KELOMPOK 1:

1. ADINDA DWI PUTRI (19337018)

2. ANNISA RIZKI AMALIA (19337040)
3. DEWI FEBIYANTI (19337004)
4. FAYZA ANNISA FEBRIANTI (19337028)
5. SILVIA AGUSTINA (19337068)

TUGAS REVIEW ARTIKEL

ARTIKEL 1
Judul Artikel : Pemodelan Regresi Non Parametrik Menggunakan Pendekatan
Polinomial Lokal Pada Beban Listrik Di Kota Semarang.
Penulis : Suparti dan Alan Prahutama.
Nama Jurnal : Media Statistika 9(2) 2016: 85-93.
Permasalahan yang : Semarang merupakan ibu kota provinsi Jawa Tengah, dengan
Diangkat infrastruktur dan pertumbuhan ekonomi yang tinggi. Fenomena
pemadaman listrik yang terjadi di Semarang, tentunya mengganggu
perkembangan ekonomi yang ada di Semarang. Hal ini dikarenakan
investor enggan untuk berinvestasi di kota Semarang dikarenakan
sering terjadi pemadaman listrik. Oleh karena itu, Kota Semarang
harus memiliki suplai daya yang memadai untuk memenuhi kebutuhan
energi listrik di areanya. Besar energi listrik yang dikonsumsi oleh
konsumen skala industri maupun rumah tangga di area Semarang,
terpantau atau tercatat secara otomatis dan tersaji menjadi data historis
beban pemakaian listrik harian per 30 menit selama 24 jam ataupun
menjadi data beban puncak pemakaian listrik.

Beban puncak ini biasanya terjadi pada pukul 10.00 dan 19.00. Beban
puncak terjadi ketika kebutuhan listrik konsumen menanjak ke titik
yang paling tinggi di satu waktu tertentu, baik dalam rentang waktu
jam, hari, minggu, bulan, hingga tahun. Pemodelan beban listrik
diperlukan sebagai dasar untuk prediksi nilai beban listrik di kota
Semarang. Oleh karena itu, pada penelitian ini akan dimodelkan beban
listrik di Kota Semarang menggunakan model Polinomial Lokal.
Pemodelan ini nantinya diharapkan bisa digunakan untuk peramalan
beban listrik di Kota
Teori yang : Salah satu metode estimasi pada polynomial local adalah
Digunakan menggunakan WLS ( Weighted Least Square) sehinggga diperlukan
pembobotan. Salah satu pembobotan yang digunakan untuk
mendapatkan estimasi adalah fungsi kernel.

Pada dasarnya pemodelan polinomyal local enggunakan prinsip deret

Taylor yang menyatakan bahwa setiap fungsi mulus dapat secara local
 didekati dengan polynomial dari beberapa derajat.

