Claim Missing Document
Check
Articles

Found 7 Documents
Search

Regularized Ordinal Regression with Elastic Net Approach (Case Study: Poverty Modeling in Yogyakarta Province 2018) Sihombing, Pardomuan Robinson; Andriyana, Yudhie; Tantular, Bertho
CAUCHY Vol 6, No 4 (2021): CAUCHY: Jurnal Matematika Murni dan Aplikasi
Publisher : Mathematics Department, Maulana Malik Ibrahim State Islamic University of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18860/ca.v6i4.11758

Abstract

Generally, modeling poverty aims to obtain the best criteria for assessing poverty status. There are two approaches to model the factors that affect poverty, namely consumption approach and discrete choice model. The advantage of the discrete choice model compared to the consumption approach is that the discrete choice model provides a probabilistic estimate for classifying samples into different poverty categories. This study aims to examined how the factors that affect poverty in Yogyakarta through Regularized Ordinal Regression with elastic net approach both for parallel, non-parallel, and semi-parallel models. The data used in this study is Susenas March 2018 for Yogyakarta provinces. The result of this study shows that the best discrete choice model for Yogyakarta’s modelling is the parallel model. Households that live in villages, have a large number of household members, are headed by women, have elderly household heads, have low education, and work in the primary sector tend to be more vulnerable to poverty. Therefore, a simultaneous policy with inclusive economic development is needed to reduce cross-border, cross-gender, and cross-sector inequality
APLIKASI LATENT DIRICHLET ALLOCATION (LDA) PADA CLUSTERING DATA TEKS . Zulhanif; . Sudartianto; Bertho Tantular; I Gede Nyoman Mindra Jaya
LOGIK@ Vol 7, No 1 (2017): Vol.7 No.1 Tahun 2017
Publisher : Universitas Islam Negeri Syarif Hidayatullah Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (473.878 KB)

Abstract

Latent Dirichlet Allocation (LDA), model probabilistik generatif pada sekumpulan data teks (corpus) . LDA adalah model Bayesian Hirarki , di mana sekumpulan teks dimodelkan sebagai model campuran dari berbagai topik. Dalam kontek pemodelan teks, probabilitas topik memberikan representasi eksplisit dari sebuah dokumen. Pada penelitian ini menyajikan teknik inferensi berdasarkan algoritma Gibbs Sampling untuk mengestimasi parameter Bayes dalam pemodelan dokumen dan klasifikasi teks.
Association Between Smoking Behavior and Tuberculosis in Indonesia : A Meta-Analysis Oinike, Aritonang Keshia; Pontoh, Resa Septiani; Tantular, Bertho
Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya 2019: Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (672.42 KB)

Abstract

According to WHO, Pulmonary TB is still one of the most deadly diseases and the death rate has reached millions of lives throughout the world including Indonesia. Smoking is one of the main causes of someone contracting pulmonary TB. The goal of this study is to find association between Pulmonary TB and smoking habits in Indonesia using published study. Published studies that reproting Pulmonary TB and smoking habits was complemented by manual searching. Thirty-six studies were selected that covering 12 province in Indonesia. Meta-analysis was conducted using Random effect model. 46641 patients were included in the analysis, and there were 1698 patients that suffering from Pulmonary TB and 44943 patients that not suffering. The association between Pulmonary TB and smoking habits is statistically significant with <0.0001 in p-value and 4.94 in z-score. The pooled odds ratio estimate for smokersvsnon smokers was of 1.8697dan 95% - CI [1.4583; 2.3972] or patients who smoked 1.86 times at risk of pulmonary TB than non-smoking patients. Smoking habits is significantly associated with the risk of Pulmonary TB in Indonesia.
Bayesian Spasial Varying Coeffcient Model dalam Menaksir Resiko Relatif Penyakit Diare di Kota Bandung Jaya, I Gede Nyoman Mindra; Tantular, Bertho; Zulhanif, Z
Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya 2017: Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (760.679 KB)

Abstract

Penyakit diare masih merupakan masalah kesehatan di Indonesia khususnya di Kota Bandung. karena morbiditas dan mortalitas-nya yang masih tinggi. Pemodelan regresi Poisson Global dinilai kurang tepat digunakan dalam memodelkan data diare yang memiliki karakteristik spasial yang meliputi ketergantungan spasial dan heterogenitas spatial. Model yang diuslkan adalah model Bayesian Spatial Varying Coefficient Model (SVCM) sebagi pendekatan untuk mensolusikan adanya pelanggaran asumsi karena adanya karakteristik spatial. Hasil analisis menemukan bahwa pemodelan regresi poisson kurang tepat digunakan untuk memodelkan angka kasus diare di Kota Bandung dikarenakan adanya pelanggaran asumsi homoskedastisitas. Pemodelan SVCM menyimpulkan menginformasikan adanya efek spatial yang berbeda untuk setiap kecamatan di Kota Bandung sehingga memberikan informasi yang lebih lengkap bagaimana kontribusi dari masing-masing variabel Kepadatan Penduduk, PHBS, Rumah Sehat, Gizi Buruk dan Air Bersih berpengaruh terhadap angka kasus diare di masing-masing kecamatan di Kota Bandung
Optimalisasi Matrik Bobot Spasial berdasarkan K-Nearest Neighbor dalam Spasial Lag Model Mindra, I Gede Nyoman; Tantular, Bertho; Zulhanif, Z
Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya 2017: Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (889.088 KB)

