Bedah Buku(Masih Adakah Kata Dosa dalam Kamus Pemuda Saat Ini?) + Seminar ( Nasional HIV - AIDS) Yang Saling Berkesinambungan

Minggu 1 Desember 2013 bertepatan hari HIV - AIDS sedunia. Saya dan teman sekamarku mengikuti bedah buku islami yang diadakan Himpunan Mahasiswa Matematika Unhas yang bertemakan " Masih Adakah Kata Dosa dalam Kamus Pemuda Saat Ini?" . Kami terlambat sekitar 40 menit namun itu tidak mungurutkan niat kami untuk mengikuti seminar tersebut. banyak hal yang kami dapatkan di sana, misalnya saja tentang larangan pacaran. Berpacaran banyak bentuknya seperti ciuman, berpegangan tangan, berpelukan sampai melakukan hal - hal ekstrim. Melakukan hal ekstrim ini disamping dilarang oleh agama, terkadang pelakunya terjangkit suatu penyakit misalnya saja HIV - AIDS. Itu disebabkan karena mereka melakukan hubungan tersebut tanpa mengetahui keadaan pasangannya.

Yang saya ingat juga Pak ustaz mengatakan banyak orang tua sekarang takut sekali anaknya tidak laku. mereka tidak percaya dengan Allah akan Jodoh.  Makanya jika anak gadisnya membawa pacarnya ke rumahnya sang Orang tua sangat menyukai pacar anaknya tersebut, sampai mereka membuatkan kue atau makanan lainnya. pokoknya yang enak - enak buat calon menantunya. Ketika anaknya hamil diluar nikah, orang tua pun menanyai anaknya

Parents: siapa yang menghamili kamu ?
Daughter: pacarku Mah, yang  mama suka bikinin kue.
Parents : kalau begitu dia harus bertanggung jawab.
Daughter: Bagaimana ini Mah? dia tidak mau tanggung Jawab dan sudah kabur... :( :(

wow... siapa yang mau seperti itu? Aku jelas nggak mau. hanya orang yang kurang memiliki Ilmu agama yang mau seperti itu.

Jika pacarnya mau bertanggung jawab, sambil bunting besarpun mereka mau membuat pesta yang sangat meriah.. sungguh tak ada malu di muka. Ya Allah jauhkanlah Aku dari perbuatan keji itu.  jika kita berpikir dimana peran orang tua dalam mendidik anaknya? malah mereka mendukungnya. untuk itu , peran orang tua sangat dibutuhkan untuk mengurangi pelecehan - pelecehan yang terjadi sekarang ini. karena kasus-kasus pelecehan sampai ke kasus kepembunuhan dewasa ini semakin meningkat . cuma karena sakit hati , demdam dengan mantan pacar. awalnya apa?? pacaran kan??.. paling parah kalau kasus pembunuhan. sudah mati, amal masa muda pun tidak ada yang bisa membantu. kenapa? karena waktu habis untuk pacaran tidak dimanfaatkan dengan baik. padahal, Allah SWT. sangat menyukai pemuda/pemudi yang rajin beribadah.. kenapa? karena pemuda yang masih mudah terpengaruh oleh hal - hal yang negatif tetapi mampu melawannya dengan melakukan hal yang positif utamanya beribadah kepada Allah, seperti menuntut ilmu, shalat duha, tahujjud, dan apapun yang jelas niatnya adalah ibadah. ibadah itu tidak hanya berfokus pada shalat... ingat itu.... :) intinya niatkan untuk ibadah. 

Apalagi yah yang dijelaskan oleh pak Ustaz..??? hhhmmmm... maklum sudah dua minggu lebih kegiatan itu. yah.. aku ingat !! fenomena sekarang yang gencar diberitakan oleh media banyaknya anak sekolah baik itu SD, SMP. dan SMA memperebutkan pacar mereka hingga tawuran antar sekolah.... Ini gara - gara pacar, teman - teman.... yang belum tentu menjadi istri ataupun suami di masa depannya... sudikah anda jika suamimu atau istrimu kelak mantan ke sepuluhnya temanmu atau orang lain???