Hal yang harus diperhatikan dalam polynomial local adalah pemilihan

bandwidth. Pemilihan parameter bandwidth h memiliki peran penting
dalam melakukan estimasi. Salah satu cara menentukan bandwidth
yang optimal denan menggunakan metode GCV (Generalized Cross
Validation)
Metode yang : Teknik Pemulusan Polinomial Lokal Dalam Regresi Non Parametrik.
Digunakan
Hasil Penelitian : Estimasi polynomial local yang optimal merupakan kombinasi antara
bandwidth, titik local (x0) dan orde polynomial local. Diperoleh GCV
minimum terletak pada polynomial orde ke dua. Selain itu didapatkan
nilai h terkecil dengan GCV minimum sebesar 1425.746 yaitu jatuh
pada nilai x0 = 415 dan h = 394.
Model polynomial yang terbentuk adalah :
^y i=486.28+0.653( X i−415)
ARTIKEL 2
Judul Artikel : Local Polynomial Smoothing untuk Mengatasi Masalah Age Heaping Data
Jumlah Kematian Menurut Umur Hasil Sensus Penduduk 2010.
Penulis : Firdaus dan Erni Tri Astuti.
Nama Jurnal : Jurnal Aplikasi Statistika dan Komputasi Statistika V.9.2.2017, ISSN
2086-4132.
Permasalahan : Data terkait umur sangat diperlukan terutama bagi perencanaan kebijakan
yang Diangkat di bidang kependudukan maupun evaluasi taraf hidup atau tingkat
kesejahteraan suatu wilayah atau negara. Apabila pada data umur terdapat
kesalahan pelaporan atau datanya tidak akurat, yaitu dalam bentuk
penumpukan distribusi penduduk pada umur tertentu atau Age Heaping,
maka perencanaan pembangunan di bidang kependudukan menjadi tidak
tepat atau tidak akurat juga. Walaupun dari sensus ke sensus kadar
kesalahan pelaporan umur makin menurun akan tetapi perlu dilakukan
evaluasi kembali mengenai kualitas data umur dari hasil sensus penduduk
yang terakhir, yaitu Sensus Penduduk 2010. Oleh karena itu perlu untuk
melakukan evaluasi apakah perbaikan dari sisi alat ukur yang digunakan
(kuesioner) dapat menghasilkan perbaikan data umur yang diharapkan.
Selain itu, apabila masih terdapat Age Heaping pada data jumlah kematian
menurut umur juga perlu dilakukan penyesuaian agar diperoleh estimasi
tingkat kematian yang lebih akurat dan dapat digunakan dalam penyusunan
Life Table yang lebih sesuai dengan kondisi yang sebenarnya. Perapihan
atau koreksi data jumlah kematian akan dilakukan dengan Teknik
Pemulusan Polinomial Lokal dalam Regresi Non Parametrik.
Berikut merupakan perumusan masalah dalam kasus ini:
1. Bagaimanakah kualitas data jumlah kematian hasil sensus
penduduk tahun 2010?
2. Bagaimanakah melakukan perapihan atau pengkoreksian data
jumlah kematian hasil Sensus Penduduk 2010?
3. Bagaimanakah bentuk kurva tingkat kematian Indonesia Tahun
2010 sebelum atau sesudah perapihan atau pengkoreksian data
jumlah kematian menurut umur ?
Teori yang : Untuk data berpasangan ( x i , y i ¿ dengan variabel respon y i yang
Digunakan diasumsikan berdistribusi Generalized Poisson (GP) dan variabel predictor
x i Model polynomial local untuk menyatakan hubungan antara variabel
predictor dengan variabel respon GP adalah sebagai berikut :
y i=s ( x i ) +ε i , I = 1,2,..n

Metode yang : Teknik Pemulusan Polinomial Lokal (local polynomial smoothing) Dalam
Digunakan Regresi Non Parametrik.
Hasil : Dari hasil perhitungan dan pengolahan dengan menggunakan fungsi yang
Penelitian dibangun dalam bahasa pemrogram R, gambaran perubahan kurva hasil
estimasi jika digunakan bandwidth yang berbeda-beda dapat dilihat pada
Gambar 2 yaitu dengan menggunakan bandwidth berturut-turut adalah h=1,
h=2, h=4 dan h=6. Terlihat bahwa semakin besar nilai bandwidth yang
digunakan maka kurva jumlah kematian menjadi semakin mulus, bahkan
dapat menghilangkan fluktuasi data yang sebenarnya. Dari hasil
pengolahan diperoleh bandwidth optimal dengan menggunakan kriteria
MLCV untuk estimasi kurva total jumlah kematian menurut umur (laki-
laki dan perempuan), masing-masing adalah h=2. Gambar 3, 4 dan 5,
masing-masing menyajikan kurva jumlah kematian menurut umur dan
hasil estimasi (pemulusannya) untuk jumlah kematian penduduk total,
penduduk laki-laki dan penduduk perempuan. Sementara itu nilai-nilai
estimasi untuk jumlah kematian menurut umur dapat dilihat pada Lampiran
3. Dari estimasi kurva jumlah kematian juga diperoleh gambaran yang
lebih mulus atau pola yang lebih jelas, walaupun tidak sepenuhnya
menghilangkan age heaping. Hal ini terlihat pada jumlah kematian pada
umur 0 yang notabene angka kematian bayi, yang dalam kondisi
sebenarnya memang masih sangat tinggi untuk kondisi Indonesia.
Dengan menggunakan data jumlah kematian menurut umur, maka kurva
tingkat kematian dan hasil pemulusannya dengan bandwidth yang
bervariasi diberikan pada Gambar 7.

