Article Per Year (5 Year)
p-Index From 2021 - 2026
3.349
P-Index
This Author published in this journals
All Journal Pythagoras: Jurnal Matematika dan Pendidikan Matematika Jurnal Matematika Jurnal Ilmu Dasar Jurnal Sains dan Seni ITS Jurnal Gaussian IPTEK Journal of Science CAUCHY: Jurnal Matematika Murni dan Aplikasi Journal of Regional and City Planning Prosiding Seminar Matematika dan Pendidikan Matematik Jurnal Matematika Sains dan Teknologi Jurnal Teknik Industri: Jurnal Keilmuan dan Aplikasi Teknik Industri Jambura Journal of Mathematics Jurnal Ilmiah Matematika dan Pendidikan Matematika (JMP) Inferensi Berkala Penelitian Hayati Sewagati Journal of Research on Community Engagement
Purhadi Purhadi
Departemen Statistika Institut Teknologi Sepuluh Nopember
Agriculture, Biological Sciences & Forestry Arts Humanities Biochemistry, Genetics & Molecular Biology Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Engineering Environmental Science Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Materials Science & Nanotechnology Mathematics Medicine & Pharmacology Public Health Social Sciences Transportation Other

Published : 77 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 77 Documents
Search

 4   5   6   7   8 
Pemodelan Indeks Pembangunan Manusia Pulau Kalimantan Menggunakan Geographically Weighted Log-Normal Regression Mahestri, Alea Erdinna; Purhadi, Purhadi
Jurnal Sains dan Seni ITS Vol 13, No 6 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i6.151348

Abstract

Pulau Kalimantan sebagai pulau terluas di Indonesia, ternyata memiliki IPM yang lebih rendah di tiga dari lima provinsinya dibandingkan dengan IPM Provinsi DKI Jakarta. Ketiga provinsi tersebut diantaranya adalah Provinsi Kalimantan Barat, Kalimantan Tengah dan Kalimantan Selatan. Penelitian ini akan dilakukan dengan memodelkan faktor-faktor yang signifikan terhadap IPM kabupaten/kota ketiga provinsi dengan menggunakan Geographically Weighted Log-Normal Regression (GWLNR). Tujuan penelitian ini adalah untuk mengetahui persebaran spasial setiap variabel yang terlibat pada penelitian dan faktor-faktor yang memengaruhi IPM ketiga provinsi menggunakan GWLNR. Data yang digunakan adalah variabel-variabel penelitian tahun 2022 dari setiap kabupaten/kota ketiga provinsi, yaitu persentase penduduk dengan keluhan kesehatan (X_1), rasio sarana kesehatan-penduduk (X_2), rasio sekolah-siswa (X_3), persentase penduduk miskin (X_4), dan Tingkat Pengangguran Terbuka (X_5). Pengujian Breusch-Pagan menunjukkan terjadinya heterogenitas spasial pada data penelitian. Pemodelan IPM pada tingkat kabupaten/kota ketiga provinsi pada tahun 2022 menggunakan GWLNR dengan fungsi pembobot Adaptive Bisquare Kernel merupakan model terbaik karena memiliki AICc dan MSE terkecil dari seluruh model. Model tersebut menghasilkan 41 model regresi yang berbeda sehingga variabel prediktor yang berpengaruh signifikan setiap kabupaten/kota tidak seragam. Model ini membentuk tujuh kelompok kabupaten/kota berdasarkan kesamaan variabel prediktor yang berpengaruh signifikan terhadap IPM dan tanda estimasi koefisien regresi. Kelompok 1 merupakan kelompok kabupaten/kota dengan X_1, X_3 dan X_4 yang berpengaruh signifikan terhadap IPM, kelompok 2 dengan X_3 dan X_4, kelompok 3 dengan X_2, kelompok 4 dengan X_3, kelompok 5 dengan X_4, kelompok 6 dengan X_5 dan kelompok 7 tanpa variabel prediktor yang berpengaruh signifikan terhadap IPM.
Pemodelan Faktor-Faktor yang Memengaruhi Jumlah Suspek Campak di Provinsi Jawa Timur dengan Geographically Weighted Poisson Inverse Gaussian Mulyaputri, Rifna Fadhilah; Purhadi, Purhadi
Jurnal Sains dan Seni ITS Vol 13, No 6 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i6.152298

