Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Leibniz: Jurnal Matematika Jurnal Statistika dan Komputasi (STATKOM)
Hendarsyah, Tantra Pratama
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Industrial & Manufacturing Engineering Mathematics Social Sciences

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

Found 2 Documents
Search

 1 
Penerapan Metode Ward Clustering Untuk Pengelompokkan Daerah Rawan Kriminalitas Di Jawa Timur Tahun 2021 Insiyah, Insiyah; Khasanah, Miftakhul; Hendarsyah, Tantra Pratama
Jurnal Statistika dan Komputasi Vol. 2 No. 1 (2023): Jurnal Statistika dan Komputasi
Publisher : Universitas Nahdlatul Ulama Sunan Giri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32665/statkom.v2i1.1664

Abstract

Latar   Belakang: Segala tindakan yang melanggar hukum pidana ialah tindak kejahatan atau Kriminalitas. Tindakan yang memberikan bahaya secara fisik dan harta orang lain ialah karakteristik kiriminalitas, seperti: kekerasan fisik, pelecehan, pembunuhan, perbudakan, dan obat-obatan terlarang atau narkotika, serta penipuan, perampasan hak milik, korupsi, dan penggelapan uang. Tujuan: Menganalisis pengelompokan wilayah dengan metode Ward clustering terhadap daerah rawan kriminal di Provinsi Jawa Timur tahun 2021. Metode: Menerapkan metode kuantitatif berupa metode Cluster Hierarki menggunakan analisis Ward untuk data skunder tentang jumlah kriminalitas di Jawa Timur tahun 2021. Data pengamatan diperoleh dari  publikasi Badan Pusat Statistik (BPS) Provinsi Jawa Timur 2021. Hasil: Diperolaeh hasil Cluster 1 beranggotakan 31 Kabupaten/kota yaitu Pacitan,  Ponorogo,  Trenggalek,  Tulungagung,  Blitar,  Kediri,  Malang, Situbondo,  Probolinggo,  Pasuruan,  Sidoarjo,  Mojokerto,  Jombang,  Nganjuk,  Madiun,  Magetan,  Ngawi,  Bojonegoro,  Tuban,  Lamongan, Sampang,  Pamekasan,  Sumenep, Kota Kediri, Kota Blitar, Kota Probolinggo, Kota Pasuruan, Kota Mojokerto, Kota Madiun,  kota Surabaya, dan kota Batu.Cluster 2 beranggotakan 5 kabupaten/kota yaitu Lumajang, Banyuwangi, Bondowoso, Bangkalan, dan Kota Malang.Cluster 3 beranggotakan 2 kabupaten/kota yaitu Jember dan Gresik.. Kesimpulan: Diperoleh 3 cluster kecamatan yang memiliki kemiripan karakteristik dari studi clustering dengan metode Ward untuk kabupaten/kota yang rawan kriminalitas di Jawa Timur Tahun 2021.  
Pemodelan Kasus Kemiskinan di Provinsi Jawa Timur dengan Algoritma Geographically Weighted Logistic Regression Budiani, Jauhara Rana; Hendarsyah, Tantra Pratama; Mahmudah, Nur
Leibniz: Jurnal Matematika Vol. 6 No. 01 (2026): Leibniz: Jurnal Matematika
Publisher : Program Studi Matematika - Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas San Pedro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59632/leibniz.v6i01.693

Abstract

Kemiskinan di Jawa Timur pada tahun 2024 mencapai 9,79% dan menunjukkan variasi spasial antar kabupaten/kota. Penelitian ini bertujuan untuk mengklasifikasikan status kemiskinan menggunakan pendekatan Geographically Weighted Logistic Regression (GWLR). Data bersumber dari Badan Pusat Statistik Provinsi Jawa Timur tahun 2024 dengan 38 kabupaten/kota sebagai unit analisis. Variabel prediktor meliputi pengeluaran per kapita, tingkat pengangguran terbuka, rata-rata lama sekolah, tingkat partisipasi angkatan kerja, dan angka harapan hidup. Analisis diawali dengan pengujian autokorelasi spasial dan heterogenitas wilayah, kemudian dilanjutkan dengan pemodelan regresi logistik biner dan GWLR menggunakan pembobot Adaptive Gaussian Kernel dengan pemilihan bandwidth melalui cross validation. Kinerja model dievaluasi menggunakan nilai Akaike Information Criterion (AIC) dan akurasi klasifikasi. Hasil menunjukkan bahwa model GWLR memiliki kinerja lebih baik dibandingkan regresi logistik global dengan nilai AIC sebesar 47,99 dan tingkat akurasi sebesar 74%. Variabel rata-rata lama sekolah menjadi faktor paling dominan di sebagian besar wilayah, sementara pengaruh variabel lainnya bersifat spasial dan tidak homogen. Temuan ini menegaskan pentingnya pendekatan klasifikasi berbasis spasial dalam analisis kemiskinan.
Co-Authors Insiyah Insiyah Jauhara Rana Budiani, Jauhara Rana Miftakhul Khasanah Nur Mahmudah