Article Per Year (5 Year)
p-Index From 2020 - 2025
0.751
P-Index
This Author published in this journals
All Journal Jurnal Sains dan Seni ITS
Ratnasari, Vita
Departemen Statistika Institut Teknologi Sepuluh Nopember Surabaya
Arts Humanities

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Jurnal Sains dan Seni ITS

 1 
Pemodelan Status Ketahanan Pangan Kabupaten/Kota di Provinsi Papua dan Provinsi Papua Barat Menggunakan Regresi Probit Ordinal Azizah, Annissa'dilla Nur; Ratnasari, Vita
Jurnal Sains dan Seni ITS Vol 12, No 2 (2023)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v12i2.113044

Abstract

Indonesia menempati peringkat keempat negara dengan jumlah penduduk terbanyak yaitu sebesar 274.790.244 jiwa pada tahun 2021, dan terus meningkat dari waktu ke waktu. Peningkatan jumlah penduduk akan diiringi dengan bertambahnya kebutuhan akan pangan. Oleh sebab itu, ketahanan pangan merupakan suatu hal krusial yang perlu diperhatikan mengingat pangan adalah kebutuhan yang paling dasar bagi manusia. Berdasarkan Peta Ketahanan Pangan Tahun 2021, dapat diamati bahwa belum semua wilayah yang ada di Indonesia memiliki status ketahanan pangan yang layak. Provinsi Papua dan Papua Barat merupakan dua provinsi yang memiliki nilai indeks ketahanan pangan terendah di Indonesia yaitu dengan nilai IKP berurut-urut sebesar 35,48 dengan status ketahanan pangan sangat rentan dan 46,05 dengan status ketahanan pangan rentan. Status ketahanan pangan memiliki skala ordinal dengan kategori 1 merupakan kategori terendah dan kategori 6 merupakan kategori tertinggi. Pada penelitian ini dilakukan pemodelan terkait status ketahanan pangan pada 42 kabupaten/kota di Provinsi Papua dan Papua Barat menggunakan regresi probit ordinal dengan variabel dependen berupa status capaian indeks ketahanan pangan masing-masing kabupaten/kota, serta variabel prediktor berupa produksi serealia dan sagu, presentase penduduk bekerja terhadap angkatan kerja, kepadatan penduduk, indeks pembangunan manusia, dan presentase balita wasting. Hasil dari penelitian ini diperoleh variabel prediktor yang berpengaruh signifikan terhadap model adalah produksi serealia dan sagu serta Indeks Pembangunan Manusia. Kebaikan model yang diperoleh sebesar 83,3% dengan ketepatan klasifikasi sebesar 92,9%.
Klasifikasi Status Penduduk Angkatan Kerja di Provinsi Jawa Barat Menggunakan Metode Support Vector Machine (SVM) Widyasari, Elvina; Ratnasari, Vita
Jurnal Sains dan Seni ITS Vol 13, No 4 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i4.153796

Abstract

Tingginya tingkat pengangguran menjadi fokus uta-ma di setiap negara, terutama dalam konteks pertumbuhan ekonomi, termasuk di Indonesia, yang memiliki populasi pen-duduk yang besar. Permasalahan tersebut berdampak negatif pada perekonomian dan masyarakat secara keseluruhan, me-nyebabkan penurunan kesejahteraan, produktivitas rendah, dan peningkatan permasalahan sosial hingga menjadi ham-batan dalam mencapai Sustainable Development Goals (SDGs). Provinsi Jawa Barat, sebagai penyumbang tingginya tingkat pengangguran terbuka di Indonesia, menduduki peringkat ke-dua tertinggi dalam tingkat pengangguran terbuka. Mengeta-hui faktor dan klasifikasi yang tepat sangat diperlukan untuk menyusun kebijakan yang tepat sasaran dalam mengurangi pengangguran. Pada penelitian ini bertujuan untuk melakukan klasifikasi status penduduk angkatan kerja di Provinsi Jawa Barat menggunakan metode Support Vector Machine (SVM) dengan kernel linier dan kernel RBF. Berdasarkan hasil seleksi variabel menggunakan metode regresi logistik, 9 variabel yang berpengaruh signifikan dalam klasifikasi status penduduk angkatan kerja antara lain jenis kelamin, usia, tingkat pendi-dikan, status perkawinan, status dalam keluarga, pengalaman pelatihan kerja, pengalaman kerja, klasifikasi daerah tempat tinggal, dan disabilitas. Pada Provinsi Jawa Barat, perbanding-an status penduduk yang bekerja dan pengangguran menun-jukkan ketidakseimbangan data, sehingga di atasi dengan me-tode Synthetic Minority Oversampling Technique (SMOTE). Hasil penelitian menunjukkan bahwa dengan persentase over-sampling 80%, metode SVM kernel RBF dengan parameter C=1 dan γ = 1 memberikan hasil yang terbaik dalam mengklasifika-sikan status penduduk angkatan kerja di Provinsi Jawa Barat, dengan ketepatan klasifikasi yang didapat, yaitu akurasi sebe-sar 82,21%, sensitivitas 80,26%, spesifisitas 82,35%, g-mean 81,30%, dan AUC 81,31%.
Perbandingan Pemodelan Regresi Probit Ordinal Tanpa dan dengan Pendekatan Synthetic Minority Oversampling Technique (Studi Kasus: Status Ketahanan Pangan di Kawasan Timur Indonesia) Ainin, Muharinda Sugma Nur; Ratnasari, Vita
Jurnal Sains dan Seni ITS Vol 13, No 5 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i5.153663

