Claim Missing Document
Check
Articles

Found 30 Documents
Search

Pemodelan Regresi Spasial pada Tingkat Kemiskinan di Pulau Sulawesi Said, Baharuddin; Agusrawati, Agusrawati; Laome, Lilis
ESTIMASI: Journal of Statistics and Its Application Vol. 6, No. 1, Januari, 2025 : Estimasi
Publisher : Hasanuddin University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20956/ejsa.v6i1.40494

Abstract

In regression analysis, the independence assumption of the error terms is often violated when working with spatial data. The 2023 poverty incidence data across regencies/municipalities on Sulawesi Island indicate the presence of spatial autocorrelation. This study aims to compare the performance of classical regression, spatial autoregressive model (SAR), and spatial error model (SEM) in modeling poverty incidence on the island. The regency/municipality-level data used in the study is secondary data published by BPS-Statistics Indonesia. The findings reveal that the SEM model provides more accurate parameter estimates compared to classical regression and SAR model. Factors that have a significant influence on the poverty incidence (Y) in a regency/municipality are life expectancy (X1), expenditure per capita (X2), and the error terms for the nearest neighboring regions (λ).
Peningkatan Kompetensi Pegawai Balai Guru Penggerak (BGP) Sulawesi Tenggara Dalam Penerapan Infografis dengan Canva Lilis Laome; Mukhsar Mukhsar; Arman Arman; Bahriddin Abapihi; Andi Tenri Ampa; Dian Cristien Arisona; Muhammad Ihwal; Arif Nur Alfian
Madaniya Vol. 6 No. 2 (2025)
Publisher : Pusat Studi Bahasa dan Publikasi Ilmiah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53696/27214834.1235

Abstract

Kurangnya memahami pemanfaatan aplikasi Canva dalam pembuatan infografis sehingga visualisasi data di kalangan pegawai BGP kurang optimal. Tujuan pengabdian ini agar pegawai BGP di Provinsi Sulawesi Tenggara dapat memanfaatkan aplikasi Canva dan membuat infografis dalam memvisualisasi data dalam pembuatan laporan kegiatan. Mekanisme metode pengabdian dalam pelaksaan kegiatan ini berupa perencanaan/persiapan, pelaksanaan, pendampingan dan evaluasi. Pengabdian dilaksanakan di Kantor BGP Sulawesi Tenggara. Dari pengabdian pada masyarakat ini dapat disimpulkan bahwa kegiatan pelatihan aplikasi Canva dalam membuat infografis berjalan dengan baik.
MODELING GENDER DEVELOPMENT INDEX IN SOUTHEAST SULAWESI PROVINCE USING SEMIPARAMETRIC KERNEL REGRESSION Ampa, Andi Tenri; Laome, Lilis; Ridwan, Muhammad; Baharuddin, Baharuddin; Makkulau, Makkulau
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 19 No 3 (2025): BAREKENG: Journal of Mathematics and Its Application
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/barekengvol19iss3pp1525-1536

Abstract

The issue of gender equality in Southeast Sulawesi still needs further attention, as indicated by the uneven value of the Gender Development Index (GDI) in each district/city in the region. Therefore, an in-depth analysis is needed to identify factors that affect the GDI. One method that can be used is semiparametric regression with the Nadaraya-Watson estimator, which allows modeling the relationship between variables with more flexibility. This study aims to build a semiparametric regression model to identify factors that contribute to HDI in Southeast Sulawesi Province. The results of the analysis showed that the optimal bandwidth values obtained were h1= 1.57, h2=0.49, h3=2.50 and h4=4.61. The resulting model has an R2 and MSE values of 99.8% and 0.14% respectively, indicating that the model has high accuracy in explaining the overall variation in GDI.
USING A MONOTONE SEQUENCE OF FUNCTIONS TO DETERMINE THE SHORTEST ARC LENGTH OF CIRCLES CONNECTED ANY TWO POINTS ON SPHERE Djafar, Muhammad Kabil; Safiuddin, La Ode; Laome, Lilis; Muhtar, Norma; Budiman, Herdi; Cahyono, Edi; Gubu, La.; Alfian, Alfian; Alamsyah, Indra; Kohalsum, Askar
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 19 No 3 (2025): BAREKENG: Journal of Mathematics and Its Application
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/barekengvol19iss3pp1923-1932

