Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal BIMASTER
Nufitri Imro’ah
Universitas Tanjungpura
Decision Sciences, Operations Research & Management Mathematics

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PEMODELAN PERSENTASE ANGKA KEMATIAN BAYI DI KALIMANTAN BARAT DENGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) Finta Kurnia Putri; Nufitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 1 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v10i1.44685

Abstract

Geographically Weighted Regression Principal Component Analysis (GWRPCA) merupakan gabungan dari metode Principal Component Analysis (PCA) dan Geographically Weighted Regression (GWR), dimana untuk mengatasi data multikolinieritas yang mengandung faktor spasial. Dalam penelitian ini, GWRPCA digunakan untuk menentukan model Angka Kematian Bayi (AKB) di Kalimantan Barat. Variabel Independen yang digunakan yaitu jumlah ibu hamil, persalinan yang ditolong tenaga kesehatan, jumlah tenaga medis, jumlah ibu hamil yang mengalami komplikasi kebidanan dan persentase penduduk miskin. Hasil penelitian ini menunjukkan bahwa diperoleh 2 variabel komponen utama yaitu  dan  yang dapat mewakili 5 variabel bebas dari data angka kematian bayi dengan nilai koefisien determinasi (R2) sebesar 42,06%. Sedangkan untuk model Goegraphically Weighted Regression Principal Component Analysis (GWRPCA) didapatkan 14 model untuk setiap lokasi dengan nilai koefisien determinasi global sebesar 42,74% dan untuk nilai koefisien determinasi lokal yaitu nilai koefisien determinasi lokal terbesar yaitu 52,71% terdapat di Kabupaten Ketapang dan koefisien determinasi lokal terkecil yaitu  38,3% terdapat di Kabupaten Kapuas Hulu. Kata Kunci: Heterogenitas Spasial, PCA, GWRPCA.
PENGGUNAAN AKAR LATEN DALAM MENGATASI MULTIKOLINEARITAS PADA MODEL REGRESI Wulan Yuni Adila; Nufitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 1 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v10i1.44670

Abstract

Akar laten merupakan metode yang digunakan untuk mengatasi masalah multikolinearitas pada data. Penelitian ini bertujuan untuk mengatasi masalah multikolinearitas menggunakan akar laten. Data yang digunakan pada penelitian ini merupakan data sekunder yang diambil dari Badan Pusat Statistik (BPS) pada tahun 2014 dengan variabel dependen yaitu, data tingkat pengangguran terbukadan tiga variabel independen yaitu jumlah penduduk miskin (X1), jumlah penduduk Indonesia (X2) dan jumlah partisipasi angkatan kerja (X3). Nilai Variance Inflation Factor (VIF) diawal diperoleh sebesar 12,949(X1), 12,949(X2), 1,113(X3), hal ini menunjukkan terjadinya multikolinearitas pada data  (X1) dan (X2). Setelah dilakukan uji menggunakan akar laten nilai Variance Inflation Factor (VIF) dari ketiga variabel untuk masing-masing variabel yaitu sebesar 1,231629(X1), 1,172524(X2), 1,220886 (X3). Hal ini menunjukkan bahwa jumlah penduduk miskin, jumlah penduduk Indonesia dan jumlah partisipasi angkatan kerja berpengaruh secara signifikan terhadap tingkat pengangguran terbuka dengan  sebesar 91% dan tidak terjadi masalah multikolinearitas pada model. Dari hasil penelitian menunjukkan bahwa masalah multikolinearitas pada data dapat teratasi dengan menggunakan akar laten. Kata Kunci: Akar laten, multikolinearitas, vektor laten, regresi berganda.
Co-Authors Finta Kurnia Putri Wulan Yuni Adila