Garuda - Garba Rujukan Digital

Otokorelasi Spasial pada Prevalensi Balita Stunting, Wasting, Underweight, dan Overweight di Pulau Sulawesi Tahun 2022 Baharuddin; Yahya, Irma; Ihwal, Muhammad
Journal of Mathematics, Computations and Statistics Vol. 7 No. 2 (2024): Volume 07 Nomor 02 (Oktober 2024)
Publisher : Jurusan Matematika FMIPA UNM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/jmathcos.v7i2.2408

Prevalensi balita stunting, wasting, underweight, dan overweight setiap kabupaten/kota tidaklah sama. Ada kemungkinan bahwa angka prevalensi balita di suatu daerah terkait dengan angka prevalensi balita di daerah yang berdekatan. Penelitian ini bertujuan menguji adanya otokorelasi spasial pada prevalensi balita stunting, wasting, underweight, dan overweight di Pulau Sulawesi. Data yang dipakai adalah data sekunder berupa prevalensi balita setiap kabupaten/kota yang merupakan hasil Survei Status Gizi Indonesia (SSGI) tahun 2022. Karena beberapa kabupaten/kota terpisah oleh lautan dengan Pulau Sulawesi maka kami memakai matriks pembobot spasial berbasis k-tetangga terdekat. Hasil pengujian dengan indeks Moran menunjukkan bahwa terdapat otokorelasi spasial positif pada prevalensi balita stunting, wasting, underweight, dan overweight. Sebaran angka prevalensi membentuk pola sistematik yang mengelompok di suatu kawasan pada masing-masing provinsi.

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

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.

Analisis Regresi Data Panel Pada Faktor-Faktor Yang Mempengaruhi Tingkat Kemiskinan Di Provinsi Sulawesi Tenggara Tahun 2020-2023 Dewintha, Astyan; Yahya, Irma; Ihwal, Muhammad
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.v3i1.1165

Tingkat kemiskinan adalah merujuk pada proporsi penduduk yang hidup dibawah garis kemiskinan. Tingginya tingkat kemiskinan dapat berdampak negatif terhadap pertumbuhan ekonomi suatu negara seperti Indonesia. Indonesia adalah salah satu negara berkembang di dunia yang masih menghadapi masalah kemiskinan. Sulawesi Tenggara yang merupakan salah satu provinsi di Indonesia dan juga mengalami masalah kemiskinan. oleh karena itu, dalam penelitian ini membahas tentang analisis regresi data panel pada faktor-faktor yang mempengaruhi tingkat kemiskinan Provinsi Sulawesi Tenggara pada tahun 2020 2023. Penelitian ini bertujuan untuk memodelkan persentase jumlah penduduk miskin dan Faktor-faktor yang mempengaruhinya di Provinsi Sulawesi Tenggara menggunakan regresi data panel. Analisis regresi data panel adalah gabungan antara data cross section dan data time series. Adapun variabel independen yang diteliti mencakup laju pertumbuhan penduduk (X1), angka harapan hidup (X2), tingkat pengangguran terbuka (X3), pengeluaran per kapita (X4), dan Produk Domestik Regional Bruto (PDRB) (X5). Hasil penelitian ini adalah, Estimasi model regresi data panel yang paling sesuai yaitu menggunakan pendekatan model fixed effect (FEM). Variabel yang berpengaruh signifikan terhadap tingkat kemiskinan (Y) di Provinsi Sulawesi Tenggara tahun 2020-2023 adalah angka harapan hidup (X2) dan pengeluaran per kapita (X4).

Forecasting Indonesia's Non-Oil and Gas Exports Using the Exchange Rate as an Exogenous Variable with the ARIMAX Model: Peramalan Ekspor Nonmigas Indonesia Menggunakan Variabel Eksogen Nilai Kurs Dengan Model Arimax Ihwal, Muhammad; Laome, Lilis; Salsabilah, Adelfina; Ningtyas, Rita Ayu
Diophantine Journal of Mathematics and Its Applications Vol. 4 No. 1 (2025)
Publisher : UNIB Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33369/diophantine.v4i1.41348

This study aims to develop an ARIMAX model for forecasting Indonesia’s non-oil and gas export values for the period of March to June 2025. The variables used include Indonesia’s non-oil and gas exports (Z) and the exchange rate (X), obtained from the Ministry of Trade and Bank Indonesia. The export data is monthly time series data characterized by autocorrelation. The forecasting method employed is the Autoregressive Integrated Moving Average with Exogenous Variables (ARIMAX), which extends the ARIMA model by incorporating external predictor variables. The results show that the ARIMAX(0,1,1) model is the most suitable for forecasting, yielding a Mean Absolute Percentage Error (MAPE) of 5.01%. Using the Maximum Likelihood Estimation (MLE) method, the derived model is Ẑₜ = Zₜ₋₁ - 0.4153εₜ₋₁ - 0.00000608Xₜ. The forecast indicates that Indonesia’s non-oil and gas exports will reach USD 23,692.17 million in June, with the lowest projected value in April at USD 23,003.46 million.

