Article Per Year (5 Year)
p-Index From 2021 - 2026
2.789
P-Index
This Author published in this journals
All Journal FORUM STATISTIKA DAN KOMPUTASI Media Statistika Statistika Jurnal Riset Statistika Pattimura Proceeding : Conference of Science and Technology Bandung Conference Series: Statistics STATISTIKA
Nusar Hajarisman
Program Studi Statistika, Fakultas MIPA Universitas Islam Bandung (S1 - Akreditasi B/2014)
Agriculture, Biological Sciences & Forestry Astronomy Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mathematics Physics

Published : 40 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 40 Documents
Search

 1   2   3   4 
Metode Pemilihan Variabel pada Model Regresi Poisson Menggunakan Metode Nordberg Muhammad Bangkit Riksa Utama; Nusar Hajarisman
Jurnal Riset Statistika Volume 1, No. 1, Juli 2021, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (711.929 KB) | DOI: 10.29313/jrs.v1i1.24

Abstract

Abstract. In various experiments, data interactions take the form of discrete numbers or counts. The model that can be used for these data is the Poisson regression model. Poisson regression is included in the Generalized Linear Model (GLM). Poisson regression in general is very important in various fields and agreed to receive special attention. Often this model needs many independent variables. Then there needs to be a selection of poisson regression model variables. Due to the number of independent variables that exist, the selection of variables is carried out. Variable selection techniques that are commonly known are the forward, backward method, akaike information criteria and several other methods. In this paper, we will discuss one method of selecting variables in the Poisson regression model that has been made in the algorithm created by Famoye and Rothe. The algorithm created will be compared with the algorithm made by Nordberg. In this study data were used on Infant Mortality Rate (IMR) in West Java Province. Abstrak. Dalam berbagai eksperimen, seringkali data berupa bilangan diskrit atau cacah. Model yang dapat digunakan untuk data tersebut diantaranya adalah model regresi poisson. Regresi poisson termasuk kedalam Generalized Linear Model (GLM). Regresi poisson secara umum sangat penting dalam berbagai bidang dan karenanya patut mendapat perhatian khusus. Seringkali model ini melibatkan banyak variabel independen. Maka perlu adanya cara untuk mempertimbangkan pemilihan variabel model regresi poisson. Dikarenakan banyaknya variabel independen yang ada maka dilakukan penyeleksian variabel. Teknik pemilihan variabel yang sudah biasa dikenal yaitu metode forward, backward, akaike information criterion dan beberapa metode lainnya. Pada makalah ini akan dibahas mengenai salah satu metode pemilihan variabel dalam model regresi poisson yang telah dibentuk dalam algoritma yang dibuat oleh Famoye dan Rothe. Algortitma yang dibuat ini akan dibandingkan dengan algoritma yang telah dibuat oleh Nordberg. Pada penelitian ini digunakan data mengenai Angka Kematian Bayi (AKB) di Provinsi Jawa Barat.
EKSPLORASI SISA USIA BEARING MENGGUNAKAN DISTRIBUSI WEIBULL Sutawanir Darwis; Nusar Hajarisman; Suliadi Suliadi; Achmad Widodo
Pattimura Proceeding 2021: Prosiding KNM XX
Publisher : Pattimura University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1021.884 KB) | DOI: 10.30598/PattimuraSci.2021.KNMXX.425-430

