Claim Missing Document
Check
Articles

Found 6 Documents
Search
Journal : Inferensi

Analisis Risiko Penyebaran Kasus Covid-19 di Surabaya Raya Menggunakan Model Thomas Cluster Process Tiza Ayu Virania; Achmad Choiruddin; Vita Ratnasari
Inferensi Vol 4, No 1 (2021): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j27213862.v4i1.8874

Abstract

COVID-19 menyebar cepat di Jawa Timur khususnya daerah Surabaya Raya yang memiliki jumlah pasien terkonfirmasi positif tertinggi dibandingkan kota/kabupaten lainnya di Jawa Timur.  Kota Surabaya merupakan kota dengan jumlah pasien terkonfirmasi positif terbanyak dibandingkan Kabupaten Sidoarjo dan Gresik, dimana pada tanggal 20 Maret hingga 9 Juli 2020 68% dari jumlah kasus di Surabaya Raya merupakan kasus COVID-19 di Kota Surabaya. Hasil eksplorasi data menunjukkan bahwa data COVID-19 di Surabaya Raya tidak homogeny dan cenderung membentuk kelompok. Pemodelan kasus COVID-19 dengan Inhomogeneous Thomas Cluster Process menunjukkan kepadatan pabrik dan kepadatan tempat ibadah secara signifikan mempengaruhi persebaran COVID-19 di Surabaya Raya, dimana setiap penambahan 1 pabrik dalam 1 km2 akan meningkatkan risiko COVID-19 sebanyak  2 kali lipat. Sedangkan jika dalam 1 km2 terjadi penambahan sebanyak 1 tempat ibadah maka risiko meningkatnya kasus COVID-19 di Surabaya Raya sebesar 4 kali lipat jika dibandingkan dengan tidak ada penambahan tempat ibadah, sehingga diantara kedua variabel tersebut yang memberikan pengaruh besar terhadap  risiko peningkatan kasus positif COVID-19 di Surabaya Raya adalah kepadatan tempat ibadah. Estimasi jumlah kasus positif COVID-19 di Surabaya Raya adalah sebesar 161 kasus dengan standar deviasi kasus positif COVID-19 baru tersebar disekitar lokasi early case adalah sebesar 1,21 km. Validasi model dengan plot envelope K-Function menunjukkan bahwa Inhomogeneous Thomas Cluster Process baik digunakan untuk memodelkan data COVID-19 di Surabaya Raya pada 20 Maret 2020 hingga 9 Juli 2020.
Pemodelan Risiko Penyebaran COVID-19 di Surabaya Raya Menggunakan Model Cauchy Cluster Process Prajna Pramita Izati; Achmad Choiruddin
Inferensi Vol 5, No 1 (2022): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j27213862.v5i1.12345

Abstract

COVID-19 merupakan penyakit yang menyerang alat pernapasan. Jumlah kasus COVID-19 di Jawa Timur terus mengalami peningkatan tiap harinya khususnya wilayah Surabaya Raya meliputi Kota Surabaya, Kabupaten Gresik, dan Kabupaten Sidoarjo yang memiliki jumlah pasien terkonfirmasi positif tertinggi dibandingkan kabupaten/kota lainnya di Jawa Timur. Kota Surabaya menjadi penyumbangkan terbesar kasus terkonfirmasi postif COVID-19 di Surabaya Raya yaitu sebesar 60,1 %. Penelitian ini bertujuan untuk memodelkan risiko penyebaran COVID-19 di Surabaya Raya dengan melibatkan beberapa kovariat dimana kriteria pembandingnya yaitu nilai BIC terkecil dan envelope K-function. Hasil uji homogenitas menunjukkan penyebaran data kasus terkonfirmasi positif COVID-19 di Surabaya Raya tidak homogen dan untuk korelasi spasial dengan Inhomogeneous K-function diperoleh bahwa data cenderung membentuk kelompok atau klaster. Hasil pemodelan didapatkan bahwa model Inhomogeneous Cauchy Cluster Process setelah eliminasi merupakan model terbaik, dimana kovariat kepadatan penduduk dan kepadatan lokasi kerumunan yaitu pusat perindustrian dan tempat ibadah berpengaruh secara signifikan terhadap risiko penyebaran kasus terkonfirmasi positif COVID-19 di Surabaya Raya. Sementara itu, kepadatan pusat perbelanjaan tidak berpengaruh signifikan. Hasil prediksi risiko kasus terkonfirmasi positif COVID-19 di Surabaya Raya menunjukkan risiko penyebaran kasus terkonfirmasi positif COVID-19 di wilayah Kota Surabaya lebih tinggi jika dibandingkan dengan wilayah Kabupaten Sidoarjo maupun Gresik.
Pemodelan Faktor-faktor yang Mempengaruhi Angka Kematian Ibu di Jawa Timur Menggunakan Geographically Weighted Regression Ilalang Akar Pertiwi; Nurul Kholisatin; Naziehah Taibatunniswah; Achmad Choiruddin; Sutikno Sutikno
Inferensi Vol 4, No 1 (2021): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j27213862.v4i1.8930