Modeling the Percentage of Poor Population in Sulawesi Island Using Kernel Estimation in Priestley-Chao Semiparametric Regression Ampa, Andi Tenri; Makkulau, Andi Tenri Pannangngareng; Ome, Lilis La; Ihwal, Muhammad; Yahya, Irma; Makkulau, Makkulau
Journal of Mathematics, Computations and Statistics Vol. 8 No. 1 (2025): Volume 08 Nomor 01 (April 2025)
Publisher : Jurusan Matematika FMIPA UNM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/jmathcos.v8i1.8761

This study aims to model the data on the Percentage of Poor Population in Sulawesi Island in 2023, considering various factors that influence poverty. Eradicating extreme poverty has become a top priority to be achieved by 2030. This study examines the influence of several variables, such as Open Unemployment Rate, Human Development Index, Labor Force Participation Rate, Average Length of Schooling, Percentage of Access to Proper Sanitation, and Gross Regional Domestic Product, on the Percentage of Poor Population in Sulawesi Island, using the Kernel Priestley-Chao estimation in Semiparametric regression with an Ordinary Least Square approach. This study also applies the selection of optimal bandwidth using the minimum Generalized Cross Validation method with an optimal bandwidth of 0.991, resulting in a Mean Absolute Percentage Error value of 16.32%. The model shows excellent estimation results, with a residual coefficient value of 69% used to model the Percentage of Poor Population data with a high level of accuracy. The data used partially has a parametric pattern, while some do not have a specific pattern, and there are outliers.

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

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.

Peramalan Jumlah Pengunjung Perpustakaan Modern Sulawesi Tenggara Yang Mengandung Data Outlier Menggunakan Metode ARIMA Dengan Prosedur Iteratif Laome, Lilis; Ihwal, Muhammad; Umi, Enggar Cahyani; Ampa, Andi Tenri; Baharuddin; Wibawa, Gusti Ngurah Adhi
Arus Jurnal Sains dan Teknologi Vol 3 No 2: Oktober (2025)
Publisher : Arden Jaya Publisher

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

Perpustakaan modern berperan penting dalam meningkatkan kualitas pendidikan masyarakat. Untuk mengoptimalkan pengelolaan dan pelayanan, diperlukan peramalan jumlah pengunjung perpustakaan. Penelitian ini menggunakan metode Autoregressive Integrated Moving Average (ARIMA) dengan prosedur iteratif untuk menangani data yang mengandung outlier. Model terbaik yang diperoleh adalah ARIMA(0,1,2) dengan nilai Mean Squared Error (MSE) sebesar 149404,2 dan Mean Absolute Percentage Error (MAPE) sebesar 21,63%, yang menunjukkan bahwa akurasi peramalan masih dalam batas wajar. Hasil peramalan menunjukkan jumlah pengunjung cenderung stabil dengan rata-rata 877 pengunjung per minggu, namun interval kepercayaan yang semakin lebar mengindikasikan meningkatnya ketidakpastian dalam prediksi. Prosedur iteratif dalam deteksi outlier terbukti efektif dalam mengidentifikasi dan mengoreksi pencilan, sehingga meningkatkan akurasi model. Penelitian ini merekomendasikan eksplorasi model alternatif seperti ARIMAX atau metode machine learning untuk menangkap pola yang lebih kompleks dan meningkatkan akurasi peramalan.

