Article Per Year (5 Year)
p-Index From 2021 - 2026
2.024
P-Index
This Author published in this journals
All Journal SAINSMAT Edu Society: Jurnal Pendidikan, Ilmu Sosial dan Pengabdian Kepada Masyarakat SAINSMAT: Jurnal Ilmiah Ilmu Pengetahuan Alam ARUS JURNAL SAINS DAN TEKNOLOGI Journal of Biology, Chemistry, Mathematics and Physics Education Journal of Mathematics, Computation and Statistics (JMATHCOS) Diophantine Journal of Mathematics and Its Applications
Ihwal, Muhammad
Unknown Affiliation
Humanities Biochemistry, Genetics & Molecular Biology Chemistry Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mathematics Physics Social Sciences Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Pemodelan Geographically Weighted Regression (GWR) pada Indeks Pembangunan Manusia di Pulau Papua Mentari, Niskal; Ampa, Andi Tenri; Ihwal, Muhammad; Ruslan, Ruslan; Yahya, Irma; Arisona, Dian Christien
Jurnal Biochamp Vol 3 No 1 (2026): Februari
Publisher : Science, Technology and Education Care (STEDCA)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61761/biochamp.3.1.1-12

Abstract

Indeks Pembangunan Manusia (IPM) adalah indikator penting yang digunakan untuk mengukur pembangunan suatu wilayah. Tujuan penelitian ini adalah untuk mendapatkan pemodelan IPM serta mengidentifikasi faktor-faktor yang mempengaruhi IPM di Pulau Papua dengan mempertimbangkan heterogenitas spasial. metode yang diterapkan dalam penelitian ini digunakn pendekatan geografis yaitu Geographically Weighted Regression (GWR) dalam memodelkan IPM. Variabel penelitian mencakup indeks pembangunan manusia di Pulau Papua sebagai variabel respons (Y), dan variabel prediktor (X) yaitu angka kematian bayi (X1), persentase penduduk miskin (X2), akses terhadap sanitasi layak (X3), dan tingkat pengangguran terbuka (X4). Model GWR merupakan pengembangan dari model regresi spasial dimana setiap parameter dihitung setiap lokasi pengamatan, sehingga setiap lokasi akan memiliki interpretasi yang berbeda-beda. Fungsi pembobot dalam pemodelan GWR ini adalah Fixed Kernel Gaussian. Hasil penelitian menunjukan bahwa semua variabel prediktor berpengaruh terhadap IPM di Pulau Papua. Model GWR didapatkan akurasi R2 98,38% dan AIC 164,7. R2 menunjukkan kemampuan menjelaskan 98,38% variabilitas data respon, dan nilai AIC 164,7 yang mencerminkan efisiensi serta kecocokan model terhadap data spasial. Dari parameter GWR terbentuk 9 kelompok dimana terdapat beberapa faktor yang berbeda-beda pada setiap daerah di kabupaten/kota yang ada di Pulau Papua
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) Yahya, Irma; Sahara, Indah; Ihwal, Muhammad; 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; Nugiansa, Syafaat; Ihwal, Muhammad; Makkulau; Laome, Lilis; Ampa, Andi Tenri
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 Adhi Wibawa, Gusti Ngurah Andi Tenri Ampa Arianti, Refika Allya Arisona, Dian Christien Baharuddin Baharuddin Bahriddin Abapihi Dewintha, Astyan Indrawati, Wa Ode Irma Yahya K, Raida Lilis Laome Makkulau Makkulau Makkulau Makkulau, Andi Tenri Pannangngareng Mentari, Niskal Ningtyas, Rita Ayu Nugiansa, Syafaat Ome, Lilis La Puja Karna, I Kadek Aryandra Ruslan Ruslan Ruslan Sahara, Indah Salsabilah, Adelfina Umi, Enggar Cahyani Wibawa, Gusti Ngurah Adhi