Claim Missing Document
Check
Articles

Found 39 Documents
Search

Pemodelan Bivariate Generalized Poisson Regression pada Kasus Angka Kematian di Provinsi Jawa Tengah Dwi Rahmadini; Indah Manfaati Nur; Prizka Rismawati Arum
Prosiding Seminar Nasional Unimus Vol 6 (2023): Membangun Tatanan Sosial di Era Revolusi Industri 4.0 dalam Menunjang Pencapaian Susta
Publisher : Universitas Muhammadiyah Semarang

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

Abstract

Regresi Poisson merupakan metode regresi digunakan untuk memodelkan hubungan anatara variabel dependentbertipe diskrit yang berupa data count. Data count variabel dependent sering mengalami masalah overdispersiatau underdispersi, hal ini tidak sesuai dengan regresi Poisson yang mengasumsikan nilai rata-rata sama dengannilai varians (equidispersi). Salah satu model yang dapat menangani masalah tersebut adalah BivariateGeneralized Poisson Regression yang menjelaskan hubungan antara dua variabel dependent yaitu angkakematian ibu dan angka kematian bayi terhadap beberapa variabel independent. Data diduga mempunyaiketerkaitan satu sama lain, yaitu selama masa kehamilan janin akan bergantung pada asupan gizi yang diberikanoleh ibu. Sehingga diperlukan penelitian untuk mengetahui faktor-faktor yang berpengaruh terhadap jumlahkematian ibu dan kematian bayi di Provinsi Jawa Tengah tahun 2021. Penaksir parameter dilakukan denganmetode Maximum Likelihood Estimation (MLE) dan pengujian hipotesis menggunakan metode MaximumLikelihood Ratio Test (MLRT). Pemilihan model terbaik menggunakan nilai AIC terkecil. Hasil penelitianmenunjukkan nilai AIC yang diperoleh angka kematian ibu sebesar 300,825 dan faktor-faktor yang berpengaruhadalah persentase persalinan oleh tenaga kesehatan. Sedangkan nilai AIC angka kematian bayi sebesar391,3643 dan faktor-faktor yang berpengaruh secara signifikan adalah persentase perempuan nikah di bawahusia 17 tahun.Kata Kunci: AIC, Angka Kematian, Bivariate Generalized Poisson Regression, Overdispersi.
Pengelompokkan dan Pemetaan Wilayah Kecamatan di Kabupaten Kendal Berdasarkan Potensi Sektor Pertanian dengan Pendekatan Complete Linkage Hierarchical Clustering Chendy Nofiantika Rosulya Putri; Eka Kurniawati; Indah Manfaati Nur; Rochdi Wasono
Prosiding Seminar Nasional Unimus Vol 4 (2021): Inovasi Riset dan Pengabdian Masyarakat Post Pandemi Covid-19 Menuju Indonesia Tangguh
Publisher : Universitas Muhammadiyah Semarang

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

Abstract

Sektor pertanian mempunyai peranan yang cukup penting dalam perekonomian nasional. Hal inidapat dibuktikan dari kontribusi sektor pertanian nasional terhadap Produk Domestik Bruto (PDB).Kabupaten Kendal merupakan kabupaten di Provinsi Jawa Tengah yang sebagian besar wilayahnyamerupakan daerah pertanian. Data yang digunakan adalah hasil produksi sektor pertanian pada 20kecamatan di Kabupaten Kendal tahun 2020 yang terdiri dari 10 variabel. Analisis klaster dapatdigunakan mengetahui potensi pertanian dari wilayah kecamatan di Kabupaten Kendal adalah denganmengelompokkan wilayah yang memiliki karakteristik hampir sama. Tujuannya adalah mendapatkanhasil pengelompokkan yang optimal dan mengevaluasi karakteristik dari kelompok yang terbentuk.Berdasarkan hasil analisis, diperoleh pengelompokkan wilayah kecamatan di Kabupaten Kendal yangoptimum berdasarkan kriteria nilai statistik Pseudo-F dengan menggunakan metode CompleteLinkage dengan kelompok yang terbentuk sebanyak 2 kelompok. Kelompok 1 terdiri dari 19kecamatan, sedangkan kelompok 2 hanya terdiri dari 1 kecamatan. Evaluasi karakteristik dari masingmasingkelompok yang terbentuk menggunakan 4 variabel yang signifikan yaitu produksi bawangmerah, mangga, ikan lele, dan ikan tawes.  Kata Kunci : Analisis Klaster, Complete Linkage, Pemetaan, Sektor Pertanian
Pemodelan Spatial Seemingly Unrelated Regression (S-SUR) Pada Produk Domestik Regional Bruto Sektor Unggulan Di Indonesia Kurnia Nur Annisa; Indah Manfaati Nur; Prizka Rismawati Arum
Prosiding Seminar Nasional Unimus Vol 3 (2020): Optimalisasi Hasil Penelitian dan Pengabdian Masyarakat Menuju Kemandirian di Tengah P
Publisher : Universitas Muhammadiyah Semarang