Okyuuu..tinggalkan masalah pacaran karena sekarang saya sudah berpindah tempat . sehabis mengikuti bedah buku saya melanjutkan seminar di aula prof Amiriddin Unhas . Di sana ada seminar Nasional HIV - AIDS yang bertemakan Yang Muda Yang Berkarya, Generasi Berencana Peduli HIV - AIDS. banyak ilmu yang saya dapatkan dari sana yang sebelumnya saya kurang tahu. tetapi, setelah saya mengikuti seminar tersebut saya lebih tahu tentang HIV - AIDS.   Teman - teman bisa mencari literture  bagaimana itu penularan HIV - AIDS? .

Warming!!! 
Dengan PACARAN bisa saja Anda tertular HIV - AIDS....


Perjalanan kami lanjutkan ke Worshop Rumah Makan Dian. Kami sangat lapar sehabis mengikuti seminar. Foto ini kami ambil ketika kami pulang Ke asrama.

It's About Me

Twenty years ago, I was born in waji , on 17th of september 1992. My father’s name is Samsu. He is a farmer. My mother’s name is Rosdiana. She is a house wife. I have two sisters and one brother. So, I have six people in my family. Two years ago I was entered at university. I have been learning statistica at Hasanuddin University. I live in dormitory of my university with my friend. Her name is irma. We have been studying at  same university, but she learning animal husbandry. I have been living at dorm since 2011. I was be happy live there because all of friends is friendly. Also we can find many friend from different faculty. My room in second floor. I like it because is near from bathroom and ladder. To live far of family , I have to adjustment my living. Because many people from other city. But for me I don’t have  difficulties to  get many friend.

My activity is going to campus on Monday until Friday. I go to campus at 07:00 am by on foot because my faculty is near of dorm.  I washed clothes on Saturday . sometime I do homework or learning english by my self on noon. If my homework don’t finish , I will continue at Sunday.  But if I don’t have many homework sometime I go to my uncle home.

1.       Go to campus

2.       I go back my dorm yesterday

3.       I will wash my clothes

4.       I am studiying english about regular and irregular verb righ now.

5.       I ware going to the campus at this time yesterday

6.       I will be sleeping in my badroom.

7.       I have cleaned my room, taken a bath, gone to uncle’s home, and studied.

8.       I had taken course at internet for two hours.

9.       I will have taken sarong and prayed.

10.   I have been doing exercise about grammer english for three hours.

11.   I had been talking with friends for  34 minutes , before she come here.

12.   I will have been learning statistica for 10 minutes .

13.   Try to enter organisation on January Insya Allah

ANALISIS RUNTUN WAKTU DENGAN MODEL ARIMA (Kasus :Pembacaan Konsentrasi Kimia)

OLEH:

HERIANTI (H12111003)

PRODI STATISTIKA

JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS HASANUDDIN

MAKASSAR

2013

Chemical concentration readings (Pembacaan konsentrasi kimia)

Teman - teman bisa mendapatkan datanya pada link di bawah ini  

https://datamarket.com/data/set/232f/chemical-concentration-readings#!ds=232f&display=table

Gambar 1.1 Diagram deret waktu Chemical concentration readings (Pembacaan konsentrasi kimia)

Gambar 1.2 diagram FAK data deret waktu Chemical concentration readings

Autocorrelation Function: Count

Lag        ACF      T     LBQ

Lag        ACF      T     LBQ

1   0,570165   8,00   65,02              2   0,495061   5,41  114,29   3   0,397952   3,82  146,30   4   0,355696   3,18  172,00   5   0,326883   2,79  193,81   6   0,349762   2,87  218,92   7   0,391886   3,09  250,61   8   0,321503   2,42  272,05   9   0,304133   2,22  291,34  10   0,254874   1,82  304,96  11   0,188173   1,32  312,42  12   0,163320   1,14  318,07  13   0,194643   1,35  326,14  14   0,235968   1,62  338,07  15   0,140298   0,95  342,31  16   0,180062   1,21  349,33  17   0,196580   1,31  357,75  18   0,202135   1,34  366,70  19   0,140153   0,92  371,03  20   0,183360   1,20  378,47

