Ilham Faishal Mahdy
Prodi Statistika, Fakultas Farmasi Dan Sains, Universitas Islam Bandung, Indonesia

Published : 19 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 19 Documents
Search

PEMODELAN JUMLAH KASUS COVID-19 DI JAWA BARAT MENGGUNAKAN GEOGRAPHICALLY WEIGHTED REGRESSION Ilham Faishal Mahdy
Seminar Nasional Official Statistics Vol 2020 No 1 (2020): Seminar Nasional Official Statistics 2020
Publisher : Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (205.119 KB) | DOI: 10.34123/semnasoffstat.v2020i1.642

Abstract

Pada akhir tahun 2019, terjadi fenomena virus yang mematikan yang disebut dengan Covid-19. Pemerintah Indonesia menerapkan pembatasan sosial berskala besar (PSBB) dalam upaya menekan penyebaran Covid-19. Dalam prakteknya, masih terjadi pelanggaran terhadap PSBB yang dilakukan masyarakat, salah satu penyebabnya adalah kesenjangan ekonomi. Dalam penelitian ini terfokus pada pemodelan jumlah kasus Covid-19 di Provinsi Jawa Barat menggunakan Geographically Weighted Regression (GWR), yang merupakan pengembangan dari regresi linier bersifat lokal antar wilayah observasi. Adapun faktor yang dianggap mempengaruhi penyebaran Covid-19 adalah kepadatan penduduk, persentase kemiskinan, tingkat pengangguran terbuka, persentase rumah tangga dengan sanitasi layak, dan persentase rumah tangga dengan sumber air minum layak. Hasil penelitian menunjukkan bahwa penyebaran Covid-19 di sebagian besar wilayah Provinsi Jawa Barat dipengaruhi oleh persentase kemiskinan.
PEMODELAN KELUHAN KESEHATAN DAN INDEKS KEBAHAGIAAN DI INDONESIA TAHUN 2021 MENGGUNAKAN PENDEKATAN LOCAL POLYNOMIAL Ilham Faishal Mahdy
STATMAT : JURNAL STATISTIKA DAN MATEMATIKA Vol 5, No 1 (2023)
Publisher : Math Program, Math and Science faculty, Pamulang University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/sm.v5i1.27380

Abstract

Dalam upaya peningkatan kesejahteraan penduduk yang berlandaskan pada kepuasan masyarakat, BPS melakukan pengukuran Indeks Kebahagiaan sejak tahun 2012. Saat ini Indeks Kebahagiaan masyarakat Indonesia di tahun 2021 mengalami peningkatan dari pengukuran sebelumnya di tahun 2017, meskipun kondisi pandemi Covid-19 masih melanda hingga saat ini yang menimbulkan keluhan kesehatan pada masyarakat. Penelitian ini dilakukan untuk melihat bagaimana pengaruh persentase keluhan kesehatan terhadap Indeks Kebahagiaan di Indonesia pada tahun 2021 dengan menggunakan model regresi nonparametrik Local Polynomial. Hasil penelitian menunjukkan pola fluktuatif yang cenderung menurun, yang berarti peningkatan keluhan kesehatan di masyarakat cenderung menyebabkan indeks kesehatan menurun.
Analisis Faktor Pengaruh Penilaian Peserta Latsar CPNS terhadap Widyaiswara Angkatan IV Pemkab Banjarnegara Tahun 2022 Sinta Asanah; Ilham Faishal Mahdy
Bandung Conference Series: Statistics Vol. 3 No. 2 (2023): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v3i2.7677

