Articles
<![CDATA[Model Geographically Weighted Poisson Regression Pada Jumlah Kasus Penderita Tuberculosis di Surabaya ]]>
<![CDATA[Hani Khaulasari]]>
<![CDATA[ Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai-Nilai Islami) Vol 3 No 1 (2019): Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami) ]]>
Publisher : <![CDATA[Mathematics Department ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (574.688 KB)
<![CDATA[Tuberculosis adalah suatu penyakit menular yang mematikan yang disebabkan oleh bakteri mycobacterium Tuberculosis. Kota Surabaya merupakan kota dengan jumlah penyebaran penderita Tuberculosis tertinggi di Jawa Timur. Penyebaran penyakit Tuberculosis melibatkan efek spasial. Salah satu metode spasial yang dapat digunakan adalah Geographically Weighted Poisson Regresssion (GWPR). Tujuan penelitian ini adalah mendapatkan faktor-faktor yang berpengaruh secara lokal. Data penelitian diperoleh dari Dinas Kesehatan Kota Surabaya dan BPS Kota Surabaya, yang terdiri dari variabel respon jumlah penderita Tuberculosis di 31 Kecamatan Surabaya Tahun 2018 dan sebelas faktor yang diduga mempengaruhi penyebaran Tuberculosis. Model GWPR dengan fungsi kernel fixed Gaussian menghasilkan faktor yang berpengaruh terhadap jumlah penyebaran penderita Tuberculosis di Surabaya Tahun 2018 yaitu jumlah penderita HIV/AIDS (X1), jumlah kepadatan penduduk (X2), persentase rumah sehat (X4), persentase rumah tangga yang berPHBS (X5), Rasio penyuluhan kesehatan (X6), Persentase Penduduk yang mendapatkan keterbukaan informasi TB (X7), jumlah tenaga medis (X8), jumlah sarana kesehatan (X9). persentase penduduk yang tidak tamat SD (X10) dan persentase penduduk yang tamat SMA (X11). Model GWPR membentuk lima kelompok dengan faktor yang mempengaruhi berbeda-beda. Model GWPR adalah model terbaik untuk memodelkan faktor-faktor Tuberculosis di Surabaya Tahun 2018.]]>
<![CDATA[Pemodelan Mixed Geographically Weighted Regression Multivariate Pada Pencemaran Kualitas Air Chemical Oxygen Demand (COD) dan Biological Oxygen Demand (BOD) ]]>
<![CDATA[Hani Khaulasari]]>;
<![CDATA[Purhadi Purhadi]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 3, No 2 (2014) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (616.514 KB)
|
DOI: 10.12962/j23373520.v3i2.8151
<![CDATA[Kali Surabaya adalah salah satu sungai di Jawa Timur yang menjadi sorotan masyarakat karena tingkat pencemarannya yang tinggi. Pemerintah Kota Surabaya sejak tahun 2005 menggalakkan program peduli lingkungan “Surabaya Green and Clean”, akan tetapi hingga tahun ini program tersebut belum tercapai secara maksimal. Oleh karena itu, dalam penelitian ini ingin mendapatkan model pencemaran kualitas air COD dan BOD di Kali Surabaya serta mendapatkan faktor-faktor yang berpengaruh pada pencemaran air kali Surabaya dengan menggunakan metode MGWRM. Data diambil di 30 titik lokasi Kali di Surabaya. Faktor global yang mempengaruhi pencemaran kualitas air COD di bulan Juli 2013 yaitu kecepatan air sedangkan untuk respon BOD yaitu kecepatan air, nitrat, amonia, nitrit dan deterjen. Faktor lokal yang mempengaruhi pencemaran kualitas air COD di bulan Juli 2013 tidak ada sedangkan faktor lokal yang mempengaruhi pencemaran kualitas air BOD adalah kedalaman dan fosfat. Faktor global yang mempengaruhi pencemaran kualitas air COD di bulan September 2013 yaitu kecepatan air sedangkan untuk respon BOD yaitu kecepatan air dan nitrit. Faktor lokal yang mempengaruhi pencemaran kualitas air COD di bulan September 2013 tidak ada sedangkan faktor lokal yang mempengaruhi pencemaran kualitas air BOD adalah deterjen. Faktor global yang mempengaruhi pencemaran kualitas air COD di bulan Nopember 2013 yaitu kecepatan air sedangkan untuk respon BOD yaitu kecepatan air dan nitrit. Faktor lokal yang mempengaruhi pencemaran kualitas air COD di bulan Nopember 2013 tidak ada sedangkan faktor lokal yang mempengaruhi pencemaran kualitas air BOD adalah amonia.]]>
