Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Abdimas Langkanae ARUS JURNAL SAINS DAN TEKNOLOGI
Makkulau
Universitas Halu Oleo
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Environmental Science Languange, Linguistic, Communication & Media Social Sciences Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Pelatihan Peningkatan Kompetensi Pendidik dan Tenaga Kependidikan di Sanggar Kegiatan Belajar (SKB) Kota Kendari Andi Tenri Ampa; Makkulau; Gusti Ngurah Adhi Wibawa; Lilis Laome; La Gubu; Norma Muhtar
Abdimas Langkanae Vol. 3 No. 2 (2023)
Publisher : Pustaka Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53769/jpm.v3i2.194

Abstract

Sanggar Kegiatan Belajar (SKB) Kota Kendari adalah salah satu satuan pendidikan yang melaksanakan Pendidikan formal dan informal di Kota Kendari, Provinsi Sulawesi Tenggara. Universitas Halu Oleo (UHO) sebagai Perguruan Tinggi berlokasi di Kota Kendari memenuhi tanggung jawab melakukan tugas Tri Darma Perguruan Tinggi. Permasalahan yang ditemukan di Pamong Belajar SKB Kota Kendari, yaitu mengalami kesulitan untuk menyelesaikan permasalahan yang diperoleh atau didapat di masyarakat dan kesulitan untuk menentukan metode atau analisis yang cocok untuk menyelesaikan problem yang diperoleh di lapangan. Hasil program ini berupa materi konsep Statistika Dasar dan pengolahan data serta interpretasinya yang mudah dipelajari dan digunakan. Sedangkan tujuan memberikan materi Manajemen Data adalah untuk meningkatkan kualitas layanan pendidikan dan rintisan program baru yang dibutuhkan masyarakat dan diharapkan mampu memenuhi kebutuhan data yang akurat dan mudah diperoleh sejalan dengan Program Pemerintah Provinsi Sulawesi Tenggara tentang Data Sektoral dari berbagai instansi dapat dihimpun menjadi Satu Data. Peserta mempraktekkan di komputer masing-masing dan diberikan contoh langsung bagaimana menyimpan data/berkas di Google Drive. Diajarkan juga cara membuat instrumen identifikasi kebutuhan Belajar Masyarakat melalui Google Form. Pada kegiatan ini, peserta berptaktek langsung didampingi oleh Pemateri dan beberapa mahasiswa Statistika
Metode Least Absolute Shrinkage And Selection Operator (Lasso) Untuk Penanganan Masalah Multikolinearitas (Studi Kasus: Jumlah Kejahatan Yang Dilaporkan (Crime Total) Di Provinsi Sulawesi Tanggara Tahun 2022) Irma Yahya; Indah Sahara; Muhammad Ihwal; Makkulau
Arus Jurnal Sains dan Teknologi Vol 4 No 1: April (2026)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57250/ajst.v4i1.2161

Abstract

Jumlah kejahatan yang dilaporkan di Provinsi Sulawesi Tenggara pada tahun 2022 mengalami peningkatan, sehingga perlu dianalisis faktor-faktor yang memengaruhinya. Namun, penerapan regresi linear berganda sering menghadapi masalah multikolinearitas antarvariabel independen yang dapat mengurangi keakuratan model. Penelitian ini bertujuan mengatasi multikolinearitas dengan menerapkan metode Least Absolute Shrinkage and Selection Operator (LASSO). Data yang digunakan berupa data sekunder dari Badan Pusat Statistik dengan delapan variabel independen. Metode LASSO diterapkan dengan algoritma LARS dan Cross Validation (CV) 5-fold untuk menentukan parameter shrinkage optimum. Lambda optimum adalah parameter regulasi yang fungsinya untuk mengontrol seberapa besar penalti yang diberikan terhadap koefisien regresi yang diperoleh dari nilai CV MSE yang paling minimum. Hasil analisis menunjukkan metode LASSO berhasil mengatasi multikolinearitas dengan nilai R² sebesar 86,66% dan Variation Inflation Factor (VIF) variabel Rata-rata Lama Sekolah, Tingkat Pengangguran Terbuka, Kepadatan Penduduk, Gini Rasio, Jumlah Penduduk, dan Rasio Jenis Kelamin, masing-masing sebesar 4,74; 2,43; 4,68; 1,58; 1,48; dan 1,63, dalam model akhir lebih kecil dari 5. Berdasarkan nilai R² dan nilai VIF menunjukkan metode LASSO dapat menjadi metode yang efektif untuk membangun model regresi yang stabil pada kasus dengan multikolinearitas tinggi.
Pemodelan Spasial Indeks Pembangunan Manusia di Pulau Sulawesi Menggunakan Spatial Error Model Baharuddin; Syafaat Nugiansa; Muhammad Ihwal; Makkulau; Lilis Laome; Andi Tenri Ampa
Arus Jurnal Sains dan Teknologi Vol 4 No 1: April (2026)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57250/ajst.v4i1.2459

Abstract

Indeks Pembangunan Manusia (IPM) di Pulau Sulawesi tahun 2023 menunjukkan kesenjangan yang signifikan antarkabupaten/kota, yang ditandai dengan variasi nilai yang cukup tinggi. Ketimpangan ini mengindikasikan keterbatasan model klasik dalam menangani ketergantungan spasial antarwilayah. Penelitian ini bertujuan untuk menganalisis pola spasial dan faktor-faktor yang memengaruhi IPM, dengan membandingkan kinerja model regresi OLS dan Spatial Error Model (SEM). Metode yang digunakan adalah pemodelan spasial dengan data sekunder BPS tahun 2023. Matriks pembobot spasial dikonstruksi menggunakan k-Nearest Neighbors (k=4), dan uji autokorelasi spasial dilakukan dengan indeks Moran. Hasil penelitian mengonfirmasi adanya autokorelasi spasial positif pada IPM. Model SEM terbukti lebih unggul daripada OLS dengan nilai AIC yang lebih rendah dan mampu menangkap ketergantungan spasial melalui parameter λ yang signifikan. Variabel kepadatan penduduk berpengaruh positif signifikan, sedangkan persentase penduduk miskin berpengaruh negatif signifikan terhadap IPM.
Co-Authors Andi Tenri Ampa Baharuddin Gusti Ngurah Adhi Wibawa Indah Sahara Irma Yahya La Gubu Lilis Laome Muhammad Ihwal Norma Muhtar Syafaat Nugiansa