Abstract

Abstract. Widyaiswara is a functional position for a Civil Servant (PNS) who is in charge of teaching, training and full education in educational programs from government agencies. In order to find out whether a widyaiswara is able to realize the competency development of a CPNS, it is necessary to know what factors are assessed by LATSAR CPNS participants regarding widyaiswara so that it can become an evaluation for a widyaiswara. Based on these problems, the problems in this study are formulated as follows: (1) Can the aspects that the LATSAR CPNS participants evaluate for Widyaiswara be factored? (2) How many factors are formed in the assessment of the Widyaiswara LATSAR CPNS participants? (3) What is the variance that can be explained by the factors formed in the LATSAR CPNS participants' assessment of the Widyaiswara?. Researchers used secondary data sourced from PPSDM Geominerba. The data consists of Widyaiswara (teachers), learning materials and 10 aspects of assessment that are filled in by each CPNS LATSAR participant. Researchers used the method of factor analysis techniques on 10 aspects of the CPNS LATSAR participant assessment. The results of this study are: All aspects are feasible to be factored and the factors formed are one factor. In addition, the factors formed have eigenvalues of 8.378 which means that these factors are able to explain 83.8% of the variability of the original ten aspects. The remaining 16.2% of the variability is influenced by other variability not examined. Abstrak. Widyaiswara merupakan jabatan fungsional bagi seorang Pegawai Negeri Sipil (PNS) yang bertugas mengajar, melatih dan mendidik secara penuh pada program pendidikan dari instansi pemerintah. Untuk mengetahui apakah seorang widyaiswara mampu mewujudkan pengembangan kompetensi seorang CPNS maka perlu diketahui faktor-faktor apa saja yang menjadi penilaian peserta LATSAR CPNS mengenai widyaiswara agar dapat menjadi evaluasi bagi seorang widyaiswara. Berdasarkan masalah tersebut, maka permasalahan dalam penelitian ini dirumuskan sebagai berikut: (1) Apakah aspek-aspek yang menjadi penilaian peserta LATSAR CPNS terhadap Widyaiswara dapat difaktorkan? (2) Berapakah faktor yang terbentuk pada penilaian peserta LATSAR CPNS terhadap Widyaiswara? (3) Berapakah variansi yang dapat dijelaskan oleh faktor yang terbentuk pada penilaian peserta LATSAR CPNS terhadap Widyaiswara?. Peneliti menggunakan data sekunder yang bersumber dari PPSDM Geominerba. Data terdiri dari Widyaiswara (pengajar), materi pembelajaran dan 10 aspek penilaian yang diisi oleh setiap peserta LATSAR CPNS. Peneliti menggunakan metode teknik analisis faktor pada 10 aspek-aspek penilaian peserta LATSAR CPNS. Hasil dari penelitian ini adalah: Semua aspek layak untuk difaktorkan dan faktor yang terbentuk sebanyak satu faktor. Selain itu, faktor yang terbentuk memiliki angka eigenvalues sebesar 8,38 yang berarti bahwa faktor tersebut mampu menjelaskan 83,78% dari variabilitas kesepuluh aspek asli. Sisanya 16,2% dari variabilitas dipengaruhi oleh variabilitas lain yang tidak diteliti.
Classification of Unisba Students' Graduation Time using Support Vector Machine Optimized with Grid Search Algorithm Ilham Faishal Mahdy; Muthia Nadhira Faladiba; Nur Azizah Komara Rifai; Indah Siti Rahmawati; Andhika Sidiq Firmansyah
Jurnal Matematika, Statistika dan Komputasi Vol. 21 No. 1 (2024): SEPTEMBER 2024
Publisher : Department of Mathematics, Hasanuddin University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20956/j.v21i1.36257

Abstract

Support Vector Machine is a classification method that finds the optimal hyperplane to separate two data classes. SVM has much better generalization performance than other methods. However, SVM needs to improve in determining hyperparameter values. Therefore, parameter optimization is necessary to determine the optimal hyperparameter value. Grid search is one of the parameter optimization methods that can improve the quality of SVM models. This study aims to assess the level of accuracy in predicting student graduation times by using five features that affect it. This study shows that the resulting SVM model optimized with the Grid Search Algorithm is quite consistent and prevents overfitting. By utilizing the results of SVM modelling, UNISBA is expected to improve the quality of graduates. The risk of delays in graduation can be considered early by paying attention to the background and achievements of students
Penerapan SMOTE untuk Mengatasi Imbalance Class dalam Klasifikasi Sentimen Genosida Palestina Menggunakan Multinomial Naive Bayes Fajar Sidik; Ilham Faishal Mahdy
Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v4i2.12693

