Claim Missing Document
Check
Articles

Found 2 Documents
Search

Pemodelan Faktor-Faktor yang Memengaruhi Indeks Pembangunan Kesehatan Masyarakat Provinsi Jawa Timur Menggunakan Pendekatan Regresi Semiparametrik Spline Made Ayu Dwi Octavanny; I Nyoman Budiantara; Vita Ratnasari
Jurnal Sains dan Seni ITS Vol 6, No 1 (2017)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (769.85 KB) | DOI: 10.12962/j23373520.v6i1.22491

Abstract

Aspek kesehatan yang dilihat dari umur harapan hidup saat kelahiran belum dapat menjabarkan indeks kesehatan dengan baik sehingga diperlukan indikator yang dapat mengukur aspek kesehatan, yaitu Indeks Pembangunan Kesehatan Masyarakat (IPKM). IPKM dapat digunakan untuk mengetahui sejauh mana keberhasilan pembangunan kesehatan masyarakat suatu wilayah. Hampir semua kabupaten/kota di Provinsi Jawa Timur mengalami penurunan peringkat berdasarkan pengembangan IPKM 2013. Hal ini perlu menjadi perhatian bagi pemerintah untuk mengetahui faktor-faktor yang memengaruhi IPKM di Provinsi Jawa Timur sehingga pemerintah dapat melakukan usaha perbaikan kualitas kesehatan masyarakat. Pada penelitian ini, IPKM dan faktor-faktor yang memengaruhinya sebagian membentuk pola tertentu dan sebagian lagi tidak membentuk pola tertentu, sehingga digunakan metode regresi semiparametrik spline. Model terbaik didapatkan dari titik knot optimum berdasarkan nilai Generalized Cross Validation (GCV) minimum. Model regresi semiparametrik spline terbaik adalah dengan menggunakan tiga titik knot. Terdapat empat variabel yang signifikan, yaitu Angka Kematian Bayi, kepadatan penduduk, persentase rumah tangga berperilaku hidup bersih dan sehat, dan persentase rumah sehat. Nilai koefisien determinasi yang dihasilkan dari model ini adalah sebesar 92,99%.
Quantile Regression Neural Network Model For Forecasting Consumer Price Index In Indonesia Dwi Rantini; Made Ayu Dwi Octavanny; Rumaisa Kruba; Heri Kuswanto; Kartika Fithriasari
Inferensi Vol 1, No 1 (2018): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (696.316 KB) | DOI: 10.12962/j27213862.v1i1.6719

Abstract

The main purpose of time series analysis is to obtain the forecasting result from an observation for future values. Quantile Regression Neural Network is a statistical method that can model data with non-homogeneous variance with artificial neural network approach that can capture nonlinear patterns in the data. Real data that allegedly have such characteristics is Consumer Price Index (CPI).  CPI forecasting is important to assess price changes associated with cost of living as well as identifying periods of inflation or deflation. The purpose of this research is to compare several method of forecasting CPI in Indonesia. The data used in this study during January 2007 until April 2018 period. QRNN method will be compared with Neural Network with RMSE evaluation criteria. The result is QRNN is the best method for forecasting CPI with RMSE 0.95.