Abstract

Bearing merupakan komponen penting dalam suatu sistem mekanikal, berperansebagai elemen penghubung dua komponen mesin yang bergerak. Perawatan bearingmerupakan aspek utama dalam kelangsungan operasional sistem. Vibrasi yang dihasilkancacat pada bearing dimodelkan sebagai impulse, tingkat kerusakan dinyatakan oleh suatufungsi konstan. Sisa usia bearing merupakan merupakan suatu indikator degradasi padaanalisis survival bearing, didefinisikan sebagai ekspektasi residual diketahui survive hinggawaktu t. Sisa umur telah dijabarkan untuk beberapa distribusi antara lain: eksponensial,gamma, Weibull. Penelitian model sisa usia bearing dengan asumsi distribusi Weibullmerupakan masalah penelitian terbuka. Paper ini bertujuan meneliti pola sisa usia bearingsebagai fungsi dari parameter bentuk dan parameter skala. Parameter bentuk dan parameterskala ditaksir menggunakan data time to failure bearing menggunakan data real dan datasimulasi. Model simulasi bearing merupakan fungsi dari geometri, laju bearing dan distribusibeban. Dengan nilai taksiran parameter diperoleh kurva sisa usia bearing digunakansebagai prediksi sisa usia.
Exploring Pattern Recognition for Bearing Fault Diagnosis Sutawanir Darwis; Nusar Hajarisman; Suliadi; Achmad Widodo; Rejeki Wulan Islamiyati
Statistika Vol. 22 No. 2 (2022): Statistika
Publisher : Department of Statistics, Faculty of Mathematics and Natural Sciences, Universitas Islam Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/statistika.v22i2.1128

Abstract

Traditional bearing sensory diagnostic include touching and hearing rely on personal experience, and for more complex system are unable to meet the needs of equipment fault diagnosis. The research on bearing fault diagnosis is developing significantly. Bearings are used in rotating machinery and most machinery failures are caused by bearing failures. The fault diagnosis of bearings is an important research area. The core of bearing fault diagnosis is the pattern recognition of fault features. The key of pattern recognition is to develop a reasonable classifier. Intelligent pattern recognition has been developed such as principal components, support vector machine, neural network. In this study, a bearing fault diagnosis based on exploring pattern recognition is proposed. The key to pattern recognition is to design a significant classifier. A number of features from bearing vibration of normal and fault bearing are extracted and processed using principal components of correlation matrix. Plot of principal components shows the visualization of normal and fault bearing and the classifier is chosen subjectively. The principal components exploration will be confirmed using least squares support vector machine. The parameter of support vector machine estimated using heuristic optimization particle swarm optimization. The proposed method can be applied in the detection of faults of bearing
Aplikasi Regresi Logistik Ordinal Multilevel untuk Pemodelan Huruf Mutu Mata Kuliah Statistika Dasar Mahasiswa Universitas Islam Bandung Tahun 2019/2020 Erfina Agustin Hidayat; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 3 No. 2 (2023): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v3i2.8096

Abstract

Abstract. Multilevel ordinal logistic regression analysis is a regression analysis for discrete-scale responses, especially with a hierarchical ordinal scale. The hierarchical structure indicates that the data analyzed comes from several levels, where lower levels are nested in higher levels. This article will discuss the application of multilevel ordinal logistic regression using the Maximum Likelihood Estimation (MLE) method in the field of education, namely regarding the quality letter of the Basic Statistics course of 2019 Bandung Islamic University students at the Faculty of Engineering, Faculty of Business Economics, and Faculty of Psychology. The results showed that the multilevel ordinal logistic regression model can be used. From the results of testing the significance of parameters partially using the Wald test statistic, it is found that the student gender variable, the student regional origin variable, and the student GPA variable before taking the Basic Statistics course have an influence on the quality letter of the Basic Statistics course. Abstrak. Analisis regresi logistik ordinal multilevel merupakan analisis regresi untuk respon berskala diskrit khususnya dengan skala ordinal yang bersifat hierarki. Struktur hierarki mengindikasikan bahwa data yang dianalisis berasal dari beberapa level, di mana level yang lebih rendah tersarang pada level yang lebih tinggi. Dalam skripsi ini akan dibahas mengenai pengaplikasian regresi logistik ordinal multilevel dengan menggunakan metode Maximum Likelihood Estimation (MLE) di bidang pendidikan yaitu mengenai huruf mutu mata kuliah Statistika Dasar mahasiswa Universitas Islam Bandung 2019 di Fakultas Teknik, Fakultas Ekonomi Bisnis, dan Fakultas Psikologi. Hasil penelitian menghasilkan bahwa model regresi logistik ordinal multilevel dapat digunakan. Dari hasil pengujian signifikansi parameter secara parsial menggunakan statistik uji Wald didapatkan bahwa variabel jenis kelamin mahasiswa, variabel asal daerah mahasiwa, dan variabel IPK mahasiswa sebelum mengambil mata kuliah Statistika Dasar memiliki pengaruh terhadap huruf mutu mata kuliah Statistika Dasar
Perbandingan Model Regresi Zero Inflated Poisson (ZIP) dan Hurdle Poisson (HP) pada Kasus Kematian Balita di Kota Bandung Tahun 2021 Ani Ressa Nuryaningsih; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 3 No. 2 (2023): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v3i2.8522

