Article Per Year (5 Year)
p-Index From 2021 - 2026
0.835
P-Index
This Author published in this journals
All Journal Teknika Mandalika Mathematics and Educations Journal
Rosni Rosni
Institut Teknologi Sumatera
Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Control & Systems Engineering Electrical & Electronics Engineering Engineering Mathematics

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Segmentasi Kecamatan di Kota Bandung Berdasarkan Statistik Penyandang Disabilitas Menggunakan Algoritma K-Means Clustering Rosni Rosni; Erinna Fredella; Muklas Rivai
Mandalika Mathematics and Educations Journal Vol 8 No 1 (2026): Edisi Maret
Publisher : FKIP Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/jm.v8i1.11430

Abstract

People with disabilities continue to experience discrimination, stigmatization, and unfulfilled rights. The number of people with disabilities in Bandung City is the second highest in West Java Province. Various factors, including a disability-unfriendly environment, lack of accessibility to public infrastructure, and insufficient social support. This study aims to analyze and segment subdistricts in Bandung City based on disability statistics using the K-Means clustering algorithm. The types of disabilities analyzed include mental disabilities, physical disabilities, physical and mental disabilities, visual impairments, hearing impairments, and other types of disabilities. The results of the study showed that the optimal number of clusters, as determined by the Elbow method, is 2 clusters. A total of 18 subdistricts are classified into Cluster 1, characterized by a relatively lower number of persons with disabilities, while the remaining 12 subdistricts are classified into Cluster 2, which has a relatively higher number of persons with disabilities. The results of this segmentation are expected to support the realization of Bandung City as an inclusive city and to assist the government in developing more targeted policies and programs.
Pengaruh Indikator Sosial Ekonomi dan Kesehatan Terhadap Angka Harapan Hidup Menggunakan Regresi Data Panel Karina Sylfia Dewi; Oriza Sativa Bkriz Putri Ainun; Rosni Rosni; Annisa Hevita Gustina Kumalasari Saefulloh
Mandalika Mathematics and Educations Journal Vol 8 No 2 (2026): Edisi Juni
Publisher : FKIP Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/jm.v8i2.11750

Abstract

Angka Harapan Hidup (AHH) di Provinsi Daerah Istimewa Yogyakarta merupakan salah satu indikator penting yang mencerminkan kualitas kesehatan dan kesejahteraan masyarakat. Penelitian ini bertujuan untuk menganalisis faktor-faktor sosial, ekonomi, dan kesehatan yang diduga berpengaruh signifikan terhadap AHH di Provinsi DIY selama periode 2018-2023 dengan menggunakan regresi data panel. Hasil penelitian menunjukan Kabupaten Kulon Progo memiliki rata-rata AHH tertinggi, sementara Kabupaten Bantul memiliki rata-rata AHH terendah. Pemodelan regresi data panel menghasilkan Random Effect Model (REM) sebagai model terbaik. Variabel yang berpengaruh signifikan terhadap AHH adalah kepemilikan BPJS, tenaga kesehatan, dan fasilitas kesehatan, di mana dua variabel pertama berpengaruh positif, sedangkan fasilitas kesehatan berpengaruh negatif. Nilai koefisien determinasi yang diperoleh sebesar 62,375%, yang berarti model mampu menjelaskan variasi AHH sebesar 62,375%, sedangkan sisanya dipengaruhi oleh faktor lain di luar model.
Analisis Klaterisasi Perubahan Iklim di Indonesia Menggunakan K-Means Tahun 2023 Muklas Rivai; Rosni Rosni; Nasrullah Bachtiar
Mandalika Mathematics and Educations Journal Vol 8 No 2 (2026): Edisi Juni
Publisher : FKIP Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/jm.v8i2.11817

