Claim Missing Document
Check
Articles

Pemodelan Geographically Weighted Regression pada Kasus Pneumonia di Indonesia Oktaviani, Bernadita; Amalita, Nonong; Kurniawati, Yenni; Martha, Zamahsary
Leibniz: Jurnal Matematika Vol. 5 No. 02 (2025): Leibniz: Jurnal Matematika
Publisher : Program Studi Matematika - Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas San Pedro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59632/leibniz.v5i02.564

Abstract

Pneumonia adalah penyakit infeksi pernafasan yang menjadi salah satu penyumbang terbesar kasus kematian pada balita dan termasuk dalam  salah satu masalah kesehatan secara global. Kematian balita akibat pneumonia di Indonesia mengalami peningkatan dari 459 kasus pada tahun 2022 menjadi 522 kasus pada  tahun 2023 yang menunjukkan bahwa pneumonia masih menjadi masalah serius bagi kesehatan balita. Geographically Weighted Regression (GWR) adalah metode yang digunakan dalam penelitian ini. Data penelitian ini diperoleh dari publikasi yang diterbitkan oleh Kemenkes RI, yaitu Profil Kesehatan Indonesia 2023. Tujuan penelitian ini untuk mengevaluasi penerapan model GWR dalam memodelkan data spasial dan untuk mengidentifikasi faktor-faktor yang berpengaruh terhadap jumlah kasus pneumonia balita di Indonesia. Hasil analisis menunjukkan bahwa model GWR memberikan hasil yang lebih baik dalam memodelkan jumlah kasus pneumonia pada balita dibandingkan model regresi linier berganda dengan nilai AIC sebesar 15,66953 dan  sebesar 94,66%. Faktor-faktor yang berpengaruh signifikan terhadap jumlah kasus pneumonia pada balita di Indonesia tahun 2023 adalah persentase balita yang mendapat vitamin A, persentase bayi mendapat ASI eksklusif sampai 6 bulan, jumlah puskesmas, persentase bayi yang mendapat imunisasi dasar lengkap, persentase rumah tangga yang memiliki akses terhadap sanitasi layak, persentase penduduk miskin, persentase kejadian gizi buruk pada balita usia 0-59 bulan, dan jumlah bayi berat badan lahir rendah (BBLR).
Pengelompokan Kabupaten/Kota Maluku dan Nusa Tenggara Barat Berdasarkan Faktor Kemiskinan Menggunakan Self Organizing Maps Aulia, Yuke; Sulistiowati, Dwi; Kurniawati, Yenni; Salma, Admi
Leibniz: Jurnal Matematika Vol. 5 No. 02 (2025): Leibniz: Jurnal Matematika
Publisher : Program Studi Matematika - Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas San Pedro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59632/leibniz.v5i02.607

Abstract

Provinsi Maluku dan Nusa Tenggara Barat masih menghadapi tantangan serius dalam upaya pengentasan kemiskinan. Kedua provinsi ini tidak hanya mengalami peningkatan persentase penduduk miskin, tetapi juga termasuk sebagai wilayah dengan persentase penduduk miskin tertinggi di Indonesia. Persentase penduduk miskin di Provinsi Maluku pada tahun 2023 mencapai 16,42%, naik sebesar 0,45%. Sementara itu, persentase penduduk miskin di Provinsi Nusa Tenggara Barat mencapai 13,85%, naik sebesar 0,17%. Angka-angka ini masih jauh dari target pemerintah yang menetapkan 6%-7% untuk persentase kemiskinan nasional. Penelitian ini bertujuan untuk mengelompokkan kabupaten/kota di Provinsi Maluku dan Nusa Tenggara Barat berdasarkan faktor yang memengaruhi kemiskinan serta mengidentifikasi karakteristik hasil klaster yang terbentuk. Penelitian ini menggunakan metode Self Organizing Maps (SOM). Data penelitian ini bersumber dari publikasi Badan Pusat Statistik (BPS), yaitu Maluku dalam Angka 2024 dan Nusa Tenggara Barat dalam Angka 2024. Hasil analisis menunjukkan terbentuknya 3 klaster wilayah yang divalidasi menggunakan pendekatan validasi internal (Connectivity, Dunn, dan Silhouette). Klaster 1 terdiri dari 2 kota ditandai oleh keunggulan dalam indikator pendidikan, kesehatan, dan ekonomi. Klaster 2 terdiri dari 15 kabupaten/kota yang dicirikan dengan potensi tenaga kerja yang tinggi, namun mengahadapi tantangan jumlah penduduk yang besar. Sementara itu, klaster 3 terdiri dari 4 kabupaten memiliki keterbatasan dalam berbagai aspek, termasuk pendidikan, kesehatan, ekonomi, dan infrastruktur.
Penerapan Vector Error Correction Model dalam Menganalisis Dampak Faktor Makroekonomi terhadap Inflasi di Indonesia Anjelisni, Nining; Amalita, Nonong; Kurniawati, Yenni; Martha, Zamahsary
Leibniz: Jurnal Matematika Vol. 5 No. 02 (2025): Leibniz: Jurnal Matematika
Publisher : Program Studi Matematika - Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas San Pedro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59632/leibniz.v5i02.654

