Claim Missing Document
Check
Articles

Found 7 Documents
Search

Analisis Biplot untuk Mendeskripsikan Karakteristik Kartu GSM Berdasarkan Persepsi Sivitas Akademika Vokasi Universitas Halu Oleo Makkulau; Ampa, Andi Tenri; Saidi, La Ode; Baharuddin
Arus Jurnal Sains dan Teknologi Vol 2 No 1: April (2024)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57250/ajst.v2i1.502

Abstract

Perusahaan penyedia operator seluler untuk sistem prabayar GSM di Indonesia adalah Telkomsel, Indosat, serta pemain baru penyedia operator seluler yaitu, Three (3) Perusahaan tersebut berkompetisi melakukan inovasi agar dapat memenuhi harapan konsumen. Tujuan penelitian ini adalah menelusuri keterkaitan jenis kartu dengan karakteristik kartu GSM. Penelitian ini menggunakan analisis biplot berdimensi dua yang menyajikan secara visual objek dan variabel dalam satu grafik. Penguraian nilai singular suatu matriks (singular value decomposition atau SVD) adalah suatu matriks data X berukuran (n × p) dimana n adalah banyaknya objek pengamatan dan p adalah banyaknya variabel, yang dikorelasikan terhadap nilai rata-ratanya dan berpangkat r. Hasil analisis menunjukkan bahwa masing-masing kartu GSM memiliki keunggulan dan kelemahan yang bergantung pada kebutuhan setiap pengguna kartu. Kartu As, Simpati, dan IM3 memiliki keunggulan pada tawaran promo, harga voucher inovasi paket promo, tarif sms, frekuensi internetan, dan tarif internetan yang relatif murah. Kartu Axis memiliki keungulan pada harga kartu, sinyal jaringan, frekuensi sms, layanan keluhan konsumen, dan jangkauan jaringan yang relatif rendah. Kartu Halo memiliki keunggulan pada frekuensi telepon dengan tarif telepon yang relatif murah. Kartu XL memiliki keunggulan pada letak konter yang mudah dijangkau.
Analisis Faktor-faktor yang Mempengaruhi Banyaknya Kasus Stunting pada Balita di Kota Kendari dengan Menggunakan Regresi Data Panel Ihwal, Muhammad; Samsuddin, Indah Reskyawati; Makkulau; Baharuddin; Ampa, Andi Tenri; Alni
Arus Jurnal Sains dan Teknologi Vol 2 No 1: April (2024)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57250/ajst.v2i1.517

Abstract

Stunting adalah kondisi balita dimana tinggi badannya tidak sesuai dengan usianya. Hal ini diartikan sebagai kondisi dimana sang balita mengalami kurang gizi kronis yang disebabkan oleh pemberian makanan yang tidak sesuai dalam waktu cukup lama. Tercatat pada tahun 2019-2022 jumlah kasus stunting di Kota Kendari meningkat di tahun 2022 jika dibandingkan dengan jumlah kasus stunting tahun-tahun sebelumnya. Oleh karena itu, dibutuhkan analisis terkait faktor-faktor yang mempengaruhi stunting pada balita di Kota Kendari. Data yang digunakan dalam penelitian ini merupakan data sekunder mulai tahun 2019-2022 per kecamatan di Kota Kendari yang bersumber dari Dinas Kesehatan Kota Kendari. Jenis penelitian ini adalah penelitian kuantitatif dengan menggunakan desain penelitian gabungan antara cross section dan times series. Model yang dihasilkan pada penelitian ini, yaitu = 7,31 + 0,66 X3 – 0,56 X5. Dari model ini diketahui bahwa faktor-faktor yang signifikan berpengaruh terhadap banyaknya kasus stunting adalah BBLR (X3) dan Cakupan Pemberian Vitamin A (X5) dengan nilai akurasi 26%.
Penggunaan Metode Autoregressive Integrated Moving Average (ARIMA) untuk Peramalan Data Inflasi di Indonesia Makkulau; Ampa, Andi Tenri; Saidi, La Ode; Baharuddin; Amirullah; Hartini
Arus Jurnal Sains dan Teknologi Vol 2 No 2: Oktober (2024)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57250/ajst.v2i2.978

Abstract

Inflasi merupakan gejala krisis ekonomi yang melanda suatu negara dan sangat merugikan bagi negara itu sendiri, analisis yang tepat untuk meramalkan data inflasi yaitu metode ARIMA. Metode ARIMA merupakan suatu metode akurat yang mewakili pola masa lalu dan masa depan dari suatu data deret waktu sebab menggunakan pendekatan iteratif dalam mengidentifikasikan suatu model yang paling tepat dari berbagai model yang ada. ARIMA dinotasikan ARIMA (p,d,q). Tujuan penelitian ini adalah untuk melihat model terbaik dalam meramalkan inflasi di Indonesia menggunakan metode ARIMA. Diperoleh ARIMA terbaik yaitu ARIMA (2,0,0) dengan nilai MSE terkecil yaitu sebesar 0,2417. Selanjutnya dilakukan peramalan data inflasi di Indonesia untuk sepuluh bulan mendatang, yaitu 0,171; 0,538; 0,646; 0,569; 0,486; 0,469; 0,490; 0,508; 0,511; dan 0,505.
Peramalan Jumlah Penumpang DAMRI Rute Kendari-Mawasangka menggunakan Metode ARIMA, Single Moving Average dan Single Exponential Smoothing Laome, Lilis; K, Raida; Abapihi, Bahriddin; Baharuddin; Ruslan; Ihwal, Muhammad; Makkulau
Arus Jurnal Sains dan Teknologi Vol 2 No 2: Oktober (2024)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57250/ajst.v2i2.1006