<![CDATA[MODEL MIXED GEOGRAPHICALLY WEIGHTED POISSON REGRESSION DENGAN PEMBOBOT FUNGSI KERNEL FIXED BI-SQUARE PADA PENDERITA TUBERCULOSIS DI SURABAYA ]]>
<![CDATA[Hani Khaulasari]]>;
<![CDATA[Rudi Antonius]]>
<![CDATA[ Jurnal Statistika Universitas Muhammadiyah Semarang Vol 7, No 2 (2019): Jurnal Statistika Universitas Muhammadiyah Semarang ]]>
Publisher : <![CDATA[Department Statistics, Faculty Mathematics and Natural Science, UNIMUS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (875.216 KB)
|
DOI: 10.26714/jsunimus.7.2.2019.%p
<![CDATA[Tuberculosis adalah suatu penyakit menular yang mematikan yang disebabkan oleh bakteri mycobacterium Tuberculosis. Kota Surabaya merupakan kota dengan jumlah penyebaran penderita Tuberculosis tertinggi di Jawa Timur. Penyebaran penyakit Tuberculosis melibatkan efek spasial. Salah satu metode yang dapat digunakan adalah Mixed Geographically Weighted Poisson Regresssion (MGWPR). Tujuan penelitian ini adalah mendapatkan faktor-faktor yang berpengaruh secara lokal dan global. Data penelitian diperoleh dari Dinas Kesehatan Kota Surabaya dan BPS Kota Surabaya, yang terdiri dari variabel respon jumlah penderita Tuberculosis di 31 Kecamatan Surabaya Tahun 2018 dan sebelas faktor yang diduga mempengaruhi penyebaran Tuberculosis.Model MGWPR dengan fungsi kernel Fixed Bi-Square memberikan hasil bahwa faktor global adalah jumlah penderita HIV/AIDS (X1), persentase rumah tangga yang berPHBS (X5), Rasio penyuluhan kesehatan (X6), Persentase Penduduk yang mendapatkan keterbukaan informasi TB (X7), jumlah tenaga medis (X8), persentase penduduk yang tidak tamat SD (X10) dan persentase penduduk yang tamat SMA (X11) sedangkan faktor lokal penyebab Tuberculosis di tiap-tiap lokasi kecamatan di Surabayaadalah jumlah kepadatan penduduk (X2), persentase penduduk miskin (X3), persentase rumah sehat (X4) dan jumlah sarana kesehatan (X9). Model MGWPR membentuk empat kelompok dengan faktor yang mempengaruhi berbeda-beda. Model MGWPR adalah model terbaik untuk memodelkan faktor-faktor Tuberculosis di Surabaya Tahun 2018. Kata kunci : MGWPR, Fungsi Kernel Fixed Bi-Square, Tuberculosis.]]>
<![CDATA[Optimalisasi Blended Learning Model Flipped Classroom pada Perkuliahan Time Series di Prodi Matematika ]]>
<![CDATA[Hani Khaulasari]]>
<![CDATA[ MAJAMATH: Jurnal Matematika dan Pendidikan Matematika Vol. 5 No. 1 (2022): Vol. 5 No. 1 Maret 2022 ]]>
Publisher : <![CDATA[Prodi Pendidikan matematika Universitas Islam Majapahit (UNIM), Mojokerto, Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36815/majamath.v5i1.1756
