Article Per Year (5 Year)
p-Index From 2021 - 2026
3.558
P-Index
This Author published in this journals
All Journal BIMASTER JURNAL SAINS PERTANIAN EQUATOR Perkebunan dan Lahan Tropika BAREKENG: Jurnal Ilmu Matematika dan Terapan Jurnal Agrotek Tropika Jambura Journal of Mathematics Transformasi : Jurnal Pendidikan Matematika dan Matematika Abdimas Galuh: Jurnal Pengabdian Kepada Masyarakat Jurnal Pengabdian kepada Masyarakat Nusantara Jurnal Diferensial Empiricism Journal
Aprizkiyandari, Siti
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Biochemistry, Genetics & Molecular Biology Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Energy Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Nursing Physics Public Health Social Sciences Transportation Other

Published : 26 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search
Journal : BIMASTER

 1   2 
ANALISIS K-MEANS MENGGUNAKAN METODE DUNN INDEX DALAM MENENTUKAN JUMLAH CLUSTER OPTIMAL (Studi Kasus: Indikator Pendidikan SMA di Indonesia Tahun 2022) Hidayatullah, Hidayatullah; Martha, Shantika; Aprizkiyandari, Siti
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 3 (2024): 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.v13i3.77469

Abstract

Pendidikan merupakan fondasi krusial dalam membentuk dan mengembangkan sumber daya manusia dalam proses pembangunan suatu negara. Data dari Survei Sosial Ekonomi Nasional (SUSENAS) tahun 2021 menunjukkan dominasi penduduk Indonesia dengan tingkat pendidikan rendah. Kondisi ini menjadi fokus dalam penerapan teknik analisis data, khususnya cluster analysis, untuk memahami karakteristik kelompok secara mendalam. Cluster analysis merupakan metode yang mengelompokkan data berdasarkan kesamaan antara satu data dengan data lainnya, dan memiliki peran penting dalam analisis dan pemahaman struktur data yang kompleks. Penelitian ini menggunakan analisis cluster non-hirarki dengan pendekatan K-Means, yang dikenal sederhana, cepat dalam komputasi, dan efisien dalam menangani data besar. Dunn Index digunakan sebagai metode evaluasi untuk mengukur kualitas pengelompokkan dengan menghasilkan cluster-cluster yang memiliki tingkat kesamaan tinggi di dalam kelompoknya masing-masing. Data yang digunakan adalah data sekunder yang mencakup tujuh indikator pendidikan SMA di 34 provinsi di Indonesia. Hasil yang diperoleh dari pengelompokan yang optimal menggunakan metode Dunn Index yaitu sebanyak ilima cluster . Cluster  pertama dengan tingkat pendidikan yang sangat tinggi beranggotakan empat provinsi yaitu provinsi Aceh, Kep.Riau, DI Yogyakarta dan Bali. Cluster  kedua dengan Tingkat pendidikan yang tinggi beranggotakan 13 provinsi. Cluster  ketiga yang beranggotakan tiga provinsi dengan tingkat pendidikan yang sedang. Dan cluster  keempat dengan tingkat pendidikan yang rendah beranggotakan 13 provinsi. Sedangkan untuk cluster  kelima dengan tingkat pendidikan sangat rendah hanya beranggotakan satu provinsi yaitu provinsi Papua. Pentingnya kebijakan dari pemerintah untuk memprioritaskan provinsi yang tingkat pendidikannya rendah seperti Papua supaya menghindari ketimpangan kualitas pendidikan di Indonesia.  Kata Kunci : Tingkat, Pendidikan, Nonhirarki, Pengelompokan.
IMPLEMENTASI METODE NAÏVE BAYES DALAM PREDIKSI TINGKAT KEMENANGAN PADA GAME MOBILE LEGENDS Padilah, Ariski; Perdana, Hendra; Aprizkiyandari, Siti
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 4 (2024): 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.v13i4.77825

