Garuda - Garba Rujukan Digital

ANALISIS SURVIVAL LAMA WAKTU SEMBUH PASIEN COVID-19 DENGAN METODE KAPLAN-MEIER DAN LOG-RANK DI KABUPATEN JEMBER Hariadi, Wigid; Sulantari, Sulantari
TRANSFORMASI Vol 5 No 1 (2021): TRANSFORMASI : Jurnal Pendidikan Matematika dan Matematika
Publisher : Pendidikan Matematika FMIPA Universitas PGRI Banyuwangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36526/tr.v5i1.1000

Analisis survival adalah satu analisis data statistika yang bertujuan untuk melakukan analisis fungsi survival (waktu sembuh). Sampai tanggal 23 Oktober 2020 di Kabupaten Jember tercatat bahwa terdapat sebesar 1.098 pasien terkonfirmasi positif Covid-19, sebanyak 939 (85,52%) pasien sudah dinyatakan sembuh, dan 55 (5,01%) pasien dinyatakan meninggal. Hal ini menunjukkan bahwa virus Covid-19 ini berbahaya bagi masyarakat di Kabupeten Jember. Namun demikian angka kesembuhannya juga cukup tinggi, yaitu 85,52%. Analisis survival ini dilakukan untuk mengatahui waktu sembuh pasien Covid-19 di Kabupaten Jember, dengan menggunakan uji Kaplan-Meier dan uji Log-Rank. Uji Kaplan-Meier digunakan untuk menghitung estimasi fungsi survival (waktu sembuh) pasien Covid-19, dan uji Log-Rank digunakan untuk menguji adanya perbedaan fungsi survival (S(t)) waktu sembuh pasien Covid-19 pada pasien laki-laki dan perempuan. Data yang digunakan adalah data pasien Covid-19 di Kabupaten Jember sejak Maret 2020 sampai dengan 23 Oktober 2020. Hasil penelitian menunjukkan bahwa median fungsi survival waktu sembuh pasien Covid-19 di Kabupaten Jember adalah 16 hari perawatan. Berdasarkan uji Log-Rank dengan Î± = 0,05, disimpulkan bahwa terdapat perbedaan yang signifikan antara fungsi survival S(t) lama waktu sembuh pasien laki-laki dan pasien perempuan, dengan waktu sembuh pasien perempuan lebih cepat dibandingkan pasien laki-laki.

ANALISIS SURVIVAL WAKTU SEMBUH PASIEN COVID-19 DI KABUPATEN BANYUWANGI Sulantari, Sulantari; Hariadi, Wigid
TRANSFORMASI Vol 4 No 2 (2020): TRANSFORMASI : Jurnal Pendidikan Matematika dan Matematika
Publisher : Pendidikan Matematika FMIPA Universitas PGRI Banyuwangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36526/tr.v4i2.1001

Analisis survival adalah salah satu analisis data statistika yang bertujuan untuk melakukan analisis fungsi survival (waktu sembuh). Pertanggal 30 Juli 2020 sebanyak 108.376 orang positif covid-19, dengan 65.907 pasien dinyatakan sembuh dan 5.131 pasien meninggal dunia di Indonesia. Sementara itu di kabupaten Banyuwangi tercatat sebanyak 56 orang positif Covid-19 dengan 44 pasien sembuh dan 2 pasien meninggal. Tingginya angka kematian tersebut menunjukkan bahwa virus covid-19 ini sangat berbahaya bagi manusia. Namun demikian angka kesembuhan virus ini juga cukup tinggi. Untuk itu dilakukan analisis survival waktu sembuh pasien covid-19 di Banyuwangi dengan uji Kaplan-Meier sebagai penghitung estimasi fungsi survival (waktu sembuh) pasien Covid-19, uji Log-Rank untuk menguji adanya perbedaan fungsi survival (S(t)) waktu sembuh pasien Covid-19 pada dua kelompok. Data yang digunakan adalah data pasien Covid-19 di Kabupaten Banyuwangi sejak Mei sampai 27 Juli 2020. Kesimpulan yang diperoleh adalah median fungsi survival waktu sembuh pasien Covid-19 di Kabupaten Banyuwangi adalah 16 hari perawatan, dengan fungsi survival waktu sembuh pasien laki-laki memiliki median 15,5 hari perawatan dan fungsi survival waktu sembuh pasien perempuan memiliki median 13 hari perawatan. Namun, berdasarkan uji Log-Rank dengan Î± = 0,05, disimpulkan tidak terdapat perbedaan yang signifikan pada lama waktu sembuh Covid-19 antara pasien perempuan dan pasien laki-laki.