Abstract

Abstract. Social media, including the X platform (formerly known as Twitter), has become an important source of information in understanding public sentiment towards various issues, including the Palestinian genocide. Text data obtained from social media is often unbalanced, with more negative sentiment than positive and neutral sentiment because people do not agree with the genocide. This imbalance can interfere with the accuracy of the sentiment classification model. Therefore, this research aims to overcome the problem of data imbalance by applying the SMOTE (Synthetic Minority Over-sampling Technique) method in the sentiment classification of the Palestinian genocide using the Multinomial Naive Bayes algorithm. The data used in this study was collected from X social media platform, consisting of 1000 posts related to the Palestinian genocide taken backward on February 29, 2024. The classification method used is Multinomial Naive Bayes, which was chosen for its ability to handle text data by considering the frequency of occurrence of words. The results showed that the sentiment analysis mostly showed negative sentiments towards the Palestinian genocide issue. The application of SMOTE successfully balanced the data distribution, increasing the representation of positive and neutral sentiments. Model performance evaluation shows that the resulting model is able to achieve an accuracy rate of 80%, with a precision of 43%, recall of 54%, and F1-score of 46%. In conclusion, the application of SMOTE can optimize text classification performance in unbalanced data conditions, providing more insight into public sentiment towards the Palestinian genocide on X social media. Abstrak. Media sosial, termasuk platform X (sebelumnya dikenal sebagai Twitter), telah menjadi sumber informasi yang penting dalam memahami sentimen masyarakat terhadap berbagai isu, termasuk genosida Palestina. Data teks yang diperoleh dari media sosial seringkali tidak seimbang, adanya kecenderungan lebih banyak sentimen negatif dibandingkan sentimen positif dan netral karena masyarakat tidak setuju dengan adanya genosida. Ketidakseimbangan ini dapat mengganggu keakuratan model klasifikasi sentimen. Oleh karena itu, penelitian ini bertujuan untuk mengatasi masalah ketidakseimbangan data dengan menerapkan metode SMOTE (Synthetic Minority Over-sampling Technique) dalam klasifikasi sentimen genosida Palestina menggunakan algoritma Multinomial Naive Bayes. Data yang digunakan dalam penelitian ini dikumpulkan dari platform media sosial X, terdiri dari 1000 post terkait genosida Palestina yang diambil mundur pada tanggal 29 Februari 2024. Metode klasifikasi yang digunakan adalah Multinomial Naive Bayes, yang dipilih karena kemampuannya dalam menangani data teks dengan mempertimbangkan frekuensi kemunculan kata-kata. Hasil penelitian menunjukkan bahwa analisis sentimen mayoritas menunjukkan sentimen negatif terhadap isu genosida Palestina. Penerapan SMOTE berhasil menyeimbangkan distribusi data, meningkatkan representasi sentimen positif dan netral. Evaluasi kinerja model menunjukkan bahwa model yang dihasilkan mampu mencapai tingkat akurasi sebesar 80%, dengan precision sebesar 43%, recall sebesar 54%, dan F1-score sebesar 46%. Kesimpulannya, penerapan SMOTE dapat mengoptimalkan performa klasifikasi teks dalam kondisi data yang tidak seimbang, memberikan wawasan lebih mengenai sentimen masyarakat terhadap genosida Palestina di media sosial X.
Pemodelan Multiscale Geographically Weighted Regression (MGWR) pada Tingkat Pengangguran Terbuka di Provinsi Jawa Barat Tahun 2022 Annisa Mutiara Priliyan; Ilham Faishal Mahdy
Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v4i2.12708