Abstract

Perkembangan industri permainan sekarang membawa dampak yang signifikan, khususnya dalam permainan daring atau game online yang telah menjadi bagian dari gaya hidup kebanyakan masyarakat. Mobile legends merupakan salah satu contoh game yang sangat popular sekarang karena bisa menarik minat jutaan pemain di seluruh dunia. Dengan banyaknya pemain yang ada di seluruh dunia mengakibatkan player yang memainkan game ini harus memiliki strategi agar menang pada setiap pertandingan yang dilaksanakan. Pada penelitian ini metode Naïve Bayes Classifier digunakan dalam memprediksi status kemenangan pada game mobile legends. Data yang digunakan adalah data sekunder yang berasal dari youtube pertandingan salah satu hasil pertandingan eSport yaitu MPL Season 11 yang menjadi semakin popular di kalangan penonton dan pemain. Variabel yang digunakan adalah Health Point, HP Regen, Physical Damage, Physical Defence, Movement Speed, dan Attack Speed. Tujuan dari penelitian ini adalah untuk mengimplementasikan metode Naïve Bayes dalam memprediksi kemenangan dalam permainan mobile legends. Metode Naïve Bayes dipilih karena keunggulannya dalam mengatasi masalah klasifikasi yaitu bisa menggunakan data yang besar dengan hasil yang didapatkan memiliki tingkat akurasi yang bagus. Pada penelitian ini hasil prediksi menunjukkan bahwa implementasi metode Naïve Bayes mampu memberikan tingkat akurasi sebesar 80,88% sehingga masuk kedalam kategori bagus.  Kata Kunci : Klasifikasi, Akurasi, MPL Season 11.
PERBANDINGAN HASIL PREDIKSI KURS JISDOR MENGGUNAKAN METODE FUZZY TIME SERIES MODEL CHEN DAN LEE Rezaldi, Muhammad Fachri; Martha, Shantika; Aprizkiyandari, Siti
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 5 (2024): 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.v13i5.86304

Abstract

Fuzzy time series adalah metode peramalan dengan menggunakan data historis untuk memprediksi kondisi di masa depan. Penelitian ini bertujuan untuk membandingkan prediksi kurs Jakarta Interbank Spot Dollar Rate (JISDOR) yang menggunakan model fuzzy time series, yaitu model Chen dan model Lee. Data yang dianalisis mencakup kurs JISDOR dari 3 Maret 2023 hingga 25 Mei 2023. Proses penelitian dimulai dengan menentukan himpunan semesta, lalu jumlah dan lebar interval. Selanjutnya, dibentuk himpunan fuzzy, serta ditentukan Fuzzy Logical Relationship (FLR) dan Fuzzy Logical Relationship Group (FLRG) untuk kedua model tersebut. Setelah itu, dilakukan defuzifikasi dengan mencari nilai tengah dari kelas interval untuk mendapatkan hasil peramalan. Hasil penelitian menunjukkan bahwa Average Forecasting Error Rate (AFER) untuk model Chen adalah 0,004900, sedangkan untuk model Lee adalah 0,002848. Dengan demikian, model Lee lebih akurat dibandingkan model Chen karena memiliki nilai AFER yang lebih rendah.  Kata Kunci :  FTS, Kurs, Chen dan Lee
PENERAPAN TEXT MINING DATA TWEET TOKOPEDIA MENGGUNAKAN K-MEANS CLUSTERING Mawaddah, Mawaddah; Imro’ah, Nurfitri; Aprizkiyandari, Siti
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 3 (2024): 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.v13i3.77706