Abstract

Pangan merupakan salah satu kebutuhan pokok ma-nusia yang harus dipenuhi setiap saat. Pemerintah Indonesia mengatur penyelenggaraan dan pemenuhan pangan berdasar-kan kedaulatan pangan, kemandirian pangan, dan ketahanan pangan melalui Undang-Undang Nomor 18 Tahun 2012. Keta-hanan pangan termasuk salah satu tujuan dalam Sustainable Develop-ment Goals (SDGs). Di Indonesia, ketahanan pangan menjadi salah satu isu strategis pembangunan nasional. Berda-sarkan Peta Ketahanan dan Kerentanan Pangan (FSVA) Indo-nesia Tahun 2022 menunjukkan bahwa masih terjadi ketim-pangan status ketahanan pangan di beberapa wilayah Indonesia dan sebagian besar berada di Kawasan Timur Indonesia, di mana 25 kabupaten/kota dengan nilai IKP terendah se-Indone-sia berada di Kawasan Timur Indonesia. Status ketahanan pangan memiliki skala ordinal dengan kategori 1 merupakan terendah dan kategori 6 merupakan kategori tertinggi. Pada penelitian ini dilakukan pemodelan terkait status ketahanan pangan pada 176 kabupaten/kota di Kawasan Timur Indonesia menggunakan regresi probit ordinal. Berdasarkan data FSVA 2022, ditemukan adanya indikasi data imbalance pada persebar-an kategori status ketahanan pangan di Kawasan Timur Indonesia dengan persentase data minoritas sebesar 14,77% sehingga dilakukan pemodelan tanpa dan dengan pendekatan SMOTE. Model terbaik merupakan pemodelan menggunakan regresi probit ordinal dengan pendekatan SMOTE. Hasil dari penelitian ini diperoleh variabel prediktor yang berpengaruh signifikan terhadap model terbaik adalah produktivitas tanam-an padi, luas lahan panen padi, indeks daya beli masyarakat, persentase rumah tangga penerima bantuan pangan dan per-sentase bayi BBLR. Kebaikan model yang diperoleh sebesar 52,2% dengan ketepatan klasifikasi sebesar 74,51%.
Pemodelan Indeks Keparahan Kemiskinan di Indonesia Menggunakan Regresi Probit Biner dengan Efek Interaksi Azizah, Salma; Ratnasari, Vita
Jurnal Sains dan Seni ITS Vol 13, No 5 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i5.154161

Abstract

Indeks Keparahan Kemiskinan merupakan pengu-kuran yang menggambarkan penyebaran pengeluaran di anta-ra penduduk miskin yang berada di bawah garis kemiskinan. Semakin tinggi nilai indeks, maka ketimpangan pengeluaran yang terjadi di antara penduduk miskin semakin tinggi pula. Terjadinya ketimpangan tersebut mengindikasikan adanya ke-tidakmerataan dalam upaya peningkatan kesejahteraan antar penduduk miskin. Angka Indeks Keparahan Kemiskinan di Indonesia sendiri dari tahun ke tahun menunjukkan perkem-bangan yang fluktuatif. Tetapi jika dilihat capaian Indeks Ke-parahan Kemiskinan secara nasional dari tahun 2021 ke tahun 2022 menunjukkan penurunan angka. Demi mencegah adanya kenaikan angka tersebut, maka perlu dilakukan analisis lebih lanjut mengenai faktor-faktor yang diduga mempengaruhi Indeks Keparahan Kemiskinan. Dalam penelitian ini, metode yang digunakan, yaitu regresi probit biner dengan efek inter-aksi. Variabel responss Indeks Keparahan Kemiskinan akan di-bagi menjadi dua kategori, yaitu Indeks Keparahan Kemis-kinan di bawah nasional dan Indeks Keparahan Kemiskinan di atas nasional. Dari hasil uji interaksi diperoleh satu pasang variabel prediktor yang saling berinteraksi, yaitu Tingkat Par-tisipasi Angkatan Kerja dengan persentase penduduk 15 tahun ke atas yang tamat perguruan tinggi. Sehingga, dalam pe-modelan akan melibatkan enam variabel prediktor efek utama dan satu variabel interaksi. Setelah dilakukan pemodelan menggunakan regresi probit biner dengan efek interaksi, vari-abel prediktor yang berpengaruh signifikan terhadap Indeks Keparahan Kemiskinan di antaranya, yaitu Tingkat Partisipa-si Angkatan Kerja, persentase penduduk 15 tahun ke atas yang tamat perguruan tinggi, persentase Rumah Tangga penerima program BPNT, serta variabel interaksi antara TPAK dengan persentase penduduk yang tamat Perguruan Tinggi. Ketepatan klasifikasi dari hasil prediksi model mencapai 79,41%.
Co-Authors Ainin, Muharinda Sugma Nur Azizah, Annissa'dilla Nur Azizah, Salma Widyasari, Elvina