PENERAPAN MODEL ARIMA DALAM PERAMALAN ANAK USIA 5–14 Th YANG TERINFEKSI HIV DI INDONESIA Wigid Hariadi; Sulantari Sulantari
Alifmatika (Jurnal pendidikan dan pembelajaran Matematika) Vol 1 No 1 (2019): Alifmatika - December
Publisher : Fakultas Tarbiyah Universitas Ibrahimy

Human Immunodeficiency Virus (HIV) is dangerous diseases for humans, and until now has not found a cure. Virus HIV is attacks the human immune system so that someone is susceptible to disease. This causes if someone is infected with HIV, then the person can experience an danger condition, it will even effect is death. In recent years, the number of children aged 5 – 14 years old that infected with HIV continues to increase. Therefore the author was moved to write about the application of the ARIMA model in forecasting the number of children aged 5 – 14 years old that infected with HIV in Indonesia by 2023. With the hope that the public or the govermment can find out the potential dangers of HIV disease, especially in children aged 5 – 14 years old. So that the public and govermment can jointly eradicate the spread of the HIV virus, especially in chidren. the result are obtained that the model that is suitable for use in forecasting is the ARIMA(0,1,2) models, with error value obtained is 0.057429. with the forecast value of the number of children aged 5 – 14 years old that infected with HIV in Indonesia from 2019 – 2023 in a row is : 570.82, 647.12, 734.14, 823.85, 944.83.

Analisis Intervesi Fungsi Step Efek Program Tol-Laut Terhadap Pergerakan Harga Saham TMAS.JK Wigid Hariadi
Unisda Journal of Mathematics and Computer Science (UJMC) Vol 5 No 01 (2019): Unisda Journal of Mathematics and Computer Science (UJMC)
Publisher : Mathematics Department of Mathematics and Natural Sciences Unisda Lamongan

Abstract. Intervention analysis is used to evaluate the effect of external events on a time series data. Sea-highway program is one of the leading programs Joko Widodo-Jusuf Kalla in presidential election 2014. So the author want to modeling the effect from Sea-highway programs on stock price movement in the shipping sector, TMAS.JK (Pelayaran Tempuran Emas tbk). After analyzing, proven that it has happened intervention on movement of daily stock price TMAS.JK caused by Sea-highway programs. Intervention I, on 11 August 2014, which was efect as a result of the election of the Joko Widodo-Jusuf kalla pair as President and vice President Republic of Indonesia on 22 july 2014. Intervention II, on 10 november 2014, president Joko Widodo speech in APEC about Sea-highway Program, and offering investment in port construction to foreign country. So that the model of time series analysis that right is intervention analysis model multi input step function, where the model is ARIMA (2,1,0), StepI (b=0, s=2, r=1), StepII (b=3, s=0, r=1). Keywords: Intervention Analysis, Multi Input, Step Function, Sea-highway. Abstrak. Analisis intervensi digunakan untuk mengevaluasi efek dari peristiwa eksternal pada suatu data time series. Program Tol-Laut merupakan salah satu program unggulan pasangan Joko Widodo-Jusuf Kalla dalam pemilu 2014. sehingga, penulis ingin memodelkan efek dari Program Tol-Laut terhadap pergerakan harga saham dibidang pelayaran, TMAS.JK (Pelayaran Tempuran Emas tbk). Setelah dilakukan analisis data, terbukti bahwa terjadi intervensi pada pergerakan harga saham harian TMAS.JK yang disebabkan oleh efek dari program Tol-Laut. Dimana intervensi I, pada tanggal 11 Agustus 2014, yang diduga sebagai dampak dari terpilihnya pasangan Joko widodo-Jusuf Kalla sebagai presiden dan wakil presiden Republik Indonesia pada tanggal 22 Juli 2014. Intervensi II, pada tanggal 10 November 2014, pidato Presiden Joko Widodo di forum APEC mengenai program tol laut, dan menawarkan investasi dibidang pembangunan pelabuhan kepada bangsa asing. Sehingga model analisis time series yang tepat adalah model analisis intervensi multi input fungsi step, dimana modelnya adalah ARIMA (2,1,0), StepI (b=0, s=2, r=1), StepII (b=3, s=0, r=1). Kata kunci: Analisis intervensi, Multi Input, fungsi step, Tol-Laut.