Abstract

Abstract. Spatial analysis with Multiscale Geographically Weighted Regression (MGWR) method is a development of the Geographically Weighted Regression (GWR) method. This method is used when data has spatial heterogeneity, spatial autocorrelation, and multicollinearity. MGWR allows for different spatial scales and allows the neighborhood around each variable to vary. These differences are accommodated through different optimum bandwidth values for each covariate. The MGWR method is applied to data on the open unemployment rate (TPT) in West Java Province in 2022 because West Java is the province with the highest TPT value in that year. MGWR parameter estimation is performed using the Backfitting Algorithm method by reformulating GWR as Generalized Additive Models (GAMs). The weighting function used is a fixed Gaussian kernel function because the farthest region still has a weight even though it is not as large as the weight of the closest region. The optimum bandwidth search is by minimizing the Akaike Information Criterion Corrected (AICc) value using golden section search method. Based on the analysis, 27 MGWR local models are produced for each observation area. There are differences in the independent variables that affect TPT for each observation area and are divided into four groups. The resulting MGWR model proved to be the best model when compared to the GWR model based on the highest adjusted R2 value and the lowest AICc value. Abstrak. Analisis spasial dengan metode Multiscale Geographically Weighted Regression (MGWR) merupakan pengembangan dari metode Geographically Weighted Regression (GWR). Metode ini digunakan ketika data memiliki heterogenitas spasial, autokorelasi spasial, dan adanya multikolinearitas. MGWR mengizinkan skala spasial yang berbeda dan memungkinkan lingkungan di sekitar setiap variabel bervariasi. Perbedaan tersebut diakomodasi melalui nilai bandwidth optimum yang berbeda-beda untuk setiap kovariat. Metode MGWR diterapkan pada data tingkat pengangguran terbuka (TPT) di Provinsi Jawa Barat tahun 2022 karena Jawa Barat menjadi provinsi dengan nilai TPT tertinggi pada tahun tersebut. Estimasi parameter MGWR dilakukan dengan menggunakan metode Backfitting Algorithm dengan memformulasi ulang GWR sebagai Generalized Additive Models (GAMs). Fungsi pembobot yang digunakan adalah fungsi kernel fixed gaussian karena wilayah terjauh tetap memiliki bobot walaupun tidak sebesar bobot wilayah terdekat. Pencarian bandwidth optimum dilakukan dengan meminimumkan nilai Akaike Information Criterion Corrected (AICc) menggunakan metode golden section search. Berdasarkan analisis yang telah dilakukan maka dihasilkan sebanyak 27 model MGWR yang bersifat lokal untuk setiap wilayah pengamatannya. Terdapat perbedaan variabel bebas yang berpengaruh terhadap TPT untuk setiap wilayah pengamatan dan terbagi menjadi empat kelompok. Model MGWR yang dihasilkan terbukti menjadi model terbaik jika dibandingkan dengan model GWR berdasarkan nilai adjusted R2 yang tertinggi dan nilai AICc terendah.
Implementasi Support Vector Machine-Genetic Algorithm (SVM-GA) dalam Mengklasifikasikan Kelulusan Tepat Waktu Mahasiswa Statistika Unisba Indah Siti Rahmawati; Mahdy, Ilham Faishal
Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v4i2.12768

