Claim Missing Document
Check
Articles

Found 8 Documents
Search
Journal : Inferensi

Pemodelan Jumlah Kasus Kusta di Kabupaten Mojokerto dan Kabupaten Jombang Tahun 2019 Menggunakan Regresi Zero-Inflated Poisson Inverse Gaussian Rahmania Azwarini; Purhadi Purhadi
Inferensi Vol 4, No 2 (2021): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j27213862.v4i2.10667

Abstract

Kusta atau lepra adalah penyakit yang menyerang berbagai bagian tubuh diantaranya saraf dan kulit yang disebabkan oleh infeksi bakteri Mycobacterium leprae. Jawa Timur merupakan provinsi dengan jumlah penderita kusta tertinggi di Indonesia hingga tahun 2019 sebanyak 3.306 kasus. Stigma negatif masyarakat terhadap penderita kusta menyebabkan munculnya perkampungan kusta di dusun Sumberglagah, Kabupaten Mojokerto. Selain adanya kampung kusta, pada Kabupaten Mojokerto juga terdapat rumah sakit kusta terbesar di Jawa Timur yang menjadi pusat pengobatan kusta baik di Kabupaten Mojokerto maupun di daerah sekitarnya seperti Kabupaten Jombang. Penelitian ini menggunakan data jumlah kasus kusta di Kabupaten Mojokerto dan Kabupaten Jombang tahun 2019 sebagai variabel respon dan enam variabel lainnya sebagai variabel prediktor. Data jumlah kasus kusta tersebut memiliki proporsi nilai nol sebesar 30,77%, lalu nilai mean sebesar 2,179 serta varians sebesar 6,625. Hal ini mengindikasikan bahwa adanya extra zeros serta terdapat pelanggaran asumsi equidispersi. Regresi Zero Inflated-Poisson Inverse Gaussian (ZIPIG) merupakan metode pengembangan regresi yang mampu menangani overdispersi serta extra zeros pada variabel respon data observasi. Faktor yang berpengaruh signifikan terhadap jumlah kasus kusta berdasarkan hasil pemodelan regresi ZIPIG yaitu persentase pelayanan kesehatan untuk penduduk usia lanjut (X6).
Pemodelan Faktor-faktor yang Mempengaruhi Angka Kematian Bayi dan Angka Kematian Ibu di Provinsi Jawa Timur Tahun 2017 dan Tahun 2018 Menggunakan Bivariate Gamma Regression Barep Adji Widhi Pangestu; Purhadi Purhadi
Inferensi Vol 3, No 2 (2020): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j27213862.v3i2.7363

Abstract

Kematian Bayi dan Ibu merupakan salah satu indikator kesejahteraan masyarakat yang menjadi tujuan utama dalam Sustainable Development Goals (SDGs). Angka Kematian Bayi dan Angka Kematian Ibu di Jawa Timur dikhawatirkan dapat meningkat melewati target yang ditentukan SDGs. Salah satu upaya untuk menekan angka kematian bayi maupun ibu adalah dengan terus menelaah faktor-faktor penyebabnya. Permasalahan ini dapat diselesaikan dengan metode Bivariat Gamma Regression untuk mengetahui faktor yang mempengaruhi Angka Kematian Bayi dan Angka Kematian Ibu. Data yang digunakan berasal dari Dinas Kesehatan Jawa Timur berupa publikasi Profil Kesehatan Provinsi Jawa Timur tahun 2017 dan 2018. Variabel yang diduga mempengaruhi Angka Kematian Bayi dan Angka Kematian Ibu adalah persentase persalinan oleh tenaga kesehatan, persentase komplikasi kebidanan yang ditangani, persentase bayi lahir berat badan rendah, persentase penduduk miskin, dan persentase perempuan kawin dibawah 17 tahun. Pada pengujian kesamaan model BGR tahun 2017 dan tahun 2018 menghasilkan model yang berbeda.
Analisis Faktor-Faktor Risiko yang Mempengaruhi Angka Kesakitan Malaria di Provinsi Jawa Timur dengan Metode Geographically Weighted Regression Theresia Widiastuti; Purhadi Purhadi
Inferensi Vol 1, No 1 (2018): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (885.327 KB) | DOI: 10.12962/j27213862.v1i1.6713