Estimasi Model Regresi Binomial Negatif Bivariat (BNBR) Pada Penderita Kusta di Jawa Timur WIGID HARIADI; Sulantari Sulantari
Unisda Journal of Mathematics and Computer Science (UJMC) Vol 5 No 2 (2019): Unisda Journal of Mathematics and Computer science
Publisher : Mathematics Department of Mathematics and Natural Sciences Unisda Lamongan

Abstract. One of the methods used to overcome overdispersion in poisson regression model is a bivariate negative binomial regression model also known as BNBR Model. Leprosy is a dangerous infectious disease, because it can cause paralysis. Leprosy is divided into 2 types, namely is a leprosy Pausibasilier(PB) type and leprosy Multibasilier (MB) type. Where PB type leprosy is a dry leprosy and MB type leprosy is a wet leprosy. Analysis of the data used to model the number of PB leprosy and MB leprosy cases and find out what factor influence it in East Java, the writer uses the BNBR models. Parameter estimation of the BNBR model uses to Maximum likelihood estimation (MLE) methods with Newton-Raphson iteration as well as testing the hypothesis using MLRT methods. After regression analysis, the results are obtained that of the 10 predictor variables tested, both in PB leprosy and MB leprosy, there are 3 predictor variables that are not significant in the model, namely are: variable percentage of poor population, variable ratio of population who did not graduated SMA, and variable ratio of health facilities. Abstrak. Salah satu metode yang digunakan untuk mengatasi overdispersi dalam regresi Poisson yakni dengan regresi binomial negatif bivariat atau dikenal juga dengan model regresi BNBR. Penyakit Kusta adalah salah satu penyakit menular yang berbahaya, karena dapat menyebabkan kelumpuhan. Jenis penyakit kusta terbagi menjadi 2, yakni Kusta tipe Pausibasiler (PB) dan tipe Multibasiler.(MB). Dimana kusta tipe PB merupakan Kusta kering, dan kusta tipe MB adalah kusta basah. Analisis data yang digunakan untuk memodelkan besarnya jumlah kasus kusta tipePB dan tipe MB, kemudian untuk mengetahui faktor apa saja yang mempengaruhinya di Jawa Timur, penulis menggunakan model BNBR. Penaksiran parameter model BNBR menggunakan Maximum Likelihood Estimation (MLE) dengan iterasi Newton-Raphson serta melakukan pengujian hipotesis menggunakan metode MLRT. Setelah dilakukan analisis regresi, diperoleh hasil bahwa dari 10 variabel prediktor yang diujikan, baik pada kusta tipe PB maupun tipe MB, terdapat 3 variabel prediktor yang tidak signifikan dalam model, yakni: variabel presentase penduduk miskin, variabel rasio penduduk yang tidak tamat SMA, dan variabel rasio sarana kesehatan.