Analisis Prediktif Pengaruh Kemampuan Dasar Matematika Terhadap Hasil Belajar Statistika Mahasiswa Ihwal, Muhammad; Indrawati, Wa Ode
EDU SOCIETY: JURNAL PENDIDIKAN, ILMU SOSIAL DAN PENGABDIAN KEPADA MASYARAKAT Vol. 4 No. 1 (2024): Februari-Mei 2024
Publisher : Association of Islamic Education Managers (Permapendis) Indonesia, North Sumatra Province

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56832/edu.v4i1.439

Tujuan penelitian ini adalah untuk memperoleh data dan informasi tentang pengaruh kemampuan dasar matematika terhadap hasil belajar statistika mahasiswa Pendidikan Fisika pada mata kuliah Statistika Dasar. Mahasiswa yang memiliki keterampilan dasar matematika yang rendah memiliki kecenderungan kesulitan dalam memahami setiap materi yang diajarkan dalam mata kuliah yang membutukan analisis dan perhitungan aljabar. Populasi dari penelitian ini adalah mahasiswa semester III Jurusan Pendidikan Fisika Fakultas Keguruan dan Ilmu Pendidikan Tahun Pelajaran 2023/2024. Jenis penelitian ini adalah penelitian eksperimen. Metode pengumpulan data pada penelitian ini diambil melalui tes kemampuan dasar matematika dan tes hasil belajar statistika mahasiswa. Data yang diperoleh dianalisis dengan menggunakan analisis regresi. Dari hasil penelitian ini diperoleh kesimpulan bahwa (1) 32,95% kemampuan dasar matematika dalam menjelaskan hasil belajar statistika dasar mahasiswa di Jurusan Pendidikan Fisika dan sisanya 67,05% dijelaskan oleh variabel bebas lain; (2) kemampuan dasar matematika berpengaruh terhadap hasil belajar statistika dasar mahasiswa di Jurusan Pendidikan Fisika dan (3) kemampuan dasar matematika berpengaruh positif terhadap hasil belajar statistika dasar mahasiswa di jurusan Pendidikan Fisika, dengan persamaan regresi (Y ) ?= 54,86 + 0,348X. Ini berarti bahwa nilai akhir mahasiswa dalam Mata Kuliah Statistika Dasar dipengaruhi oleh tingkat kemampuan dasar matematika yang dimiliki oleh mahasiswa tersebut.

Clustering Districts/Cities In Southeast Sulawesi Province Using Fuzzy C-Means Based On Infectious Disease Cases Puja Karna, I Kadek Aryandra; Adhi Wibawa, Gusti Ngurah; Ihwal, Muhammad
Sainsmat : Jurnal Ilmiah Ilmu Pengetahuan Alam Vol 14, No 2 (2025): September
Publisher : Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/sainsmat142724592025

This study aims to determine the clustering results and characteristics of districts or cities in Southeast Sulawesi Province based on infectious disease cases in 2022 using the Fuzzy C-Means (FCM) algorithm. The analysis used the standard deviation ratio as a cluster validity measure. The clustering process produced five clusters. Cluster 1 consists of Kendari City which is characterized by a very high number of infectious disease cases. Cluster 2 includes Buton, Konawe, Bombana, North Kolaka and Baubau City which are characterized by low case numbers. Cluster 3 consists of Kolaka and South Konawe both of which have high numbers of cases. Cluster 4 includes Wakatobi, North Buton, North Konawe, East Kolaka, Konawe Islands, West Muna, Central Buton and South Buton which are characterized by very low numbers of cases. Cluster 5 consists of Muna District which is characterized by a moderately high number of infectious disease cases. These results indicate that the FCM method performs well in identifying patterns of disease spread across the region.

Clustering Districts/Cities In Southeast Sulawesi Province Using Fuzzy C-Means Based On Infectious Disease Cases Puja Karna, I Kadek Aryandra; Adhi Wibawa, Gusti Ngurah; Ihwal, Muhammad
Sainsmat : Jurnal Ilmiah Ilmu Pengetahuan Alam Vol 14, No 2 (2025): September
Publisher : Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/sainsmat142724592025

This study aims to determine the clustering results and characteristics of districts or cities in Southeast Sulawesi Province based on infectious disease cases in 2022 using the Fuzzy C-Means (FCM) algorithm. The analysis used the standard deviation ratio as a cluster validity measure. The clustering process produced five clusters. Cluster 1 consists of Kendari City which is characterized by a very high number of infectious disease cases. Cluster 2 includes Buton, Konawe, Bombana, North Kolaka and Baubau City which are characterized by low case numbers. Cluster 3 consists of Kolaka and South Konawe both of which have high numbers of cases. Cluster 4 includes Wakatobi, North Buton, North Konawe, East Kolaka, Konawe Islands, West Muna, Central Buton and South Buton which are characterized by very low numbers of cases. Cluster 5 consists of Muna District which is characterized by a moderately high number of infectious disease cases. These results indicate that the FCM method performs well in identifying patterns of disease spread across the region.

Title

Found 10 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 10 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 10 Documents
Search