http://adisetiawan26.files.wordpress.com/2013/06/adi unsrat 2013.
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, a nd Recovered)
Amir Tjo lleng,
Hanny Ko malig,
Jantje Prang
Formulasi Model Fuzzy Goa l Progra mming yang diselesaikan dengan Linea r
Progra mming 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 Ba ckpropaga tion ,
Anifuddin Azis,
Maria Pujiastuti
Designing Portal Ama zing North Sula wesi a s Pa rt of Indonesia n e -cultura l Herita ge
a nd Na tura l 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 Sta phylococcus Aureus
171 – 174
Hosea Jaya Edy
5
6
7
175 – 178
Efek Krim Ekstrak Daun Tapak Kuda (Ipomoea pes-ca pra e ) terhadap Penyembuhan
Luka pada Kelinci yang Diinfeksi Sta phylococcus a ureus
Falles Raintung The,
Hosea Jaya Edy,
Hamidah Sri Supriati
Formulasi KrimTabir Surya (Sunscreen ) Ekstrak Etanol Ku lit A lpukat Persea a merica na
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
(Persea a merica na Mill) terhadap Sta phylococcus a ureus 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 Ca tha ra nthus 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 a l.,
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
(β000) dalam makalahnya berjudul “High-Dimensiona l Da ta Ana lysis : The Curse a nd Blessing of
Dimensiona lity”. Data-data tersebut diantaranya adalah fina ncia l tick-by-tick da ta , biotech da ta
(microa rra y da ta , SNP da ta ), sa tellite ima gery, hyperspectra l ima gery, consumer fina ncia l da ta . 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 (yea r of yea r ) 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
Nasional
Manado
0.50
Gorontalo
0.00
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 da ta 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 a l, 2008). Terapan statistika
dalam bidang ekonomi yang telah kami teliti, diantaranya dapat dilihat pada Restuningtyas et a l.
(2012), Kota et a l. (2012).
Terapan Statistika di bidang Biologi
Data dalam bidang bioteknologi (seperti microa rray 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 , a denine dan thymine . Dalam genetic a ssocia tion studies , SNP digunakan
sebagai alat atau penanda (ma rker ) untuk menemukan ca ndida te genes atau genome regions yang
berkontribusi terhadap penyakit tertentu (yang menjadi perhatian) dengan menguji korelasi antara
status sakit (ca se ) atau tidak sakit (control) dan variasi genetik dalam individu-individu.
Gambar 2. Ilustrasi SNP pada struktur heliks DNA (Deoxir ibose 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 ( loga rithm (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 ca se
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 ca ll”). Analisis yang biasa digunakan adalah metode penanda tunggal berbasis
alela (single ma rker a llele-ba sed method ), metode penanda tunggal berbasis genotipe ( single marker
genotype-based method ), metode penanda ganda berbasis haplotype ( double ma rker genotype-ba sed
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 ra tio ) 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 SNPa ssoc 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 a l. (2006) dan Tian et a l. (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 a l. (β011) yang berjudul “A Genome-Wide Ana lysis of Libera l a nd
Conserva tive Politica l 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 pharma cogenomic 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-rela ted problem, yaitu masalah terkait dengan penggunaan obat (Ikawati, 2010). Lebih lanjut hal
itu dapat dilihat dalam makalah Whirl-Carrillo et a l. (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, Computa tiona l Medicina l 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 a l. (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 (Ma gnetic 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 Cronba ch-
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 Ma th. Society Conference : Ma th Cha llenge 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, Pharma cogenomics 14(4), 337-339
Prosiding Seminar Matematika, Sains dan TI, FMIPA UNSRAT, 14 Juni 2013 .......................
7
Hatemi, P. et a l. (2011) A Genome-Wide Analysis of Liberal and Conservative Political Attitudes, The
Journa l of Politics , Vol 73, No. 1, January 2011, Page 1-15.