Pemodelan Kasus Pasien Terkonfirmasi Positif Covid-19 Per-Hari Di Indonesia dengan Metode SARIMA Wigid Hariadi; Sulantari Sulantari
UJMC (Unisda Journal of Mathematics and Computer Science) Vol 7 No 2 (2021): Unisda Journal of Mathematics and Computer science
Publisher : Mathematics Department, Faculty of Mathematics and Sciences Unisda Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52166/ujmc.v7i2.2743

The Seasonal Autoregressive Integrated Moving Average (SARIMA) model is a popular method for forecasting univariate time series data for data containing seasonality. This method consists of several stages, namely: identification, parameter assessment, diagnostic examination, and forecasting using the SARIMA (p,d,q)(P,D,Q)S model. The SARIMA model can be applied in various fields, one of which is the medical field. The number of patients infected with the CoVID-19 virus continues to grow every day. Indonesia is one of the countries experiencing the impact of the COVID-19 virus. On December 28, 2021, the number of positive Covid-19 patients in Indonesia was 4,262,157, with 4,113,472 patients recovering and 144,071 patients dying. Seeing the high number of positive cases of Covid-19 in Indonesia, the author wants to conduct research on modeling cases of patients who are confirmed to be positive for Covid-19 per day in Indonesia and then from this model, data forecasting will be carried out for the next 28 periods. The data collection period is from November 1, 2021 to December 28, 2021. And the results of a good model for predicting cases of confirmed positive COVID-19 patients per day in Indonesia are the SARIMA (2,1,2)(2,1,1)7 model, with The seasonal length is 7 periods, and the sum squared resid is 0.927619. Abstrak Model Seasonal Autoregressive Integrated Moving Average (SARIMA) adalah metode populer untuk meramalkan data deret waktu univariat untuk data yang mengadung musiman. Metode ini terdiri dari beberapa tahapan, yaitu: identifikasi, penilaian parameter, pemeriksaan diagnostik, dan peramalan menggunakan model SARIMA (p,d,q)(P,D,Q)S. Model SARIMA dapat diterapkan di berbagai bidang, salah satunya bidang medis. Jumlah pasien yang terinfeksi virus CoVID-19 terus bertambah setiap harinya. Negara Indonesia merupakan salah satu Negara yang mengalami dampak virus covid-19. pada 28 Desember 2021, jumlah pasien positif Covid-19 di Indonesia sebanyak 4.262.157 pasien, dengan 4.113.472 pasien sembuh dan 144.071 pasien meninggal dunia. Melihat tingginya kasus positif Covid-19 di Indonesia, maka penulis ingin melakukan penelitian tentang pemodelan kasus pasien terkonfirmasi positif covid-19 perhari di Indonesia untuk kemudian dari model tersebut akan dilakuakn peramalan data untuk 28 periode kedepan. Periode pendataan dari tanggal 1 November 2021 sampai dengan 28 Desember 2021. Dan hasil model yang baik untuk memprediksi kasus pasien terkonfirmasi positif covid-19 perhari di Indonesia adalah model SARIMA (2,1,2)(2,1,1)7, dengan panjang musiman nya 7 periode, dan nilai sum squared resid sebesar 0.927619.

Analisis Survival Model Regresi Cox Pada Lama Waktu Sembuh Pasien Gejala Sedang Covid-19 Sulantari Sulantari; Wigid Hariadi
UJMC (Unisda Journal of Mathematics and Computer Science) Vol 8 No 1 (2022): Unisda Journal of Mathematics and Computer science
Publisher : Mathematics Department, Faculty of Mathematics and Sciences Unisda Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52166/ujmc.v8i1.3070

