Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal BIMASTER BAREKENG: Jurnal Ilmu Matematika dan Terapan
Arsyi, Fritzgerald Muhammad
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Energy Engineering Mathematics Mechanical Engineering Physics Transportation

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PEMODELAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION DALAM PENENTUAN STATUS GIZI BURUK BERDASARKAN PROVINSI DI INDONESIA Arsyi, Fritzgerald Muhammad; Satyahadewi, Neva; Perdana, Hendra
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.v13i4.78049

Abstract

Gizi merupakan suatu proses penggunaan makanan yang dikonsumsi yang dibutuhkan oleh anak khususnya balita dalam jumlah banyak. Gizi buruk merupakan tingkat keparahan terjadinya kekurangan gizi yang terjadi setiap tahun. Upaya penanganan gizi buruk tidak dapat dilakukan di setiap provinsi karena banyak faktor yang berpengaruh, salah satunya faktor geografis. Penelitian ini bertujuan untuk menentukan model terbaik dalam penentuan status gizi buruk berdasarkan provinsi di Indonesia dengan menggunakan GWLR. Variabel yang digunakan dalam penelitian ini terbagi menjadi dua, yaitu variabel dependen (Y) dan variabel independen (X). Variabel independen yang digunakan adalah Cakupan Imunisasi, Bayi mendapat ASI, Pemberian Vitamin A, Sanitasi yang layak, Penduduk Miskin, Air Minum Layak, Balita dipantau pertumbuhan dan Perkembangan, dan Kunjungan Neonatal. Variabel dependen yang dianalisis adalah status gizi balita. Hasil Penelitian yaitu analisis global dengan menggunakan regresi logistik menunjukkan bahwa terdapat 3 variabel yang berpengaruh signifikan terhadap gizi buruk pada balita di Indonesia. Variabel-variabel tersebut adalah cakupan bayi yang mendapatkan ASI, balita yang dipantau tumbuh kembangnya, dan cakupan kunjungan neonatal lengkap. Sedangkan secara lokal menggunakan GWLR dengan pembobot Adaptive Tricube Kernel, terdapat 34 model yang terbagi lima kelompok berdasarkan variabel yang berpengaruh. Model GWLR dengan pembobot Adaptive Tricube Kernel memiliki ketepatan klasifikasi sebesar 94,1% adalah model terbaik dibandingkan dengan model regresi logistik yang memiliki ketepatan klasifikasi sebesar 82,4%.Kata Kunci:   GWLR, Fungsi Kernel, Malnutrisi
DETERMINING STUDENT GRADUATION BASED ON SCHOOL LOCATION USING GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION Perdana, Hendra; Satyahadewi, Neva; Arsyi, Fritzgerald Muhammad
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 17 No 4 (2023): BAREKENG: Journal of Mathematics and Its Applications
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/barekengvol17iss4pp2273-2280

Abstract

Faculty of Mathematics and Natural Sciences (FMIPA) is one of the Faculties in Tanjungpura University with 9 Undergraduate Programs (S1). Based on the graduation data of the 2014 batch of FMIPA students, the number of students who did not complete their studies was 131 students or 29% of the total 445 students and 187 schools in Indonesia. If the study period of students can be predicted early, the study program can provide advice or recommendations so that students can complete their studies in/exactly 8 semesters. This study aims to determine the model for analyzing the factors that influence the graduation of FMIPA students using GWLR. Geographically Weighted Logistic Regression (GWLR) is a developing logistic regression model applied to spatial data. This model is used to predict data with binary dependent variables that consider the location characteristics of each observation. The units of observation in this study are the school location of 455 students spread across Indonesia. The variables used in this study were sourced from the Academic and Student Affairs Bureau UNTAN and divided into dependent variables (Y) and independent variables (X), i.e. Gender, college selection, Accreditation, School Type, School Location, and Name of Study Program. The dependent variable analyzed is the graduated status of FMIPA UNTAN students, i.e. completed and not completed their studies. The results showed that gender and the name of the study program are factors that affect the graduation of FMIPA UNTAN 2014 students with a classification accuracy of 72.6%.
Co-Authors Hendra Perdana Neva Satyahadewi