Abstract

Abstract. In this study, the response variable is assumed to be Poisson-distributed enumeration data. However, in the Poisson regression model, the enumerated data often deviates from the Poisson distribution because of the proportion of excess zero values ​​in the response variable (excess zero), resulting in a larger variance than the average of the observed variables (overdispersion). Therefore, this study aims to model the data with Zero Inflated Poisson (ZIP) and Hurdle Poisson regression. Based on the results of the study by comparing the ZIP and Hurdle Poisson regression models using the Akaike Information Criterion (AIC) and Bayesian Information Criteria (BIC) values, it is found that the Hurdle Poisson regression model is more appropriate for modeling child mortality data in the city of Bandung in 2021 or in other words the Hurdle Poisson regression model is better at dealing with overdispersion and excess zeros problems compared to the Zero Inflated Poisson (ZIP) regression model. Abstrak. Pada penelitian ini variabel respon diasumsikan merupakan data cacahan yang berdistribusi Poisson. Namun, pada model regresi Poisson data cacah seringkali menyimpang dari distribusi Poisson karena proporsi nilai nol yang berlebih pada variabel respon (excess zero), sehingga menghasilkan varian yang lebih besar dari rata-rata variabel yang diamati (overdispersi). Maka dari itu, penelitian ini bertujuan untuk memodelkan data dengan regresi Zero Inflated Poisson (ZIP) dan Hurdle Poisson. Berdasarkan hasil penelitian dengan membandingkan model regresi ZIP dan Hurdle Poisson menggunakan nilai Akaike Information Criterion (AIC) dan Bayesian Information Criteria (BIC), maka diperoleh bahwa model regresi Hurdle Poisson lebih tepat digunakan untuk memodelkan data kematian balita di Kota Bandung tahun 2021 atau dengan kata lain model regresi Hurdle Poisson lebih baik dalam menangani masalah overdispersi dan excess zeros dibandingkan dengan model regresi Zero Inflated Poisson (ZIP).
Pengaruh Pendidikan dan Pelatihan terhadap Kinerja Karyawan Melalui Variabel Mediator Kompetensi Karyawan LPKL PERUMDA Tirtawening Kota Bandung 10060116101, Tanti Rudiawan Putri; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 4 No. 1 (2024): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v4i1.11448