21   0,100014   0,65  380,70  22   0,125335   0,81  384,22  23   0,105243   0,68  386,71  24   0,141245   0,91  391,24  25   0,134236   0,86  395,34  26   0,126027   0,81  398,98  27   0,146826   0,93  403,96  28   0,049476   0,31  404,52  29   0,094843   0,60  406,62  30   0,022378   0,14  406,74  31   0,086429   0,55  408,50  32   0,124792   0,79  412,20  33   0,108142   0,68  415,00  34   0,056802   0,36  415,78  35  -0,062034  -0,39  416,71  36  -0,031671  -0,20  416,95  37  -0,077769  -0,49  418,43  38  -0,060091  -0,38  419,32  39  -0,037251  -0,23  419,67  40  -0,058024  -0,36  420,51

Berdasarkan nilai ACFnya dapat dilihat di atas nilainya menurun secara melambat sehingga dapat dikatakan data tersebut tidak stasioner dalam rata - rata. 

Gambar 1.3 diagram FAKP data deret waktu Chemical concentration readings

Partial Autocorrelation Function: Count

Lag        ACF      T     LBQ

Lag        ACF      T     LBQ

1   0,570165   8,00   2   0,251845   3,53   3   0,068311   0,96   4   0,069278   0,97   5   0,065787   0,92   6   0,123656   1,74   7   0,156279   2,19   8  -0,031719  -0,45   9   0,009764   0,14  10  -0,016384  -0,23  11  -0,072556  -1,02  12  -0,021393  -0,30  13   0,060592   0,85  14   0,087222   1,22  15  -0,123464  -1,73  16   0,047155   0,66  17   0,096880   1,36  18   0,068060   0,96  19  -0,071253  -1,00  20   0,052236   0,73

21  -0,107568  -1,51  22   0,053535   0,75  23  -0,032439  -0,46  24   0,048907   0,69  25   0,019824   0,28  26  -0,011097  -0,16  27   0,016551   0,23  28  -0,099627  -1,40  29   0,100577   1,41  30  -0,112524  -1,58  31   0,065014   0,91  32   0,089494   1,26  33  -0,010289  -0,14  34  -0,137310  -1,93  35  -0,153712  -2,16  36   0,011194   0,16  37  -0,010892  -0,15  38  -0,042759  -0,60  39   0,018635   0,26  40  -0,068237  -0,96

untuk melihat apakah datanya stasioner atau belum stasioner dalam variansi maka dapat dilihat plot Cox - Boxnya . Dari hasil grafik box-cox di bawah dapat diketahui nilai Rounded Value (lambda) sebesar –3, 00 maka dapat disimpulkan data belum stationer terhadap varians. Oleh krena itu,  kita transformasi data ke dalam C7 . sehingga kita dapat grafiknya seperti  berikut, dengan diketahui nilai  Rounded Value (lambda) sebesar 1 dan  nilai taksiran lamdanya 0,97. Sehingga dapat disimpulkan data sudah stasioner dalam variansi.

Gambar 1. 4 Grafik Box-Cox data deret waktu Chemical concentration readings aslinya

Berdasarkan diagram deret waktu terlihat bahwa data belum stasioner baik dalam rata-rata maupun variansi. Menurut ketentuan dalam menstabilkan variansi, hal yang pertama harus dilakukan yaitu menstabilkan variansi terlebih dahulu kemudian menstabilkan rata – ratanya. Salah satu cara untuk menstabilkan varinsi dilakukan transformasi Box-Cox dengan melakukan perintah minitab.

Gambar 1. 5 Grafik Box-Cox data deret waktu Chemical concentration readings setelah transformasi

Grafik data yang  telah ditransformasi dapat dilihat di atas ternyata belum stationer sehingga dilakuakan differencing.