Abstract

Sebagai kelanjutan dari program nasional untuk Indonesia Bebas Malaria di tahun 2030, Dinas Kesehatan Republik Indonesia memiliki target bahwa Pulau Jawa dan Bali sebagai daerah yang bukan endemik malaria akan bebas dari penyakit malaria terlebih dahulu pada tahun 2015. Jawa Timur sebagai salah satu provinsi di Pulau Jawa dengan jumlah penduduk tertinggi kedua di Indonesia setelah Jawa Barat (BPS, 2010), walaupun dengan jumlah kasus malaria yang tergolong rendah namun masih tetap memiliki beberapa kasus malaria bahkan masih ditemukan terdapat korban jiwa. Berdasarkan data dari Dinas Kesehatan Provinsi Jawa Timur, pada tahun 2009 ditemukan sebanyak 1489 kasus, 2010 ditemukan 947 kasus, pada tahun 2011 meningkat menjadi 1222 kasus, dan 2012 terjadi peningkatan, sehingga mencapai 1320 kasus. Disebutkan juga bahwa pada tahun 2013 penyakit malaria telah menimbulkan 7 kematian (Dinas Kesehatan Provinsi Jawa Timur 2013). Faktor signifikan yang mempengaruhi Angka Kesakitan Malaria adalah rasio konfirmasi laboratorium (mikroskop), rasio penderita diobati dengan ACT + Primaquine, rasio hasil pengobatan penderita (follow up tidak lengkap), rasio jenis parasit Pf, dan rasio malaria tanpa komplikasi (rawat jalan).
Analysis of Factors Affecting the Number of Infant and Maternal Mortality in East Java Using Geographically Weighted Bivariate Generalized Poisson Regression Luh Eka Suryani; Purhadi Purhadi
Inferensi Vol 1, No 2 (2018): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (907.034 KB) | DOI: 10.12962/j27213862.v1i2.6726

Abstract

Poisson regression is a non-linear regression model with response variable in the form of count data that follows Poisson distribution. Modeling for a pair of count data that show high correlation can be analyzed by Poisson Bivariate Regression. Data the number of infant mortality and maternal mortality are count data that can be analyzed by Poisson Bivariate Regression. The Poisson regression assumption is an equidispersion where the mean and variance values are equal. However, the actual count data has a variance value which can be greater or less than the mean value (overdispersion and underdispersion). Violations of this assumption can be overcome by applying Generalized Poisson Regression. haracteristics of each regency can affect the number of cases occurred. This issue can be overcome by spatial analysis called Geographically Weighted Regression. This study analyzes the number of infant mortality and maternal mortality based on conditions in East Java in 2016 using Geographically Weighted Bivariate Generalized Poisson Regression (GWBGPR) method. Modeling is done with Adaptive Bisquare Kernel weighting which produces 3 regency groups based on infant ortality rate and 5 regency groups based on maternal mortality rate. Variables that significantly influence the number of infant and maternal mortality are the percentages of pregnant women visit health workers at least 4 times during pregnancy, pregnant women get Fe3 tablets,  bstetric complication handled, clean household and healthy behavior, and married women with the first marriage age under 18 years.
Pemodelan Jumlah Kematian Ibu Nifas di Karesidenan Pekalongan Provinsi Jawa Tengah Tahun 2017 Menggunakan Regresi Zero-Inflated Poisson Inverse Gaussian Herni Anggi Riski Rahayuning; Purhadi Purhadi
Inferensi Vol 3, No 2 (2020): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j27213862.v3i2.7655