Abstract

This paper discusses about arc length of circles that connected any two points on a sphere. On a sphere, there are infinitely many circles that connect any two points. Using a monotone sequence of functions, we can show that the shortest arc length of circle that connect any two points on sphere is the circle with its center at the origin.
Forecasting Indonesia's Non-Oil and Gas Exports Using the Exchange Rate as an Exogenous Variable with the ARIMAX Model: Peramalan Ekspor Nonmigas Indonesia Menggunakan Variabel Eksogen Nilai Kurs Dengan Model Arimax Ihwal, Muhammad; Laome, Lilis; Salsabilah, Adelfina; Ningtyas, Rita Ayu
Diophantine Journal of Mathematics and Its Applications Vol. 4 No. 1 (2025)
Publisher : UNIB Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33369/diophantine.v4i1.41348

Abstract

This study aims to develop an ARIMAX model for forecasting Indonesia’s non-oil and gas export values for the period of March to June 2025. The variables used include Indonesia’s non-oil and gas exports (Z) and the exchange rate (X), obtained from the Ministry of Trade and Bank Indonesia. The export data is monthly time series data characterized by autocorrelation. The forecasting method employed is the Autoregressive Integrated Moving Average with Exogenous Variables (ARIMAX), which extends the ARIMA model by incorporating external predictor variables. The results show that the ARIMAX(0,1,1) model is the most suitable for forecasting, yielding a Mean Absolute Percentage Error (MAPE) of 5.01%. Using the Maximum Likelihood Estimation (MLE) method, the derived model is Ẑₜ = Zₜ₋₁ - 0.4153εₜ₋₁ - 0.00000608Xₜ. The forecast indicates that Indonesia’s non-oil and gas exports will reach USD 23,692.17 million in June, with the lowest projected value in April at USD 23,003.46 million.
Klasifikasi Judul Berita Online Menggunakan Multinomial Naïve Bayes Laome, Lilis; Dian Christien Arisona; Zelianti; Gusti Ngurah Adhi Wibawa; Irma Yahya; Mukhsar
Al-Khwarizmi : Jurnal Pendidikan Matematika dan Ilmu Pengetahuan Alam Vol. 13 No. 1 (2025): Al-Khwarizmi : Jurnal Pendidikan Matematika dan Ilmu Pengetahuan Alam
Publisher : Prodi Pendidikan Matematika FTIK IAIN Palopo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24256/jpmipa.v13i1.6486

Abstract

Abstract: News is defined as stories or information about current events. News can be classified into two categories, namely hard news and soft news. Generally, hard news refers to news topics that are timely, important and consequential. Meanwhile, soft news refers to information that is interesting, unique and entertaining. This research investigates online news headline classification using an enhanced Multinomial Naïve Bayes approach combined with SMOTE (Synthetic Minority Oversampling Technique) to address class imbalance issues. The results showed that out of 4,122 data collected, 3821 or 92.70% of news headlines were classified as hard news categories and 301 or 7.30% of other news headlines were classified as soft news categories. With an accuracy value of 91.5%, precision of 96.8%, recall of 93.8%, F1-Score of 95.2% and AUC value of 0.78 which shows Multinomial Naïve Bayes is good enough in distinguishing hard news and soft news categories, although it has not reached the optimal level. Abstract: Berita didefinisikan sebagai cerita atau informasi tentang peristiwa terkini. Berita dapat diklasifikasikan ke dalam dua kategori, yaitu berita keras (hard news) dan berita lunak (soft news). Umumnya, berita keras mengacu pada topik berita yang tepat waktu, penting, dan konsekuen. Sementara itu, berita lunak mengacu pada informasi yang menarik, unik, dan menghibur. Penelitian ini menyelidiki klasifikasi judul berita online menggunakan pendekatan Multinomial Naïve Bayes yang disempurnakan yang dikombinasikan dengan SMOTE (Synthetic Minority Oversampling Technique) untuk mengatasi masalah ketidakseimbangan kelas. Hasil penelitian menunjukkan bahwa dari 4.122 data yang dikumpulkan, 3821 atau 92,70% judul berita diklasifikasikan sebagai kategori hard news dan 301 atau 7,30% judul berita lainnya diklasifikasikan sebagai kategori soft news. Nilai akurasi sebesar 91.5%, precision sebesar 96.8%, recall sebesar 93.8%, F1-Score sebesar 95.2% dan nilai AUC sebesar 0.78 yang menunjukkan Multinomial Naïve Bayes sudah cukup baik dalam membedakan kategori hard news dan soft news, meskipun belum mencapai tingkat optimal.
Pemodelan Regresi Berganda pada Jumlah Penduduk Miskin di Indonesia Baharuddin; Arianti, Refika Allya; Ihwal, Muhammad; Makkulau; Laome, Lilis; Ampa, Andi Tenri
Arus Jurnal Sains dan Teknologi Vol 3 No 1: April (2025)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57250/ajst.v3i1.1445