Abstract

Media sosial yang sering digunakan untuk mengiklankan produk maupun jasa e-commerce salah satunya yaitu Twitter. Pelaku bisnis khususnya e-commerce harus bisa memilih konten yang disukai pelanggan yang ditandai dengan banyaknya jumlah retweet dan favorite pada konten yang diposting. Penerapan text mining menggunakan k-means clustering perlu diterapkan untuk mengolah data tweet yang besar guna membantu pelaku bisnis menentukan konten yang disukai followers. Data pada penelitian ini diambil dari username akun @tokopedia berupa data tweets dengan menggunakan bantuan R Studio pada tanggal 17 Desember 2022 yang memuat 3250 tweet yang telah diposting sebelum tanggal tersebut, yaitu dari tanggal 01 Oktober 2022 pukul 06.38 WIB hingga tanggal 16 Desember 2022 pukul 23.51 WIB. Selanjutnya, dilakukan proses text preprocessing, feature selection, dan pembobotan TF-IDF. Setelah melalui tahapan tersebut tweet kemudian dianalisis menggunakan k-means clustering dengan penentuan jumlah cluster terbaik menggunakan silhoutte coefficient. Kata tweets yang dikelompokkan secara garis besar terkait dengan kata yang dianggap menggambarkan atau merujuk pada promo Tokopedia, giveaway, dan kuis berhadiah. Metode k-means clustering digunakan untuk mengelompokkan tweet berdasarkan kesamaan pola dan karakteristik kata per kata yang terkandung dalam tweets Tokopedia dengan menggunakan pembobotan TF-IDF dan perhitungan jarak euclidean. Berdasarkan hasil clustering terdapat sembilan cluster terbaik. Rata-rata jumlah retweet dan favorite yang tinggi berdasarkan hasil clustering terdapat pada jenis konten diantaranya giveaway merchandise BTS dan cashback dari TokopediaxOppo (cluster 8); serta penawaran promo, diskon, dan cashback Tokopedia (cluster 3). Oleh karena itu, Tokopedia diharapkan dapat menggunakan jenis konten tweet tersebut sebagai sarana untuk meningkatkan minat followers.  Kata Kunci : E-commerce, TF-IDF, Twitter, Silhoutte Coefficient.
ANALISIS POLA BAN HERO MOBILE LEGENDS MENGGUNAKAN ALGORITMA APRIORI (Studi Kasus: Mobile Legends Profesional Liga Indonesia Season 11) Yonatan, Yulianus; Perdana, Hendra; Aprizkiyandari, Siti
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 4 (2024): 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.v13i4.77965

Abstract

Data mining adalah proses yang digunakan untuk membentuk serta menemukan pola data, dimana Algoritma Apriori merupakan salah satu algoritma yang dapat digunakan. Algoritma Apriori digunakan untuk menemukan aturan asosiasi yang memiliki pengaruh antar item, sehingga Algoritma Apriori dapat digunakan untuk menemukan pola ban hero Mobile Legends. Untuk memenangkan pertandingan dalam game Mobile Legends setiap tim menggunakan strategi untuk melakukan pemilihan (pick) dan pelarangan (ban) hero. Algoritma Apriori digunakan untuk menemukan pola ban hero dengan nilai minimum support 1% dan nilai minimum confidence 80%. Langkah pertama dalam algoritma Apriori adalah menghitung nilai support masing-masing item, jika nilai support ≤ nilai minimum maka dilakukan pemangkasan dan item yang memenuhi kriteria masuk ke dalam frequent k-itemset. Dari analisis yang dilakukan diperoleh 121 pola ban hero yang memenuhi nilai support dan confidence yang telah ditentukan dimana pola yang terbentuk dapat dijadikan acuan untuk tim yang bertanding dalam melakukan ban hero yang terdiri dari 1-itemset sampai 5-itemset dimana presentase setiap itemset tertinggi adalah {Joy}, {Joy, Wanwan}, {Joy, Kaja, Wanwan}, {Joy, Hayabusa, Valentina, Wanwan} dan {Joy, Wanwan, Hayabusa, Ling, Yve}. Pola yang terjadi adalah kombinasi hero Joy dan Wanwan menjadi hero yang selalu di ban. Hal ini dikarenakan tren yang terjadi setelah penyesuaian game (update).  Kata kunci: Data Mining, Ban Hero, MPL
PERBANDINGAN METODE CHAID DAN EXHAUSTIVE CHAID PADA KLASIFIKASI KELULUSAN MAHASISWA Tarigan, Esta Br.; Imro’ah, Nufitri; Aprizkiyandari, Siti
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 4 (2024): 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.v13i4.79730

