Claim Missing Document
Check
Articles

Integrating Path Analysis and Kendall’s Tau-based Principal Component Analysis to Identify Determinants of Child Health Viky Iqbal Azizul Alim; Atiek Iriany; Adji Achmad Rinaldo Fernandes; Solimun Solimun; Candra Rezzining Wulat Sariro Weni Utomo
CAUCHY: Jurnal Matematika Murni dan Aplikasi Vol 10, No 2 (2025): CAUCHY: JURNAL MATEMATIKA MURNI DAN APLIKASI
Publisher : Mathematics Department, Maulana Malik Ibrahim State Islamic University of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18860/cauchy.v10i2.31156

Abstract

This study develops a latent variable path analysis model using a Mixed-Scale Principal Component Analysis (PCA) approach based on Kendall’s Tau correlation to identify key determinants of child health in Batu City, Indonesia. Primary data were collected from 100 mothers with children under five years old through questionnaires. The variables examined include Family Demographics, Nutritional Consumption, and Child Health Condition, each measured using mixed-scale indicators (ordinal and numerical). Kendall’s Tau-based PCA was applied to reduce data dimensionality and construct latent variables, which were then integrated into a path analysis model. The results show that maternal age is the most dominant indicator in shaping the Family Demographics construct, while balanced nutritional food is the strongest indicator forming the Nutritional Consumption construct. Path analysis further reveals that Family Demographics significantly affect Child Health Condition both directly and indirectly through Nutritional Consumption, with a coefficient of determination of 77.62\%. These findings underscore the critical role of demographic and nutritional factors in determining child health outcomes and highlight the methodological advantage of Kendall’s Tau-based mixed-scale PCA for analyzing heterogeneous indicator data within a structural path framework.
Structural Equation Modeling Semiparametric Truncated Spline in Banking Credit Risk Behavior Models Devi Veda Amanda; Atiek Iriany; Adji Achmad Rinaldo Fernandes; Solimun Solimun
CAUCHY: Jurnal Matematika Murni dan Aplikasi Vol 10, No 1 (2025): CAUCHY: JURNAL MATEMATIKA MURNI DAN APLIKASI
Publisher : Mathematics Department, Maulana Malik Ibrahim State Islamic University of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18860/cauchy.v10i1.29769

Abstract

Housing is one of the primary needs for every individual. Along with the increasing population growth in Indonesia, the need for housing has also experienced a significant surge. This study aims to analyze the effect of customer attitudes on compliance behavior, fear of paying late, and timeliness of payment on Home Ownership Credit (KPR) customers at X Bank. Using a semiparametric Structural Equation Modeling (SEM) approach, this study examines the relationship between these variables to provide a deeper understanding of the factors that influence customer payment behavior. The data used in this study are primary data obtained through questionnaires distributed to 100 Bank X mortgage customers. The results of the analysis show that there is a significant influence between customer attitudes (X1) on obedient payment behavior (Y1) and fear of paying late (Y2), as well as timeliness of payment (Y3). The estimated coefficients obtained show a positive relationship between compliance behavior and timeliness of payment, and a negative relationship between fear of paying late and timeliness of payment, with a p-value 0.001 indicating statistical significance. This finding indicates that good customer attitudes can improve payment timeliness, while poor attitudes can lead to fear of paying late, which in turn can affect payment timeliness.
Penguatan Ekosistem Wisata Berkelanjutan Melalui Introduksi Inovasi Agroindustri di Desa Teratak, Lombok Tengah, Nusa Tenggara Barat Kiki Fibrianto; Susinggih Wijana; Atiek Iriany; Taufiq Ismail; Husna Atikah; Eka Shinta Wulandari
Rengganis Jurnal Pengabdian Masyarakat Vol. 6 No. 1 (2026): Mei 2026
Publisher : Pendidikan Matematika, FKIP Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/rengganis.v6i1.1023

Abstract

Teratak Village has a number of natural resources, including mangosteen, durian, and banana commodities, as well as natural tourism potential. The tourism potential of Teratak Village includes the Rinjani Geopark, Tereng Kuning, Blue Lake, Elong Tune Waterfall, and Serawah Waterfall. However, the development of tourism and UMKM is still not optimal. This is due to the lack of specific knowledge and skills in handling the tourism sector, as well as the development of MSMEs based on local potential. Therefore, this community service activity aims to improve agro-industrial management through the development of edu-ecotourism, enhance public knowledge and skills in tourism management, and develop local MSME clusters through the diversification of banana and mangosteen products as well as digital marketing. In the implementation of activities, several programs were carried out, starting with the preparation of activity schedules and targets, followed by Forum Group Discussions (FGDs) along with socialization and training. Socialization and training activities included banana and mangosteen product diversification and production management. A mapping of potential edu-ecotourism objects was obtained through the Forum Group Discussions (FGDs). The results of the program implementation were achieved through the formation of Pokdarwis and the realization of the edu-ekosiwata concept, as well as the introduction of diversified banana and mangosteen products that received a positive response from the Teratak Village community.
ANALISIS SPASIAL TEMPORAL INDEKS KETAHANAN PANGAN MENGGUNAKAN GEOGRAPHICALLY TEMPORALLY WEIGHTED REGRESSION DAN KLASTER FUZZY DI NUSA TENGGARA TIMUR Atiek Iriany; Nabila Ayunda Sovia; Wigbertus Ngabu; Danang Ariyanto
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 03 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n3.p9-17