Ikawati, ZuLlies (2010) Pelayanan Farmasi Klinik pada Era genomik : Sebuah Tantang dan Peluang,
Pida to Pengukuhan Jaba tan Guru besa r 15 Februa ri 2010 .
Indiyastono, Enade P. (2012) Computa tiona l Studies of the Hista mine H4 Receptor-Liga nd
Interca tion , 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,
Semina r Nasiona l Pendidikan Ma tema tika Universita s Ahmad Dahlan 27 Desember 2012
Leahy, R. M. & Jinyi Qi (2000) Statistical approaches in quantitative positron emission tomography,
Sta tistics 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 a l. (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, Semina r
Na siona l Pendidikan Ma tema tika Universita s Ahma d Da hla n 27 Desember 2012
Setiawan, Adi (2007) Sta tistica l Ana lysis of Genetic Da ta in Twin Studies and Associa tion Studies ,
PhD Thesis, Vrije Universiteit Amsterdam
Setiawan, Adi (2009) Objective Bayesian Approach for SNP Data : Method, Simulation and
Application, Proceeding the first Interna tiona l Semina r on Science and Technology UII
Yogyakarta
Setiawan, Adi & Hanna Arini Parhusip (2011) Pengukuran Kualitas Pengajaran Dosen Berdasarkan
Kuesioner dengan Menggunakan Hotelling, Prosiding SemNa s Sta tistika 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 Annua l Ba sic Science
Interna tiona l Conference 2013 FMIPA Universita s Bra wijaya Ma la ng
Sunaryo, Sony, Setiawan, Anik Djuraidah, Asep Saefuddin (2003) Sejarah Perkembangan Statistika
dan Aplikasinya, Forum Sta tistika dan Komputa si 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 a l .( 2012) Pharmacogenomics Knowledge for Personalize Medicine, Clinica l
Pharma cology & Thera petics 92 4, 414-417.
Wijayanto, Bayu et a l. (2008) Penelitia n Sumber Teka nan Infla si Sisi Pena wa ran 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
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, a nd Recovered)
Amir Tjo lleng,
Hanny Ko malig,
Jantje Prang
Formulasi Model Fuzzy Goa l Progra mming yang diselesaikan dengan Linea r
Progra mming 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 Ba ckpropaga tion ,
Anifuddin Azis,
Maria Pujiastuti
Designing Portal Ama zing North Sula wesi a s Pa rt of Indonesia n e -cultura l Herita ge
a nd Na tura l 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 Sta phylococcus Aureus
171 – 174
Hosea Jaya Edy
5
6
7
175 – 178
Efek Krim Ekstrak Daun Tapak Kuda (Ipomoea pes-ca pra e ) terhadap Penyembuhan
Luka pada Kelinci yang Diinfeksi Sta phylococcus a ureus
Falles Raintung The,
Hosea Jaya Edy,
Hamidah Sri Supriati
Formulasi KrimTabir Surya (Sunscreen ) Ekstrak Etanol Ku lit A lpukat Persea a merica na
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
(Persea a merica na Mill) terhadap Sta phylococcus a ureus 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 Ca tha ra nthus 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 a l.,
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
(β000) dalam makalahnya berjudul “High-Dimensiona l Da ta Ana lysis : The Curse a nd Blessing of
Dimensiona lity”. Data-data tersebut diantaranya adalah fina ncia l tick-by-tick da ta , biotech da ta
(microa rra y da ta , SNP da ta ), sa tellite ima gery, hyperspectra l ima gery, consumer fina ncia l da ta . 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 (yea r of yea r ) 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
Nasional
Manado
0.50
Gorontalo
0.00
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 da ta 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 a l, 2008). Terapan statistika
dalam bidang ekonomi yang telah kami teliti, diantaranya dapat dilihat pada Restuningtyas et a l.
(2012), Kota et a l. (2012).