Dalam Gambar 7 terlihat bahwa semakin besar nilai bandwidth yang

diberikan, semakin mulus kurva yang dihasilkan. Untuk nilai h yang kecil
(h=1) estimasi kurva tingkat kematian cenderung kasar. Sementara untuk
h=5 nampak estimator sudah dapat mempertegas pola tingkat kematian.
Pada nilai h yang terlalu besar (h=20), estimator kurva regresi gagal
menangkap osilasi kurva tingkat kematian pada rentang umur 0-40 tahun.

Selanjutnya dilakukan pemilihan bandwidth optimal yang akan

menghasilkan model terbaik bagi kurva regresi tingkat kematian yang
tercapai saat h=4 dengan menggunakan kriteria MLCV yang disajikan pada
Gambar 8.

Berdasarkan Gambar 8 dapat disimpulkan beberapa hal berikut.

a) Tingkat kematian tertinggi terjadi pada umur-umur ekstrim (umur 0
tahun dan 98 tahun).
b) Terdapat perubahan pola tingkat kematian pada interval-interval umur
tertentu, yaitu pada interval 0-13 tahun, 14-21 tahun, 22-40 tahun serta
40 tahun ke atas.
c) Penurunan tingkat kematian yang tajam terjadi pada interval umur 0-13
tahun. Hal ini mengindikasikan segera setelah bayi dilahirkan peluang
untuk bertahan hidup makin besar seiring bertambahnya umur.
d) Pada interval umur 40 tahun ke atas kurva tingkat kematian naik secara
tajam dan mencapai nilai tertinggi pada umur 98 tahun. Hal ini seiring
dengan daya tahan dan fungsi tubuh manusia yang makin menurun
secara alamiah.

Berdasarkan hasil dan pembahasan diperoleh kesimpulan mengenai tingkat

akurasi atau kualitas data serta hasil pemulusan data terkait umur saat
kematian hasil Sensus Penduduk tahun 2010 sebagai berikut:
1) Data umur saat kematian atau saat meninggal diperoleh nilai IW sebesar
196,2 untuk jumlah kematian total, 189,8 untuk jumlah kematian laki-
laki dan 204,8. untuk jumlah kematian perempuan. Jika mengacu pada
 standar PBB, maka Nilai IW menunjukkan kualitas data yang sangat
tidak akurat, baik untuk data umur saat kematian total, kematian laki-
laki maupun kematian perempuan. Eksistensi adanya age heaping yang
sangat jelas ini dikonfirmasi juga dengan nilai IM yang menunjukkan
preferensi yang sangat tinggi pada digit berakhiran 0 dan 5, dimana digit
0 preferensinya lebih tinggi disbanding digit 5. Selain itu umur saat
meninggal penduduk perempuan lebih sangat tidak akurat dibandingkan
umur saat meninggal penduduk laki-laki.
2) Untuk merapihkan data umur saat kematian dengan teknik local
polynomial smoothing diperoleh bandwidth optimum dengan kriteria
MLCV untuk total penduduk, penduduk laki-laki dan perempuan
sebesar h=2, yang juga menghasilkan kurva jumlah kematian yang lebih
mulus. Secara umum jumlah kematian laki-laki lebih besar daripada
perempuan di semua tingkatan umur.