Abstract

Ketahanan pangan di Indonesia masih menghadapi tantangan serius akibat ketimpangan sosial-ekonomi dan infrastruktur antarwilayah yang berfluktuasi antarperiode. Provinsi Nusa Tenggara Timur (NTT) menjadi contoh nyata, dengan capaian Indeks Ketahanan Pangan (IKP) antar kabupaten/kota menunjukkan variasi signifikan pada periode 2018–2022. Penelitian ini bertujuan menganalisis pengaruh faktor sosial-ekonomi dan infrastruktur terhadap IKP dengan mempertimbangkan heterogenitas spasial-temporal. Metode yang digunakan adalah Geographically and Temporally Weighted Regression (GTWR) untuk menangkap dinamika pengaruh variabel pada dimensi ruang dan waktu, serta Fuzzy C-Means untuk mengelompokkan wilayah berdasarkan pola pembangunan. Hasil penelitian menunjukkan bahwa Angka Partisipasi Sekolah (APS) berpengaruh negatif signifikan terhadap IKP, PDRB per kapita berpengaruh positif meskipun terbatas, akses air minum layak berfluktuasi, sedangkan rasio elektrifikasi konsisten berpengaruh positif signifikan. Analisis Fuzzy C-Means menghasilkan tiga klaster utama: (1) wilayah dengan APS sedang dan IKP relatif tinggi, (2) wilayah dengan APS tinggi namun IKP menengah hingga rendah, dan (3) wilayah dengan APS rendah dan IKP rendah yang merepresentasikan daerah tertinggal. Temuan ini menegaskan bahwa pembangunan di NTT masih menghadapi ketimpangan spasial-temporal, sehingga kebijakan tidak dapat bersifat seragam melainkan harus disesuaikan dengan karakteristik lokal.
ALGORITMA DBSCAN DAN SHARED NEAREST NEIGHBOR DALAM PENGELOMPOKKAN SPASIAL PRODUKTIVITAS JERUK SIAM DI INDONESIA Nur Sofi Sely Oktavia; Atiek Iriany; Ani Budi Astuti
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 03 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n3.p45-58

Abstract

Penerapan dua algoritma analisis density-based cluster, yaitu DBSCAN dan Shared Nearest Neighbor (SNN), dengan integrasi Principal Component Analysis (PCA) pada Produktivitas Jeruk Siam di Indonesia tahun 2023. Variabel yang digunakan terdiri dari 7 indikator jeruk siam, yaitu produktivitas (Ton/Pohon), produksi (Ton), pertumbuhan produksi (%), luas panen (Hektar), rata-rata suhu bulanan (°C), rata-rata kelembaban bulanan (%), dan rata-rata curah hujan bulanan (mm). Data yang digunakan merupakan data sekunder tahun 2023 yang diperoleh melalui publikasi BPS dan Kementerian Pertanian RI. Hasil penelitian menunjukkan bahwa SNN memiliki stabilitas pengelompokan yang lebih baik dibandingkan DBSCAN, dan penerapan PCA meningkatkan kinerja DBSCAN dan SNN. Model terbaik diperoleh dari SNN pada data PCA dengan tiga komponen utama (PC3), dengan Silhouette Coefficient sebesar 0,872. Algoritma ini menghasilkan 3 cluster, yaitu Cluster 0 mencakup 32 provinsi dengan skala produksi besar dan kondisi agroklimat yang beragam, Cluster 1 terdiri dari 3 provinsi dengan produksi kecil namun pertumbuhan sangat tinggi, sehingga terpisah dari sentra produksi utama, dan Cluster 2 mencakup 3 provinsi yang memiliki karakteristik lokal unik dengan skala produksi rendah hingga nol.
Pemodelan Mixed Geographically Weighted Regression Menggunakan Fungsi Pembobot Adaptive Gaussian Kernel: Studi Kasus Kejadian TB Paru Di Jawa Timur Brenda Rahmahdania; Atiek Iriany
Studia : Journal of Humanities and Education Studies Vol. 1 No. 1 (2025): August: Studia: Journal of Humanities and Education Studies
Publisher : CV Edukastra Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.66749/7y60qk84