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

Abstract

Pembangunan ekonomi merupakan sebuah usaha untuk meningkatkan taraf hidup masyarakat. Indikator pentinguntuk mengetahui tingkat perkembangan perekonomian suatu wilayah dalam periode tertentu adalah ProdukDomestik Regional Bruto (PDRB) yang didorong melalui sektor unggulannya. Metode Seemingly UnrelatedRegression (SUR) merupakan metode bagian dari ilmu Ekonometrika yang tepat diterapkan pada pemodelan PDRBsektor unggulan ditinjau dari aspek ekonomi. Penerapan metode SUR hanya dapat membentuk model persamaantetapi tidak dapat mengakomodasi efek spasial yang terjadi di antara masing-masing wilayah di Indonesia. Sehinggapenggunaan pemodelan SUR dengan memperhatikan aspek spasial memegang peranan penting dalam pemodelansuatu PDRB di Indonesia. Tujuan dari penelitian ini adalah untuk menentukan model terbaik yang terbentuk daridata Produk Domestik Bruto (PDRB) sektor unggulan di Indonesia tahun 2018. Pebobot yang digunakan dalammodel SUR Spasial dengan menggunakan matriks pembobot Queen Contiguity. Metode SUR dengan efek spatiallag atau SUR-SLM menghasilkan model terbaik dengan nilai R-Squared yang tinggi. Kata Kunci : Indonesia, Produk Domestik Regional Bruto, SUR, SUR-SLM, Queen Contiguity.
Pengelompokkan Provinsi di Indonesia Berdasarkan Indikator Perumahan dan Kesehatan Lingkungan Menggunakan Metode KMedoids Alwan Fadlurohman; Indah Manfaati Nur
Prosiding Seminar Nasional Unimus Vol 6 (2023): Membangun Tatanan Sosial di Era Revolusi Industri 4.0 dalam Menunjang Pencapaian Susta
Publisher : Universitas Muhammadiyah Semarang

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

Abstract

Indikator perumahan dan kesehatan lingkungan merupakan salah satu indikator yang sangat penting dalamupaya mewujudkan tujuan dari Tujuan Pembangunan Berkelanjutan (TPB). Kondisi perumahan dankesehatan lingkungan di setiap provinsi di Indonesia berbeda-beda, oleh karena itu dalam melakukan prioritaspeningkatan masalah perumahan dan kesehatan lingkungan juga berbeda. Tujuan atas penelitian ini guna mengklasifikan provinsi di Indonesia atas dasar indikator perumahan dan kesehatan lingkungan untukmengetahui tinggi rendahnya kualitas perumahan dan lingkungan di setiap provinsi. Sehingga, hasil penelitiandengan harap mampu membantu pemerintah mengoptimalkan upaya kesehatan lingkungan. Pengelompokanprovinsi dilakukan dengan metode K-Medoids yang memiliki kelebihan robust terhadap data yangmengandung pencilan. Ukuran kemiripan objek dihitung dengan menggunakan metode jarak Euclidean.Sementara itu, pemilihan jumlah cluster terbaik dilakukan menggunakan indeks silhouette yang menghasilkan2 cluster, dimana pada cluster 1 didapatkan 29 provinsi dengan nilai rata-rata indikator perumahan dankesehatan lingkungan (X2, X4, X5, X6, X7, dan X10) rendah. Lalu cluster 1 didapatkan 5 provinsi dengan nilairata-rata indikator perumahan dan kesehatan lingkungan (X2, X4, X5, X6, X7, dan X10) tinggi. Kata Kunci: Dampak Perkotaan, Pencilan, Pengelompokkan, Sanitasi.
Metode Markov Switching Autoregressive (MSAR) untuk Peramalan Indeks Saham Syariah Indonesia (ISSI) Agi Khoerunnisa; Indah Manfaati Nur; Prizka Rismawati Arum
Prosiding Seminar Nasional Unimus Vol 5 (2022): Inovasi Riset dan Pengabdian Masyarakat Guna Menunjang Pencapaian Sustainable Developm
Publisher : Universitas Muhammadiyah Semarang

