Claim Missing Document
Check
Articles

Found 3 Documents
Search

PENGELOMPOKAN KABUPATEN /KOTA DI JAWA TIMUR BERDASARKAN INDIKATOR KASUS DBD MENGGUNAKAN COMPLETE LINKAGE DAN AVERAGE LINKAGE Mustafidah, Mutia Eva; Purnama, Mohammad Dian
MATHunesa: Jurnal Ilmiah Matematika Vol. 12 No. 2 (2024)
Publisher : Universitas Negeri Surabaya

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

Abstract

Demam Berdarah Dengue (DBD) merupakan permasalahan serius dalam sektor kesehatan masyarakat Indonesia, dengan tingkat kematian yang cenderung meningkat setiap tahunnya. Menurut data, kasus DBD tersebar di 449 kabupaten/kota atau sekitar 87,3% dari total wilayah administratif di 34 provinsi Indonesia. Pada tahun 2022, Dinas Kesehatan mencatat tingginya jumlah kasus DBD, mencapai 131.265 kasus. Provinsi Jawa Timur menduduki peringkat kedua dalam jumlah kasus DBD tertinggi, dengan 8.894 kasus tercatat di wilayah tersebut. Oleh karena itu, penelitian ini dilakukan untuk mengidentifikasi faktor-faktor yang berpengaruh terhadap kasus DBD menggunakan sembilan indikator, termasuk persentase penduduk miskin, kepadatan penduduk, persentase Indeks Pembangunan Manusia (IPM), jumlah sarana kesehatan, persentase keluhan kesehatan, persentase rumah tangga dengan sanitasi layak, persentase tempat umum yang memenuhi syarat kesehatan, persentase air minum layak, dan persentase jaminan kesehatan. Algoritma yang digunakan dalam penelitian ini adalah algoritma hierarki clustering dengan metode complete linkage dan average linkage. Tujuan utama dari penelitian ini adalah untuk menghasilkan kelompok-kelompok Kabupaten/Kota di Provinsi Jawa Timur berdasarkan indikator yang berkaitan dengan kasus DBD. Hasil penelitian menunjukkan adanya empat kelompok, yakni kelompok 1 dengan 28 Kabupaten/Kota, kelompok 2 dengan 5 Kabupaten/Kota, kelompok 3 dengan 4 Kabupaten/Kota, dan kelompok 4 dengan 1 Kabupaten/Kota.
PEMODELAN JUMLAH KEMATIAN AKIBAT FILARIASIS DI JAWA TIMUR DENGAN MENGGUNAKAN REGRESI HURDLE NEGATIVE BINOMIAL Mustafidah, Mutia Eva; Sofro, A’yunin
MATHunesa: Jurnal Ilmiah Matematika Vol. 12 No. 2 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v12n2.p428-438

Abstract

Generalized Linear Model (GLM) merupakan perluasan dari model regresi umum untuk variabel respon yang mengikuti distribusi keluarga eksponensial, termasuk distribusi normal, binomial, poisson, negative binomial, eksponensial, dan gamma. Jika variabel respon bersifat diskrit dan mengikuti distribusi Poisson, maka model regresi Poisson dapat digunakan untuk pembentukan model. Namun, dalam penerapannya, sering kali terjadi overdispersi, di mana varians lebih besar dari rata-rata. Overdispersi dalam regresi Poisson dapat terjadi karena banyaknya pengamatan yang memiliki nilai nol dalam variabel respon (excess zeros). Data yang mengalami overdispersi dan excess zeros dapat diselesaikan menggunakan regresi Hurdle Negative Binomial (HNB). Permasalahan yang terkait metode HNB dapat ditemukan dalam kasus kematian, di mana data yang digunakan berkaitan dengan jumlah kematian akibat filariasis di Jawa Timur pada tahun 2022. Hasil pengujian signifikansi parameter secara parsial dalam model regresi HNB menunjukkan bahwa persentase penduduk miskin, persentase sanitasi layak, persentase air bersih, jumlah sarana kesehatan, persentase indeks pembangunan manusia, persentase keluhan kesehatan berpengaruh secara signifikan terhadap jumlah kematian akibat filariasis.
Relationship Between Temperature and Humidity on Rainfall: A Multiple Linear Regression Analysis Purnama, Mohammad Dian; Mustafidah, Mutia Eva
Engineering, MAthematics and Computer Science Journal (EMACS) Vol. 6 No. 2 (2024): EMACS
Publisher : Bina Nusantara University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21512/emacsjournal.v6i2.11466

Abstract

Indonesia is one of the tropical countries in the world that has two seasons, the dry season and the rainy season. One of the biggest challenges in tropical countries is flooding caused by heavy rainfall. Not only does it cause flooding, rainfall also affects several sectors especially agriculture. Areas that have a lot of rain-fed agricultural land, especially rice fields, depend on rainfall because it determines crop yields. This study uses data from 12 sub-districts in Mojokerto district where agricultural activities are one of the pillars of the economy in the region. There are various factors associated with rainfall such as temperature and humidity. The data used is the year 2022 using multiple linear regression. Based on the results of the study, both predictor variables have a strong and positive relationship with rainfall with a correlation coefficient of 0.760007. With a significance level of 5% or 0.05, in the partial test, only the humidity variable has a significant effect on the amount of rainfall. While in the simultaneous test, both variables have a significant effect. These factors together have a coefficient of determination of 0.57761 or the contribution of the influence of the two predictor variables of 57.761% while the remaining 42.239% by other variables.