-15, 2011 Yogyakarta

Patterson, Cam et al. (2013) Development of a New Positron Emission Tomography Tracer for

Targeting Tumor Angiogenesis ; Synthesis, Small Animal Imaging and Radiation Dosimetry,

Molecules 18, 5594-5610

Restuningtyas, Purbosiwi, Adi Setiawan, Hanna Arini Parhusip (2012) Analisis Pergerakan Harga

Saham sebagai Peringatan Dini dengan Diagram Hotelling T2 dan Studi Simulasinya, Seminar

Nasional Pendidikan Matematika Universitas Ahmad Dahlan 27 Desember 2012

Setiawan, Adi (2007) Statistical Analysis of Genetic Data in Twin Studies and Association Studies ,

PhD Thesis, Vrije Universiteit Amsterdam

Setiawan, Adi (2009) Objective Bayesian Approach for SNP Data : Method, Simulation and

Application, Proceeding the first International Seminar on Science and Technology UII

Yogyakarta

Setiawan, Adi & Hanna Arini Parhusip (2011) Pengukuran Kualitas Pengajaran Dosen Berdasarkan

Kuesioner dengan Menggunakan Hotelling, Prosiding SemNas Statistika Undip 2011


Setiawan, Adi (2013) Determining Teaching Quality Based on Questioner using Multinomial

Distribution and Objective Bayesian, Proceedings of the 3rd Annual Basic Science

International Conference 2013 FMIPA Universitas Brawijaya Malang

Sunaryo, Sony, Setiawan, Anik Djuraidah, Asep Saefuddin (2003) Sejarah Perkembangan Statistika

dan Aplikasinya, Forum Statistika dan Komputasi Vol 8 No 1

Tian, C et al. (2008) Analysis and Application of European Genetic Substructure Using 300 K SNP

Information, PLOS Genetics 4(1) : e4.

Whirl-Carrilo, M. et al .( 2012) Pharmacogenomics Knowledge for Personalize Medicine, Clinical

Pharmacology & Therapetics 92 4, 414-417.

Wijayanto, Bayu et al. (2008) Penelitian Sumber Tekanan Inflasi Sisi Penawaran di Jawa Tengah ,

Kerjasama CEMSED UKSW dengan Bank Indonesia.

Web 1 Bank Indonesia http://www.bi.go.id/web/id/Moneter/Inflasi/Pengenalan+Inflasi/

Web 2 Bank Indonesia

http://www.bi.go.id/web/id/Moneter/Inflasi/Pengenalan+Inflasi/pentingnya.htm

Web 3 www.dartmouth.edu/~cbbc/courses/.../Genes%20and%20Politics.pdf

Web 4 http://edition.cnn.com/2008/HEALTH/02/11/politics.genes/

Web 5 http://www.samsi.info/programs/summer-2013-program-neuroimaging-data-analysis-june-4-

14-2013

http://www.bi.go.id/web/id/Moneter/Inflasi/Pengenalan+Inflasi/

http://www.bi.go.id/web/id/Moneter/Inflasi/Pengenalan+Inflasi/pentingnya.htm

http://edition.cnn.com/2008/HEALTH/02/11/politics.genes/

http://www.samsi.info/programs/summer-2013-program-neuroimaging-data-analysis-june-4-14-2013

http://www.samsi.info/programs/summer-2013-program-neuroimaging-data-analysis-june-4-14-2013

daftar isi · pdf file8 formulasi model fuzzy goal programming yang diselesaikan dengan linear...

Documents