Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Media Statistika Pattimura Proceeding : Conference of Science and Technology STATISTIKA
Irlandia Ginanjar
Departemen Statistika, Fakultas MIPA, Universitas Padjadjaran, Indonesia
Agriculture, Biological Sciences & Forestry Astronomy Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Control & Systems Engineering Decision Sciences, Operations Research & Management Energy Engineering Materials Science & Nanotechnology Mathematics Physics

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
ANALISIS OBYEK DAN KARAKTERISTIK DARI MATRIKS INDIKATOR MENGGUNAKAN HYBRID ANALISIS KELAS LATEN DENGAN BIPLOT ANALISIS KOMPONEN UTAMA (BIPLOT AKU) Ginanjar, Irlandia; Pravitasari, Anindya Apriliyanti; Martuah, Aleknaek
MEDIA STATISTIKA Vol 6, No 2 (2013): Media Statistika
Publisher : Department of Statistics, Faculty of Science and Mathematics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (933.108 KB) | DOI: 10.14710/medstat.6.2.81-90

Abstract

Analysis of the object and the characteristics will be much easier, efficient, and informative when based on a perceptual map, which can display objects and characteristics. Indicator matrix is a matrix where the rows represent objects and the columns is a dummy variable representing characteristics. This article writes about techniques to make perceptual map from indicator matrix, where that can provide information about the similarity between objects, the diversity of each characteristic, correlations between the characteristics, and characteristic values ​​for each object, the techniques we call Hybrid Latent Class Cluster with PCA Biplot, where Latent Class Cluster Analysis is used to transform the indicator matrix to cross section matrix, where rows represent the objects and columns represent the characteristics, the observation cells is the probability of characteristic for each object, next the cross section matrix mapped using Principal Component Analysis Biplot (PCA Biplot).   Key Words: Hybrid Latent Class Cluster with PCA Biplot, Latent Class Cluster Analysis, Biplot Principal Component Analysis, Indicator Matrix.
ANALISIS KORESPONDENSI BERGANDA UNTUK MENGETAHUI INDIKATOR-INDIKATOR YANG MEMPENGARUHI KEJADIAN LOW BACK PAIN PADA KUSIR KUDA/DELMAN DI KOTA CIMAHI TAHUN 2019 Dhita Diana Dewi; Fajriatus Sholihah; Rosa Rosmanah; Lucy Fitria Dewi; Mochamad Yudhi Afrizal; Irlandia Ginanjar
Pattimura Proceeding 2021: Prosiding KNM XX
Publisher : Pattimura University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (895.97 KB) | DOI: 10.30598/PattimuraSci.2021.KNMXX.351-358

Abstract

Low Back Pain (LBP) merupakan nyeri yang dirasakan di area punggung bagian bawah. Pekerjaan yang dapat menimbulkan LBP salah satunya kusir kuda/delman. Dampak dari LBP yaitu dapat menurunkan produktivitas kerja. Hasil survei pendahuluan tahun 2019 di Kota Cimahi didapatkan 10 dari 10 orang atau 100% kusir kuda/delman mengeluhkan nyeri punggung bagian bawah. Penelitian ini bertujuan untuk mengetahui indikator-indikator yang memiliki dependensi dengan kejadian LBP serta mengetahui kategori variabel yang berpengaruh terhadap kejadian LBP pada kusir kuda/delman di Kota Cimahi tahun 2019. Metode yang digunakan dalam penelitian ini yaitu Uji Chi Kuadrat dan analisis korespondensi berganda. Hasil Uji Chi Kuadrat menunjukan bahwa variabel kelompok umur (p-value = 0,004) dan masa kerja (p-value = 0,005) berhubungan dengan kejadian LBP. Tiga indikator lainnya yaitu lama kerja (p-value = 0,171), status gizi (p-value = 0,672), dan posisi kerja (p-value = 1,000) tidak berhubungan dengan kejadian LBP. Selain itu, terdapat hubungan antara kejadian LBP, kelompok umur, dan masa kerja (p-value = 0,14765). Selanjutnya dengan analisis korespondensi berganda diperoleh hasil bahwa kusir kuda/delman yang mengalami kejadian LBP berasal dari kelompok umur tua dengan masa kerja lama. Sedangkan kusir kuda/delman yang tidak mengalami LBP berasal dari kelompok umur muda dengan masa kerja lama. Berdasarkan observasi yang digunakan, disarankan bagi kusir kuda untuk meningkatkan kesadaran mengenai pentingnya menjaga kesehatan dan mencegah kejadian LBP dengan sedapat mungkin memenuhi posisi kerja yang ergonomi agar dapat meningkatkan produktivitas kerja secara optimal
Pemodelan Kasus Gizi Buruk Balita di Indonesia Menggunakan Panel Quantile Regression Model Harifa Hananti; I Gede Nyoman Mindra Jaya; Irlandia Ginanjar
Statistika Vol. 23 No. 2 (2023): Statistika
Publisher : 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.v23i2.2025

Abstract

ABSTRAK Kasus gizi buruk balita di Indonesia masih menjadi suatu masalah yang harus diperhatikan secara konsisten setiap tahunnya karena balita yang berusia 0-59 bulan adalah generasi penerus bangsa. Untuk itu perlu dilakukan pemodelan kasus gizi buruk balita dengan faktor yang mempengauhinya, yaitu kemiskinan dengan juga perlu diketahui bagaimana dampak kasus gizi buruk balita di masing-masing level kuantil (kecil, sedang, dan tinggi). Penelitian ini menggunaka pemodelan regresi data panel dengan pendekatan fixed effcts model  (FEM) yang mengandung outlier. Oleh karena itu, untuk mengatasi hal tersebut maka panel quantile regression model dengan penalizes fixed effects dapat digunakan. Hasil penelitian menunjukkan bahwa dampak kasus gizi buruk balita dengan faktor kemiskinan di level kuantil rendah (0,25) akan menyebabkan kasus gizi buruk juga rendah, sedangkan pada level kuantil yang sedang (0,5) akan menyebabkan kasus gizi buruk juga sedang, begitu juga untuk level kuantil yang tinggi (0,75) akan menyebakan kasus gizi buruk yang tinggi. ABSTRACT The case of malnutrition among toddlers in Indonesia is still a problem that must be paid attention to consistently every year because toddlers aged 0-59 months are the nation's next generation. For this reason, it is necessary to model cases of malnutrition under five with the factors that influence it, namely poverty. Apart from that, it is also necessary to know the impact of cases of under-five malnutrition at each quantile level (small, medium and high). This research uses panel data regression modeling using a fixed effects model (FEM) approach which contains outliers. So, the solution to overcome this is that a panel quantile regression model with fixed effects penalization can be used. The results of the research show that the impact of cases of under-five malnutrition with poverty factors at the low quantile level (0.25) will cause cases of malnutrition which are also low, while at the medium quantile level (0.5) it will cause moderate cases of malnutrition, and so do A high quantile level (0.75) will cause high cases of malnutrition.
Co-Authors Aleknaek Martua Anindya Apriliyanti Pravitasari Dhita Diana Dewi Fajriatus Sholihah Harifa Hananti I Gede Nyoman Mindra Jaya Lucy Fitria Dewi Mochamad Yudhi Afrizal Rosa Rosmanah