Abstract

Abstract. Regression analysis is an analysis carried out on two variables, namely the independent variable (predictor) and the dependent variable (response) which aims to determine whether there is an influence of the independent variable on the dependent variable. The variables that act as intermediaries in the relationship between the independent and dependent variables, so that the independent variables do not directly influence the change or emergence of the dependent variable are called mediating or intervening variables. In this thesis, we will discuss the influence of education and research on employee performance through the mediator variable of LPKL PERUMDA Tirtawening Bandung City employee competency using regression analysis. In this research, data was obtained by distributing questionnaires and data used by all LPKL PERUMDA Tirtawening Bandung City employees, totaling 45 employees. This research aims to determine the effect of service quality. Data analysis in this research uses regression analysis of mediating variables and tests hypotheses using the t test. The research results show that education and training have an effect on employee performance, education and training on competence, competence on employee performance, and there is no effect between education and training variables on employee performance by including competence as an intervening variable. Abstrak. Analisis regresi merupakan analisis yang dilakukan pada dua variabel yaitu variabel bebas (prediktor) dan variabel terikat (respon) yang bertujuan untuk mengetahui apakah terdapat pengaruh variabel bebas terhadap variabel terikat. Adapun variabel yang berperan sebagai perantara hubungan antara variabel independen dan dependen, sehingga variabel independen tidak langsung mempengaruhi berubahnya atau timbulnya variabel dependen yang disebut sebagai variabel mediasi atau intervening. Dalam skripsi ini akan dibahas mengenai pengaruh pendidikan dan penelitian terhadap kinerja karyawan melalui variabel mediator kompetensi karyawan LPKL PERUMDA Tirtawening Kota Bandung menggunakan analisis regresi. Pada penelitian ini diperoleh data dengan cara menyebar kuisioner dan data yang digunakan semua karyawan LPKL PERUMDA Tirtawening Kota Bandung yang berjumlah 45 pegawai. Pada penelitian ini bertujuan untuk mengetahui pengaruh kualitas pelayanan Analisis data pada penelitian ini menggunakan analisis regresi variabel mediasi serta melakukan uji hipotesis menggunakan uji t. Hasil penelitian menunjukan bahwa pendidikan dan pelatihan berpengaruh pada kinerja karyawan, pendidikan dan pelatiahan terhadap kompetensi, kompetensi terhadap kinerja karyawan, dan tidak berpengaruh antara variabel pendidikan dan pelatihan terhadap kinerja karyawan dengan memasukan kompetensi sebagai variabel intervening.
Pemodelan Arima Intervensi untuk Meramalkan Jumlah Kendaraan Masuk Melalui Tol Pasteur Tahun 2014-2023 Winda Aya Haliza; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v4i2.13043

Abstract

Abstract. Intervention modeling analysis is a time series data analysis model used toforecast data containing interventions or unexpected events from both internal andexternal factors. In general, there are two types of functions in intervention analysis,namely step and pulse. During the Covid-19 pandemic, various policies implementedby the government, one of which is PPKM. Based on the time series data patternof[ the number of vehicles entering through the Pasteur Toll Road, it can be seen thatthere was a significant decrease when the PPKM policy was implemented due to theCovid-19 pandemic. The data used in this study is data on the number of vehiclesentering through the Pasteur Toll gate in the period January 1, 2014 to December 31,2023. The purpose of this study is to assess the effect of the PPKM policy interventiondue to the emergence of the Covid-19 pandemic in Indonesia on the number ofvehicles entering through the Pasteur Toll Road. The results of this study indicate thatthe ARIMA modeling for forecasting the number of vehicles, considering theintervention, is best represented by the ARIMA (0,0,1) model with an interventionorder of (b = 1, r = 3, s = 0), which shows that the intervention effect occurred oneperiod, or one month since the intervention event with a negative influence, leadingto a notable decrease in the number of vehicles entering through the Pasteur Toll Roadover the 2014-2023 period. Abstrak. Analisis pemodelan intervensi adalah suatu model analisis data deret waktuyang digunakan untuk meramalkan data yang mengandung intervensi atau kejadianyang tidak terduga baik dari faktor internal maupun eksternal. Secara umum, terdapatdua jenis fungsi pada analisis intervensi yaitu step dan pulse. Selama pandemi Covid-19, terdapat kebijakan yang diterapkan pemerintah salah satunya adalah PPKM.Berdasarkan pola data deret waktu jumlah kendaraan yang masuk melalui Tol Pasteurterlihat bahwa terdapat penurunan yang signifikan pada saat diterapkan kebijakanPPKM karena pandemi Covid-19. Data yang digunakan dalam penelitian ini adalahdata jumlah kendaraan masuk melalui gerbang Tol Pasteur pada periode 1 Januari2014 sampai dengan 31 Desember 2023. Tujuan dari penelitian ini adalah untukmelihat pengaruh intervensi adanya kebijakan PPKM karena munculnya pandemiCovid-19 di Indonesia pada jumlah kendaraan yang masuk melalui Tol Pasteur. Hasildari penelitian ini adalah didapat bahwa pemodelan ARIMA intervensi untukmeramalkan jumlah kendaraan yang masuk melalui Tol Pasteur adalah modelARIMA (0,0,1) dengan orde intervensi (b=1,r=3,s=0) yang menunjukkan bahwaadanya efek intervensi terjadi satu periode atau 1 bulan sejak terjadinya kejadianintervensi dengan pengaruh negatif yaitu penurunan pada jumlah kendaraan yangmasuk melalui Tol Pasteur pada data tahun 2014-2023.
Deteksi Anomali Aktivitas Kegempaan Gunung Marapi Menggunakan Algoritma Local Outlier Factor Nopita Sari Murtafiah; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v4i2.13981