<![CDATA[Metode blended learning model Flipped Classroom merupakan proses belajar mengajar dengan cara memadukan pembelajaran tatap muka (synchronous) dan (asynchronous) berbasis Learning Management System serta model pembelajaran terbalik dari metode tradisional. Tujuan penelitian adalah mengevaluasi dari penerapan optimalisasi blended learning flipped classroom pada perkuliahan time series. Sampel penelitian adalah mahasiswa Prodi Matematika yang mengambil mata kuliah Time Series semester Ganjil 2021/2022 sebanyak 33 mahasiswa. Hasil belajar Mahasiswa sebelum (KUIS 1) dan sesudah (UTS) diterapkan metode blended learning model Flipped Classroom di uji paired t-test kemudian melakukan analisis kualitas pembelajaran dengan menghitung indeks kualitas layanan dan analisis GAP. Penerapan blended learning Flipped Classroom telah terbukti optimal dalam meningkatkan hasil belajar mahasiswa karena hasil belajar mahasiswa setelah penerapan pembelajaran blended learning Flipped Classroom lebih tinggi daripada nilai hasil belajar mahasiswa sebelum penerapan pembelajaran blended learning Flipped Classroom. Kualitas layanan pembelajaran blended learning Flipped Classroom sudah baik, akan tetapi ada beberapa indikator kualitas yang perlu diperbaiki yakni Fasilitas hotspot/Paket data internet (A1), Pengembalian hasil koreksi tugas, kuis, UTS dan UAS kepada mahasiswa (b5) dan Intensitas dosen untuk ditemui dalam rangka konsultasi (c1).]]>
<![CDATA[Selecting The Best Broiler Chicken Supplier of PT Sentral Unggas Perkasa Using Analytical Hierarchy Process and Weighted Product Methods ]]>
<![CDATA[Yuniar Farida]]>;
<![CDATA[Putri Krismadewi]]>;
<![CDATA[Dian Yuliati]]>;
<![CDATA[Hani Khaulasari]]>
<![CDATA[ Jurnal Ilmiah Teknik Industri Vol. 21, No. 2, December 2022 ]]>
Publisher : <![CDATA[Department of Industrial Engineering Universitas Muhammadiyah Surakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.23917/jiti.v21i2.18045
<![CDATA[PT SUP is one of the companies engaged in trading broiler chicken products. Supplying broiler chickens to PT SUP sometimes results in product instability, and some conditions are inadequate; the financing process is not by income or obstacles that occur when serving customers. So this can disappoint the customers of PT SUP. This study aims to select suppliers for 4 out of 6 breeders chosen as the best suppliers and will get a reward from PT SUP to improve the performance and product results of the suppliers. The selection of the best supplier is based on the criteria that have been owned, namely Based on Curriculum Vitae (CV), location of the cage, capital, and service. The six suppliers come from 3 (each city has two suppliers), namely Lumajang, Lamongan, and Kediri. In this study, the author uses the AHP (Analytic Hierarchy Process) method to produce a consistent value of comparison results. It can be continued with the WP (Weighted Product) approach to get the value of the V vector for ranking alternatives. PT SUP will beard the results of the selection of the best four suppliers. The best supplier of PT SUP are Y1, Y4, Y2 dan Y3. Combining these two methods is a form of contribution to the MCDM enrichment.]]>
<![CDATA[Pengelompokan Kecamatan di Wilayah Kabupaten Bojonegoro Berdasarkan Jenis Penyandang Masalah Kesejahteraan Sosial Menggunakan Fuzzy C-Means ]]>
<![CDATA[Nafa Nur Nanda Adifia]]>;
<![CDATA[Nurissaidah Ulinnuha]]>;
<![CDATA[Hani Khaulasari]]>
<![CDATA[ Techno.Com Vol 22, No 2 (2023): Mei 2023 ]]>
Publisher : <![CDATA[LPPM Universitas Dian Nuswantoro ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33633/tc.v22i2.7485
