Article Per Year (5 Year)
p-Index From 2020 - 2025
0.817
P-Index
This Author published in this journals
All Journal Jurnal Sains dan Seni ITS
Zain, Ismaini
Departemen Statistika Institut Teknologi Sepuluh Nopember Surabaya
Arts Humanities

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

Found 4 Documents
Search

 1 
Pemodelan Indeks Pembangunan Manusia (IPM) di Indonesia Menggunakan Geographically Weighted Ordinal Logistic Regression (GWOLR) Fariz, Fariz; Zain, Ismaini; Permatasari, Erma Oktania
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.v12i2.83827

Abstract

Indeks Pembangunan Manusia (IPM) sebagai angka yang mengukur capaian pembangunan manusia berdasarkan tiga dimensi dasar yaitu umur panjang dan hidup sehat, pengetahuan, dan standar hidup layak. IPM dipengaruhi oleh beberapa faktor; yaitu angka kesakitan, rasio sekolah dan murid SMA, rasio guru dan murid SMA, persentase penduduk miskin, tingkat partisipasi angkatan kerja, dan kepadatan penduduk. Perbedaan kondisi geografis dalam mendapatkan faktor pembentuk IPM pada Provinsi di Indonesia menjadikan umur panjang dan hidup sehat, pengetahuan, dan standar hidup layak di Indonesia merupakan permasalahan yang spasial. Model GWOLR dapat menjadi solusi untuk model regresi yang koefisiennya bergantung pada lokasi geografis diamatinya data. Maka dari itu digunakan analisis GWOLR pada penelitian ini. Hasil pemodelan GWOLR dengan pembobot gaussian dengan nilai AIC terkecil diperoleh model GWOLR terbaik dengan faktor . Hasil pengujian secara serentak model GWOLR terbaik diperoleh hasil bahwa nilai dari uji sebesar 124,276, yang berarti rasio sekolah dan murid SMA, rasio guru dan murid SMA, persentase penduduk miskin, dan kepadatan penduduk mempengaruhi kategori IPM secara bersama-sama. Hasil ketepatan
Pemodelan Faktor-Faktor yang Memengaruhi Kasus KDRT di Provinsi Jawa Timur Menggunakan Regresi Logistik Biner Tanpa dan Dengan SMOTE-NC (Studi Semi Sensus Keluarga 2021) Agustin, Putri Emilia; Zain, Ismaini; Hariastuti, Iswari
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.v13i4.152321

Abstract

Kekerasan dalam Rumah Tangga (KDRT) merupa-kan konflik yang berdampak paling parah karena melibatkan kekerasan fisik, seksual, psikologis, dan penelantaran rumah tangga. Provinsi Jawa Timur menjadi salah satu provinsi de-ngan kasus kekerasan terbanyak dan mayoritas korbannya, yaitu perempuan. Meskipun kasus KDRT cukup sedikit, tetapi berdampak besar bagi ketahanan keluarga sehingga diharap-kan tidak terjadi. Oleh karena itu, dilakukan pemodelan dan identifikasi faktor-faktor yang memengaruhi kasus KDRT pada perempuan berstatus kawin di Provinsi Jawa Timur mengguna-kan metode regresi logistik biner dengan pendekatan SMOTE-NC (Synthetic Minority Oversampling Technique-Nominal Conti-nuous). Data yang digunakan bersumber dari Pendataan Kelu-arga tahun 2021 oleh BKKBN dengan unit penelitian perempu-an berstatus kawin di Provinsi Jawa Timur. Terdapat 5.582.645 perempuan yang tidak mengalami KDRT (99,66%) dan 19.092 perempuan mengalami KDRT (0,34%). Mayoritas perempuan mempunyai usia kawin pertama 20–25 tahun. Perempuan yang mengalami KDRT mayoritas berpendidikan akhir tamat SD/ sederajat dengan mayoritas jumlah anak masih hidup 1–2 anak. Pemodelan regresi logistik biner menghasilkan nilai sensitivitas 0%, spesifisitas 100%, G-mean 0%, dan AUC 50% dengan 11 variabel prediktor yang berpengaruh signifikan terhadap kasus KDRT. Model regresi logistik biner dengan penanganan SMOTE-NC yang terbaik menggunakan proporsi kategori KDRT sebesar 20%. Nilai sensitivitas 10,61%, spesifisitas 98,37%, G-mean 32,30%, dan AUC 54,49%. Terdapat 11 variabel prediktor berpengaruh signifikan terhadap kasus KDRT di Provinsi Jawa Timur, yaitu usia kawin pertama, tingkat pendidikan, kepemilikan anak, interaksi antar anggota keluarga, jenis pengasuhan anak, rekreasi bersama keluarga, keikutsertaan kegiatan sosial, terdapat anggota keluarga yang sakit, kepemilikan sumber penghasilan, kepemilikan tabungan, dan kepemilikan usaha ekonomi.
Analisis Faktor-Faktor yang Mempengaruhi Angka Prevalensi Balita Stunting di Provinsi Jawa Timur dengan Metode Geographically Weighted Regression (GWR) Dewi Citra Hoyi, Hans Abried Agrippina Khansa; Zain, Ismaini
Jurnal Sains dan Seni ITS Vol 13, No 6 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i6.156270