Abstract

Abstract. Support Vector Machine (SVM) is a classification method that finds the optimal hyperplane for separating two data classes. However, SVM has weaknesses in determining hyperparameter values, necessitating parameter optimization. The Genetic Algorithm (GA) is an optimization method proven effective in handling complex optimization problems and irregular, complicated solutions. The classification system for the timely graduation of Unisba Statistics students is important for improving the quality and accreditation of study programs. Therefore, this study aims to obtain the best SVM model for classifying the timely graduation of Unisba Statistics students with the help of a Genetic Algorithm (GA). The data used in this study includes the graduation records of Unisba Statistics students from January 24, 2019, to August 29, 2023. By doing SVM-GA modeling using 9 combinations of GA, 10-Cross Validation, and RBF kernels, the best performance model was obtained from the genetic algorithm parameter of a population of 200, the value of 0,8, value of 0,05, an SVM parameter of 2242,1776, and 0,0002. Model performance evaluation showed that the resulting model achieved an average accuracy of 78.2664%, an average recall of 78,3287%, an average precision of 86.2500%, and an average f1-score of 81.92%. Abstrak. Support Vector Machine (SVM) merupakan metode klasifikasi yang menemukan hyperplane optimal dalam memisahkan dua kelas data. SVM memiliki kelemahan dalam menentukan nilai hyperparameter, sehingga perlu dilakukan optimasi parameter. Genetic Algorithm (GA) merupakan metode optimasi yang terbukti efektif dalam menangani masalah optimasi yang kompleks dan solusi yang tidak teratur serta rumit. Sistem klasifikasi dalam kasus kelulusan tepat waktu mahasiswa Statistika Unisba menjadi hal penting untuk meningkatkan kualitas dan akreditasi program studi. Maka dari itu, penelitian ini bertujuan untuk memperoleh model SVM terbaik dalam mengklasifikasikan kelulusan tepat waktu mahasiswa Statistika Unisba dengan bantuan Genetic Algorithm (GA). Data yang digunakan pada penelitian ini merupakan data kelulusan mahasiswa Statistika Unisba pada periode kelulusan sejak tanggal 24 Januari 2019 sampai 29 Agustus 2023. Dengan melakukan pemodelan SVM-GA menggunakan 9 kombinasi parameter GA, 10-Cross Validation, dan kernel RBF, diperoleh model dengan kinerja terbaik dari parameter algoritma genetika berupa populasi sebanyak 200, nilai sebesar 0,8, nilai sebesar 0,05, dengan parameter SVM berupa parameter sebesar 2242,1776 dan sebesar 0,0002. Evaluasi kinerja model menunjukkan bahwa model yang dihasilkan memperoleh rata-rata akurasi sebesar 78,2664%, Rata-rata recall sebesar 78,3287%, rata-rata precision sebesar 86,2500%, dan rata-rata f1-score sebesar 81,9225%.
Rekapitulasi Personel TNI Berdasarkan Pangkat dan PNS TNI Berdasarkan Golongan Sesko TNI Bandung Tahun 2022 Muhammad kodar Abd Kohar; Ilham Faishal Mahdy
Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v4i2.13834

Abstract

Abstract. The Internship Program is a mandatory academic activity aimed at developing oneself, acquiring skills, enhancing competencies, and gaining work experience within an organization. The author had the opportunity to undertake an internship for 34 days at Sesko TNI Bandung, where they were assigned to the personnel staff section. The tasks included data entry for personnel and administrative management of personnel records. This research employs a descriptive method, utilizing secondary data from relevant institutions, specifically the personnel recapitulatory data of TNI and TNI civil servants at Sesko TNI for the year 2022. The results of the study indicate that the TNI Army (TNI AD) constitutes 39% with 156 individuals, the TNI Navy (TNI AL) comprises 22% with 90 individuals, and the TNI Air Force (TNI AU) accounts for 11% with 46 individuals, totaling 292 TNI personnel. The TNI civil servants (PNS TNI) make up 28% with 112 individuals. Among the TNI personnel, the highest rank represented is Colonel, with 44 male officers, while there are no female officers at this rank. Additionally, there are no TNI personnel holding the rank of Four-Star General or Second Lieutenant at Sesko TNI Bandung. The total number of PNS TNI at Sesko TNI Bandung in 2022 was 112, with the largest group being those in grade III/b, comprising 22 men and 11 women. This Internship Report can serve as a reference, input, or update for addressing issues or for the placement of TNI personnel and TNI civil servants in relevant institutions. Abstrak. Kuliah Praktik merupakan suatu kegiatan perkuliahan yang bersifat wajib, dengan tujuan untuk mengembangkan diri, keahlian, keterampilan, serta pengalaman bekerja di sebuah instansi. Penulis berkesempatan melakukan Kuliah Praktik selama 34 hari di Sesko TNI Bandung. Penulis ditempatkan pada bagian staf personalia dengan tugas seperti entry data personel dan administrasi data personel. Penelitian ini menggunakan metode deskriptif, data yang digunakan berupa data sekunder dari instansi terkait, yaitu rekapitulasi personel TNI dan PNS TNI Sesko TNI Tahun 2022. Hasil dari penelitian ini menunjukkan TNI AD dengan 39% berjumlah 156 orang, TNI AL dengan 22% berjumlah 90 orang, dan TNI AU dengan 11% berjumlah 46 orang. Keseluruhan Jumlah TNI 292 orang. Sedangkan PNS TNI dengan 28% berjumlah 112 orang. Personel TNI yang menempati anggota terbanyak berdasarkan pangkat Kolonel yaitu sebanyak 44 orang pria sedangkan wanita tidak ada. Selain itu, tidak ada TNI yang memiliki pangkat Bintang-4, dan Prada yang bertugas di Sesko TNI Bandung. Keseluruhan jumlah PNS TNI Sesko TNI Bandung pada tahun 2022 yaitu 112 orang. PNS TNI dengan jumlah terbanyak adalah golongan III/b dengan 22 orang pria sedangkan wanita 11 orang. Laporan Kuliah Praktik ini dapat dijadikan sebagai referensi, masukan ataupun pembaruan dalam pemecahan masalah maupun penempatan personel TNI dan PNS TNI di instansi terkait.
Pengelompokan Daerah Rawan Gempa Bumi di Pulau Jawa Menggunakan Metode Density Based Spatial Clustering of Application with Noise (DBSCAN) Naufalia Alfiryal; Mahdy, Ilham Faishal
Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v4i2.13873