Gambar 1. 6 Grafik deret waktu data setelah di transformasi

Jika tidak stationer dalam  mean  maka dilakukan differencing.

MINITAB : Stat > Time Series > differens > data yang telah ditransformasi (leg :  differencing).  Sehingga dapat dilihat grafiknya seperti berikut.

Gambar 1. 7 Grafik deret waktu data setelah di defferencing

Gambar 1. 7 diagram FAK data deret waktu Chemical concentration readings setelah diffrencing

Autocorrelation Function: differencing

Lag       PACF      T

Lag        ACF      T     LBQ

1  -0,409916  -5,74   33,44   2   0,015805   0,19   33,49   3  -0,069058  -0,84   34,45   4  -0,001101  -0,01   34,45   5  -0,069768  -0,84   35,44   6  -0,025767  -0,31   35,57   7   0,147147   1,77   40,02   8  -0,066131  -0,78   40,92   9   0,036960   0,44   41,21  10   0,011714   0,14   41,24  11  -0,035465  -0,42   41,50  12  -0,066320  -0,78   42,43  13  -0,015786  -0,19   42,48  14   0,158362   1,86   47,83  15  -0,168734  -1,95   53,93  16   0,032329   0,37   54,16  17   0,031307   0,35   54,37  18   0,068778   0,78   55,40  19  -0,123883  -1,40   58,77  20   0,145635   1,62   63,44

21  -0,125438  -1,38   66,93  22   0,044109   0,48   67,37  23  -0,063271  -0,69   68,26  24   0,046338   0,50   68,75  25   0,008245   0,09   68,76  26  -0,032255  -0,35   69,00  27   0,145041   1,57   73,83  28  -0,164535  -1,76   80,09  29   0,131703   1,39   84,12  30  -0,154834  -1,62   89,72  31   0,039013   0,40   90,08  32   0,045263   0,47   90,56  33   0,051610   0,53   91,20  34   0,070557   0,72   92,39  35  -0,173288  -1,77   99,63  36   0,091035   0,92  101,64  37  -0,071436  -0,72  102,88  38  -0,010915  -0,11  102,91  39   0,054362   0,54  103,64  40  -0,009034  -0,09  103,66

Gambar 1. 7 diagram FAKP data deret waktu Chemical concentration readings setelah diffrencing

Lag       PACF      T

Lag       PACF      T

1  -0,409916  -5,74   2  -0,182971  -2,56   3  -0,169623  -2,37   4  -0,130697  -1,83   5  -0,183547  -2,57   6  -0,211851  -2,97   7   0,001401   0,02   8  -0,042035  -0,59   9  -0,011480  -0,16  10   0,035350   0,49  11  -0,005440  -0,08  12  -0,075512  -1,06  13  -0,106212  -1,49  14   0,092478   1,29  15  -0,095338  -1,33  16  -0,130260  -1,82  17  -0,070584  -0,99  18   0,045239   0,63  19  -0,075477  -1,06  20   0,091381   1,28

21  -0,077086  -1,08  22   0,007150   0,10  23  -0,066949  -0,94  24  -0,054387  -0,76  25  -0,020161  -0,28  26  -0,048223  -0,68  27   0,084783   1,19  28  -0,101629  -1,42  29   0,106252   1,49  30  -0,067593  -0,95  31  -0,085633  -1,20  32   0,009997   0,14  33   0,133515   1,87  34   0,134467   1,88  35  -0,024826  -0,35  36  -0,005306  -0,07  37   0,017172   0,24  38  -0,050982  -0,71  39   0,052392   0,73  40  -0,014989  -0,21

Berdasarkan diagram FAK dan FAKP dari hasil diferencing nya terlihat bahwa diagram FAK nilai autokorelasi pada lag 1 signifikan berbeda dari nol sedangkan pada diagram FAKP  nilai autokorelasi signifikan berbeda pada  lag 1, lag 2 dan lag 3. Maka datanya sudah stasioner. Dugaan awal model yang untuk data ini adalah ARIMA (3, 1, 0) atau ARIMA (0, 1, 1).