Abstract

Sustainable Development Goals (SDGs) merupakan sebuah program berkelanjutan yang memiliki tujuan untuk menyejahterakan masyarakat dunia dan melestarikan alam. Stunting merupakan salah satu target dari SDGs yang termasuk pada tujuan ke-2. Stunting disebabkan oleh faktor multi dimensi seperti faktor kesehatan dan gizi, faktor sosial ekonomi dan faktor lingkungan. Penelitian ini membahas mengenai analisis faktor-faktor yang diduga mempengaruhi angka prevalensi balita stunting pada kabupaten/kota di Jawa Timur. Variabel respon dari penelitian ini adalah angka prevalensi balita stunting dan unit penelitiannya adalah kabupaten/kota di Provinsi Jawa Timur. Analisis dilakukan menggunakan regresi linier berganda dan Geographically Weighted Regression dengan melibatkan karakteristik pada masing-masing kabupaten/kota. Hasil analisis regresi linier berganda menunjukkan bahwa persentase keluarga dengan akses sanitasi yang layak dan persentase balita mendapatkan imunisasi lengkap berpengaruh signifikan terhadap angka prevalensi stunting di Provinsi Jawa Timur. Berdasarkan analisis perbandingan model, diperoleh kesimpulan bahwa model Geographically Weighted Regression lebih baik daripada model regresi linier berganda karena memiliki nilai koefisien determinasi lebih besar yaitu 73,87%sedangkan model regresi linier berganda memiliki koefisien determinasi sebesar 51,20%.
Faktor-Faktor yang Mempengaruhi Jumlah Migrasi Risen Masuk di Kabupaten/kota Provinsi Jawa Timur Menggunakan Geographically Weighted Negative Binomial Regression Azzahra, Farsya Riyanti; Zain, Ismaini
Jurnal Sains dan Seni ITS Vol 14, No 1 (2025)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v14i1.156765

Abstract

MMigrasi risen yaitu tempat tinggal penduduk 5 tahun yang lalu berbeda dengan tempat tinggal sekarang. Beberapa faktor dapat mempengaruhi keputusan untuk melakukan migrasi risen ke tujuan lain meliputi jumlah persentase penduduk miskin, Upah Minimum Kabupaten, (UMK), PDRB Per Kapita, Tingkat Partisipasi Angkatan Kerja (TPAK), dan Jumlah Fasilitas Kesehatan. Setelah dilakukan pemodelan menggunakan regresi Poisson, terjadi overdispersi pada data penelitian ini. Sehingga ditindaklanjuti dengan analisis menggunakan pemodelan regresi Negative Binomial yang selanjutnya menggunakan pemodelan Geographically Weighted Negative Binomial Regression (GWNBR). Hal ini dikarenakan data memenuhi aspek spasial yaitu heterogenitas spasial. Tujuan dari penelitian ini yaitu untuk memetakan dan mendeskripsikan karakteristik jumlah migrasi risen masuk dan memodelkannya dengan faktor-faktor yang mempengaruhinya di Kabupaten/kota Provinsi Jawa Timur tahun 2022. Pemodelan GWNBR didapatkan dimulai dengan menggunakan Adaptive Gaussian Kernel sebagai pembobot, hingga mendapatkan fungsi pembobot pada setiap wilayah pengamatan. Hasil penelitian menunjukkan bahwa kabupaten/kota di Jawa Timur dapat dikelompokkan menjadi 5 kategori berdasarkan variabel prediktor yang signifikan terhadap variabel respon, dengan Kabupaten Sumenep sebagai satu-satunya wilayah yang memiliki seluruh variabel prediktor signifikan. Hasil pemodelan dengan nilai AICc paling kecil yaitu dengan menggunakan pemodelan GWNBR dibandingan pemodelan dengan regresi Poisson dan regresi Negative Binomial. Hal ini dilihat melalui nilai AICc terendah yaitu milik model GWNBR sebesar 802.5067.
Co-Authors Agustin, Putri Emilia Azzahra, Farsya Riyanti Dewi Citra Hoyi, Hans Abried Agrippina Khansa Fariz, Fariz Hariastuti, Iswari Permatasari, Erma Oktania