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

Abstract

Model Markov Switching Autoregressive (MSAR) adalah salah satu model deret waktu nonlinier yang memodelkan data deret waktu yang mengalami perubahan fluktuasi yang terjadi pada data. Indeks Saham Syariah Indonesia (ISSI) merupakan indeks saham syariah yang beranggotakan seluruh saham syariah. Data yang digunakan adalah data bulanan harga penutupan Indeks Saham Syariah Indonesia (ISSI) periode Juni 2011 sampai Mei 2022 yang bersumber dari Bursa Efek Indonesia (BEI). Pemodelan MSAR diperoleh sebanyak 10 model yang dibagi menjadi 2 yaitu model dengan 2 state dan model dengan 3 state. Selain itu, Model MSAR mempunyai variabel state dan nilai peluang matriks transisi yang dihitung dengan menggunakan metode Maximum Likelihood estimation (MLE). Estimasi parameter dilakukan pada seluruh model dan nilai Bayesian Information Criterion (BIC) minimum menyatakan model terbaik. Adapun model MSAR terbaik yang didapatkan adalah model MS(2)AR(2) dengan nilai BIC sebesar -395,8. Model dan hasil peramalan diperoleh kondisi state 1 (peningkatan) dan state 2 (penurunan). Analisis hasil peramalan untuk 12 bulan ke depan bahwa data Indeks Saham Syariah Indonesia pada pertengahan tahun 2022 mengalami trend naik dan fluktuasi pada awal tahun 2023. Keakuratan hasil peramalan dihitung dengan Mean AbsolutePercentence Error (MAPE) yang diperoleh sebesar 23% yang berarti kriteria hasil peramalan cukup baik.Kata Kunci : BIC, ISSI, MLE, MSAR
Pemodelan Mutu Kualitas Air Sungai di Daerah Istimewa Yogyakarta Tahun 2020 dengan Pendekatan Regresi Logistik Ordinal: River Water Quality Modeling in the Special Region of Yogyakarta in 2020 Using the Ordinal Logistic Regression Approach Fahrul Raditiar Yuliardi; Indah Manfaati Nur; Quinsy Pranandira Rilvandri; Bravina Aulia Damiri
Journal of Data Insights Vol 1 No 2 (2023): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v1i2.150

Abstract

Penelitian ini bertujuan untuk mengidentifikasi indikator-indikator yang mempengaruhi kualitas air sungai di Daerah Istimewa Yogyakarta. Metodologi yang digunakan dalam penelitian ini adalah kuantitatif, dengan memanfaatkan sumber data sekunder dari Badan Lingkungan Hidup Yogyakarta, khususnya pengukuran tahunan parameter kualitas air sungai pada tahun 2020. Kualitas air dianalisis berdasarkan beberapa parameter kimia. Pencemaran sungai ditunjukkan dengan nilai kualitas air yang melebihi baku mutu, seperti Total Suspended Solids (TSS), BOD, COD, dan Total Coliform. Analisis kualitas air sungai menunjukkan bahwa faktor yang berpengaruh signifikan adalah Total Suspended Solids (TSS), BOD, COD, dan Total Coliform. Tiga model dibentuk dengan menggunakan regresi logistik ordinal.
PEMODELAN INFANT MORTALITY RATE (IMR) DENGAN PENDEKATAN ZERO INFLATED POISSON REGRESSION BERBASIS ALGORITMA EM Indah Manfaati Nur
Jurnal Statistika Industri dan Komputasi Vol. 3 No. 01 (2018)
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v3i01.1082

Abstract

Abstrak Salah satu tolok ukur yang sensitif dari semua upaya intervensi yang dilakukan pemerintah khususnya di bidang kesehatan adalah Infant Mortality Rate (IMR). Apabila IMR di suatu wilayah tinggi, berarti status kesehatan di wilayah tersebut rendah Berbagai upaya terus dilakukan untuk menurunkan Infant Mortality Rate (IMR) di Indonesia. Salah satu cara yang dapat dilakukan untuk menurunkan Infant Mortality Rate (IMR) adalah dengan mengkaji faktor-faktor penyebabnya. Banyaknya kejadian kematian merupakan variabel respon yang berupa data diskrit maka salah satu model regresi yang dapat digunakan adalah model regresi Poisson. Suatu ciri dari distribusi Poisson adalah adanya equidispersi, yakni kondisi dimana nilai mean dan varians dari variabel respon bernilai sama. Namun pada praktiknya, sering ditemukan suatu keadaan overdispersi pada regresi Poisson. Model regresi Zero-Inflated Poisson merupakan suatu metode yang mampu untuk menangani overdispersi yang terjadi. Tujuan dari penelitian ini adalah untuk mendapatkan model terbaik tentang Infant Mortality Rate (IMR) dengan menggunakan Zero-Inflated Poisson berbasis Algoritma EM. Hasil penelitian menunjukkan bahwa faktor-faktor yang berpengaruh secara signifikan terhadap IMR adalah jumlah sarana kesehatan pada tiap kabupaten/kota, rasio ketersediaan bidan desa pada tiap kabupaten/kota, dan presentase persalinan ditolong tenaga kesehatan.
Pemodelan Tingkat Kemiskinan di Papua Barat dengan Pendekatan Binary Logistic Regression Aini, Anissa Nur; Octario Ashar, Andika Udistiyan; Lestari, Talia Indah; Nur, Indah Manfaati; Wasono, Rochdi
Square : Journal of Mathematics and Mathematics Education Vol 5, No 2 (2023)
Publisher : UIN Walisongo Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21580/square.2023.5.2.17169