Abstract

Permasalahan dalam analisis sapatial ekonometrik yang berkaitan dengan spasial lag dependensi yaitu belum ditemukan solusi tepat dalam menentukan struktur dependensi pada data spasial. Struktur dependensi ini umumnya dinyatakan dalam matrik bobot spasial (W). Secara teori matrik W adalah fixed ditentukan berdasarkan hipotesis peneliti yang dikembangkan dari dari pemahaman terhadap fenomena yang diamati. Namun demikian, seringkali peneliti tidak memiliki informasi yang cukup untuk membangun struktur dependensi ini. Keterbatasan informasi menyebakan peneliti merujuk pada hokum Tobler yang menjelaskan bahwa semua hal saling terkait satu dengan yang lainnya namun yang lebih berdekatan lebih erat kaitannya dibandingkan yang berjauhan. Hukum ini diterjemahkan dalam berbagai cara seperti menggunkan kedekatan persinggungan antara lokasi ataupun menggunakan inverse jarak. Namun, faktanya, metode ini tidak mampu memberikan struktur W yang optimal menurut ukuran kebaikan model R2 dan AIC. Penelitian ini mengusulkan satu pendekatan baru melalui metode iterasi untuk menemukan matrix W yang paling optimal. Metode yang digunakan adalah metode K-Nearest Neighbor (K-NN). Hasil analisis pada kasus Diare di Kota Bandung Tahun 2015 menemukan bahwa penggunaan metode K-nearest neighbor dalam memilih matrik bobot spasial yang paling optimum memberikan hasil akhir yang baik. Model dengan matrik bobot berdsarkan 3-NN memberikan nilai AIC yang paling kecil dan R2 yang paling besar. Temuan lain dari penelitian ini adalah nilai koefisien spasial lag yang semakin tinggi tidak menjamin bahwa model spasial lag dengan ukuran AIC dan R2 semakin baik. Dua variabel yang memiliki kontribusi terhadap angka prevalensi diare sesuai dengan fenomenanya adalah Perilaku Hidup Bersih dan Sehat (PHBS) dan Air Bersih.Kata Kunci: K-NN, Optimasi,
PEMODELAN PRODUK DOMESTIK BRUTO (PDB) DENGAN PENDEKATAN VECTOR ERROR CORRECTION MODEL (VECM) Sitepu, Aldi Anugerah; Tantular, Bertho; Darmawan, Gumgum; Pontoh, Resa Septiani; Faidah, Defi Yusti
PRIMER : Jurnal Ilmiah Multidisiplin Vol. 1 No. 2 (2023): PRIMER : Jurnal Ilmiah Multidisiplin, April 2023
Publisher : LPPM Institut Teknologi Dan Kesehatan Aspirasi

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

Abstract

Produk Domestik Bruto (PDB) memiliki peran yang sangat penting dalam untuk mengerti kondisi perekonomian negara. Penelitian ini bertujuan untuk memodelkan variabel PDB dengan mempertimbangkan variabel RTGS (Real Time Gross Settlement). Akan tetapi, data yang digunakan dalam penelitian ini tidak memenuhi asumsi stasioner. Metode yang digunakan pada penelitian ini adalah Vector Error Correction Model (VECM) yang merupakan salah satu model multivariat runtun waktu yang merupakan bentuk Vektor Autoregresive terestriksi dengan data yang tidak stasioner namun kombinasi liniernya memiliki kointegrasi. Hasil analisis model tersebut adalah terdapat kointegrasi antara PDB dan RTGS. Parameter model diestimasi dengan hasil estimasi jangka panjang RTGS signifikan sebesar -0,8828. Dari analisis kausalitas Granger terdapat hubungan satu arah PDB dengan RTGS. Akurasi model ditunjukkan oleh nilai MAPE sebesar 0,10%.
Improving the Accuracy of Room Occupancy Forecasts with Hybrid Models Alfarisi, Widi Wildani; Darmawan, Gumgum; Tantular, Bertho
Jurnal Ilmiah Pendidikan dan Pembelajaran Vol. 9 No. 1 (2025): March
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/jipp.v9i1.89464

Abstract

Conventional prediction models used so far can often not capture complex patterns influenced by various dynamic factors such as time, weather, scheduled activities, and user behaviour. This study aims to predict the occupancy rate of rooms in a popular tourist destination. The Fuzzy Time Series method was chosen because of its flexibility and ability to work without strict statistical assumptions. The addition of Markov Chains has been shown to reduce the error rate, while SSA improves the model by decomposing the data into trend, seasonal, and residual components. This study found that the hybrid FTSMC-SSA method significantly outperformed the traditional method, with a Mean Absolute Percentage Error (MAPE). This shows that the developed hybrid model has significantly improved the accuracy of room occupancy forecasting compared to a single conventional model. This model can capture complex temporal and non-linear patterns in occupancy data by combining machine learning methods such as Random Forest and Long Short-Term Memory (LSTM) and statistical approaches such as ARIMA. The implications of this study are significant for facility management and space planning in various sectors, such as offices, educational institutions, hospitals, and shopping centres. With the increased accuracy of room occupancy forecasts through hybrid models, managers can make more informed decisions regarding space usage scheduling, automatic lighting and ventilation settings, and energy savings.