Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Sains Matematika dan Statistika Jurnal Aplikasi Statistika & Komputasi Statistik Emasains : Jurnal Edukasi Matematika dan Sains
Yogo Aryo Jatmiko
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Earth & Planetary Sciences Education Environmental Science Mathematics

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

Found 3 Documents
Search

 1 
Pengelompokan Kabupaten/Kota di Pulau Jawa Berdasarkan Faktor-Faktor Kemiskinan dengan Pendekatan Average Linkage Hierarchical Clustering Sri Wahyuni; Yogo Aryo Jatmiko
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 10 No 1 (2018): Journal of Statistical Application and Computational Statistics
Publisher : Pusat Penelitian dan Pengabdian Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (681.068 KB) | DOI: 10.34123/jurnalasks.v10i1.197

Abstract

Pulau Jawa masih merupakan pulau dengan persentase penduduk miskin terbesar di Indonesia. Dalam menentukan kebijakan penanggulangan kemiskinan, perlu diperhatikan faktor-faktor yang mempengaruhi kemiskinan.Selain itu, kemiskinan di setiap wilayah memiliki karakteristik yang berbeda, sehingga perlu adanya pengelompokan wilayah agar kebijakan yang akan dilaksanakan tepat sesuai dengan karakteristik wilayah. Tujuan dari penelitian ini adalah mengelompokkan kabupaten/kota di Pulau Jawa berdasarkan faktor-faktor kemiskinan tahun 2017 dengan pendekatan average linkage hierarchical clustering. Faktor-faktor kemiskinan yang digunakan sebagai dasar pengelompokan adalah tingkat pengangguran terbuka, persentase rumah tangga yang bekerja di pertanian, pengeluaran rumah tangga per kapita, dan rata-rata lama sekolah. Hasil penelitian menunjukkan ada dua kelompok wilayah kabupaten/kota di Pulau Jawa. Kelompok pertama, terdiri dari Kota Jakarta Barat, Kota Jakarta Selatan, Kota Jakarta Timur, Kota Surabaya, Kota Jakarta Pusat, Kota Malang, Kota Bandung, Kota Yogyakarta, Kota Jakarta Utara, Kota Depok, Kabupaten Bantul, Kota Salatiga, Kota Tangerang Selatan, Kota Madiun, Kabupaten Sleman, Kota Bekasi, Kabupaten Sidoarjo, Kota Semarang, Kota Tangerang, Kota Surakarta. Sedangkan sebanyak 99 kabupaten/kota lainnya masuk dalam kelompok kedua. Kelompok pertama merupakan kota-kota besar di Indonesia yang tingkat kemiskinannya rendah, sedangkan kelompok kedua sebagian besar terdiri dari kabupaten/kota yang dicirikan dengan wilayah perdesaan yang tingkat kemiskinannya tinggi.
Perbandingan Regresi B-Splines dan P-Splines pada Hubungan Indeks Pembangunan Manusia dan Persentase Penduduk Miskin Kabupaten/Kota di Indonesia: Comparison of B-Splines and P-Splines Regression on the Relationship between Human Development Index and The Percentage of Poor Districts/Cities in Indonesia Rina Sri Kalsum Siregar; Yogo Aryo Jatmiko
Emasains : Jurnal Edukasi Matematika dan Sains Vol. 8 No. 1 (2019): Maret 2019
Publisher : FPMIPA IKIP PGRI Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (679.711 KB)

Abstract

Poverty is basically a manifestation of the opportunity imbalance that every human being has, which occurs due to the imbalance of capabilities possessed. Measuring poverty by using dimensions of capability such as education, health and quality of life standards, can be a reference for identifying the characteristics of actual poverty. One of the measuring that takes into account the capability dimensions is the Human Development Index (HDI). Knowing the close relationship between HDI and the percentage of poor people, in this study a comparison of B-Splines and P-Splines nonparametric quantile regression methods was used to modeling the relationship between HDI and the percentage of poor population according to districts or city in Indonesia in 2017. The results of the analysis showed that the distribution data with curve fittings using non-parametric regression B-Splines and P-Splines produce smooth curves reaching all existing data distributions. The comparison of MSE B-Splines and P-splines models showed that the B-splines regression model for the HDI variable and the percentage of poor people gave the smallest MSE value of 0.1928378, so that it was the best model to analyze the relationship between HDI data and the percentage of poor people in district or city ​​in Indonesia in 2017.
Penerapan Regresi Logistik Multinomial pada Determinan Usia Mengalami Komplikasi Persalinan Wanita Usia Subur (WUS) di Indonesia Rizka Wulandari; Yogo Aryo Jatmiko
Jurnal Sains Matematika dan Statistika Vol 8, No 2 (2022): JSMS Juli 2022
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/jsms.v8i2.16477

Abstract

Kematian maternal hingga saat ini masih menjadi permasalahan kesehatan yang dihadapi Indonesia. Indikator kematian maternal yang umum digunakan adalah Angka Kematian Ibu (AKI). Salah satu penyebab tingginya angka kematian ibu adalah komplikasi persalinan. Selain komplikasi persalinan, kondisi ibu yang dapat menyebabkan kematian ibu juga diperparah dengan kontribusi usia ibu yang berisiko yaitu ibu terlalu muda dan terlalu tua. Hasil Survei Demografi dan Kesehatan Indonesia Tahun 2017 (SDKI 2017) menunjukkan bahwa terjadi peningkatan komplikasi persalinan dan kelahiran pada usia berisiko di Indonesia tahun 2017. Tujuan penelitian ini adalah untuk menganalisis faktor penentu usia mengalami komplikasi persalinan pada wanita usia subur (WUS) di Indonesia tahun 2017. Metode analisis yang digunakan adalah regresi logistik multinomial. Hasil penelitian menunjukkan wanita usia terlalu tua memiliki persentase untuk mengalami komplikasi persalinan yang lebih besar dibandingkan dengan wanita usia terlalu muda di Indonesia tahun 2017. Variabel yang berpengaruh signifikan terhadap komplikasi persalinan pada wanita usia terlalu muda dan wanita usia terlalu tua adalah pendidikan, status bekerja, komplikasi kehamilan, status ekonomi, jarak kelahiran, tempat persalinan, dan jumlah kunjungan Antenatal Care (ANC).
Co-Authors Rina Sri Kalsum Siregar Rizka Wulandari Sri Wahyuni