Abstract

Ketepatan waktu kelulusan mahasiswa dapat mempengaruhi kualitas dari suatu perguruan tinggi, sehingga perlu diperhatikan faktor-faktor apa saja yang dapat mempengaruhi ketepatan waktu lulus mahasiswa. Metode yang dapat digunakan adalah metode klasifikasi data mining yaitu metode CHAID dan Exhaustive CHAID. Metode CHAID dan Exhaustive CHAID merupakan metode klasifikasi non parametrik yang dapat digunakan dalam mengklasifikasikan data dengan membangun pohon klasifikasi. Metode ini dapat memberikan informasi berupa variabel independen yang mempunyai pengaruh signifikan terhadap variabel dependen. Tujuan dari penelitian ini adalah untuk menganalisis perbandingan hasil klasifikasi CHAID dan Exhaustive CHAID pada klasifikasi kelulusan mahasiswa. Data yang digunakan adalah data sekunder yaitu data alumni mahasiswa Program Studi Statistika FMIPA Untan yang lulus pada Periode I Tahun Ajaran 2017/2018 sampai Periode II Tahun Ajaran 2022/2023. Variabel dependen yang digunakan adalah Status Kelulusan (Y), sedangkan variabel independen yang digunakan yaitu Jenis Kelamin (X1), Daerah Asal (X2), Akreditasi Sekolah (X3), Jalur Masuk (X4), Beasiswa (X5), Status Kelulusan Tes TUTEP Pertama (X6), IPK Semester 1 (X7), IPK Semester 2 (X8), IPK Semester 3 (X9) dan IPK Semester 4 (X10). Proses analisis dengan metode CHAID dan Exhaustive CHAID terdiri dari tiga tahapan yaitu penggabungan, pemisahan, dan penghentian. Hasil analisis diperoleh bahwa metode CHAID dan Exhaustive CHAID masing-masing memiliki tiga variabel yang berpengaruh signifikan. Tingkat akurasi yang dihasilkan metode CHAID dan Exhaustive CHAID masing-masing 83,56% dan 82,86%, artinya dalam kasus ini metode yang lebih baik adalah metode CHAID karena menghasilkan akurasi yang lebih tinggi dibandingkan metode Exhaustive CHAID.  Kata Kunci : data mining, kelulusan mahasiswa, pohon klasifikasi
ANALISIS KUALITAS LAYANAN RITEL DARI PERSEPSI PELANGGAN MENGGUNAKAN METODE RSQS, CSI DAN IGA (Studi Kasus: Indomaret di Desa Balai Sebut, Kabupaten Sanggau) Yulianti, Siska; Imro’ah, Nurfitri; Aprizkiyandari, Siti
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 2 (2024): 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.v13i2.77237

Abstract

Industri ritel menyediakan produk dan jasa bernilai tambah untuk memenuhi kebutuhan masyarakat. Indomaret merupakan ritel modern yang mempermudah masyarakat melakukan proses jual beli agar lebih efisien sehingga memberikan kenyamanan dan kepuasan bagi konsumen. Penelitian ini bertujuan untuk mengetahui tingkat kepuasan pelanggan dan mengidentifikasi atribut yang menjadi prioritas perbaikan. Pengumpulan data dilakukan melalui survei dengan menyebarluaskan kuesioner sebanyak 28 atribut yang diisi oleh masyarakat Desa Balai Sebut yang pernah berbelanja di Indomaret dan berusia minimal 17 tahun. Pengambilan sampel menggunakan metode Linier Time Function (LTF) yang berjumlah 48 responden. Data dianalisis menggunakan metode Customer Satisfaction Index (CSI) dengan tahapan menghitung nilai Mean Importance Score (MIS), Mean Satisfaction Score (MSS), Weighted Factor (WF), Weight Score (WS) dan CSI. Setelah dilakukan tahapan tersebut diperoleh nilai CSI sebesar 69,92% yang mengindikasikan bahwa pelanggan merasa puas terhadap kualitas kinerja pihak Indomaret. Analisis selanjutnya menggunakan metode Improvement Gap Analysis (IGA) yang dimulai dengan menghitung nilai Average Expected Statisfaction with Functional Question (AESFQ), Average Expected Statisfaction with Disfunctional Question (AESDQ), Average Current Statisfaction (ACS) dan Improvement Gap (IG) sehingga diperoleh hasil kuadran IGA terdapat 7 atribut yang perlu untuk dilakukan perbaikan, yaitu x1.2 (fasilitas fisik di Indomaret menarik), x1.3 (bahan-bahan yang berhubungan dengan layanan Indomaret menarik (seperti tas belanja dan katalog)), x2.2 (Indomaret menyediakan layanannya pada waktu yang dijanjikan), x3.9(karyawan Indomaret memperlakukan pelanggan dengan sopan melalui telepon), x4.1(Indomaret bersedia menangani pengembalian dan penukaran), x5.3 (Indomaret memiliki jam operasional yang nyaman untuk semua pelanggan), dan x5.5 (Indomaret menawarkan kartu kreditnya sendiri).Kata Kunci: Kepuasan Pelanggan, Ritel, Pelayanan.
PENGELOMPOKKAN KABUPATEN DI PROVINSI KALIMANTAN TIMUR BERDASARKAN TINGKAT KEMISKINAN DENGAN METODE CENTROID LINKAGE Pratama, Pandu Pasha; Debataraja, Naomi Nessyana; Aprizkiyandari, Siti
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 4 (2023): 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.v12i4.70082