Tahap Penaksiran Parameter dan Pemeriksaan Diagnostik

Hasil 2.1 Kesesuian Model ARIMA (3, 1, 0) data Chemical concentration readings

Estimates at each iteration

Iteration      SSE        Parameters

        0  29,5531   0,100   0,100   0,100

        1  25,8759  -0,050   0,017   0,040

        2  23,1721  -0,200  -0,070  -0,024

        3  21,4543  -0,350  -0,161  -0,091

        4  20,7380  -0,500  -0,256  -0,161

        5  20,7160  -0,527  -0,278  -0,176

        6  20,7158  -0,530  -0,280  -0,178

        7  20,7157  -0,530  -0,281  -0,178

        8  20,7157  -0,530  -0,281  -0,178

Relative change in each estimate less than 0,0010

Final Estimates of Parameters

Type       Coef  SE Coef      T      P

AR   1  -0,5300   0,0707  -7,50  0,000

AR   2  -0,2806   0,0782  -3,59  0,000

AR   3  -0,1782   0,0712  -2,50  0,013

Differencing: 1 regular difference

Number of observations:  Original series 197, after differencing 196

Residuals:    SS =  20,6138 (backforecasts excluded)

              MS =  0,1068  DF = 193

Modified Box-Pierce (Ljung-Box) Chi-Square statistic

Lag            12     24     36     48

Chi-Square   25,3   38,0   63,5   68,1

DF              9     21     33     45

P-Value     0,003  0,013  0,001  0,015

·         Taksiran parameter model ARIMA(3, 1, 0)Signifikan berbeda dari nol dengan tingkat keyakinan 95%. Hal ini dapat dilihat pada nilai t hitung atau P-Value. Untuk Parameter:

AR(1) yaitu  , nilai t = -7,50  dengan nilai p-value = 0,000

AR(2) yaitu  , nilai t = -3,59  dengan nilai p-value = 0,000

AR(3) yaitu  , nilai t = -2,50  dengan nilai p-value = 0,013

·         Uji White Noise

Pada pengujian ini digunakan pengujian L-jung Box, dengan hipotesis sebagai berikut.

H₀ : Data white noise

H₁ : Data tidak white noise

Taraf signifikan : α=5%

Dari hasil output diatas dapat disimpulkan bahwa semua nilai p-value < α sehingga tolak H₀. Jadi dapat disimpulkan bahwa data tidak white noise pada ARIMA (3,1,0)

·         Uji Asumsi Distribusi Normal

Uji asumsi ini bertujuan untuk mengetahui apakah data telah memenuhi asumsi kenormalan atau belum. Salah satu cara yang dapat ditempuh untuk melakukan uji asumsi kenormalan ini adalah  uji kolmogorov Simornov dengan menggunakan pedoman pengambilan keputusan sebagai berikut.

a.       Jika nilai p < 0,05 data tidak berasal dari populasi yang berdistribusi normal

b.       Jika nilai p  0,05 data berasal dari populasi yang berdistribusi normal

Kita lihat plot di atas p  0,05 artinya data tersebut berdistribusi normal.

Meskipun dalam model signifikan dan berdistribusi normal, tetapi tidak memenuhi syarat cukup (residual white noise) dan tidak berdistribusi normal. Sehingga model dugaan awal kita yaitu ARIMA (3, 1, 0)  tidak sesuai.

