Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Limits: Journal of Mathematics and Its Applications Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika
Cintya Mukti
Universitas Andalas
Decision Sciences, Operations Research & Management Education Mathematics

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

Found 2 Documents
Search

 1 
Komparasi Model Pertambahan Tinggi Badan Balita Stunting Dengan Metode Regresi Kuantil dan Regresi Kuantil Bayesian Ferra Yanuar; Cintya Mukti; Maiyastri Maiyastri
Limits: Journal of Mathematics and Its Applications Vol 20, No 2 (2023)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/limits.v20i2.9581

Abstract

Penelitian ini bertujuan untuk mengkonstruksi model pertambahan tinggi badan balita stunting di Kabupaten Solok dengan menggunakan metode regresi kuantil dan metode regresi kuantil Bayesian. Metode regresi kuantil merupakan metode pendugaan parameter yang dilakukan dengan membagi data menjadi dua bagian yang tidak harus simetri ketika dicurigai terdapat perbedaan nilai estimator pada kuantil-kuantil tertentu. Metode regresi kuantil Bayesian merupakan metode pendugaan parameter yang menggabungkan konsep analisis kuantil ke dalam pendekatan Bayesian. Pada pendekatan Bayesian, digunakan distribusi Asymmetric Laplace Distribution (ALD) dalam pembentukan fungsi likelihood sebagai dasar dari pembentukan distribusi posterior yang digunakan dalam proses pendugaan parameter. Data penelitian yang digunakan adalah data 950 balita stunting di Kabupaten Solok pada bulan Agustus 2021 dan bulan Februari 2022. Pada penelitian ini diperoleh bahwa metode regresi kuantil Bayesian menghasilkan model dugaan yang lebih baik daripada metode regresi kuantil. Kriteria kebaikan model adalah berdasarkan lebar selang kepercayaan 95% terpendek dan nilai  terbesar. Faktor-faktor yang signifikan dalam mempengaruhi pertambahan tinggi badan balita stunting di Kabupaten Solok adalah jenis kelamin, berat badan lahir, ASI eksklusif, dan imunisasi.
ANALISIS PERTAMBAHAN TINGGI BADAN BALITA STUNTING DI PROVINSI SUMATERA BARAT MENGGUNAKAN METODE REGRESI KUANTIL BINER BAYESIAN Cintya Mukti; Ferra Yanuar; Dodi Devianto
Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika Vol. 5 No. 1 (2024): Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistik
Publisher : LPPM Universitas Bina Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46306/lb.v5i1.591

Abstract

Stunting is one of the national health problems in Indonesia, where children experience growth failure. This study aims to construct a model for the classification of height gain of stunting toddlers in West Sumatra Province using the Bayesian binary quantile regression method. Quantile analysis is used in the Bayesian concept to produce more effective and natural estimates, especially for data that are not normally distributed. In the Bayesian approach, the Asymmetric Laplace Distribution (ALD) is used in determining the likelihood function as the basis for forming the posterior distribution used in the parameter estimation process. Bayesian binary quantile regression is an extension of quantile regression where the scale of the dependent variable used is binary. The research data used is data on 1000 stunting toddlers in West Sumatra Province in August 2021 and February 2022. In this study, it was found that the Bayesian binary quantile regression method at quantile 0.50 was the best conjecture model in classifying the level of height gain of stunting toddlers in West Sumatra Province. The criteria for model goodness are based on the greatest accuracy value. Factors that are significant in influencing the height gain of stunting toddlers in West Sumatra Province are birth weight, exclusive breastfeeding, and immunization
Co-Authors Devianto, Dodi Maiyastri, Maiyastri Yanuar, Ferra