Abstract

Abstract. Anomalies in volcano monitoring can occur due to sudden changes in seismic data, ground deformation, gas emissions, or other activities that indicate a potential eruption. Mount Marapi is routinely monitored using seismic, deformation, visual, and geochemical methods, with seismic monitoring being the most commonly used method because seismic activity increases before an eruption. Detecting anomalies in volcanoes is crucial for identifying early signs of volcanic activity that may lead to an eruption. Early detection allows for mitigation measures and evacuation to be carried out, minimizing the impact and loss of life caused by an eruption. One algorithm that can be used to detect anomalies is the Local Outlier Factor (LOF). LOF calculates the density of each data point, where data with significantly lower density is considered an anomaly. This study aims to determine the number and characteristics of data detected as anomalies. In this study, the Local Outlier Factor algorithm will be used to detect anomalies in seismic activity data from Mount Marapi between October 2023 and January 2024. The results of the study show that the LOF algorithm successfully detected 43 anomaly events, or 34.96% of the total data. Data identified as anomalies generally have characteristics such as higher frequency, S-P, amplitude, and duration values than the average. The LOF algorithm successfully detected anomalies on November 29, 2023, approximately four days before the eruption that occurred on December 3, 2023. Additionally, the data detected as anomalies generally have closely related or even consecutive dates or times of occurrence. Abstrak. Anomali dalam pemantauan gunung api dapat terjadi akibat perubahan mendadak dalam data seismik, deformasi tanah, emisi gas, atau aktivitas lain yang menandakan potensi erupsi. Gunung Marapi dipantau rutin dengan metode seismik, deformasi, visual, dan geokimia, dengan seismik sebagai metode yang paling dominan digunakan karena aktivitas kegempaan meningkat sebelum terjadinya erupsi. Deteksi anomali pada gunung berapi penting dilakukan untuk mengidentifikasi tanda-tanda awal aktivitas vulkanik yang dapat mengarah pada erupsi. Dengan deteksi dini, langkah mitigasi dan evakuasi dapat dilakukan untuk meminimalisir dampak dan korban jiwa yang diakibatkan oleh erupsi. Salah satu algoritma yang dapat digunakan untuk mendeteksi anomali adalah Local Outlier Factor (LOF). LOF menghitung kerapatan setiap titik data, di mana data dengan kerapatan jauh lebih rendah dianggap anomali. Penelitian ini bertujuan untuk mengetahui jumlah dan karakteristik data yang terdeteksi anomali. Pada penelitian ini, akan digunakan algoritma Local Outlier Factor untuk mendeteksi anomali pada data aktivitas kegempaan Gunung Marapi periode Oktober 2023 hingga Januari 2024. Hasil penelitian menunjukkan bahwa algoritma LOF berhasil mendeteksi 43 kejadian anomali, atau 34,96% dari keseluruhan data. Data yang terdeteksi sebagai anomali umumnya memiliki karakteristik berupa nilai frekuensi, S-P, amplitudo, dan durasi yang lebih tinggi daripada rata-rata. Algoritma LOF berhasil mendeteksi anomali pada 29 November 2023, sekitar empat hari sebelum erupsi yang terjadi pada tanggal 3 Desember 2023. Selain itu, data yang terdeteksi sebagai anomali umumnya juga memiliki tanggal atau waktu kejadian yang berdekatan atau bahkan berurutan.
Deteksi Pencilan pada Model Regresi Beta dalam Kasus Kemiskinan Perdesaan di Indonesia Tahun 2022 Neng Marlina; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v4i2.14042