Abstract

Angka Kematian Ibu merupakan jumlah kematian ibu di setiap 100 kelahiran bayi hidup. Kematian ibu menjadi salah satu indikator dalam menggambarkan kesejahteraan masyarakat di suatu negara. Kematian ibu juga menjadi salah satu parameter terkait derajat  kesehatan perempuan. Jumlah kematian ibu dihitung dari kematian selama masa kehamilan, persalinan, dan nifas atau pengelolaannya, bukan dihitung dari sebab-sebab lainnya seperti kecelakaan atau jatuh. Banyak faktor yang dapat menyebabkan kematian ibu diantaranya, kunjungan ibu hamil antenatal, riwayat komplikasi, kekurangan darah, persalinan di fasilitas pelayanan kesehatan, tenaga kesehatann terlatih, dan lain-lain. Dalam analisis ini akan dilakukan pemodelan statistika untuk mengetahui faktor-faktor penyebab tingginya persentase kematian ibu di Jawa Timur dengan menggunakan regresi linier dan juga pemodelan spasial. Terdapat delapan variabel prediktor yang masing-masing karakteristiknya berbeda satu-denga yang lain. Berdasarkan kebaikan modelnya, metode OLS adalah metode paling baik yang dapat menggambarkan kasus tingginya angka kematian ibu di Jawa Timur dengan baik.
Analisis Risiko Kecelakaan Lalu Lintas di Jalan Raya Kabupaten Nganjuk Menggunakan Poisson Point Process on a Linear Network Nurul Kholisatin; Achmad Choiruddin
Inferensi Vol 4, No 2 (2021): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j27213862.v4i2.10924

Abstract

Kecelakaan lalu lintas yang terjadi di Kabupaten Nganjuk dalam rentang waktu 3 tahun terakhir cukup tinggi, tercatat terdapat 2039 kecelakaan dan terdapat 1977 data lokasi kejadian yang tercatat oleh SATLANTAS Kabupaten Nganjuk dimana sebagian besar lokasi kecelakaan  tersebar pada jalan arteri primer dan kolektor primer. Kejadian kecelakaan selama tahun tersebut paling sering terjadi pada Bulan Desember, hari Senin dan di jam 09.00 – 10.00 pagi dan 18.00 – 19.00 malam. Jumlah kecelakaan lalu lintas selama 2018 – 2020  yang terjadi pada siang hari ada sebanyak dua kali lipat dibandingkan pada malam hari, selain itu jumlah kecelakaan pada jalan luar kota juga hampir dua kali lipat dari pada jalan dalam kota.. Kedua kovariat kategorik yang digunakan dijadikan sebagai marks dan masing-masing dimodelkan menggunakan model Poisson Point Process on a Linear Network. Model dengan kovariat waktu kejadian menghasilkan nilai estimasi dari intensitas kecelakaan lalu lintas di siang hari yang 62,3% lebih tinggi dibandingkan dengan intensitas kecelakaan lalu lintas pada malam hari. Sedangkan, untuk model menggunakan kovariat jenis jalan, dapat diinterpretasikan bahwa intensitas kecelakaan pada jalan luar kota dua kali lipat lebih tinggi dibandingkan dengan intensitas kecelakaan lalu lintas pada jalan dalam kota.  Hasil yang didapatkan, model dengan kovariat jenis jalan menghasilkan nilai AIC yang lebih kecil.
Model Inhomogeneous Spatial Cox Processes Untuk Pemetaan Risiko Gempabumi di Pulau Jawa Finola Trisnisa; Rahma Metrikasari; Rifqi Rabbanie; Khalimatus Sakdiyah; Achmad Choiruddin
Inferensi Vol 2, No 2 (2019): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (286.576 KB) | DOI: 10.12962/j27213862.v2i2.6825