<![CDATA[Penyandang Masalah Kesejahteraan Sosial (PMKS) adalah sekelompok orang yang tidak dapat menjanankan fungsi sosial karena tantangan spiritual, fisik, atau sosial. Penelitian ini bertujuan untuk mengelompokkan kecamatan di Kabupaten Bojonegoro dengan melihat permasalahan sosial yang ada pada setiap kecamatan di Bojonegoro. Berdasarkan data PMKS di Kabupaten Bojonegoro setiap kecamatan terdiri dari jenis PMKS yang berbeda sehingga diperlukan analisis cluster untuk mengelompokan kecamatan berdasarkan karakteristik jenis PMKS. Analisis clustering yang dipakai dalam penelitian ini merupakan Fuzzy C-Means (FCM). FCM ialah teknik pengelompokan data yang keberadaan setiap data dalam cluster dipastikan oleh nilai keanggotaan. Hasil pengelompokkan kabupaten di Kabupaten Bojonegoro berdasarkan jenis penyandang masalah kesejahteraan sosial dibagi menjadi 2 cluster (tinggi dan rendah) dengan nilai silhouette 0,7275 yang menunjukkan kekuatan cluster mempunyai struktur kuat. Terdapat 7 kecamatan dengan penyandang masalah kesejahteraan sosial yang tinggi dan tergolong dalam cluster 1. Di cluster 2 terdapat 21 kecamatan dengan penyandang masalah kesejahteraan sosial yang rendah dibandingkan dengan cluster 1.]]>
<![CDATA[Pengaruh Investasi Terhadap Pertumbuhan Ekonomi Jawa Timur ]]>
<![CDATA[Tiarra Dellaviyanie Muryanto]]>;
<![CDATA[Yuniar Farida]]>;
<![CDATA[Nurissaidah Ulinnuha]]>;
<![CDATA[Hani Khaulasari]]>;
<![CDATA[Dian Yuliati]]>
<![CDATA[ Jurnal Matematika Integratif Vol 18, No 2: Oktober 2022 ]]>
Publisher : <![CDATA[Department of Matematics, Universitas Padjadjaran ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (332.005 KB)
|
DOI: 10.24198/jmi.v18.n2.40732.157-166
<![CDATA[Pada masa pandemic Covid-19, pertumbuhan ekonomi Indonesia sempat mengalami penurunan. Hal ini juga terjadi pada beberapa daerah seperti Jawa Timur. Salah satu faktor yang berpengaruh terhadap pertumbuhan ekonomi adalah investasi, baik itu investasi asing (PMA) maupun investasi dalam negeri (PMDN). Penelitian ini bertujuan untuk menganalisis pengaruh PMDN dan PMA terhadap pertumbuhan ekonomi Jawa Timur. Metode yang digunakan dalam penelitian ini yaitu regresi linear berganda dengan estimasi parameter OLS (Ordinary Least Square). Metode OLS merupakan suatu metode regresi dengan meminimalkan nilai error kuadratnya. Hasil yang diperoleh pada penelitian ini yaitu PMDN berpengaruh terhadap pertumbuhan ekonomi secara signifikan sedangkan PMA tidak berpengaruh terhadap pertumbuhan ekonomi. Model menghasilkan R2 sebesar 53.7%. Penelitian ini diharapkan dapat memberikan informasi yang berguna bagi pengambil kebijakan untuk meningkatkan pertumbuhan ekonomi melalui investasi.]]>
<![CDATA[Optimasi Golden Section pada Metode Double Exponential Smoothing untuk Meramalkan Indeks Harga Konsumen di Indonesia ]]>
<![CDATA[Zumrotul Muallifah]]>;
<![CDATA[Wika Dianita Utami]]>;
<![CDATA[Hani Khaulasari]]>;
<![CDATA[M. Lail Kurniawan]]>
<![CDATA[ Statistika Vol. 23 No. 1 (2023): Statistika ]]>
Publisher : <![CDATA[Department of Statistics, Faculty of Mathematics and Natural Sciences, Universitas Islam Bandung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/statistika.v23i1.2183
<![CDATA[ABSTRAK Indeks Harga Konsumen (IHK) dapat digunakan sebagai indikator ekonomi dan ukuran tingkat biaya produksi, serta berguna dalam memantau tingkat kenaikan harga dan pendapatan. Pemerintah perlu secara berkala menyesuaikan kebijakan inflasi IHK untuk menjaga stabilitas situasi ekonomi rakyat, mengingat tingkat inflasi IHK berubah setiap bulan. Penelitian ini bertujuan untuk mengoptimalkan parameter dan melakukan peramalan IHK untuk periode November 2022 hingga Oktober 2023 menggunakan metode Double Exponential Smoothing Holt dengan optimasi parameter menggunakan metode Golden Section. Hasil penelitian menunjukkan bahwa MAPE (Mean