Abstract

Abstract. In a certain dataset, there may be one or a group of data points that are far from the rest of the data in a regression model, which should be suspected as outliers. These outliers have the potential to influence the significance of regression coefficients. Furthermore, the presence of outliers in the data can cause the regression model to fail to meet its assumptions. Outliers can be detected using Pearson residuals, deviance residuals, and leverage values, among others. In this thesis, outlier detection will be conducted in the case of rural poverty in Indonesia in 2022. The rural poverty data used is in percentage form, making it suitable for beta regression, which is useful for modeling data with response variables in the standard unit interval (0,1). Moreover, beta regression is also very useful when the dependent variable's distribution does not follow a normal distribution and when traditional linear models cannot be used due to unmet classical assumptions. Parameter estimation for the model uses the Maximum Likelihood Estimator. Based on the available data, using a 5% significance level, it can be concluded that in Indonesia in 2022, rural poverty is only influenced by the rural Gini ratio. Subsequently, outlier detection was conducted through the calculation of Pearson residuals, deviance residuals, and leverage values, which indicated that the provinces of Aceh, Riau, Bengkulu, Maluku, West Papua, and Papua are considered outliers. Therefore, an appropriate analysis method is needed when there are outliers in the data. Abstrak. Dalam set data tertentu, mungkin akan terdapat satu buah atau sekelompok data yang jauh dari sekumpulan data pada model regresi dan data tersebut perlu dicurigai sebagai pencilan. Pencilan ini berpotensi sebagai penentu signifikansi koefisien regresi. Selain itu, kehadiran pencilan dalam data dapat menyebabkan model regresi tidak memenuhi asumsinya. Pencilan dapat dideteksi diantaranya menggunakan residu pearson, residu devians, dan nilai leverage. Dalam skripsi ini, akan dilakukan deteksi pencilan pada kasus kemiskinan perdesaan di Indonesia tahun 2022. Data kemiskinan perdesaan yang digunakan berbentuk persentase, sehingga akan cocok dengan regresi beta yang berguna untuk memodelkan data dengan variabel respon yang berupa interval satuan standar (0,1). Selain itu, regresi beta sangat berguna pula ketika distribusi variabel dependen tidak mengikuti distribusi normal serta ketika model linier tradisional tidak bisa digunakan karena asumsi klasik tidak terpenuhi. Penaksiran parameter model menggunakan Maximum Likelihood Estimator. Berdasarkan data yang ada dengan menggunakan taraf signifikan 5% dapat disimpukan bahwa di Indonesia tahun 2022, kemiskinan perdesaan hanya dipengaruhi oleh gini rasio perdesaan. Kemudian, dilanjutkan deteksi pencilan melalui perhitungan residu pearson, residu devians, dan nilai leverage yang menunjukkan Provinsi Aceh, Riau, Bengkulu, Maluku, Papua Barat, dan Papua dianggap sebagai pencilan. Sehingga, diperlukan metode analisis yang cocok ketika terdapat adanya data pencilan.
Penerapan Model Geographically Weighted Lasso pada Kasus Stunting Tingkat Kabupaten/Kota di Provinsi Jawa Barat Tahun 2023 Esa Nurtiara; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v4i2.14940

