Article Per Year (5 Year)
p-Index From 2021 - 2026
1.532
P-Index
This Author published in this journals
All Journal Media Statistika CAUCHY: Jurnal Matematika Murni dan Aplikasi BAREKENG: Jurnal Ilmu Matematika dan Terapan Jurnal Ilmiah Matematika dan Pendidikan Matematika (JMP) Jurnal Ekologi, Masyarakat dan Sains Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya Euclid Asian Journal of Applied Education MARAS : Jurnal Penelitian Multidisplin PRIMER: Jurnal Ilmiah Multidisiplin Emerging Statistics and Data Science Journal
Resa Septiani Pontoh
Fakultas Matematika Dan Ilmu Pengetahuan Alam, Universitas Padjadjaran
Religion Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Environmental Science Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
Ancaman Resesi: Peran UMKM Dalam Akselerasi Perekonomian Jawa Barat Pasca Pandemi: Ancaman Resesi: Peran UMKM Gumelar, Farhat; Fathia Luthfiah Nur Solihat; Ni Gusti Ayu Putu Meyrasinta Susila; Resa Septiani Pontoh
Emerging Statistics and Data Science Journal Vol. 1 No. 2 (2023): Emerging Statistics and Data Science Journal
Publisher : Statistics Department, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/esds.vol1.iss.2.art29

Abstract

Pandemi COVID-19 yang melanda Indonesia, termasuk Jawa Barat berdampak besar pada peningkatan jumlah pengangguran yang tentunya berhubungan dengan keterpurukan kondisi perekonomian. Selain itu timbul isu resesi tahun 2023 pada masa pemulihan pasca pandemi COVID-19 saat ini yang sangat dikhawatirkan oleh khalayak. Usaha Mikro, Kecil, dan Menengah (UMKM) dapat menjadi sumber pendapatan masyarakat dan menyerap ketersediaan angkatan kerja karena menciptakan lapangan kerja baru sehingga dapat mengurangi pengangguran. Pada penelitian ini, ingin diketahui pengaruh jumlah Usaha Mikro, Kecil, dan Menengah (UMKM) dan pengeluaran per kapita terhadap Tingkat Pengangguran Terbuka (TPT) serta memprediksi Tingkat Pengangguran Terbuka (TPT) berdasarkan kedua faktor tersebut serta dilakukan pula analisis klaster hierarki untuk mengelompokkan kabupaten dan kota di Jawa Barat berdasarkan Tingkat Pengangguran Terbuka (TPT), pengeluaran per kapita, dan jumlah Usaha Mikro, Kecil, dan Menengah (UMKM). Hasil penelitian menunjukkan bahwa potensi resesi yang diperkirakan terjadi pada tahun 2023 dapat dicegah melalui pemberdayaan Usaha Mikro, Kecil, dan Menengah (UMKM). Usaha Mikro, Kecil, dan Menengah (UMKM) dapat dengan cepat mencari pasar ekspor ketika dampak resesi mulai terjadi, seperti naiknya harga akibat pemutusan kerja dan adanya inflasi.
Identification and Modelling Tuberculosis Incidence Risk Factors in West Java with Negative Binomial Mixed Model Random Forest Arisanti, Restu; Pontoh, Resa Septiani; Winarni, Sri; Putri, Nisa Akbarilah; Maurin, Stefany
CAUCHY: Jurnal Matematika Murni dan Aplikasi Vol 10, No 2 (2025): CAUCHY: JURNAL MATEMATIKA MURNI DAN APLIKASI
Publisher : Mathematics Department, Universitas Islam Negeri Maulana Malik Ibrahim Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18860/cauchy.v10i2.29750

Abstract

Tuberculosis (TB) remains a major public health problem in many parts of the world, including in West Java Province, Indonesia. By guiding targeted medication, an accurate assessment of TB risk factors can enhance overall efforts to control tuberculosis. This study introduces modelling by integrating Negative Binomial Mixed Models (NBMM) and Random Forest (RF) called the Negative binomial mixed model random forest (NBMMRF) model.  This model is used to identify and assess risk factors associated with the incidence of tuberculosis. First, utilized NBMM to add fixed effects and random effects in the model and compensate for overdispersion. Modelling count data with overdispersion is a crucial problem in epidemiological studies, and the NBMM component in this model provides a flexible. Afterward, we include a Random Forest component in the model, which helps us detect relevant predictive features and change model weights accordingly. The resulting Negative Binomial Mixed Model Random Forest (NBMMRF) has a high accuracy value of up to 0.915. In contrast to simpler models, the NBMMRF model can capture complex and nonlinear interactions between predictors and outcomes.
Co-Authors Akbar, Muhammad Faizal Aldi Anugerah Sitepu Asrirawan Bertho Tantular Budi Nurani Ruchjana Dedi Rosadi Defi Yusti Faidah Dewi Arafa Azra Dwi Maharani Fathia Luthfiah Nur Solihat Gumelar, Farhat Gumgum Darmawan Khairunnisa, Hanifah Maurin, Stefany Muhamad Iqbal Mawardi Muhammad Faizal Akbar Ni Gusti Ayu Putu Meyrasinta Susila Oinike, Aritonang Keshia Pratama, Raissheva Andika Putri, Nisa Akbarilah Restu Arisanti Sarah Aprilia Setialaksana, Wirawan - Sitepu, Aldi Anugerah Sri Winarni Sri Winarni Tri Wulanda Fitri Utami, Yosi Febria Uzzi Ziqma Wibowo, Fellita Odelia Yuyun Hidayat