Article Per Year (5 Year)
p-Index From 2021 - 2026
0.92
P-Index
This Author published in this journals
All Journal Economic Development Analysis Journal Limits: Journal of Mathematics and Its Applications
Toha Saifudin
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Mathematics

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Poverty Modeling in Indonesia: a Spatial Regression Analysis Ameliatul 'Iffah; Suliyanto Suliyanto; Sediono Sediono; Toha Saifudin; Elly Ana; Dita Amelia
Economics Development Analysis Journal Vol 12 No 4 (2023): Economics Development Analysis Journal
Publisher : Economics Development Department, Universitas Negeri Semarang, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/edaj.v12i4.66027

Abstract

The government has made various efforts to reduce poverty in Indonesia. However, based on the World Population Review report, Indonesia is still ranked as the 73rd poorest country in the world in 2022 based on the value of gross national income. Therefore, it is necessary to identify the factors that affect poverty. This research was conducted by comparing classical, spatial lag, and spatial error regression, and the best model will be selected. The results show that the spatial error regression model is the best, based on the highest coefficient of determination and the lowest Akaike's information criterion value. Based on the best model, it is found that the expected years of schooling, the rate of gross regional domestic product, the percentage of households that have access to proper sanitation services, and the percentage of households with electric lighting sources have a significant effect on the percentage of poor people. The percentage of poor people in a province is also influenced by the percentage of poor people in the surrounding provinces. The results of this simulation can help the government take initiatives or policies aimed at reducing poverty in Indonesia based on variables that affect poverty.
Pemodelan Kasus Tuberkulosis di Indonesia dengan Metode GWPR Guna Mendukung SDGs 2030 Toha Saifudin; Mochamad Firmansyah; Johanna Tania Victory; Mutiara Aisharezka
Limits: Journal of Mathematics and Its Applications Vol. 21 No. 3 (2024): Limits: Journal of Mathematics and Its Applications Volume 21 Nomor 3 Edisi No
Publisher : Pusat Publikasi Ilmiah LPPM Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Tuberculosis (TB) is the second leading cause of death after coronary heart disease. The bacterium type Humanus of Mycobacterium tuberculosis causes the infectious illnessTB. According to WHO, in 2018 Indonesia had 8% of TB cases, the third highest after India (27%) and China (9%). Therefore, efforts are needed to reduce the number of cases and deaths due to TB, in line with efforts to achieve point 3 of target 3 of the SDGs, namely ending the TB pandemic. This study uses the Geographically Weighted Poisson Regression (GWPR) model approach with the aim of analyzing the factors that influence TB, so that preventive interventions to reduce TB cases can be carried out. The data used in this study is secondary data in the form of data on the number of TB cases in 2018 obtained from the Ministry of Health (Kemenkes RI) and the Central Agency of Statistics (BPS). The observation unit is 34 provinces in Indonesia. Based on the smallest Akaike Information Criteria (AIC) value, the best GWPR model is obtained with Adaptive Bisquare weighting. Each province has a different model. The GWPR model in West Java Province which has the highest number of TB cases in Indonesia is . The results of the analysis show that the number of poor people has a very significant influence in almost all provinces in Indonesia. While this is going on, a considerable impact can be seen in the proportion of unfit homes and the percentage of unsanitary food processing facilities (TPM). Provincial governments in Indonesia can consider the results of modeling with GWPR in formulating strategies to reduce the number of TB sufferers in their regions
Pemodelan Kasus Tuberkulosis di Jawa Tengah dengan Geographically Weighted Negative Binomial Regression Andini Putri Mediani; Toha Saifudin; Nur Chamidah
