Claim Missing Document
Check
Articles

Found 24 Documents
Search

Clustering Data Kecelakaan Lalu Lintas melalui Algoritma K-Means dengan Seleksi Fitur Chi-Square Margaretha, Adellia Putri; Ulinnuha, Nurissaidah; Intan, Putroue Keumala
INTEGER: Journal of Information Technology Vol 10, No 2 (2025): September
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.integer.0.v10i2.7529

Abstract

Kecelakaan lalu lintas merupakan permasalahan signifikan di Indonesia, dengan dampak fatal dan kerugian ekonomi yang besar. Penelitian ini bertujuan untuk menerapkan algoritma K-means untuk mengelompokkan data kecelakaan lalu lintas dengan menggunakan seleksi fitur. Data kecelakaan lalu lintas yang digunakan diperoleh dari sebuah perusahaan asuransi kecelakaan di Sidoarjo dan diproses untuk menghasilkan fitur-fitur yang relevan. Proses seleksi fitur dilakukan untuk menentukan fitur-fitur yang memiliki kepentingan dan informasi yang paling relevan dalam proses pengelompokkan. Metode seleksi fitur yang digunakan dalam penelitian ini adalah seleksi fitur Chi-Square, yang bertujuan untuk memilih fitur-fitur yang memiliki hubungan signifikan dengan variabel target kecelakaan. Hasil penelitian menunjukkan bahwa data terbagi menjadi 2 cluster dengan seleksi fitur maupun tanpa seleksi fitur, yaitu wilayah dengan tingkat kecelakaan tinggi dan rendah. Nilai koefisien sillhouette cluster sebelum dilakukan seleksi fitur adalah sebesar 0,57. Sedangkan setelah diterapkan seleksi fitur dengan Chi-Square, diperoleh hasil yang lebih baik yaitu sebesar 0,72. Penelitian ini menunjukkan bahwa dengan menerapkan metode seleksi fitur dapat meningkatkan performa pengelompokkan data kecelakaan lalu lintas dengan algoritma K-means.
Optimal control using pontryagin’s maximum principle: Tuberculosis spread case Muhammad Iqbal Widiaputra; Ahmad Hanif Asyhar; Wika Dianita Utami; Putroue Keumala Intan; Dian Yuliati; Muhammad Fahrur Rozi
(IJCSAM) International Journal of Computing Science and Applied Mathematics Vol. 10 No. 2 (2024)
Publisher : LPPM Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24775401.ijcsam.v10i2.4602

Abstract

Tuberculosis is one of the deadliest infectious diseases in the world. In 2020, 9.9 million people were infected and 1.5 million died. East Java province ranks third with 43,268 tuberculosis cases. This research aims to determine the results of the tuberculosis disease model and simulation without and with the use of optimal control. The mathematical model SEIR is a model that can analyze the spread of the disease tuberculosis. In this research, a variable treatment compartment to the SEIR model. It used 4 antibiotics in the intensive phase and added Isoniazid and Rifampicin in the advanced phase as the optimal control parameters. Optimal control uses Pontriagin’s maximum principle as the derivative to modify the SEIR model and is described by a Runge-Kutta order 4 scheme. It shows both the useful parameters in the optimal control with a maximum value of 1 and plots where the effect of optimal control exists further constrained the people infected with Tuberculosis.
Analisis Geographically Weighted Regression Untuk Mengidentifikasi Faktor Pendukung Kepesertaan PBI-JK di Jawa Timur SYAHNUR ALAWIYAH; Putroue Keumala Intan; Maunah Setyawati
Jurnal Fourier Vol. 14 No. 2 (2025)
Publisher : Program Studi Matematika Fakultas Sains dan Teknologi UIN Sunan Kalijaga Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14421/fourier.2025.142.90-102

Abstract

Kesehatan memainkan peran yang sangat penting dalam pembangunan daerah. Jaminan Kesehatan Nasional (JKN) memberikan perlindungan sosial kepada masyarakat, termasuk dukungan bagi kelompok Penerima Bantuan Iuran Jaminan Kesehatan (PBI-JK) yang ditujukan bagi masyarakat miskin dan kurang mampu. Di Provinsi Jawa Timur, tingkat partisipasi PBI-JK bervariasi secara signifikan di antara berbagai kabupaten dan kota. Penelitian ini bertujuan untuk menganalisis faktor-faktor spasial yang mempengaruhi partisipasi PBI-JK menggunakan metode Geographically Weighted Regression (GWR) dengan fungsi kernel fixed gaussian. Temuan menunjukkan bahwa model GWR secara efektif mengidentifikasi ketidakmerataan spasial antar wilayah, mengungkapkan bahwa variabel populasi memiliki pengaruh signifikan terhadap partisipasi PBI-JK di semua kabupaten dan kota, sedangkan variabel persentase penduduk miskin hanya menunjukkan dampak signifikan di sebagian besar wilayah di Jawa Timur.
Pemodelan Faktor-Faktor yang Berhubungan dengan Kasus Tuberkulosis Anak di Provinsi Jawa Timur, Indonesia Menggunakan Regresi Poisson Tergeneralisasi Putroue Keumala Intan; Siti Baitul Rohila; Luluk Hermawati; Moh. Hafiyusholeh; Rukman Abdullah; Abdul Rahman; Muhamad Frendy Setyawan
Jurnal Rumpun Ilmu Kesehatan Vol. 6 No. 2 (2026): Juli: Jurnal Rumpun Ilmu Kesehatan
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/jrik.v6i2.6670

Abstract

Childhood tuberculosis (TB) remains a major public health problem in Indonesia, particularly in East Java Province. This study aimed to identify factors associated with childhood TB cases to support effective disease prevention and control. Since the number of TB cases represents count data that may exhibit overdispersion, Generalized Poisson Regression (GPR) was employed as an appropriate analytical approach. This ecological study used secondary data from 38 districts and municipalities in East Java Province, Indonesia, in 2024, obtained from the East Java Provincial Health Office. Multicollinearity was assessed using the Variance Inflation Factor (VIF). Because overdispersion was detected in the Poisson regression model, the analysis was subsequently performed using Generalized Poisson Regression. The final GPR model included the percentage of the population reporting health complaints, the average number of cigarettes smoked per week, the percentage of households with access to improved sanitation, the percentage of households with access to safe drinking water, the number of healthcare workers, and the number of healthcare facilities as explanatory variables. Model evaluation yielded an Akaike Information Criterion (AIC) value of 457.46 and an Adjusted R² value of 0.9813, indicating that the model explained 98.13% of the variation in childhood TB cases. These findings demonstrate that Generalized Poisson Regression is an appropriate method for modeling overdispersed childhood TB count data and provides useful evidence to strengthen tuberculosis surveillance and support targeted public health interventions for childhood TB control in East Java Province.