Survival analysis Model is one of the statistical analysis that can be used to test the survival function of an event. Survival analysis can be applied to health cases. The Kaplan-Meier test and cox proportional hazard regression analysis are part of the survival analysis. One of the health problems that Indonesia and the world are facing today is the virus covid-19 case. The country of Indonesia is one of the countries that experienced the impact of the virus covid-19. In Jember Regency, as of October 23, 2020, the number of patients who were confirmed positive was 1,098 patients with 85.52% having recovered, and 5.01% having died. Seeing the high number of positive cases of Covid-19 in Jember Regency, the authors want to conduct a study on the survival analysis of cox regression model on the long time of recovery of patients with moderate symptoms of covid-19 in the Jember region, especially in RSD Dr. Soebandi Jember. The results of this analysis are: (1) survival function of patients with moderate symptoms of Covid-19 at RSD dr Soebandi Jember, for female patients, it has a faster recovery time than patients with male sex. (2) survival function of patients with moderate symptoms of Covid-19 at RSD dr Soebandi Jember, for patients who do not have comorbid have a longer recovery time faster than patients who have comorbid. And (3) the variables of sex and comorbid status affect the length of time to recover patients with moderate symptoms of covid-19 at RSD Dr. Soebandi Jember. With the likelihood ratio (LRT) is 3.5255 for gender variables, and 16.5221 for comorbid status variables Abstrak Model analisis survival adalah salah satu analisis statistik yang dapat digunakan untuk menguji fungsi survival suatu kejadian. Analisis survival dapat dapat diterapkan pada kasus kesehatan. Uji Kaplan-Meier dan analisis regresi cox proporsional hazard merupakan bagian dari analisis survival. Salah satu permasalahan kesehatan yang sedang dihadapi Indonesia dan Dunia saat ini adalah kasus virus covid-19. Negara Indonesia merupakan salah satu Negara yang mengalami dampak virus covid-19. Di Kabupaten Jember, per-tanggal 23 Oktober 2020, jumlah pasien yang terkonfirmasi positif sebanyak 1.098 pasien dengan 85,52% telah sembuh, dan 5,01% meninggal dunia. Melihat tingginya kasus positif Covid-19 di Kabupaten Jember, maka penulis ingin melakukan penelitian tentang analisis survival model regresi cox pada lama waktu sembuh pasien gejala sedang covid-19 di Wilayah Jember, khususnya di RSD dr Soebandi Jember. Hasil dari analisis ini yakni: (1) fungsi survival pasien gejala sedang Covid-19 di RSD dr Soebandi Jember, untuk pasien jenis kelamin perempuan memiliki lama waktu sembuh yang lebih cepat dibandingkan pasien dengan jenis kelamin laki-laki. (2) fungsi survival pasien gejala sedang Covid-19 di RSD dr Soebandi Jember, untuk pasien yang tidak memiliki comorbid mempunyai lama waktu sembuh yang lebih cepat dibandingkan pasien yang memiliki comorbid. Dan (3) variabel jenis kelamin dan status comorbid berpengaruh terhadap lama waktu sembuh pasien gejala sedang covid-19 di RSD dr Soebandi Jember. Dengan nilai likelihood rationya (LRT) adalah sebesar 3.5255 untuk variabel jenis kelamin, dan 16.5221 untuk variabel status comorbid.

Forecasting Tingkat Inflasi Year-on-Year Indonesia Dengan Metode Weighted Moving Average (WMA) Wigid Hariadi; Sulantari Sulantari
UJMC (Unisda Journal of Mathematics and Computer Science) Vol 8 No 2 (2022): Unisda Journal of Mathematics and Computer science
Publisher : Mathematics Department, Faculty of Mathematics and Sciences Unisda Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52166/ujmc.v8i2.3576