Limits: Journal of Mathematics and Its Applications Vol. 21 No. 3 (2024): Limits: Journal of Mathematics and Its Applications Volume 21 Nomor 3 Edisi No
Publisher : Pusat Publikasi Ilmiah LPPM Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Tuberkulosis (TB) dianggap sebagai permasalahan kesehatan global yang utama karena menjadi salah satu penyakit menular yang mematikan di seluruh dunia. World Health Organization (WHO) mengategorikan sebanyak 30 negara di dunia dengan beban tinggi kasus TB dengan Negara Indonesia menempati peringkat kedua dalam kategori beban tinggi tersebut. Salah satu provinsi dengan penderita terbanyak kasus TB adalah Provinsi Jawa Tengah. Banyaknya penderita TB di Kabupaten Jawa Tengah menunjukkan bahwa terdapat faktor-faktor yang memengaruhi tingginya kasus TB, sehingga perlu dilakukan analisis secara statistik untuk mengetahui penyebab terjadinya permasalahan tersebut sekaligus mendukung tercapainya target yang berkaitan dengan target SDGs pada poin 3.3, yaitu untuk mengakhiri epidemi TB. Pada jumlah kasus TB yang berupa data diskrit, regresi Poisson merupakan metode yang sesuai untuk memodelkan data diskrit dengan asumsi ekuidispersi yang harus terpenuhi. Namun, untuk kasus TB di Jawa Tengah asumsi tersebut tidak terpenuhi, dengan kata lain terdapat overdispersi. Overdispersi dapat ditangani dengan regresi Binomial Negatif, tetapi dengan mempertimbangkan faktor spasial metode yang sesuai untuk digunakan adalah Geographically Weighted Negative Binomial Regression (GWNBR). Hasil diperoleh fungsi pembobot untuk GWNBR adalah Fixed Gaussian dengan nilai CV terkecil 4427790. Pemodelan dengan GWNBR lebih baik dalam memodelkan jika dibandingkan dengan regresi global. Hal ini diperkuat oleh nilai AIC terkecil, yakni 370,14 sehingga permasalahan overdispersi sudah teratasi. Kemudian, variabel yang berpengaruh signifikan pada setiap kabupaten dan kota di Jawa Tengah adalah persentase rumah tangga yang memiliki sumber air minum layak, jumlah tenaga kesehatan, rasio jenis kelamin, dan jumlah penduduk usia produktif dengan besar pengaruh yang berbedabeda.
Prediksi Jumlah Penumpang Kereta Api Stasiun Surabaya Gubeng dengan Metode Monte Carlo Angga Kusuma Bayu Viargo; Toha Saifudin; Nur Chamidah
Limits: Journal of Mathematics and Its Applications Vol. 20 No. 3 (2023): Limits: Journal of Mathematics and Its Applications Volume 20 Nomor 3 Edisi No
Publisher : Pusat Publikasi Ilmiah LPPM Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Jumlah penumpang kereta api di Indonesia kembali mengalami peningkatan semenjak masa pandemi. Salah satu stasiun yang mengalami peningkatan penumpang adalah Stasiun Surabaya Gubeng. Penelitian ini bertujuan untuk mendapatkan hasil prediksi jumlah penumpang harian kereta api di Stasiun Surabaya Gubeng menggunakan metode Monte Carlo dengan pembangkit bilangan acak yang berbeda. Metode Monte Carlo merupakan metode yang menginterpretasikan hasil ketidakpastian probabilitas dari suatu proses dan menyimulasikan nilai frekuensi secara stokastik dari segala kemungkinan hasil. Pembangkit bilangan acak yang digunakan yaitu; multiplicative, mixed, dan random uniform . Tingkat keakuratan dari hasil penelitian dihitung berdasarkan nilai Mean Absolute Percentage Error (MAPE). Data dalam penelitian ini merupakan data time series diambil dari tanggal 16 Mei 2022 hingga 2 Oktober 2022 sebanyak 140 hari. Data dibagi menjadi tujuh kelompok berdasarkan nama hari sebanyak 20 data untuk setiap kelompok. Prediksi dilakukan menggunakan Monte Carlo diperoleh rata-rata nilai MAPE outsample dari setiap kelompok hari yaitu; hari Senin sebesar 25,25%, hari Selasa sebesar 16,74%, hari Rabu sebesar 17,73%, hari Kamis sebesar 3,32%, hari Jumat sebesar 12,36%, hari Sabtu sebesar 4,88%, dan hari Minggu sebesar 2,62%. Kesimpulan akhir diperoleh bahwa hasil prediksi sangat akurat terjadi pada hari Kamis, Sabtu dan Minggu.
Co-Authors Ameliatul 'Iffah Andini Putri Mediani Angga Kusuma Bayu Viargo Dita Amelia Dita Amelia Elly Ana Johanna Tania Victory Mochamad Firmansyah Mutiara Aisharezka Nur Chamidah Sediono, Sediono Suliyanto