Abstract

Perubahan iklim global memberikan dampak signifikan terhadap pola cuaca di Indonesia, memengaruhi sektor penting seperti pertanian, perikanan, kesehatan, dan ekonomi. Untuk menganalisis data iklim yang kompleks, metode klasterisasi K-Means digunakan guna mengidentifikasi pola cuaca serupa, yang bermanfaat bagi mitigasi bencana, perencanaan sumber daya, dan pengelolaan iklim secara lebih efektif. Data yang digunakan mencakup kecepatan angin, Kelembapan, dan curah hujan dari 34 provinsi di Indonesia pada tahun 2023. Berdasarkan analisis metode silhouette, ditemukan bahwa jumlah klaster optimal adalah dua. Klaster pertama meliputi 15 provinsi seperti Sumatera Utara, Jambi, Papua Barat dan lainnya. Karakteristik kluster pertama yaitu kecepatan angin rendah, Kelembapan tinggi, dan curah hujan tinggi. Kondisi ini dipengaruhi oleh lokasi geografis tropis, pola angin muson stabil, topografi (lembah, hutan, atau pegunungan), serta kedekatan dengan sumber uap air. Klaster kedua Terdiri dari 19 provinsi seperti Aceh, Jawa Timur, Nusa Tenggara Barat dan lainnya. Karakteristik klister kedua yaitu memiliki kecepatan angin tinggi, Kelembapan rendah, dan curah hujan rendah. Faktor geografis seperti wilayah terbuka, angin muson kering, dan jarak dari sumber Kelembapan utama. Hasil penelitian ini diharapkan dapat membantu perencanaan dan mitigasi bencana terkait pola cuaca di Indonesia.
Analisis Perbandingan Metode Klasterisasi Kabupaten/Kota di Provinsi Sumatera Utara Berdasarkan Indikator Kemiskinan Karina Sylfia Dewi; Cindy Auliani Hutagalung; Annisa Hevita Gustina Kumalasari Saefulloh; Putri Isnaini Cahyaning Baiti; Rosni Rosni; Nanda Azzanina
TEKNIKA Vol. 20 No. 3 (2026): Teknika September 2026 (On Progress)
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Provinsi Sumatera Utara terdiri dari 25 kabupaten dan 8 kota dengan karakteristik ekonomi serta geografis yang beragam. Perbedaan kondisi antarwilayah tersebut berpotensi menimbulkan ketimpangan dalam tingkat kemiskinan dan kesejahteraan masyarakat. Oleh karena itu, diperlukan analisis yang dapat memetakan wilayah-wilayah di Provinsi Sumatera Utara berdasarkan kemiripan karakteristik pada indikator kemiskinan. Penelitian ini bertujuan untuk membandingkan hasil pengelompokan kabupaten/kota menggunakan metode hierarchical clustering dan non-hierarchical clustering (k-means clustering). Data yang digunakan merupakan data sekunder dari Badan Pusat Statistik Provinsi Sumatera Utara yang meliputi persentase penduduk miskin, indeks kedalaman kemiskinan, indeks keparahan kemiskinan, harapan lama sekolah, rata-rata lama sekolah, dan tingkat pengangguran terbuka. Analisis dilakukan dengan penentuan metode hierarki terbaik berdasarkan nilai koefisien agglomerative, kemudian dibandingkan dengan hasil dari metode k-means clustering. Hasil penelitian menunjukkan bahwa metode non-hierarchical (k-means clustering) menghasilkan nilai Davies-Bouldin Index yang lebih kecil dibandingkan metode hierarchical clustering, yang mengindikasikan bahwa cluster yang terbentuk memiliki tingkat kekompakan (compactness) yang lebih tinggi dan pemisahan (separation) yang lebih baik. Dengan demikian, metode k-means clustering dinilai memiliki performa yang lebih optimal dalam mengelompokkan kabupaten/kota berdasarkan indikator kemiskinan. Berdasarkan hasil klasterisasi, kabupaten/kota di Provinsi Sumatera Utara terbagi menjadi empat cluster utama dengan karakteristik kemiskinan yang berbeda. Temuan ini diharapkan dapat menjadi acuan bagi pemerintah daerah dalam merumuskan kebijakan penanggulangan kemiskinan yang lebih efektif dan tepat sasaran.
Klasterisasi Wilayah Provinsi Lampung Berdasarkan Indikator Sosial Ekonomi Menggunakan Metode K-Means Clustering Rosni Rosni; Moh. Bayu Mulya Ali K.M; Muklas Rivai; Nasrullah Bachtiar
TEKNIKA Vol. 20 No. 3 (2026): Teknika September 2026 (On Progress)
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pembangunan sosial ekonomi yang berkeadilan masih menjadi tantangan akibat adanya ketimpangan antarwilayah, termasuk di Provinsi Lampung. Penelitian ini bertujuan untuk mengelompokkan kabupaten/kota di Provinsi Lampung berdasarkan indikator sosial ekonomi guna mengidentifikasi pola kesenjangan dan karakteristik wilayah. Metode yang digunakan adalah K-Means Clustering dengan pendekatan kuantitatif deskriptif. Data yang digunakan merupakan data sekunder dari Badan Pusat Statistik (BPS) Provinsi Lampung tahun 2024, meliputi variabel PDRB ADHK, persentase penduduk miskin, Umur Harapan Hidup (UHH), dan Indeks Ketimpangan Gender (IKG) pada 15 kabupaten/kota. Penentuan jumlah klaster optimal dilakukan menggunakan metode elbow dan dievaluasi dengan silhouette. Hasil evaluasi menunjukkan bahwa jumlah klaster dua (k = 2) merupakan konfigurasi yang paling optimal dengan rata-rata nilai Silhouette sebesar 0,4, yang mengindikasikan kualitas pengelompokan cukup baik. Klaster pertama menunjukkan wilayah dengan PDRB tinggi, tingkat kemiskinan rendah, UHH tinggi, dan IKG rendah, sedangkan klaster kedua didominasi oleh wilayah dengan PDRB rendah, kemiskinan tinggi, UHH rendah, dan IKG tinggi. Hasil penelitian menunjukkan adanya disparitas sosial ekonomi yang signifikan antarwilayah di Provinsi Lampung. Temuan ini diharapkan dapat menjadi dasar bagi pemerintah daerah dalam merumuskan kebijakan pembangunan yang lebih terarah, inklusif, dan berkeadilan.
Co-Authors Annisa Hevita Gustina Kumalasari Saefulloh Cindy Auliani Hutagalung Erinna Fredella Karina Sylfia Dewi Moh. Bayu Mulya Ali K.M Muklas Rivai Nanda Azzanina Nasrullah Bachtiar Oriza Sativa Bkriz Putri Ainun Putri Isnaini Cahyaning Baiti