Abstract

Angka Kematian Ibu (AKI) adalah rasio kematian ibu pada masa kehamilan, persalinan, dan nifas yang disebabkan oleh kehamilan, persalinan, dan nifas atau pengelolaannya tetapi bukan karena sebab-sebab lain seperti kecelakaan atau terjatuh di setiap 100.000 kelahiran hidup. Karesidenan Pekalongan merupakan karesidenan yang memiliki AKI tertinggi di Provinsi Jawa Tengah yang sebagian besar kematian disebabkan oleh ibu nifas. Regresi Zero-Inflated Poisson Inverse Gaussian (ZIPIG) merupakan model yang dapat menangani kasus pelanggaran asumsi ekuidispersi yang disebabkan oleh banyaknya nilai nol (extra zeros) pada variabel respon. Pada penelitian ini digunakan data jumlah kematian ibu nifas menurut kecamatan di Karesidenan Pekalongan Provinsi Jawa Tengah tahun 2017 sebagai variabel respon dan enam variabel lainnya sebagai variabel prediktor. Data kematian ibu nifas tersebut memiliki nilai nol sebesar 60,44%, varians sebesar 0,91 dan mean sebesar 0,67 yang menandakan bahwa data mengalami overdispersi. Faktor yang berpengaruh signifkan terhadap jumlah kematian ibu nifas dari pemodelan menggunakan regresi ZIPIG yaitu persentase ibu nifas yang mendapatkan vitamin A (X1) dan persentase persalinan ibu hamil yang persalinannya ditolong oleh tenaga kesehatan (X3).
Pemodelan Faktor – Faktor yang Mempengaruhi Kasus Pneumonia pada Balita di Provinsi Jawa Barat dengan Metode Geographically Weighted Generalized Poisson Regression Vergilia Agam Saputri; Purhadi Purhadi
Inferensi Vol 5, No 2 (2022)
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j27213862.v5i2.12619

Abstract

Acute infection of lung tissue that can be caused by various microorganisms, namely fungi, viruses, and bacteria is called pneumonia. Pneumonia is the leading cause of death in children worldwide. West Java is in the top three of the number of deaths due to pneumonia in children under five in Indonesia and ranks 1st in the number of pneumonia sufferers in children under five. In solving this case, it is necessary to model with spatial effects because it is necessary to pay attention to geographical conditions in West Java, namely the GWGPR method. The highest number of pneumonia cases, as many as 10818 cases, was in Cirebon Regency while the lowest number of cases was in Banjar City as many as 573 cases. The best modeling results from the minimum AICc criteria of 483.98 are using the GWGPR method with exposure that forms two groups of districts/cities based on variables that have a significant effect on cases of pneumonia in children under five in all districts/cities, namely the percentage of vitamin A administration and the percentage of clean-living behavior and healthy.
Modeling the Number of Pneumonia in Toddlers in East Java Province in 2021 with Generalized Poisson Regression Fittrofin Amalia Farisa; Syarifah Nisrina Hasna Salby; Annisa Auliya Rahman; Purhadi Purhadi
Inferensi Vol 6, No 2 (2023)
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j27213862.v6i2.15339

Abstract

Pneumonia is one of the highest causes of toddler’s mortality, including Indonesia. In East Java 2021, the discovery of pneumonia is 50%. It is relatively high, especially among children under five. This study aimed to obtain the factors that influence the number of pneumonias in toddlers in East Java by using Generalized Poisson Regression (GPR) model with and without exposure variable. GPR is used when the assumption of Poisson regression is not met due to the overdispersion. Data was obtained from the East Java province health office containing the number of Pneumonia patients in East Java by districts/cities and the factors that allegedly affect them. Based on the analysis, GPR with exposure variable is better than GPR without exposure variable. The possible GPR models with exposure that has the smallest AICc is model that included the percentage of low-birth-weight babies, percentage of coughing/difficulty breathing toddlers given standard management, and percentage of toddlers getting vitamin A. All independent variables included in the model has significance effect to the number of pneumonias in toddlers.
Spatial Extreme Value Analysis of Extreme Rainfall Using the Extremal-t Process Nuroini, Husna Mir'atin; Sutikno, Sutikno; Purhadi, Purhadi
Inferensi Vol 8, No 3 (2025)
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j27213862.v8i3.23351