Abstract

Model Geographically Weighted Regression (MGWR) ialah model regresi linier dengan parameter lokal untuk setiap tempat dengan kondisi yang bervariasi. Model Geographically Weighted Regression (MGWR) dirancang pada kondisi dengan faktor global dan lokal. Jawa Timur masih berjuang melawan tuberkulosis paru. Variabel lingkungan, sosial, dan ekonomi dapat menyebarkan penyakit ini. Penelitian ini akan mengidentifikasi model Geographically Weighted Regression maupun variabel memengaruhi insiden TB paru di Jawa Timur pada tahun 2023. Model MGWR mengungguli model GWR dalam memprediksi insiden TB paru di Jawa Timur pada tahun 2023, berdasarkan nilai  yang disesuaikan (0,964) dan kriteria AIC (573,138). Berdasarkan pemodelan MGWR, variabel global tidak memengaruhi insiden TB paru di Jawa Timur, tetapi variabel lokal seperti rerata konsumsi rokok mingguan, kasus AIDS, dan tenaga medis berpengaruh secara signifikan. Insiden TB paru di Jawa Timur pada tahun 2023 sebagian dipengaruhi oleh faktor global, termasuk kepadatan penduduk dan kebersihan rumah.
PENAMBAHAN METODE NEURAL NETWORK DALAM PEMODELAN GSTAR-SUR UNTUK MENGATASI KASUS NON LINIER PADA PERAMALAN DATA CURAH HUJAN Atiek Iriany; Adji Achmad Rinaldo Fernandes; Achmad Efendi; Henida Ratna Ayu Putri; Danang Ariyanto; Wigbertus Ngabu
MATHunesa: Jurnal Ilmiah Matematika Vol. 12 No. 01 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v12n1.p226-236

Abstract

Salah satu model peramalan yang dapat yang menggabungkan unsur spasial (spatial) dan temporal (time) adalah Generalized Space Time Autoregressive (GSTAR). Pendugaan parameter yang digunakan adalah Seemingly Unrelated Regression (SUR). Peramalan iklim pada tanaman hortikultura pada masa kini sulit untuk diprediksi karena memiliki pola dan karakteristik yang sulit diidentifikasi dan dapat disebut aktivitas non linier. Unsur non linier ini dapat ditangkap oleh metode neural network. Penelitian ini ingin mengetahui hasil peramalan curah hujan pada 6 wilayah di Tengger menggunakan model GSTAR dengan pendugaan parameter menggunakan metode SUR dan digabungkan dengan neural network agar hasil peramalan yang lebih akurat. Data yang digunakan dalam penelitian ini adalah data curah hujan enam lokasi di wilayah Tengger, yakni Ngadirejo, Puspo, Wonokitri, Argosari, Ngadas, dan Wonokerto. Model yang tepat dalam melakukan peramalan pada data curah hujan pada 6 lokasi Tengger adalah model GSTAR (1,2,3,4,5,6,7,36(1)) Backpropagation Neural Network (96-120-6).
Co-Authors Achmad Efendi Achmad Efendi Adji Achmad Rinaldo Fernandes Adji Achmad Rinaldo Fernandes Agung Sugeng Widodo Agus Dwi Sulistyono, Agus Dwi Amanda, Devi Veda Ani Budi Astuti Aniek Iriany Arditama Putra Rochmanullah Arianto, Danang Arifin Noor Sugiharto Aris Subagiyo Asaliontin, Lisa Bambang Dwi Argo Bestari Archita Safitri Brenda Rahmahdania Budi Astuti, Ani Candra Rezzining Wulat Sariro Weni Utomo Cecep Kusmana Chairunissa, Abela Danang Ariyanto Danang Ariyanto David Forgenie Devi Veda Amanda Dewi, Anggi Seftia Dhanny Septimawan Sutopo Elok Waziiroh Eni Sumarminingsih Fachira Haneinanda Junianto Faddli Lindra Wibowo Fernandes, Adji Fernandes, Adji Achmad Rinaldo Firdaus, Cahyani Jannah Fudianita, Citra Hamdan, Rosita Haneinanda Junianto, Fachira Hartawati, Hartawati Henida Ratna Ayu Putri Henny Pramoedyo Henny Pramoedyo Husna Atikah Indi Rizqy Fahrani Indrayani, Fahmi Kamelia Hidayat Khoiril Anam KIKI FIBRIANTO Maghfiro, Maulidya Maghfiro, Maulidya Maisaroh, Ulfah Marhen Andan Prasetyo Mellysa Isnaini Moh. Zhafran Hidayatulloh Muhamad Firdaus Muhamad Ridwan Nabila Ayunda Sovia Ni Wayan Surya Wardhani NI WAYAN SURYA WARDHANI Nikmatul Khoiriyah Novi Nur Aini Novi Nur Aini, Novi Nur Nugroho, Arief Budi Nugroho, Salma Fitri Nur Sofi Sely Oktavia Ola, Petrus Kanisius Pramaningrum, Dea Saraswati Putra, Arditama Rahma Fitriani Ridlo, Mahmuddin Rinaldo Fernandes, Adji Achmad Riza, Sativandi Rosyida, Diana Rudiat Sekarsari, Cindy Sepriadi, Hanifa Solimun Solimun Solimun Solimun, Solimun Suci Astutik Sugiarto S Sukamto, Ika Sumiyarsi Suryawardhani, Ni Wayan Susinggih Wijana Sutopo, Dhanny Septimawan Taufiq Ismail Ullah, Mohammad Ohid Uswatun Hasanah Viky Iqbal Azizul Alim Waego Hadi Nugroho Wardhani, Ni Wayan Surya Wigbertus Ngabu Wulandari, Eka Shinta Yuliana, Mila