Abstract

Abstract. In cluster analysis, there are often several problems, such as arbitrary cluster shapes and different cluster sizes and densities. One method that can handle these problems is Density Based Spatial Clustering of Application with Noise (DBSCAN). Java Island is one of the areas in Indonesia that often experiences earthquakes, due to the collision zone of the Indo-Australian plate colliding with the Eurasian plate and the presence of 34 active volcanoes. The earthquakes that occur also vary in terms of magnitude and depth. The greater the magnitude and the shallower the depth, the greater the damage. Java is one of the most populous islands in Indonesia, so it is important to know the earthquake-prone areas in Java to minimize the risk through cluster analysis minimize risk through cluster analysis. The data used in this study is earthquake event data in the January 1, 2021 - January 1, 2024 date range obtained from the United States Geological Survey (USGS). From the cluster analysis or grouping carried out, 2 clusters and 1 noise were obtained with the optimal parameter value ε = 0.2857 and MinPts = 4. Cluster 1 consists of 167 areas prone to medium earthquakes and has an average magnitude of 4.42 mb. Cluster 2 consists of 8 areas prone to deep earthquakes and have an average magnitude of 4.46 mb. Meanwhile, the noise regions are areas prone to deep and high magnitude earthquakes. The Silhouette coefficient of 0.6788 means that the cluster structure formed is already in the good structure category. Abstrak. Dalam analisis klaster seringkali terjadi beberapa permasalahan, seperti bentuk klaster yang tidak beraturan (arbitrary) serta ukuran dan kepadatan klaster yang berbeda. Salah satu metode yang mampu menangani permasalahan tersebut adalah Density Based Spatial Clustering of Application with Noise (DBSCAN). Pulau Jawa merupakan salah satu daerah di Indonesia yang sering mengalami gempa bumi. Hal ini dikarenakan adanya zona tumbukan lempeng Indo-Australia yang bertabrakan dengan lempeng Eurasia serta adanya 34 gunung berapi aktif. Gempa bumi yang terjadi juga bervariasi dari segi magnitudo maupun kedalamannya (depth). Semakin besar magnitudo dan semakin dangkal kedalamannya, maka akan semakin besar pula kerusakan yang terjadi. Pulau Jawa merupakan salah satu pulau terpadat di Indonesia sehingga penting untuk mengetahui daerah rawan gempa bumi di Pulau Jawa untuk meminimalisir risiko melalui analisis klaster. Data yang digunakan pada penelitian ini merupakan data kejadian gempa bumi pada rentang tanggal 1 Januari 2021-1 Januari 2024 yang diperoleh dari United States Geological Survey (USGS). Dari analisis klaster atau pengelompokkan yang dilakukan diperoleh 2 klaster dan 1 noise dengan nilai parameter optimal ε = 0.2857 dan MinPts = 4. Klaster 1 terdiri dari 167 daerah yang rawan akan gempa bumi menengah dan memiliki rata-rata magnitudo 4.42 mb. Klaster 2 terdiri dari 8 daerah yang rawan akan gempa bumi dalam dan memiliki rata-rata magnitudo 4.46 mb. Sedangkan, daerah yang menjadi noise merupakan daerah yang rawan gempa bumi dalam dan magnitudo tinggi. Silhouette coefficient sebesar 0.6788 mengartikan bahwa struktur klaster yang terbentuk sudah dalam kategori struktur yang baik.
Hubungan Penggunaan Gadget sebagai Media Literasi Digital dengan Tumbuhnya Critical Thinking pada Mahasiswa Statistika Unisba Angkatan 2020 dan 2021 Fikran Muhammad Ikmal; Ilham Faishal Mahdy; Hendrik Wijayanto; Dhimas Muhamad Fakhriyan; Abdan Syakuran
Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v4i2.14681