Abstract

Penelitian ini bertujuan menganalisis dampak faktor makroekonomi terhadap inflasi di Indonesia pada periode Januari 2020–Maret 2025 dengan menggunakan pendekatan matematis melalui metode Vector Error Correction Model (VECM). Data diperoleh dari situs resmi Badan Pusat Statistik (BPS) dan Bank Indonesia (BI), yang meliputi variabel inflasi, jumlah uang beredar, BI Rate, kurs, ekspor, dan impor. Hasil analisis menunjukkan terdapat empat hubungan kointegrasi signifikan, dengan pengaruh positif dari jumlah uang beredar, kurs, dan ekspor terhadap inflasi, serta pengaruh negatif dari BI Rate dan impor. Dalam jangka pendek, ekspor (lag 1) secara statistik signifikan memengaruhi inflasi, sedangkan variabel lainnya belum signifikan. Model VECM yang dibangun terbukti stabil dan valid melalui berbagai uji kelayakan, serta menunjukkan akurasi tinggi dalam peramalan dengan nilai MAPE sebesar 9,23%. Prediksi inflasi untuk enam bulan ke depan memperlihatkan tren kenaikan bertahap, sehingga diperlukan penguatan ekspor dan pengendalian kebijakan moneter untuk menjaga stabilitas harga. Kontribusi utama penelitian ini adalah penerapan model matematis VECM sebagai alat analisis kuantitatif yang komprehensif dalam studi dinamika inflasi.
Application of Area Sampling Frame for Digitizing Household Data in Talawi Mudiak to Support Sustainable Development Goals Syafriandi, Syafriandi; Fitria, Dina; Amalita, Nonong; Kurniawati, Yenni; Permana, Dony; Fitri, Fadhilah; Martha, Zamahsary; Mukhti, Tessy Octavia
Pelita Eksakta Vol 8 No 2 (2025): Pelita Eksakta, Vol. 8, No. 2
Publisher : Fakultas MIPA Universitas Negeri Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24036/pelitaeksakta/vol8-iss2/293

Abstract

Desa Talawi Mudiak menghadapi tantangan dalam pengelolaan data kependudukan. Meskipun mereka telah menyusun RPJMD 2022-2027 yang mengacu pada SDG's, pendataan yang dilakukan masih terbatas pada aspek kependudukan dan demografi. Padahal, pemutkhiran data harus mencakup 17 pilar SDg's agar dapat digunakan sebagai dasar dalam perencanaan pembangunan desa. Selain itu, keterbatasan akses internet dan kurangnya pemanfaatan teknologi informasi juga menjadi kendala pengembangan sistem informasi desa yang lebih komprehensif. Program Studi S1 Statistika hadir dalam menjembatani pencapaian beberapa pilar itu melalui pemutakhiran data hingga dilitalisasinya. Kegiatan diawali dengan pengumpulan data awal, perhitungan kerangka sampling, pelaksanaan survei, dan pemrosesan data pasca survei hingga diperoleh suatu kesimpulan yang dapat digunakan untuk pembangunan desa. Kegiatan melibatkan banyak pihak, mulai dari dosen program studi, perangkat desa, mahasiswa, dan masyarakat. Hasil yang diperoleh berupa data yang mutakhir dan sebuah buku berisikan kondisi Desa Talawi Mudiak tahun 2025.
Perbandingan Regresi Ridge dan LASSO dalam Pemilihan Variabel dan Prediksi Keluarga Berisiko Stunting di Sumatera Barat Nofriadi, Berliana; Syafriandi, Syafriandi; Kurniawati, Yenni
Imajiner: Jurnal Matematika dan Pendidikan Matematika Vol 8, No 1 (2026): Imajiner: Jurnal Matematika dan Pendidikan Matematika
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/imajiner.v8i1.26124