Abstract. The weighted moving average (WMA) method is a method of calculating data forecasting values through moving average values that are given different weights for each time period. The Covid-19 pandemic has had a considerable impact on the State of Indonesia. Not only from the health sector of the residents, but also the economic sector of the residents was also quite badly affected. This economic impact can be felt from the rising prices of goods needed by the community and in addition to the increasingly deteriorating financial conditions of the community. Not yet recovered due to the Covid-19 pandemic, there was a war between Russia and Ukraine in 2022 which helped balance the inflation rate in Indonesia. This is because the war made the price of fuel and wheat commodities increase more and more expensive. This inflation rate is one indicator of economic growth in a country, and is very influential on the economic growth of a country. Because of this, it is important for us to be able to know the projection (data forecast) of the inflation rate for the next several periods. This is intended so that related parties can prepare the right strategy in dealing with the inflation rate. From the results of the study, it was concluded that a good Weighted Moving Average model for predicting Indonesia's year on year inflation rate is a 3rd order WMA model with a weight of 0.65; 0.2; 0.15, with an MSE value of 0.2632, MAD of 0.3549, and a MAPE value of 0.1114 or (11.14%). Indonesia's YoY inflation forecast for the next 4 months, namely: In December 2022 it was 5.56, January 2023 it was 5.55, February 2023 it was 5.53, and in March 2023 it was 5.54. Keywords: Weighted Moving Average, WMA, Inflation. Abstrak. Metode weighted moving average (WMA) adalah metode menghitung nilai peramalan data melalui nilai rata-rata bergerak yang diberikan bobot yang berbeda untuk tiap-tiap periode waktunya. Pandemi covid-19 memberikan dampak yang cukup besar bagi Negara Indonesia. Tidak hanya dari sektor kesehatan warganya, namun juga sektor perekonomian warga juga ikut terdampak cukup parah. Dampak ekonomi ini dapat dirasakan dari naiknya harga barang-barang kebutuhan masyarakat dan di tambah lagi kondisi keuangan masyrakat yang semakin memburuk. Belum pulih akibat pandemic covid-19, terjadi peristiwa perang antara Rusia dengan Ukraina pada tahun 2022 yang ikut menymbang Tingkat Inflasi di Indonesia. Hal ini disebabkan karena perang tersebut membuat harga BBM dan komoditas gandum meningkat semakin mahal. Tingkat inflasi ini menjadi salah satu indicator pertumbuhan ekonomi di suatu Negara, dan sangat berpengaruh terhadap pertumbuhan ekonomi suatu Negara. Karena hal itu, penting kiranya kita untuk dapat mengetahui proyeksi (peramalan data) tingkat inflasi untuk beberapa periode kedepan. Hal ini bertujuan agar pihak terkait dapat mempersiapakan strategi yang tepat dalam menangani laju tingkat inflasi. Dari hasil penelitian, diperoleh kesimpulan bahwa Model Weighted Moving Average yang baik untuk memprediksi nilai inflasi year on year Indonesia adalah model WMA orde 3 dengan Bobot 0.65; 0.2; 0.15, dengan nilai MSE sebesar 0.2632, MAD sebesar 0.3549, dan nilai MAPE sebesar 0.1114 atau (11.14%). Forecasting inflasi YoY Indonesia selama 4 bulan berikutnya, yaitu: Pada bulan Desember 2022 sebesar 5.56, Januari 2023 sebesar 5.55, Februari 2023 sebesar 5.53, dan pada Maret 2023 sebesar 5.54. Kata kunci: Weighted Moving Average, WMA, inflasi.

Aplication of ARIMA Model for Forecasting Additional Positive Cases of Covid-19 in Jember Regency Wigid Hariadi; Sulantari Sulantari
Enthusiastic : International Journal of Applied Statistics and Data Science Volume 1 Issue 1, April 2021
Publisher : Universitas Islam Indonesia