Terapan Statistika di bidang Biologi
Data dalam bidang bioteknologi (seperti microa rray 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 , a denine dan thymine . Dalam genetic a ssocia tion studies , SNP digunakan
sebagai alat atau penanda (ma rker ) untuk menemukan ca ndida te genes atau genome regions yang
berkontribusi terhadap penyakit tertentu (yang menjadi perhatian) dengan menguji korelasi antara
status sakit (ca se ) atau tidak sakit (control) dan variasi genetik dalam individu-individu.
Gambar 2. Ilustrasi SNP pada struktur heliks DNA (Deoxir ibose 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 ( loga rithm (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 ca se
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 ca ll”). Analisis yang biasa digunakan adalah metode penanda tunggal berbasis
alela (single ma rker a llele-ba sed method ), metode penanda tunggal berbasis genotipe ( single marker
genotype-based method ), metode penanda ganda berbasis haplotype ( double ma rker genotype-ba sed
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 ra tio ) 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 SNPa ssoc 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 a l. (2006) dan Tian et a l. (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 a l. (β011) yang berjudul “A Genome-Wide Ana lysis of Libera l a nd
Conserva tive Politica l 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 pharma cogenomic 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-rela ted problem, yaitu masalah terkait dengan penggunaan obat (Ikawati, 2010). Lebih lanjut hal
itu dapat dilihat dalam makalah Whirl-Carrillo et a l. (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, Computa tiona l Medicina l 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 a l. (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 (Ma gnetic 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 Cronba ch-
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 Ma th. Society Conference : Ma th Cha llenge 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, Pharma cogenomics 14(4), 337-339
Prosiding Seminar Matematika, Sains dan TI, FMIPA UNSRAT, 14 Juni 2013 .......................
7
Hatemi, P. et a l. (2011) A Genome-Wide Analysis of Liberal and Conservative Political Attitudes, The
Journa l of Politics , Vol 73, No. 1, January 2011, Page 1-15.
Ikawati, ZuLlies (2010) Pelayanan Farmasi Klinik pada Era genomik : Sebuah Tantang dan Peluang,
Pida to Pengukuhan Jaba tan Guru besa r 15 Februa ri 2010 .
Indiyastono, Enade P. (2012) Computa tiona l Studies of the Hista mine H4 Receptor-Liga nd
Interca tion , 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,
Semina r Nasiona l Pendidikan Ma tema tika Universita s Ahmad Dahlan 27 Desember 2012
Leahy, R. M. & Jinyi Qi (2000) Statistical approaches in quantitative positron emission tomography,
Sta tistics 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 a l. (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, Semina r
Na siona l Pendidikan Ma tema tika Universita s Ahma d Da hla n 27 Desember 2012
Setiawan, Adi (2007) Sta tistica l Ana lysis of Genetic Da ta in Twin Studies and Associa tion Studies ,
PhD Thesis, Vrije Universiteit Amsterdam
Setiawan, Adi (2009) Objective Bayesian Approach for SNP Data : Method, Simulation and
Application, Proceeding the first Interna tiona l Semina r on Science and Technology UII
Yogyakarta
Setiawan, Adi & Hanna Arini Parhusip (2011) Pengukuran Kualitas Pengajaran Dosen Berdasarkan
Kuesioner dengan Menggunakan Hotelling, Prosiding SemNa s Sta tistika 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 Annua l Ba sic Science
Interna tiona l Conference 2013 FMIPA Universita s Bra wijaya Ma la ng
Sunaryo, Sony, Setiawan, Anik Djuraidah, Asep Saefuddin (2003) Sejarah Perkembangan Statistika
dan Aplikasinya, Forum Sta tistika dan Komputa si 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 a l .( 2012) Pharmacogenomics Knowledge for Personalize Medicine, Clinica l
Pharma cology & Thera petics 92 4, 414-417.
Wijayanto, Bayu et a l. (2008) Penelitia n Sumber Teka nan Infla si Sisi Pena wa ran 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