Abstract

Using Statistical Software in Analyzing Educational Data: A Community Service to Mathematics Teacher’s in 50 Kota Regency Amalita, Nonong; Kurniawati, Yenni; Fitria, Dina
Pelita Eksakta Vol 1 No 2 (2018): Pelita Eksakta Vol. 1 No. 2
Publisher : Fakultas MIPA Universitas Negeri Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24036/pelitaeksakta/vol1-iss02/34

Abstract

Analyzing data using statistical software is an interesting work. Many teachers in 50 Kota regency lack of it. Given a workshop on data analysis using statistical software. There is increasing ability of teachers in analyzing data using simple statistical software. They are able to organize their data on education, i.e result of exam
Vector Autoregressive Exogenous Modelling to Forecast Rice Prices Based on Inflation and Rice Production in West Sumatra Province Khairisa Putri, Nadya; Kurniawati, Yenni; Vionanda, Dodi; Martha, Zamahsary
Jurnal MSA (Matematika dan Statistika serta Aplikasinya) Vol 14 No 1 (2026): VOLUME 14 No 1, 2026
Publisher : Universitas Islam Negeri Alauddin Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/msa.v14i1.66522

Abstract

Rice prices in West Sumatra Province tend to be high despite high production levels, making forecasting essential to support food security. This study aims to forecast rice prices in traditional and modern markets using a Vector Autoregressive with Exogenous Variables (VARX) model, incorporating inflation and rice production as exogenous variables. The data used consists of monthly secondary data covering the period from January 2019 to December 2024, sourced from PIHPS and the West Sumatra Provincial Statistics Agency. The analysis includes the Augmented Dickey-Fuller stationarity test, determination of the optimal lag based on the Akaike Information Criterion, parameter estimation using Ordinary Least Squares, as well as tests of stability, parameter significance, and residual diagnostics. Forecast performance is evaluated using the Mean Absolute Percentage Error (MAPE). The results show that the VARX (3,3) model is the best, with an MAPE of 1.95\% for traditional markets and 1.56\% for modern markets, indicating very high forecasting accuracy. This study demonstrates that incorporating external factors into the VARX model improves rice price forecasting accuracy, providing a basis for the government to formulate policies to maintain food price stability in West Sumatra Province.
Analisis Pemilihan Model Regresi Konversi Metanol Berdasarkan Suhu, Waktu Tinggal, Konsentrasi, Rasio Oksigen, dan Sistem Reaktor Andre Marvero; Fahmi Amri; Muhammad Fadhil Irsyad; Yenni Kurniawati
UNP Journal of Statistics and Data Science Vol. 3 No. 1 (2025): UNP Journal of Statistics and Data Science
Publisher : Departemen Statistika Universitas Negeri Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24036/ujsds/vol3-iss1/339

Abstract

This study aims to determine the best regression model that explains the effect of temperature, residence time, methanol concentration, oxygen to methanol ratio, and reactor system on methanol conversion in supercritical water. Preliminary analysis showed a violation of the multicollinearity assumption, which affected the validity of the multiple linear regression model. To overcome this and determine the optimal model, variable selection was performed using the stepwise selection method. This method was evaluated based on predictive power, model accuracy and statistical validity. The results showed that the stepwise method produced an optimal model in predicting conversion. Reactor system and temperature were the most significant variables affecting methanol conversion. The conclusion of this study shows that the variable selection approach with stepwise selection can be effectively used to identify the best regression model, when classical assumptions are met. These findings make an important contribution to the optimization of supercritical water-based chemical processes.