Abstract

Penelitian ini bertujuan untuk mengetahui faktor-faktor yang memengaruhi jumlah penduduk miskin di Indonesia. Ada lima variabel yang dijadikan sebagai prediktor. Data jumlah penduduk miskin (Y) tahun 2024 di tingkat provinsi diperoleh dari Badan Pusat Statistik. Metode penelitian menggunakan pendekatan kuantitatif dengan analisis regresi linear berganda. Hasil penelitian menunjukkan bahwa: (1) peningkatan Tingkat Pengangguran Terbuka (X1) berpengaruh signifikan terhadap pertambahan jumlah penduduk miskin; (2) peningkatan Angka Melek Huruf (X2) berkontribusi signifikan terhadap penurunan jumlah penduduk miskin; (3) kenaikan pengeluaran per kapita yang disesuaikan (X3) secara signifikan berdampak pada bertambahnya jumlah penduduk miskin; (4) peningkatan Angka Partisipasi Kasar perguruan tinggi (X4) memiliki pengaruh signifikan terhadap penurunan jumlah penduduk miskin; dan (5) kenaikan Upah Minimum Provinsi (X5) berdampak signifikan pada penurunan jumlah penduduk miskin di Indonesia.
Klasifikasi Judul Berita Online Menggunakan Multinomial Naïve Bayes Laome, Lilis; Dian Christien Arisona; Zelianti; Gusti Ngurah Adhi Wibawa; Irma Yahya; Mukhsar
Al-Khwarizmi : Jurnal Pendidikan Matematika dan Ilmu Pengetahuan Alam Vol. 13 No. 1 (2025): Al-Khwarizmi : Jurnal Pendidikan Matematika dan Ilmu Pengetahuan Alam
Publisher : Prodi Pendidikan Matematika FTIK IAIN Palopo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24256/jpmipa.v13i1.6486

