Nusar Hajarisman
Prodi Statistika, Fakultas Farmasi dan Sains, Universitas Islam Bandung, Indonesia

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

Pemodelan Kasus Tuberkulosis di Jawa Barat Menggunakan Metode Generalized Poisson Regression Tiara Yulianisah; Nusar Hajarisman
Bandung Conference Series: Statistics 81-88
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v6i2.24314

Abstract

Abstract. Poisson regression is widely used to model count data, but this method assumes the variance and the mean are equal, known as equidispersion. In practice, this assumption is often not met due to overdispersion, a condition where the variance is much greater than the mean, making parameter estimates less accurate when ordinary Poisson regression is used. This study applies the Generalized Poisson Regression (GPR) method, an extension of Poisson regression with an added dispersion parameter to handle overdispersion, to model tuberculosis (TB) cases in 27 regencies/cities in West Java Province in 2024. The data used are secondary data from Statistics Indonesia and West Java Open Data, with population density, poverty percentage, sanitation access, number of HIV/AIDS cases, and number of health facilities as predictors. Parameters were estimated using Maximum Likelihood Estimation with the Newton-Raphson iteration, while significance testing used the Likelihood Ratio Test and the Wald test. The Pearson Chi-Square dispersion test showed a value of 682.744, far above 1, meaning the data experienced overdispersion so GPR was appropriately used. Simultaneous testing showed all predictors had a significant joint effect, while partial testing showed only population density and health facilities had a significant effect on tuberculosis cases in West Java. Abstrak. Regresi poisson umum digunakan untuk memodelkan data cacah, namun metode ini mengasumsikan nilai varians dan rata-rata sama, atau disebut equidispersi. Pada praktiknya, asumsi tersebut sering tidak terpenuhi karena terjadi overdispersi, yaitu kondisi ketika nilai varians jauh lebih besar dari rata-ratanya, sehingga estimasi parameter menjadi kurang akurat apabila tetap menggunakan regresi poisson biasa. Oleh karena itu, penelitian ini menerapkan metode Generalized Poisson Regression (GPR) yaitu pengembangan dari regresi poisson dengan tambahan parameter dispersi untuk mengatasi overdispersi, guna memodelkan jumlah kasus tuberkulosis (TB) di 27 kabupaten/kota Provinsi Jawa Barat tahun 2024. Data yang digunakan adalah data sekunder dari Badan Pusat Statistik dan Open Data Provinsi Jawa Barat, dengan variabel prediktor berupa kepadatan penduduk, persentase penduduk miskin, akses sanitasi layak, jumlah penderita HIV/AIDS, dan jumlah sarana kesehatan. Estimasi parameter dilakukan menggunakan Maximum Likelihood Estimation dengan iterasi Newton-Raphson, sedangkan pengujian signifikansi dilakukan menggunakan Likelihood Ratio Test dan uji Wald. Hasil uji dispersi Pearson Chi-Square menunjukkan nilai 682,744, jauh di atas 1, berarti data mengalami overdispersi sehingga GPR tepat digunakan. Hasil pengujian simultan menunjukkan seluruh variabel prediktor berpengaruh signifikan secara bersama-sama, sedangkan hasil pengujian parsial menunjukkan hanya variabel kepadatan penduduk dan variabel sarana kesehatan yang berpengaruh signifikan terhadap jumlah kasus tuberkulosis di Jawa Barat.
Clustering Kualitas Udara DKI Jakarta dengan Algoritma K-Medoids Berdasarkan Indeks Standar Pencemar Udara Rahma Elia Nurazizah; Nusar Hajarisman
Bandung Conference Series: Statistics 301-310
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v6i2.25833