Hasil 2.1 Kesesuian Model ARIMA (0, 1, 1) data Chemical concentration readings

ARIMA Model: C1

Estimates at each iteration

Iteration      SSE  Parameters

        0  24,7841       0,100

        1  22,6214       0,250

        2  21,1405       0,400

        3  20,1730       0,550

        4  19,8256       0,643

        5  19,7563       0,681

        6  19,7448       0,696

        7  19,7429       0,701

        8  19,7426       0,704

        9  19,7426       0,705

       10  19,7426       0,705

Relative change in each estimate less than 0,0010

Final Estimates of Parameters

Type      Coef  SE Coef      T      P

MA   1  0,7050   0,0507  13,90  0,000

Differencing: 1 regular difference

Number of observations:  Original series 197, after differencing 196

Residuals:    SS =  19,6707 (backforecasts excluded)

              MS =  0,1009  DF = 195

Modified Box-Pierce (Ljung-Box) Chi-Square statistic

Lag            12     24     36     48

Chi-Square   20,0   31,5   54,1   58,7

DF             11     23     35     47

P-Value     0,045  0,110  0,021  0,117

·         Taksiran parameter model ARIMA(0, 1, 1)Signifikan berbeda dari nol yaitu 0,7050 dengan tingkat keyakinan 95%. Hal ini dapat dilihat pada nilai t hitung atau P-Value. Untuk Parameter:

MA(1) yaitu  , nilai t = -7,03  dengan nilai p-value = 0,000

·         Uji White Noise

Pada pengujian ini digunakan pengujian L-jung Box, dengan hipotesis sebagai berikut.

H₀ : Data white noise

H₁ : Data tidak white noise

Taraf signifikan : α=5%

Dari hasil output diatas dapat disimpulkan bahwa tidak semua nilai p-value < α sehingga terima H₀. Jadi dapat disimpulkan bahwa data belum white noise pada ARIMA (0,1,1).

·         Uji Kenormalan 

Uji kenormanlan dengan menggunakan uji Kolmogorov-Smirnov, dapat dilihat P-Valuenya lebih besar dari α sehingga dapat disimpulkan data tersebut  berdistribusi normal dan dapat pula dilihat dari  plotnya yang mengikuti garis lurus.

            Karena  semua parameter dalam model signifikan, sisanya tidak memenuhi syarat white noise dan berdistribusi normal, model dugaan awal ARIMA (0,1,1) adalah  dianggap paling sesuai karena hanya model ini yang memiliki 2 p value yang lebih besar alpa pada pengujian white noise.

— 

                Langkah selanjutnya adalah membandingkan nilai MSE  dari kedua model tersebut. Nilai MSE untuk modelARIMA (3,1,0) adalah 0,1068 dan MSE model ARIMA (0,1,1) adalah 0,1009 . dengan dasar perbandingan nilai MSE yang lebih kecil, model ARIMA(0,1,1) adalah model yang terbaik  untuk data pembacaan konsentrasi kimia. Secara matematis model itu dapat dituliskan dalam bentuk seperti berikut ini:
     

Dimana  = Pembacaan Konsentrasi Kimia pada pengamatan ke-t

= sisa pada pengamatan ke-t

Tahap peramalan

Nilai-nilai ramalan untuk beberapa bulan ke depan dapat dilihat pada hasil berikut ini:

  95% Limits

Period  Forecast    Lower    Upper  Actual

  198   17,5053  16,8827  18,1280

  199   17,5053  16,8562  18,1545

  200   17,5053  16,8307  18,1800

         201   17,5053  16,8061  18,2046

         202   17,5053  16,7824  18,2283

         203   17,5053  16,7594  18,2513

         204   17,5053  16,7371  18,2736

         205   17,5053  16,7155  18,2952

         206   17,5053  16,6944  18,3163

         207   17,5053  16,6738  18,3369

DAFTAR PUSTAKA

Asri dan Sukarna. 2006.Analisis Deret Waktu. Makassar: Andira Publisher

Makridakis, S., Wheelwright, S.C., & McGee, V.E. 1999. Metode dan Aplikasi PeramalanJilid 1 Edisi Kedua. Terjemahan Ir. Untung S. Andriyanto dan Ir. Abdul Basith.Jakarta: Erlangga.

Santoso, S. 2009. Bussiness Forecasting Metode Peramalan Bisnis Masa Kini dengan Minitab dan SPSS. Jakarta: PT Elex Media Komputindo.

https://datamarket.com/data/set/232f/chemical-concentration readings#!ds=232f&display=table