Abstract

Abstract. Gadgets have become an inseparable part of everyday life, especially in the world of education. The function of gadgets is now not only limited as a communication tool, but also as the main means to access and understand digital information, which is the essence of digital literacy. digital literacy is the ability to be able to access, understand and use digital information intelligently and appropriately. Digital literacy allows them to access a variety of rich and relevant sources of information, as well as better analyze data. In addition, critical thinking skills also help a person to easily understand things, because this ability allows students to analyze, evaluate, and synthesize information logically and rationally. This study aims to explore the relationship between the use of gadgets as digital literacy media and the improvement of critical thinking skills among Statistics students of Universitas Islam Bandung (Unisba) class of 2020 and 2021. Using the Slovin formula, the sample size was set at 126 students. The results showed that the Spearman Rank correlation test resulted in a p-value of 0.000, which is significant at the real level of 0.05 (5%). This indicates a significant relationship between the use of gadgets for digital literacy and the development of critical thinking skills in Statistics students at Unisba. Abstrak. Gadget telah menjadi bagian yang tidak bisa dipisahkan dari kehidupan sehari-hari, terutama di dunia pendidikan. Fungsi gadget kini tidak hanya terbatas sebagai alat komunikasi, tetapi juga sebagai sarana utama untuk mengakses dan memahami informasi digital, yang merupakan inti dari literasi digital. literasi digital adalah kemampuan untuk bisa mengakses, memahami, dan menggunakan informasi digital secara cerdas dan tepat. Literasi digital memungkinkan mereka untuk mengakses berbagai sumber informasi yang kaya dan relevan, serta menganalisis data dengan lebih baik. Selain itu, kemampuan berpikir kritis juga membantu seseorang untuk mudah memahi literasi digital, karena kemampuan ini memungkinkan mahasiswa untuk menganalisis, mengevaluasi, dan memahami informasi secara logis dan rasional. Penelitian ini bertujuan untuk mengeksplorasi hubungan antara penggunaan gadget sebagai media literasi digital dan peningkatan kemampuan berpikir kritis di kalangan mahasiswa Statistika Universitas Islam Bandung (Unisba) angkatan 2020 dan 2021. Menggunakan rumus Slovin, ukuran sampel ditetapkan sebanyak 126 mahasiswa. Hasil penelitian menunjukkan bahwa uji korelasi Rank Spearman menghasilkan p-value 0.000, yang signifikan pada taraf nyata 0.05 (5%). Ini menunjukkan adanya hubungan signifikan antara penggunaan gadget untuk literasi digital dan perkembangan kemampuan berpikir kritis pada mahasiswa Statistika di Unisba.