Abstract

Indonesia’s diverse topography, consisting of coasts, lowlands, highlands, and mountains, results in a wide range of weather and climate conditions, enabling various hydrological phenomena such as extreme rainfall, hurricanes, high temperatures, and storms. In recent years, global warming has emerged as a major environmental concern, with one of its significant impacts being climate change. This, in turn, increases the frequency and intensity of extreme hydrological events, potentially causing floods, transportation and communication disruptions, infrastructure damage, agricultural losses, and threats to human life. This study aims to identify the best model and estimate the return levels of extreme rainfall in Ngawi Regency from March 1990 to November 2022 using spatial extreme value analysis with max-stable processes and the extremal-t process. Daily rainfall data from 1990 - 2018 were used for model training, while data from 2018 - 2022 were allocated for model testing to validate predictive performance. Parameter estimation was conducted using Maximum Likelihood Estimation (MLE) and Maximum Pairwise Likelihood Estimation (MPLE), solved through the Broyden-Fletcher-Goldfarb-Shanno (BFGS) Quasi-Newton numerical iteration method. The analysis shows that the best trend surface model has average rainfall and variance influenced by latitude, while the distribution shape is unaffected by latitude or longitude, indicating isotropy. Furthermore, the return level prediction demonstrates higher accuracy when applied over a three-year period.
Co-Authors Abima Aunur Rochman Achmad Choiruddin Affanda Abdul Hakim Aminullah Agus Suharsono Alia Lestari Alifa Silfi Mufidah Andriana Yoshinta Herindrawati Angga Dwi Mulyanto Annisa Auliya Rahman Arrafi Dwiargatra Bambang Widjanarko Otok Barep Adji Widhi Pangestu Brianika Irawati Choiruddin, Achmad Cindy Cahyaning Astuti Diah Puspito Wulandari Dina Oktafia Sulistyani Dinar Ariana Viestri Dinarta Dinarta Hanum Hanum Efta Dhartikasari Priyana Eriska Evadianti Ernawati Ernawati Esti Wulandari Fa'rifah, Riska Yanu Fefy Dita Sari Feni Ira Puspita, Feni Ira Fitria Nur Maghfiroh Fitria Nurul Alfariz Fitriarma Putri Santoso Fittrofin Amalia Farisa Gressa Widha Audrina Hani Khaulasari Hargandi, Priyanka Ratulangi Harmin Sulitiyaning Titah Harun Al Azies Hasbi Yasin Herni Anggi Riski Rahayuning Heru Purwanto I Dewa Ayu Ratih Weda Iswara I Nyoman Latra I Nyoman Latra I Nyoman Latra I Nyoman Latra Ika Wuryanti Febrina Wuryanti Irfan Wahyudi Irhamah - Islamiati, Mawadah Putri Ita Noviana Jatikusuma, Andhika Jauhara Rana Budiani Jerry D. T. Purnomo Lucy Dian Puspitasari Luh Eka Suryani Madu Ratna Mahestri, Alea Erdinna Makkulau Makkulau Makkulau Makkulau Makkulau Makkulau Maudi Pramedia Putri Meylita Sari Muhamad Adryanta Muhammad Luthfi muhammad mashuri Mulyaputri, Rifna Fadhilah Nendy Septi Arniva Ni Putu Lisa Ernawatiningsih Nina Fauziah Rachmah Nindya Kemala Astuti Nur Iriawan Nur Lailiyah Nurina Hayu Ratri Nuroini, Husna Mir'atin Pertiwi, Dhea Mutiara Rahmania Azwarini Rahmawati Erma Standsyah Rahmawati Pane Rahmi Amelia Ratih Kumala Puspa Nusantara Retno Anggarini Rida Dwi Lestari Rizwan Arisandi, Rizwan Royyanah, Atika Nur Ruslan Ruslan Ruslan Santi Wulan Purnami Shofi Andari Shofi Andari Siti Azizah Sony S Sony Sunaryo Sri Nurhatika Sri Pingit W Sri Pingit Wulandari Sri Pingit Wulandari Suhartono Suhartono Suprianto Simanjuntak Susanti Linuwih Susanti Linuwih Susanti Linuwih Susanti Linuwih Susanti Linuwih Sutikno Sutikno Sutikno Sutikno Sutikno Sutikno Sutikno Sutikno Sutikno Sutikno Syarifah Nisrina Hasna Salby Syarifah Nisrina Hasna Salby Theresia Widiastuti Urifah Hidayanti Vergilia Agam Saputri Vita Ratnasari Wibawati Wibawati Yoyok Setyo Hadiwidodo Yurike Septi Angelina Monica Zuzun Miranti