Absolute Percentage Error) sebesar 0,8140406%, dengan nilai parameter optimal sebesar 0,9957141 dan 0,0127842. Peramalan menunjukkan tingkat stabilitas yang baik dari bulan November 2022 hingga Oktober 2023. ABSTRACT The Consumer Price Index (CPI) can be used as an economic index and a measure of production costs, and it is useful for examining price increases and income levels. The government needs to periodically adjust CPI inflation policies to ensure the stability of the people's economy since the CPI inflation rate changes every month. The research aims to obtain optimized parameter results and forecasts for the CPI from November 2022 to October 2023 using the Golden Section parameter optimization in Double Exponential Smoothing Holt. The research results using the Double Exponential Smoothing Holt method and Golden Section parameter optimization show an MAPE value of 0.8140406% and parameter values of 0.9957141 and 0.0127842. The forecasted results indicate a stable trend from November 2022 to October 2023.]]>
<![CDATA[Prediksi Harga Minyak Mentah WTI Menggunakan Metode Fuzzy Time Series Markov Chain: Prediksi Harga Minyak Mentah WTI Menggunakan Metode Fuzzy Time Series Markov Chain ]]>
<![CDATA[Siti Nurlela]]>;
<![CDATA[Aris Fanani]]>;
<![CDATA[Hani Khaulasari]]>
<![CDATA[ Jurnal Fourier Vol. 12 No. 1 (2023) ]]>
Publisher : <![CDATA[Program Studi Matematika Fakultas Sains dan Teknologi UIN Sunan Kalijaga Yogyakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.14421/fourier.2023.121.10-19
<![CDATA[Harga minyak mentah merupakan salah satu patokan untuk perekonomian dunia. Harga minyak mentah sering mengalami naik turun yang disebabkan oleh pendapatan dan permintaan. Kaadaan yang terjadi ini dapat diatasi dengan prediksi menggunakan metode fuzzy time series markov chain. Data harga minyak mentah WTI merupakan bentuk data time series yang diakses dari webside Id.investing. Pada penelitian ini bertujuan untuk pengambilan keputusan para investor. Metode fuzzy time series markov chain pada harga minyak mentah jenis WTI mendapatkan nilai akurasi prediksi lebih dari 98%, sedangkan nilai dari MAPE adalah 1.18%.]]>
<![CDATA[Classification of Cumulonimbus Cloud Formation based on Himawari Images using Convolutional Neural Network model Googlenet ]]>
<![CDATA[Mohammad Rizal Abidin]]>;
<![CDATA[Dian candra Rini Novitasari]]>;
<![CDATA[Hani Khaulasari]]>;
<![CDATA[Fajar Setiawan]]>
<![CDATA[ Jurnal Buana Informatika Vol. 14 No. 02 (2023): Jurnal Buana Informatika, Volume 14, Nomor 2, Oktober 2023 ]]>
Publisher : <![CDATA[Universitas Atma Jaya Yogyakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24002/jbi.v14i02.7417
<![CDATA[Cumulonimbus clouds (Cb) are dangerous for many human activities. To reduce this effect, a system to classify formations is needed. The formation of Cb clouds can be seen in the Himawari-8 IR image. This research aimed to create a Cb cloud classification system with Himawari-8 IR Enhanced imagery using the GoogleNet model CNN method. The total data used was 2026 image data. Parameter testing was carried out on the CNN GoogleNet model in this study, namely a data distribution ratio of 90:10 and 80:20. The probability of dropout is 0.6, 0.7, and 0.8. and batch sizes of 8, 16, 32, and 64. The trials conducted in this study yielded a sensitivity value of 100.00%, an accuracy of 99.00%, and a specificity of 99.60% obtained from the experimental data distribution of 90:10, probability 0.8, and batch size 8.]]>