Abstract

Kemiskinan merupakan permasalahan internasional yang sering dihadapi serta menjadi perhatian dunia, sehingga diperlukan peninjauan lebih lanjut untuk dapat mengatasi masalah kemiskinan terutama di Indonesia supaya tidak menimbulkan permasalahan lain. Penelitian ini bertujuan untuk menentukan pengelompokan dan karakteristik cluster kabupaten/kota di Provinsi Kalimantan Timur berdasarkan tingkat kemiskinan menggunakan metode centroid linkage. Variabel yang digunakan pada penelitian ini yaitu indeks keparahan kemiskinan (X_1  ), indeks kedalaman kemiskinan (  X_2), tingkat pengangguran terbuka (  X_3), rata-rata lama sekolah (  X_4), dan harapan lama sekolah (  X_5). Langkah-langkah pada penelitian ini dimulai dengan uji multikolinearitas pada variabel yang digunakan dengan ketentuan nilai VIF kurang dari 10. Kemudian dilanjutkan dengan pembentukan matriks jarak dengan perhitungan euclidean. Setelah itu menentukan nilai jarak dengan metode centroid linkage untuk mencari bentuk cluster dengan target dua cluster. Setelah itu membentuk dendogram untuk melihat hasil jumlah cluster yang terbentuk. Kemudian digunakan profilisasi untuk menentukan karakteristik cluster dengan menentukan nilai rata-rata masing-masing variabel dari setiap cluster yang didapat. Dari hasil penelitian menunjukkan karakteristik yang didapat pada cluster satu yang terjadi di tujuh kabupaten/kota yaitu Paser, Kutai Kartanegara, Kutai Barat, Berau, Kutai Timur, Penajaman Paser Utara, Mahakam Ulu memiliki tingkat kemiskinan yang rendah. Sedangkan pada cluster dua yang terjadi di tiga kabupaten/kota yaitu Balikpapan, Samarinda, Bontang memiliki tingkat kemiskinan yang tinggi.  Kata Kunci: Cluster, Multikolinearitas, Euclidean
PEMODELAN SPATIAL ECONOMETRICS MENGGUNAKAN SPATIAL DURBIN ERROR MODEL PADA DATA IPM DI KALIMANTAN BARAT Reho, Stepanus; Imro’ah, Nurfitri; Aprizkiyandari, Siti
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 2 (2024): 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.v13i2.77001

Abstract

Indeks Pembangunan Manusia (IPM) adalah indikator yang harus dipenuhi oleh suatu bangsa supaya bisa dikatakan sebagai bangsa yang maju. IPM dikatakan baik apabila berada dalam kategori tinggi. Apabila nilai IPM pada suatu negara tinggi, sehingga semakin baik juga tingkat pembangunan manusia di negara tersebut. IPM adalah indeks komposit yang dipengaruhi oleh tiga indikator dasar, yakni indikator kesehatan yang diukur melalui Umur Harapan Hidup (UHH), indikator pendidikan yang mewakili Angka Melek Huruf (AMH) dan Rata-rata Lama Sekolah (RLS), sedangkan indikator ekonomi diukur berdasarkan kemampuan daya beli masyarakat. Tujuan dari penelitian ini yaitu memetakan sebaran IPM di Provinsi Kalimantan Barat, serta Memodelkan IPM di Kalimantan Barat menggunakan Spatial Durbin Error Model (SDEM). Berdasarkan hasil pada peta persebaran IPM Kalimantan Barat dapat dilihat bahwa IPM tertinggi sebesar 81,03, sedangkan untuk IPM terendah sebesar 64,79. Kemudian berdasarkan pada hasil pemodelan IPM di Provinsi Kalimantan Barat maka dapat ditarik kesimpulan bahwa dari model Ordinary Least Square (OLS), Spatial Error Model (SEM) dan Spatial Durbin Error Model (SDEM), diperoleh model yang memenuhi semua kriteria evaluasi model spatial econometrics adalah model SDEM. Jadi dapat ditarik kesimpulan bahwa model SDEM adalah model terbaik.  Kata Kunci: Indikator, Pemodelan Spasial, Spatial Durbin Error Model
PEMODELAN TINGKAT PENGANGGURAN TERBUKA MENGGUNAKAN GENERALIZED LINEAR MODEL Mori, Stepanus Armadi; Martha, Shantika; Aprizkiyandari, Siti
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 1 (2024): 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.v13i1.74684