Abstract

Penelitian ini bertujuan untuk membandingkan metode ARIMA, Single Moving Average, dan Single Exponential Smoothing dalam meramalkan jumlah penumpang DAMRI Rute Kendari-Mawasangka. Data yang digunakan adalah jumlah penumpang DAMRI dari Januari 2021 hingga Juni 2024. Hasil penelitian menunjukkan bahwa metode Single Exponential Smoothing dengan parameter α = 0,3 merupakan model terbaik berdasarkan nilai MSE terkecil sebesar 141.883, dibandingkan dua metode lainnya. Berdasarkan model terbaik tersebut, diperoleh peramalan jumlah penumpang DAMRI enam bulan ke depan sebesar 1.935, 1.354, 948, 663, 464, dan 325. Hasil ini mengindikasikan adanya tren penurunan jumlah penumpang DAMRI setiap bulan, yang dapat menjadi bahan pertimbangan dalam perencanaan dan pengelolaan layanan transportasi.
Pemodelan Berat Badan Lahir Rendah (BBLR) di Kabupaten Buton Tengah Menggunakan Regresi Logistik Makkulau; Baharuddin; Ampa, A T; Ihwal, M; Ningtyas, R A; Salam, A; Afiani, N
Diophantine Journal of Mathematics and Its Applications Vol. 3 No. 1 (2024)
Publisher : UNIB Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33369/diophantine.v3i1.35873

Abstract

Low Birth Weight (LBW) is a baby's weight at birth less than 2,500 grams. The birth of LBW babies is a major contributor to both short and long term neonatal morbidity and death. The number of LBW in Central Buton Regency reported in 2021 is getting worse than in 2020. Therefore, Logistic Regression Analysis in needed to identify and model the factors that influence LBW cases in Central Buton district. The data used in this study is secondary data on the population of birth weight in infants during the period January – June 2022. Data was obtained from the Medical Record of Puskesmas in Central Buton district, Mawasangka district area and Gu district area. The number of samples in the study was 327 infants. The model produced in this study is ĝ(x) = -37535 + 2,3562X1 + 1,2097X2 + 1,4590X4. From this model, it is known that the factors that significantly affect LBW in Buton Tengah Regency are gestational age (X1), Hb levels (X2) and pregnancy complications (X4) with an accuracy value of 90,51%.
Perbandingan Metode Principal Component Analysis (PCA) dan Partial Least Square (PLS) dalam Penanganan Multikolinearitas pada Kasus Kemiskinan di Provinsi Sulawesi Tenggara Tahun 2023 Asrat, Chafifah Apriliani; Makkulau; Yahya, Irma
Arus Jurnal Sains dan Teknologi Vol 3 No 1: April (2025)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57250/ajst.v3i1.1164

Abstract

Multikolinearitas merupakan salah satu permasalahan dalam analisis regresi linear berganda yang dapat mempengaruhi kestabilan dan keakuratan estimasi parameter. Oleh karena itu, diperlukan metode yang dapat mengatasinya agar hasil analisis menjadi lebih valid. Penelitian ini bertujuan untuk membandingkan penanganan multikolinearitas pada kasus kemiskinan di Provinsi Sulawesi Tenggara tahun 2023 dengan menggunakan metode Principal Component Analysis (PCA) dan Partial Least Square (PLS). Analisis dilakukan dengan membentuk komponen baru dari variabel independen menggunakan kedua metode tersebut. Model terbaik ditentukan berdasarkan nilai Adjusted R², Root Mean Square Error (RMSE), dan Akaike Information Criterion (AIC). Hasil penelitian menunjukkan bahwa metode PLS menghasilkan nilai Adjusted R² sebesar 93,26%, RMSE sebesar 0,2596, dan AIC sebesar 7,0880, sedangkan PCA menghasilkan nilai Adjusted R² sebesar 92,92%, RMSE sebesar 2,5524, dan AIC sebesar 86,1822. Dengan demikian, metode PLS lebih direkomendasikan dalam menangani multikolinearitas karena mampu menghasilkan model regresi yang lebih akurat, efisien, dan informatif.
Pemodelan Regresi Berganda pada Jumlah Penduduk Miskin di Indonesia Baharuddin; Arianti, Refika Allya; Ihwal, Muhammad; Makkulau; Laome, Lilis; Ampa, Andi Tenri
Arus Jurnal Sains dan Teknologi Vol 3 No 1: April (2025)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57250/ajst.v3i1.1445

Abstract

Penelitian ini bertujuan untuk mengetahui faktor-faktor yang memengaruhi jumlah penduduk miskin di Indonesia. Ada lima variabel yang dijadikan sebagai prediktor. Data jumlah penduduk miskin (Y) tahun 2024 di tingkat provinsi diperoleh dari Badan Pusat Statistik. Metode penelitian menggunakan pendekatan kuantitatif dengan analisis regresi linear berganda. Hasil penelitian menunjukkan bahwa: (1) peningkatan Tingkat Pengangguran Terbuka (X1) berpengaruh signifikan terhadap pertambahan jumlah penduduk miskin; (2) peningkatan Angka Melek Huruf (X2) berkontribusi signifikan terhadap penurunan jumlah penduduk miskin; (3) kenaikan pengeluaran per kapita yang disesuaikan (X3) secara signifikan berdampak pada bertambahnya jumlah penduduk miskin; (4) peningkatan Angka Partisipasi Kasar perguruan tinggi (X4) memiliki pengaruh signifikan terhadap penurunan jumlah penduduk miskin; dan (5) kenaikan Upah Minimum Provinsi (X5) berdampak signifikan pada penurunan jumlah penduduk miskin di Indonesia.