Abstract

Abstract. Air quality in DKI Jakarta exhibits considerable variation in pollutant concentrations, making clustering methods necessary to identify air quality patterns based on pollutant characteristics. This study aims to cluster air quality conditions in DKI Jakarta using the K-Medoids algorithm based on Air Pollution Standard Index. Daily ISPU data from January 2024 to November 2025 were obtained from the Satu Data Jakarta platform, covering five air quality monitoring stations and six pollutant parameters: PM₁₀, PM₂.₅, SO₂, CO, O₃, and NO₂. After data preprocessing, 3,090 observations were retained for analysis. Data preprocessing included missing value inspection, duplicate removal, outlier detection, and Z-score standardization. The optimal number of clusters was determined using the Silhouette Coefficient, followed by clustering with the K-Medoids algorithm. The results indicate that the optimal configuration consists of three clusters with a Silhouette Coefficient of 0.1944. The clusters exhibit distinct pollutant characteristics and different air quality patterns across monitoring stations. These findings provide an overview of air quality patterns and may support air quality monitoring and pollution control strategies in DKI Jakarta. Keywords: K-Medoids, Air Pollution Standard Index, air quality. Abstrak. Kualitas udara di DKI Jakarta menunjukkan variasi konsentrasi parameter pencemar yang tinggi, sehingga diperlukan metode pengelompokan untuk mengidentifikasi pola kualitas udara berdasarkan karakteristik pencemar. Penelitian ini bertujuan mengelompokkan kondisi kualitas udara di DKI Jakarta berdasarkan Indeks Standar Pencemar Udara (ISPU) menggunakan algoritma K-Medoids. Data yang digunakan berupa data harian ISPU periode Januari 2024 hingga November 2025 yang diperoleh dari platform Satu Data Jakarta, mencakup lima stasiun pemantauan kualitas udara dengan enam parameter pencemar, yaitu PM₁₀, PM₂.₅, SO₂, CO, O₃, dan NO₂. Setelah melalui tahap data preprocessing, diperoleh 3.090 data yang dianalisis. Tahapan prapemrosesan meliputi pemeriksaan missing value, data duplikat, outlier, serta standarisasi data menggunakan metode Z-score. Jumlah cluster optimal ditentukan menggunakan Silhouette Coefficient, kemudian dilakukan pengelompokan menggunakan algoritma K-Medoids. Hasil penelitian menunjukkan bahwa konfigurasi optimal terdiri atas tiga cluster dengan nilai Silhouette Coefficient sebesar 0,1944. Setiap cluster memiliki karakteristik yang berbeda berdasarkan dominasi parameter pencemar dan menunjukkan pola kualitas udara yang berbeda pada stasiun pemantauan di DKI Jakarta. Hasil penelitian ini memberikan gambaran pola kualitas udara serta dapat menjadi dasar dalam mendukung kegiatan pemantauan dan penyusunan strategi pengendalian pencemaran udara di DKI Jakarta. Kata Kunci: K-Medoids, Indeks Standar Pencemar Udara, kualitas udara.
Analisis Deskriptif Skor Pola Pangan Harapan (PPH) Per Kabupaten/Kota di Provinsi Jawa Barat Tahun 2020-2024 Khalisha Azzahra; Nusar Hajarisman; Dwi Agustin Nuriani Sirodj
Bandung Conference Series: Statistics 311-318
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v6i2.26103

Abstract

Abstract. Kualitas konsumsi pangan dapat dinilai melalui Indeks Pola Pangan Harapan (PPH), yang mencerminkan keragaman dan keseimbangan konsumsi pangan masyarakat. Analisis deskriptif terhadap skor PPH, disertai visualisasi spasial, penting dilakukan untuk memahami kondisi ketahanan pangan di Provinsi Jawa Barat serta mengidentifikasi perbedaan kualitas konsumsi pangan antarwilayah yang dapat menjadi dasar kebijakan pangan yang lebih terarah. Penelitian ini bertujuan untuk mendeskripsikan skor PPH di Provinsi Jawa Barat selama periode 2020–2024 serta memvisualisasikan secara spasial perbedaan skor PPH antar kabupaten/kota pada tahun 2024, menggunakan data sekunder dari Open Data Jabar yang dianalisis dengan metode statistik deskriptif. Hasil analisis menunjukkan bahwa rata-rata skor PPH di Jawa Barat meningkat secara konsisten dari 83,794 poin pada tahun 2020 menjadi 91,283 poin pada tahun 2024, disertai penurunan simpangan baku dan rentang yang mengindikasikan semakin meratanya kualitas konsumsi pangan antarwilayah. Meskipun demikian, hasil visualisasi peta pada tahun 2024 memperlihatkan bahwa sebaran skor PPH antar kabupaten/kota masih belum sepenuhnya merata. Kabupaten Indramayu, Kabupaten Ciamis, dan Kota Banjar memiliki skor PPH tertinggi, sementara Kabupaten Bogor, Kota Bogor, dan Kabupaten Tasikmalaya memiliki skor PPH terendah. Perbedaan tersebut mencerminkan karakteristik yang beragam di setiap wilayah, baik dari segi geografis, tingkat urbanisasi, ketersediaan pangan lokal, daya beli masyarakat, maupun kebiasaan konsumsi. Abstrak. The quality of food consumption can be assessed using the Desired Diet Index (PPH), which reflects the diversity and balance of the population’s food consumption. A descriptive analysis of PPH scores, accompanied by spatial visualization, is essential for understanding food security conditions in West Java Province and identifying regional differences in the quality of food consumption, which can serve as the basis for more targeted food policies. This study aims to describe PPH scores in West Java Province during the 2020–2024 period and to spatially visualize differences in PPH scores across regencies and cities in 2024, using secondary data from Open Data Jabar analyzed with descriptive statistical methods. The analysis results show that the average PPH score in West Java increased consistently from 83.794 points in 2020 to 91.283 points in 2024, accompanied by a decrease in standard deviation and range, indicating a more even distribution of food consumption quality across regions. Nevertheless, the results of the 2024 map visualization show that the distribution of PPH scores across regencies and cities is still not entirely even. Indramayu Regency, Ciamis Regency, and Banjar City have the highest PPH scores, while Bogor Regency, Bogor City, and Tasikmalaya Regency have the lowest PPH scores. These differences reflect the diverse characteristics of each region, in terms of geography, level of urbanization, availability of local food.