Abstract

Tingkat pengangguran terbuka menjadi aspek yang perlu diperhatikan di negara berkembang seperti Indonesia. Jawa Timur merupakan provinsi dengan penduduk nomor 2 tertinggi di Indonesia tahun 2022 tentnya tidak terlepas dengan permasalahan tingkat pengangguran terbuka. Tidak terserapnya tenaga kerja usia produktif serta kurangnya lapangan pekerjaan yang tersedia menyebabkan pengangguran di suatu daerah dapat menjadi meningkat. Oleh karena itu, perlu dilakukan sebuah analisis untuk mencegah meningkatnya tingkat pengangguran terbuka. Untuk dapat menjadi bahan evaluasi oleh pemerintah dilakukan pemodelan menggunakan generalized linear model menggunakan distribusi gamma untuk mengetahui faktor-faktor yang mempengaruhi tingkat pengangguran terbuka berdasarkan sektor ketenagakeraan, sektor sosial dan kependudukan, dan sektor pendidikan serta mengetahui faktor-faktor berdasarkan model terbaik yang memiliki pengaruh terhadap tingkat pengangguran terbuka di Jawa Timur tahun 2022. Penelitian ini menggunakan data di Jawa Timur dengan data sebanyak 38 kabupaten/kota dengan variabel yaitu tingkat pengangguran terbuka (Y), sektor ketenagakerjaan yakni tingkat partisipasi angkatan kerja (X1), pencari kerja terdaftar (X2), dan lowongan kerja terdaftar (X3), sektor sosial dan kependudukan yakni persentase penduduk miskin (X4), angka harapan hidup (X5), laju pertumbuhan penduduk (X6), dan kepadatan penduduk (X7), serta sektor pendidikan yakni rata-rata lama sekolah (X8), dan harapan lama sekolah (X9). Berdasarkan hasil penelitian ini, didapatkan sektor sosial dan kependudukan sebagai model terbaik berdasarkan nilai akaike"™s information criterian terkecil. Dari model tersebut dapat diketahui bahwa faktor-faktor yang memiliki pengaruh signifikan terhadap tingkat pengangguran terbuka adalah persentase penduduk miskin.  Kata Kunci : Metode Generalized Linear Model, Distribusi Gamma, Akaike"™s Information Criterian
Co-Authors . Supriyanto Adrian, Ferry Ashari, Asri Mulya Asnawati Asnawati Darussalam Darussalam, Darussalam Debataraja, Naomi Nessyana Dini Anggorowati Helena, Shifa Hendra Perdana Hidayatullah Hidayatullah Imro’ah, Nufitri IMRO’AH, NURFITRI Indri Hendarti Iwan Sasli Leowardi, Iknasius Martha, Shantika Mawaddah Mawaddah, Mawaddah Mori, Stepanus Armadi Neva Satyahadewi Normalita Puteri, Afira Afra Nurdiansyah , Syarif Irwan Padilah, Ariski Pratama, Aditya Nugraha Pratama, Pandu Pasha Purwanty, Purwanty Putri, Aulia Nabila Putri, Diva Amalia Iskandar Putri, Resti Amelia Radinasari, Nur Ismi Rahmidiyani Rahmidiyani, Rahmidiyani Reho, Stepanus Retnani, Hani Dwi Rezaldi, Muhammad Fachri Rivaldo, Rendi Satyahadewi , Neva Tamtama, Ray Tantri Palupi Taraly, Inggriani Millennia Tarigan, Esta Br. Yonatan, Yulianus Yulianti, Siska Yundari, Yundari