The autoregressive integrated moving average (ARIMA) model is a popular method for forecasting univariate time series dataset. This method consists of four major stages, namely: identification, parameter assessment, diagnostic examination, and forecasting using the ARIMA model (p, d, q). ARIMA model can be applied in various fields, one of which is medical field. Currently, there had been a daily increase in the number of patients infected with Corona virus. Jember is one of the regencies in East Java with a high number of confirmed patients. On February 5, 2021, it was recorded that 5,872 patients were confirmed positive for Corona, 5,241 patients had been declared cured, and 352 patients were declared dead. Given the high number of confirmed cases of Covid-19 in Jember, the authors would like to conduct a prediction research on the increasing number of confirmed cases of Covid-19 in Jember Regency for the upcoming period using the ARIMA model (p,d,q). The research was conducted in the Jember Regency, East Java. The data were collected from March 28, 2020 to January 30, 2021. The study showed that the ARIMA model (1,2,3) was the best model for predicting the additional positive cases of Covid-19 per week in Jember, with the sum squared resid of 7.9496. The data forecast for the additional positive cases of Covid-19 for the next 6 periods is: 224,56 patients, 247,84 patients, 273,53 patients, 301,89 patients, 333,18 patients, and 367,72 patients. Received February 10, 2021Revised April 8, 2021Accepted April 22, 2021

Analisis Regresi Linier Berganda Untuk Memodelkan Faktor yang Mempengaruhi Nilai Penambahan Utang Tahunan Negara Indonesia Sulantari, Sulantari; Hariadi, Wigid; Putra, Eric Dwi; Anas, Aswar
UJMC (Unisda Journal of Mathematics and Computer Science) Vol 10 No 1 (2024): Unisda Journal of Mathematics and Computer Science
Publisher : Mathematics Department, Faculty of Mathematics and Sciences Unisda Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52166/ujmc.v10i1.6631

Indonesia is a one of developing country. After 79 years of independence, Indonesia is not yet free from debt. In 2023, Indonesia's total national debt will reach Rp. 8,144.69 trillion. The debt can cause economic problems in many debtor countries. Regression analysis is a statistical analysis that explains the relationship between the dependent variable (Y) and the independent variable (X). The author is interested in analyzing what factors influence the amount of the annual increase in Indonesia's debt. Using multiple linear regression analysis, the results show that the variables that influence the amount of the increase in Indonesia's national is a variable debt are the GDP growth (X1), variable the GDP value 1 year ago (X2), and variable the debt to GDP ratio 1 year ago (X3). The coefficient of determination (R2) value is 0.89, which means that 89% of the increase in Indonesia's national debt is influenced by variables variable debt are the GDP growth, variable the GDP value 1 year ago, and variable the debt to GDP ratio 1 year ago. The regression model formed is: Y = -60.489 (X1) + 0.046 (X2) + 592.738 (X3) + e. Keywords: Weighted Moving Average, WMA, Inflation. Abstrak. Negara Indonesia merupakan salah satu negara berkembang. setelah 79 tahun merdeka, Indonesia belum lepas dari hutang. Tahun 2023, total utang negara Indonesia mencapai Rp. 8.144,69 triliun. Utang dapat menimbulkan permasalahan ekonomi pada banyak negara debitur. Analisis regresi adalah suatu analisa statistika yang menjelaskan hubungan antara variabel terikat (Y) dan variabel bebas (X). penulis tertarik untuk menganlisis faktor apa saja yang mempengaruhi besaran nilai penambahan hutang tahunan negara Indonesia. Menggunakan analsisi regresi linier berganda, diperoleh hasil bahwa Variabel yang berpengaruh terhadap besar penambahan hutang Negara Indonesia adalah variabel pertumbuhan PDB (X1), variabel nilai PDB 1 tahun yang lalu (X2), dan variabel rasio utang terhadap PDB 1 tahun yang lalu (X3). Nilai koefisien determinasi (R2) sebesar 0.89 yang berarti bahwa sebesar 89% besar penambahan hutang Negara Indonesia dipengaruhi oleh variabel X1, X2, dan X3. Model regresi yang terbentuk adalah: Y = -60.489 (X1) + 0.046 (X2) + 592.738 (X3) + e . Kata kunci: Analisis Regresi, Berganda, Utang Indonesia.

Title

Found 12 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 12 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 12 Documents
Search