DAFTAR ISI
Matematika 1
Statistika Di Era Super Data Set
Adi Setiawan 2
Penerapan Riset Operasi untuk Menentukan Lot Sizing Sebagai St rategi Pengembangan Industri Diana Suzana Mandar
3
4
6
Halo moan Edy Manurung, Eko Sed iyono Analisa Perbandingan Metode Holt-Winters, Single Exponential Smoothing dan Polinomial Newton dalam Meramalkan Data Produksi Ubi Kayu
8
Mans Mananohas, Iwan Pranoto Pengaruh Strategi Vaksinasi Kontinu Pada Model Ep idemik SVIR Terhadap Penyebaran Penyakit Campak
27 – 31
32 – 37
38 – 47
Dinamika HIV/AIDS di SULUT Berdasarkan Model Nonlinear SIR (Susceptible, Infectious, and Recovered) Amir Tjo lleng, Hanny Ko malig, Jantje Prang Formulasi Model Fuzzy Goal Programming yang diselesaikan dengan Linear Programming pada Perencanaan Produksi
Altien Jonathan Rindengan 9
17 – 26
Masalah Tali dan Tongkat
Tonaas Marentek 7
9 – 16
Fungsi Prediksi Nilai Ujian Nasional d i Provinsi Papua dengan Pendekatan Distribusi Weibull
Brian L. Djuwaty, Andeka Rocky Tanaamah, Alz Danny Wowor 5
1– 8
48 – 55
56 – 64
Penggunaan Rantai Markov Untuk Menduga Pergeseran Pangsa Pasar Kartu Seluler Pra-Bayar GSM (Studi Kasus: Faku ltas 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
2
3
4
5
Deteksi Perubahan Tata Guna Lahan Berdasarkan Citra Multispektral dengan Menggunakan Metode Change Vector Analysis Eko Sed iyono, Firdaus Wijanto, Sani M.Isa Penggunaan Algoritma Fuzzy Simple AdditiveWeighting untuk Menentukan Kesesuaian Lahan Tanaman Pangan : Studi Kasus Wilayah Kabupaten Minahasa Tenggara
83 – 91
Daniel Diano Kaparang, Winsy Weku, Eko Sed iono Perancangan Kriptografi Kunci Simetris Menggunakan Fungsi Bessel dan Fungsi Legendre
92 – 98
Fhelesie E. Go mies, Als Danny Wowor Analisa dan Perancangan Sistem Informasi dengan Pendekatan Agile Menurut Panduan PAUS
99 - 106
Stanley Karouw 6
7
107 – 118
Prediksi Curah Hujan Menggunakan Jaringan Syaraf Tiruan Backpropagation, Anifuddin Azis, Maria Pujiastuti Designing Portal Amazing North Sulawesi as Part of Indonesian e-cultural Heritage and Natural History Stanley Karouw
8
75 – 82
119 - 124
125 – 134
Decision Support System Penilaian Tingkat Produktiv itas Cabang Rita Wiryasaputra
9
Perbandingan Model Filtering untuk Penghilangan Noise pada Cit ra 2D
9
Kalfin D. Muchtar, Amelia E. Pontoh, Winsy Weku Pengukuran Kinerja Model-Model Filtering Pada Gambar Digital Arista Mandagi, Cherry V. Telap, Winsy Weku
135 – 141
142 - 148
148 - 157
Sains 1
2
3
4
Simu lator Pabrik Kimia (SimPeKa) Berbasis Model Dinamis Ardhi Wicaksono S, Arief Budiman Optimasi Re rata dalam Proses Korelasi Silang untuk Menentukan Lokasi Radio Transmitter
158 – 163
Isnan Nur Rifai, Wahyu Widada Uji A ktivitas Sediaan Krim Getah Tanaman Patah Tulang ( Euphorbia tirucalli L) Sebagai Anti Inflamasi
164 – 170
Omega Agral, Paulina Yamlean, Hamidah Sri Supriati Pengujian Akt ifitas Antibakteri Gel Ekstrak Etanol Daun Sasaladahan (Peperomia Pellucid (L) H.B.K) Terhadap Staphylococcus Aureus
171 – 174
Hosea Jaya Edy 5
6
7
175 – 178
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 Formulasi KrimTabir Surya (Sunscreen) Ekstrak Etanol Ku lit A lpukat Perseaamericana Mill)
179 – 182 183 – 188
Ade Novia Mokodompit, Hosea Jaya Edy, WenyWiyono Kualitas Air Sungai Ranyapo, Kabupaten Minahasa Selatan Rifgah Marmita, Ratna Siahaan, Rani Koneri, Marnix Langoy
189 – 194
8 Uji aktifitas Anti Bakteri Van ishing Cream Ekstrak Etanol Kulit Buah Alpukat (Perseaamericana Mill) terhadap Staphylococcus aureus secara in-vitro Weny Indayany Wiyono
195 – 201
Pengaruh Mikoriza Vesikula Arbuskula terhadap Boiaku mulasi Merkuri [Hg] pada Padi Ladang Johanis J. Pelealu
202 – 209
9
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 Fat mawati Biduri, Fitriyana Anwar
210 – 216
11
12
Bakteri Resistem Merkuri pada Feses Pasien dengan Tumpatan Amalgan Gig i di Puskesmas Bahu Manado Fatimawali Billy Kepel Widdhi Bodhi Beivy Kolondam Perubahan DNA Kalus Agregat dan Sel Catharanthus roseus pada Subkultur yang Berkepanjangan selama Produksi Katarantin dalam Bioreaktor Dingse Pandiangan, Parluhutan Siahaan, Beivy Kolondam1
13
14
Analisis Kestabilan Model Interaksi Dua Pemangsa- Satu Mangsa dengan daya dukung lingkungan pada Sistem pemangsa Artmo Laweangi Yohanes A. R. Langi TingkatKepuasan Dosen dan Tenaga Kependidikan terhadap Pelayanan Universitas Sam Ratulangi menggunakan Analisis Faktor Suluh Mamahit, Marline Paendong, Yohanes Langi
217 - 222
223 - 229
230-240
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 ju mlah 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 ko mputer 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. 2.00 1.50 1.00 0.50 0.00
Nasional Manado Gorontalo Ambon
-0.50 -1.00 Gambar 1. Perbandingan rata-rata inflasi bulanan tahun 2008-2013 antara kota M anado, 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
Prosiding Seminar Matematika, Sains dan TI, FMIPA UNSRAT, 14 Juni 2013 .......................
3
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 (284441 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.
4 ............
Prosiding Seminar Matematika, Sains dan TI, FMIPA UNSRAT, 14 Juni 2013
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
Prosiding Seminar Matematika, Sains dan TI, FMIPA UNSRAT, 14 Juni 2013 .......................
5
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-
6 ............
Prosiding Seminar Matematika, Sains dan TI, FMIPA UNSRAT, 14 Juni 2013
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
Prosiding Seminar Matematika, Sains dan TI, FMIPA UNSRAT, 14 Juni 2013 .......................
7
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 HottelingHarmonic-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 T 2 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
8 ............
Prosiding Seminar Matematika, Sains dan TI, FMIPA UNSRAT, 14 Juni 2013
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-414-2013