Abstract

Binary logistic regression model is a regression model used to predict the probability of a specific event occurring or not occurring based on predictor variable. In this model, the response variable is binary, meaning it has only two possible categories: a “failure”category and a “success” category. West Papua is included in the list of  seven provinces that are the main focus of efforts to combat extreme poverty. Therefore, it is necessary to monitor the factors that need to be considered in order to prevent an increase in the poverty rate. To identify the factors influencing the poverty rate in Papua Barat, the research method used is binary logistic regression modeling, which assesses the influence of independent variables on the poverty rate in West Papua. So the results obtained from this study are from three variables, namely the open unemployment rate, average per capita expenditure, and gross regional domestic product have a significant effect on the poverty rate in West Papua with a classification accuracy of 100%.
Penerapan Algoritma Fuzzy C-Means Untuk Pengelompokkan Kemiskinan Di Kabupaten/kota Provinsi Aceh Sukardi, Miftakhul Kharis; Indah Manfaati Nur
JURNAL ILMIAH MATEMATIKA DAN TERAPAN Vol. 20 No. 2 (2023)
Publisher : Program Studi Matematika, Universitas Tadulako

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22487/2540766X.2023.v20.i2.16494

Abstract

Kemiskinan telah menjadi masalah yang tidak asing lagi bagi Indonesia. Meski begitu, masalah puing-puing sampai saat ini masih menjadi masalah yang larut-larut. Penelitian ini bertujuan mengelompokkan kabupaten provinsi Aceh berdasarkan angka kemiskinan tahun 2021 menggunakan data mining fuzzy cmans. Karena provinsi Aceh termasuk dalam 5 provinsi termiskin di Indonesia. Penambangan data dikenal sebagai teknik yang digunakan untuk mengungkap pola tersembunyi dalam kumpulan data dengan tujuan menghasilkan wawasan baru. Teknik data mining salah satunya yaitu clustering. Clustering adalah teknik data mining yang digunakan untuk mengelompokkan data berdasarkan kemiripannya ke dalam kelompok-kelompok yang dikenal dengan cluster. Terdapat beberapa algoritma yang digunakan dalam klasterisasi, salah satunya adalah algoritma Fuzzy C-Means (FCM) Clustering. Algoritma FCM dapat membantu pemerintah dalam strategi pengentasan kemiskinan dengan menyesuaikan manajemen strategi mereka untuk kelompok-kelompok tertentu. Hasil penelitian menunjukkan tiga kelompok dengan distrik-distrik yang berbeda pada setiap kelompok. Validasi metode FCM menunjukkan kualitas yang baik dengan nilai Fuzzy Silhouette Index (FSI) sebesar 0,537. Modified Partition Coefficient Index (MPCI) juga menunjukkan kualitas kelompok yang baik dengan nilai 0,441. Davies Bouldin Index (DBI) menunjukkan nilai 1.074 yang menunjukkan hasil clustering cukup baik karena nilai validasi DBI berkisar antara 0 hingga tak terhingga. Hasil penelitian menunjukkan tiga kelompok dengan distrik-distrik yang berbeda pada setiap kelompok. Validasi metode FCM menunjukkan kualitas yang baik dengan nilai Fuzzy Silhouette Index (FSI) sebesar 0,537. Modified Partition Coefficient Index (MPCI) juga menunjukkan kualitas kelompok yang baik dengan nilai 0,441. Davies Bouldin Index (DBI) menunjukkan nilai 1.074 yang menunjukkan hasil clustering cukup baik karena nilai validasi DBI berkisar antara 0 hingga tak terhingga. Hasil penelitian menunjukkan tiga kelompok dengan distrik-distrik yang berbeda pada setiap kelompok. Validasi metode FCM menunjukkan kualitas yang baik dengan nilai Fuzzy Silhouette Index (FSI) sebesar 0,537. Modified Partition Coefficient Index (MPCI) juga menunjukkan kualitas kelompok yang baik dengan nilai 0,441. Davies Bouldin Index (DBI) menunjukkan nilai 1.074 yang menunjukkan hasil clustering cukup baik karena nilai validasi DBI berkisar antara 0 hingga tak terhingga.