Abstract

Abstract. Stunting is the impaired growth and development of children due to chronic malnutrition and recurrent infections characterised by body length or height below standard values. Spatial analysis is used to see whether there are spatial effects, namely data homogeneity or heterogeneity. It is necessary to test using the Geographically Weighted Regression (GWR) method to see these spatial effects. However, this method is not sufficient to be used if there is multicollinearity or a relationship between independent variables in each region of measurement. Therefore, testing is done using the Geographially Weighted Lasso (GWL) method which is an extension of the GWR method. This study aims to apply the GWL model to see spatial risk factors in stunting cases in Bandung city in an effort to reduce stunting rates. GWR modelling is done to be able to overcome the heterogeneity problem, but there is a new problem, namely the emergence of multicollinearity in the GWR model, multicollinearity occurs in the variable infants with malnutrition status ( ). To deal with this problem, it is necessary to do further modelling using the GWL method. With a coefficient of determination of 87.61%, the model can explain that the number of LBW babies ( ), the number of babies receiving exclusive breastfeeding ( ), the number of proper sanitation ( ), and the number of babies with poor nutritional status ( ) can affect the number of stunting cases in West Java Province. It is known that the number of babies with poor nutritional status ( ) has a significant effect in each district /city in West Java Province. Abstrak. Stunting merupakan gangguan pertumbuhan dan perkembangan anak akibat kekurangan gizi kronis dan infeksi berulang yang ditandai dengan panjang atau tinggi badan yang berada di bawah nilai standar. Analisis spasial digunakan untuk melihat ada tidaknya efek spasial, yaitu kehomogenan data atau heterogenitas. Perlu dilakukan pengujian dengan menggunakan metode Geographically Weighted Regression (GWR) untuk melihat efek spasial tersebut. Namun, metode tersebut belum cukup untuk digunakan apabila terjadi multikolinearitas atau adanya hubungan antarvariabel bebas di setiap wilayah pengamaan. Maka dilakukan pengujian dengan menggunakan metode Geographially Weighted Lasso (GWL) yang meupakan perluasan dari metode GWR. Penelitian ini bertujuan untuk menerapkan model GWL untuk melihat faktor risiko secara spasial pada kasus stunting di kota Bandung dalam upaya penekanan penurunan angka stunting. Pemodelan GWR dilakukan untuk dapat mengatasi masalah heterogenitas tersebut, namun terdapat masalah baru yaitu munculnya multikolinearitas pada model GWR, multikolinearitas tersebut terjadi pada variabel bayi dengan status gizi kurang ( ). Untuk menangani masalah tersebut maka perlu dilakukan pemodelan selanjutnya dengan menggunakan metode GWL. Dimana dengan nilai koefisien determinasi sebesar 87.61% model tersebut dapat menjelaskan bahwa jumlah bayi BBLR ( ), jumlah bayi yang menerima ASI eksklusif ( ), jumlah sanitasi layak ( ), dan jumlah bayi dengan status gizi kurang ( ) dapat memengaruhi jumlah kasus stunting di Provinsi Jawa Barat.Diketahui bahwa jumlah bayi dengan status gizi kurang ( ), berpengaruh secara signifikan di setiap wilayah kabupaten/kota di Provinsi Jawa Barat.
Co-Authors 10060116101, Tanti Rudiawan Putri Aceng Komarudin Mutaqin Achmad Widodo Achmad Widodo Achmad Widodo Anggi Savitri Ani Ressa Nuryaningsih Anneke Iswani A. Anneke Iswani Ahmad Annisa Lisa Nurjanah Arya Ramadhan, Iqbal ASEP SAEFUDDIN Aulia, Githa Budiman, Aulia Sabila Dewi Rosiana Diahsty Marasabessy, Munira Erfina Agustin Hidayat Esa Nurtiara Fadia Wahyu Utami Fatiha nurfauzan, Arsyi Fera Shintarini Hardiana Prasasti Jasmine Wildani Arisa Kamilatul 'Aini Khairi A N Kusman Sadik Mardha Tri Meilani Muh. Fahmi Nur Akbar Muhammad Bahry Baidhowy Muhammad Bangkit Riksa Utama Neng Marlina Nopita Sari Murtafiah Rejeki Wulan Islamiyati Riyani Desriawati Siti Magfiratul Hasanah Suliadi Suliadi Suliadi Sutawanir Darwis Sutawanir Darwis Sutawanir Darwis Teti Sofia Yanti Winda Aya Haliza Wulan Putri Prihartini Yayat Karyana