Abstract

Sebagai penyakit yang dikategorikan sebagai Kejadian Luar Biasa (KLB), campak menjadi isu kesehatan masyarakat yang memerlukan strategi pengendalian efektif. Pada tahun 2022 di Provinsi Jawa Timur, banyak suspek dan kasus campak ditemukan, terutama pada balita dan anak-anak. Meskipun cakupan vaksin di Jawa Timur telah mencapai 95,3%, kasus campak masih meningkat dan dapat menimbulkan komplikasi serius jika tidak segera ditangani. Sebanyak 2.323 suspek campak ditemukan, meningkat 2.100 kasus dari tahun sebelumnya. Penelitian ini bertujuan untuk mengetahui karakteristik dan faktor-faktor yang memengaruhi jumlah suspek campak di Kabupaten/Kota Provinsi Jawa Timur. Mengingat data jumlah suspek campak adalah data count yang mengalami overdispersi, pendekatan Poisson Inverse Gaussian Regression (PIGR) digunakan. Selain itu, efek spasial akan diperhatikan dengan menggunakan pembobot spasial dalam Geographically Weighted Poisson Inverse Gaussian Regression (GWPIGR). Hasil analisis menunjukkan bahwa hubungan antara kasus suspek campak dengan faktor-faktor yang diduga memengaruhinya beragam, mulai dari berkorelasi lemah hingga sedang. Hasil pemodelan GWPIGR membentuk 6 kelompok Kabupaten/Kota dengan variabel signifikan yang sama, dengan variabel yang mendominasi signifikan adalah Persentase Sarana Air Minum (SAM) yang diawasi/diperiksa sesuai standar.
Pemodelan Faktor-Faktor yang Memengaruhi Jumlah Diabetes Melitus di Provinsi Jawa Timur Tahun 2022 Menggunakan Geographically Weighted Negative Binomial Regression Jatikusuma, Andhika; Purhadi, Purhadi
Jurnal Sains dan Seni ITS Vol 13, No 6 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i6.155357

Abstract

Diabetes melitus (DM) adalah kondisi medis yang di-tandai oleh tingginya kadar glukosa darah akibat gangguan produksi atau penggunaan insulin dan dapat merusak organ dan jaringan penting tubuh. Provinsi Jawa Timur menjadi sa-lah satu wilayah dengan jumlah kasus DM tertinggi di Indonesia pada tahun 2022. Dalam penelitian ini, data jumlah kasus DM menunjukkan overdispersion yang diatasi dengan metode Geo-graphically Weighted Negative Binomial Regression (GWNBR). Tujuan penelitian ini adalah untuk mengetahui karakteristik data jumlah kasus DM di Jawa Timur serta faktor-faktor yang mempengaruhinya, dan untuk memodelkan jumlah kasus DM menggunakan metode GWNBR. Penelitian ini menggunakan pembobot fungsi kernel adaptive bisquare dan adaptive tricube. Pemodelan GWNBR dilakukan dengan exposure dan tanpa exposure, di mana jumlah penduduk digunakan sebagai varia-bel exposure. Hasil penelitian menunjukkan bahwa jumlah ka-sus DM terbanyak ditemukan di Kota Surabaya dengan 96.732 kasus, sementara jumlah kasus terendah terdapat di Kota Batu dengan 2.611 kasus. Berdasarkan kriteria kebaikan model AICc, model GWNBR dengan exposure adalah model terbaik dengan menggunakan kernel adaptive bisquare dengan nilai AICc 23.012,62 dan menghasilkan dua kelompok kabupaten/ kota berdasarkan variabel yang berpengaruh signifikan, va-riabel yang signifikan di seluruh lokasi yaitu persentase pendu-duk tingkat pendidikan SMA ke atas, rata-rata pengeluaran makanan dan minuman jadi per kapita dalam sebulan, dan rata-rata pengeluaran makanan berserat per kapita dalam se-bulan, sedangkan variabel yang berpengaruh di sebagian besar lokasi adalah persentase penduduk usia lanjut.
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.
Parameter Estimation of Generalized Modified Weibull Using the Maximum Likelihood on Simulation and Real-World Data Putera, Muhammad Luthfi Setiarno; Purhadi, Purhadi
Jambura Journal of Mathematics Vol 8, No 1: February 2026
Publisher : Department of Mathematics, Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jjom.v8i1.36518