Abstract

Pulau Jawa menjadi salah satu wilayah dengan risiko gempabumi yang tinggi karena terdapat zona subduksi di sepanjang selatan wilayah pulau Jawa. Metode Statistika untuk pemodelan kejadian gempabumi berdasarkan spatial point processes menjadi metode popular untuk memodelkan persebaran gempabumi, diantaranya adalah model Gibbs dan Hawkes point processes (conditional intensity-based modeling) dan Cox point processes (intensity-based modeling). Pemodelan gempabumi menggunakan Hawkes dan Gibbs point processes dengan memperhatikan faktor geologi seperti sesar aktif, gunung berapi, dan subduksi telah dikembangkan. Namun demikian, Pemodelan berdasarkan conditional intensity dinilai kurang sesuai untuk pemodelan kejadian gempabumi di Jawa. Sementara itu, belum ada penelitian yang menggunakan Cox processes untuk memodelkan distribusi dari gempabumi dengan mempertimbangkan faktor geologi. Pada model Cox processes, estimasi parameter sangat sulit dilakukan karena fungsi likelihoodnya bergantung pada fungsi intensitas yang merupakan proses stokastik. Pada penelitian ini, kami mengembangkan salah satu model Cox point processes yakni Neyman-Scott Cox Process untuk analisis data lokasi gempabumi di pulau Jawa dengan memperhatikan faktor geologi seperti gunung berapi dan subduksi. Estimasi parameter dilakukan dengan membangun composite likelihood sehingga estimasi parameter lebih mudah dilakukan. Hasil analisis menunjukkan bahwa kejadian gempabumi di pulau Jawa membentuk pola kluster. Selain itu, jarak menuju gunung berapi dan subduksi terdekat dianggap signifikan berpengaruh terhadap distribusi gempabumi di pulau Jawa.
Analisis Risiko Gempabumi di Sumatera dengan Cauchy Cluster Process Yuniar Mega Kartikasari; Achmad Choiruddin
Inferensi Vol 5, No 2 (2022)
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j27213862.v5i2.12307

Abstract

Sumatra is one of the prone areas in Indonesia to earthquakes. This condition is due to its geography which is traversed by active faults, subduction zones, and volcanoes. In this study, the distribution of earthquakes occurrences in Sumatra is modeled by considering the effects of spatial trends due to subduction zones, active faults, and volcanoes and also considering the cluster effects caused by mainshock and aftershock activities using the inhomogeneous Cauchy cluster process. In spatial trend modeling, there are indications that there is multicollinearity issue characterized by a high correlation among geographical factors, so this study considers ridge regularization to overcome this problem. The results of data exploration show that the earthquakes in Sumatra are not homogeneous and form clusters due to geological factors such as the presence of volcanoes, subduction zones, and active faults. Earthquake intensity modeling with ridge regularization produces an AIC value of -2280648 which is smaller than the model without regularization. The Cauchy cluster model by considering ridge regularization resulted in an estimated number of 63 mainshocks with a standard deviation of aftershocks around the mainshocks of 17.685 km. The closer a location to a fault, the risk of an earthquake occurring at that location increases by 1.6972 times. The closer a location to a subduction zone, the risk of an earthquake at that location increases by 1,25899 times, and the closer a location is to a volcano, the risk of an earthquake at that location increases by 1.55910 times.