Abstract

Abstract: News is defined as stories or information about current events. News can be classified into two categories, namely hard news and soft news. Generally, hard news refers to news topics that are timely, important and consequential. Meanwhile, soft news refers to information that is interesting, unique and entertaining. This research investigates online news headline classification using an enhanced Multinomial Naïve Bayes approach combined with SMOTE (Synthetic Minority Oversampling Technique) to address class imbalance issues. The results showed that out of 4,122 data collected, 3821 or 92.70% of news headlines were classified as hard news categories and 301 or 7.30% of other news headlines were classified as soft news categories. With an accuracy value of 91.5%, precision of 96.8%, recall of 93.8%, F1-Score of 95.2% and AUC value of 0.78 which shows Multinomial Naïve Bayes is good enough in distinguishing hard news and soft news categories, although it has not reached the optimal level. Abstrak: Berita didefinisikan sebagai cerita atau informasi tentang peristiwa terkini. Berita dapat diklasifikasikan ke dalam dua kategori, yaitu berita keras (hard news) dan berita lunak (soft news). Umumnya, berita keras mengacu pada topik berita yang tepat waktu, penting, dan konsekuen. Sementara itu, berita lunak mengacu pada informasi yang menarik, unik, dan menghibur. Penelitian ini menyelidiki klasifikasi judul berita online menggunakan pendekatan Multinomial Naïve Bayes yang disempurnakan yang dikombinasikan dengan SMOTE (Synthetic Minority Oversampling Technique) untuk mengatasi masalah ketidakseimbangan kelas. Hasil penelitian menunjukkan bahwa dari 4.122 data yang dikumpulkan, 3821 atau 92,70% judul berita diklasifikasikan sebagai kategori hard news dan 301 atau 7,30% judul berita lainnya diklasifikasikan sebagai kategori soft news. Nilai akurasi sebesar 91.5%, precision sebesar 96.8%, recall sebesar 93.8%, F1-Score sebesar 95.2% dan nilai AUC sebesar 0.78 yang menunjukkan Multinomial Naïve Bayes sudah cukup baik dalam membedakan kategori hard news dan soft news, meskipun belum mencapai tingkat optimal.
Analisis Faktor-faktor yang Mempengaruhi Gini Rasio di Indonesia menggunakan Regresi Data Panel Nurhidayah, Raufika; Yahya, Irma; Laome, Lilis
Arus Jurnal Sains dan Teknologi Vol 3 No 2: Oktober (2025)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Tujuan penelitian ini untuk menganalisis faktor-faktor yang mempengaruhi gini rasio di Indonesia menggunakan regresi data panel. Regresi data panel adalah salah satu metode statistika yang digunakan untuk melihat pengaruh beberapa variabel prediktor terhadap variabel respon dengan struktur data berupa data panel. Dalam mengestimasi model regresi data panel terdapat tiga pendekatan yang dapat dilakukan, yaitu common effect model (CEM), fixed effect model (FEM) dan random effect model (REM). Berdasatkan hasil pengujian parameter dengan regresi data panel data disimpulkan bahwa model yang tepat untuk menganalisis gini rasio di Indonesia tahun 2021-2023 menggunakan pendekatan REM. Berdasarkan pendekatan REM diperoleh model regresi  dimana variabel yang mempengaruhi gini rasio di Indonesia adalah IPM, pengeluaran per kapita riil, persentase penduduk miskin dan laju pertumbuhan ekonomi.
Peramalan Jumlah Pengunjung Perpustakaan Modern Sulawesi Tenggara Yang Mengandung Data Outlier Menggunakan Metode ARIMA Dengan Prosedur Iteratif Laome, Lilis; Ihwal, Muhammad; Umi, Enggar Cahyani; Ampa, Andi Tenri; Baharuddin; Wibawa, Gusti Ngurah Adhi
Arus Jurnal Sains dan Teknologi Vol 3 No 2: Oktober (2025)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perpustakaan modern berperan penting dalam meningkatkan kualitas pendidikan masyarakat. Untuk mengoptimalkan pengelolaan dan pelayanan, diperlukan peramalan jumlah pengunjung perpustakaan. Penelitian ini menggunakan metode Autoregressive Integrated Moving Average (ARIMA) dengan prosedur iteratif untuk menangani data yang mengandung outlier. Model terbaik yang diperoleh adalah ARIMA(0,1,2) dengan nilai Mean Squared Error (MSE) sebesar 149404,2 dan Mean Absolute Percentage Error (MAPE) sebesar 21,63%, yang menunjukkan bahwa akurasi peramalan masih dalam batas wajar. Hasil peramalan menunjukkan jumlah pengunjung cenderung stabil dengan rata-rata 877 pengunjung per minggu, namun interval kepercayaan yang semakin lebar mengindikasikan meningkatnya ketidakpastian dalam prediksi. Prosedur iteratif dalam deteksi outlier terbukti efektif dalam mengidentifikasi dan mengoreksi pencilan, sehingga meningkatkan akurasi model. Penelitian ini merekomendasikan eksplorasi model alternatif seperti ARIMAX atau metode machine learning untuk menangkap pola yang lebih kompleks dan meningkatkan akurasi peramalan.