Abstract

This study estimates parameters of the generalized modified Weibull (GM Weibull) distribution using the Maximum Likelihood Estimation (MLE) method with the Broyden–Fletcher–Goldfarb–Shanno (BFGS) algorithm. The GM Weibull distribution, which includes four parameters (lambda, theta, phi, tau), offers greater flexibility than Weibull distribution in modeling data with monotonic and bathtub-shaped hazard patterns. Parameter estimation was conducted on three datasets: simulated data with sample sizes of 50, 200, and 500 observations; survival data from 45 heart transplant patients; and health indicator data from 27 districts/cities in Central and South Kalimantan provinces. The results demonstrate that while the standard Weibull remains a parsimonious choice for simple monotonic data, the GM Weibull produces parameter estimates closer to theoretical values in small-to-medium samples and significantly lower deviance in complex datasets. Specifically, for the heart transplant data, the GM Weibull offered better modeling long-term survival tails (800--1,000 days), while for the health indicator data, it effectively accommodated central tendencies within asymmetric distributions. Although AIC and BIC favor standard Weibull, the GM Weibull accurately identifies underlying structural fluctuations and non-monotonic failure characteristics. This study confirms that the MLE-based GM Weibull distribution is one of the robust tools for researchers requiring a more representative model for complex survival and health data.
SEM-PLS Training at Universitas Islam Negeri Maulana Malik Ibrahim Bambang Widjanarko Otok; Cindy Cahyaning Astuti; Angga Dwi Mulyanto; Purhadi Purhadi; Shofi Andari; Achmad Choiruddin; Santi Wulan Purnami
JRCE (Journal of Research on Community Engagement) Vol 7, No 1 (2025): Journal of Research on Community Engagement
Publisher : Universitas Islam Negeri Maulana Malik Ibrahim Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18860/jrce.v7i1.32959

Abstract

At Universitas Islam Negeri Maulana Malik Ibrahim Malang in 2024 SEM-PLS training will develop data analysis capabilities for lecturers and students to enhance their work on quality scientific publications. The Department of Mathematics at Faculty of Science and Technology conducted the session on May 21, 2024, where 40 people participated. Training and mentoring stands as the service method which features instruction about SEM-PLS theory alongside practical utilization of SmartPLS software for implementation. Observation activities together with documentation assessment and satisfaction questionnaire responses determine the program's outcome. Participant satisfaction reached an exceptional level because they showed positive feedback about the material presented. Time constraints together with a constrained space area negatively affected  this event. This training achieved success in providing extensive SEM-PLS understanding to students and lecturers. The activity builds campus research capacity. The organization of similar consecutive training courses is highly suggested because it will boost academic knowledge in data analysis fields.
Geographically and Temporally Weighted Log-Logistic 3-Parameter Regression Model for Poverty Severity Index : A Case Study on East Java Province Nur Huda; Purhadi Purhadi; Tintrim Dwi Ary Widhianingsih
Jambura Journal of Mathematics Vol 8, No 2: August 2026
Publisher : Department of Mathematics, Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jjom.v8i2.38021

Abstract

This study proposes the Geographically and Temporally Weighted Log Logistic 3 Parameter Regression (GTWLL3R) model as a novel extension of LL3R that simultaneously captures spatial and temporal heterogeneity in poverty severity index. Using the poverty severity index of East Java Province for 2022–2024, local parameters were estimated through an fixed Gaussian kernel weighting matrix based on spatial and temporal distances, with optimization using the Newton–Raphson algorithm. Model performance was evaluated using the corrected Akaike Information Criterion (AICc). The results show that GTWLL3R outperformed the LL3R and GWLL3R models, achieving the lowest AICc value of 18.311, which indicates substantially better model fit and stronger explanatory capability. The estimated coefficients vary across districts/cities and time periods, revealing different patterns of predictor effects on poverty severity index. Based on significant predictor variables, the districts/cities were classified into three clusters. These findings demonstrate that integrating LL3R into the GTWLL3R framework provides a more flexible and accurate approach for analyzing spatiotemporal poverty dynamics and offers stronger evidence for targeted poverty alleviation policies.
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 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, Jauhara Rana 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 Huda Nur Iriawan Nur Lailiyah Nurina Hayu Ratri Nuroini, Husna Mir'atin Pertiwi, Dhea Mutiara Putera, Muhammad Luthfi Setiarno Rahmania Azwarini Rahmawati Erma Standsyah Rahmawati Pane Rahmi Amelia Ratih Kumala Puspa Nusantara Retno Anggarini Rida Dwi Lestari Riska Yanu Fa’rifah Rizwan Arisandi, Rizwan Royyanah, Atika Nur Ruslan Ruslan Ruslan Santi Wulan Purnami 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 Theresia Widiastuti Tintrim Dwi Ary Widhianingsih Urifah Hidayanti Vergilia Agam Saputri Vita Ratnasari Wibawati Wibawati Yoyok Setyo Hadiwidodo Yurike Septi Angelina Monica Zuzun Miranti