cover
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota pontianak,
Kalimantan barat
INDONESIA
BIMASTER
ISSN : -     EISSN : -     DOI : -
Core Subject : Science, Education,
Bimaster adalah Jurnal Ilmiah berkala bidang Matematika, Statistika dan Terapannya yang terbit secara online dan dikelola oleh Jurusan Matematika FMIPA Untan
Arjuna Subject : -
Articles 877 Documents
PERAMALAN CURAH HUJAN DENGAN MENGGUNAKAN MODEL GSTAR DI KALIMANTAN BARAT Khotimah, Husnul; Yundari, Yundari; Huda, Nur’ainul Miftahul
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol. 15 No. 1 (2026): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : Faculty of Mathematics and Natural Sciences Tanjungpura University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v15i1.106656

Abstract

Model Generalized Space Time Autoregressive (GSTAR) diterapkan supaya menganalisis data deret waktu yang menunjukkan hubungan antara waktu dan tempat (space time). Dalam model GSTAR terdapat karakteristik khusus yang menggambarkan keterkaitan antar lokasi melalui matriks bobot. Untuk penelitian ini, Matriks bobot yang digunakan adalah berdasarkan invers jarak. Penelitian ini adalah menganalisasis penggunaan model Generalized Space Time Autoregressive (GSTAR) dalam memprediksi hujan yang turun di lima tempat berbeda yang ada di wilayah Kalimantan Barat. Studi kasus yang digunakan yaitu data jumlah setiap bulan di area Kota Pontianak, Kabupaten Sintang, dan Kabupaten Mampawah, kota Singkawang, dan Kabupaten Melawi Selama Rentang Waktu dari Januari 2013 Sampai Desember 2023. Pada model ini, ordo GSTAR dibatasi pada GSTAR (1.1). Proses yang dilakukan meliputi pengujian stasioneritas data, estimasi parameter, dan pemilihan model yang mana paling sesuai dalam kerangka GSTAR. Temuan dari penelitian menunjukkan bahwa model untuk data curah hujan di waktu lalu dan juga dipengaruhi oleh data curah hujan dari lokasi stasiun yang berbeda. Mengacu pada nilai MAPE, hasil peramalan dengan menggunakan model GSTAR (1.1) ternyata menunjukkan bahwa lokasi stasiun Manpawah memiliki akurasi peramalan yang baik sementara itu hasil prediksi stasiun Pontianak dan Singkawang dianggap cukup memadai. Namun, untuk stasiun Sintang dan Melawi peramalan curah hujan tidak dapat dilakukan karena nilai MAPE yang sangat tinggi menunjukkan bahwa model memiliki kinerja yang buruk
PERAMALAN HARGA CABAI RAWIT DI KOTA SINGKAWANG MENGGUNAKAN METODE RADIAL BASIS FUNCTION NEURAL NETWORK (RBFNN) Dina, Dina; Fran, Fransiskus; Yudhi, Yudhi
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol. 15 No. 1 (2026): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : Faculty of Mathematics and Natural Sciences Tanjungpura University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v15i1.106657

Abstract

Indonesia memiliki kekayaan sumber daya di bidang pertanian yang sangat besar. Salah satu komoditas yang cukup penting adalah cabai rawit karena berperan dalam memenuhi kebutuhan masyarakat sekaligus mendukung aktivitas ekonomi. Namun, harganya sering berubah-ubah sehingga perlu metode prediksi yang tepat untuk membantu pengambilan keputusan di bidang pertanian. Harga cabai rawit selalu mengalami perubahan harga dalam kurun waktu yang tidak menentu dalam setiap waktunya. Jaringan saraf tiruan dapat membantu menganalisis perubahan ini berdasarkan data sebelumnya. Adapun metode peramalan pada jaringan saraf tiruan adalah Radial Basis Function Neural Network (RBFNN). Pada penelitian ini, metode RBFNN digunakan untuk mendapatkan model terbaik dan meramalkan data harga cabai rawit di Singkawang tahun 2025. Penelitian ini bertujuan untuk memprediksi harga cabai rawit di Kota Singkawang tahun 2025 menggunakan metode RBFN. RBFNN input jaringan dan banyaknya lapisan tersembunyi sangat berpengaruh untuk mendapatkan model terbaik dari RBFNN dan juga hasil peramalannya. Untuk mendapatkan model terbaik digunakan penentuan input jaringan dengan mengidentifikasi lag Partial Autocorrelation Function (PACF), dan untuk menentukan banyaknya hidden layer digunakan metode K-Means klaster. Hasil penelitian menunjukkan dari data training yang digunakan didapatkan model terbaik RBFNN dengan 2 input jaringan, yaitu X_(t-1) dan X_(t-2) dan 7 hidden layer yang menghasilkan tingkat akurasi dengan Mean Absolute Percentage Error (MAPE) sebesar 6,8196%. Berdasarkan model tersebut hasil prediksi untuk periode Januari hingga Desember 2025 menunjukkan bahwa harga tertinggi diperkirakan terjadi pada bulan Januari sebesar Rp.65.063, dan terendah pada bulan April sebesar Rp.63.567. Setelah mengalami kenaikan di bulan Januari dan penurunan di bulan April, harga diperkirakan meningkat secara bertahap hingga Juni, kemudian cenderung stabil hingga akhir tahun.
PERBANDINGAN AKURASI METODE BOOLE’S RULE DAN METODE KUADRATUR GAUSS-LEGENDRE DALAM PENYELESAIAN INTEGRAL TENTU Ayuni, Resti; Prihandono, Bayu; Kusumastuti, Nilamsari
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol. 15 No. 1 (2026): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : Faculty of Mathematics and Natural Sciences Tanjungpura University

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

Abstract

Perhitungan integral merupakan konsep penting dalam matematika yang digunakan untuk menentukan luas area di bawah kurva, namun tidak semua fungsi dapat diselesaikan secara analitik. Penelitian ini perbandingan akurasi dua metode numerik, yaitu metode Boole’s Rule dan metode Kuadratur Gauss-Legendre dalam penyelesaian integral tentu. Metode Boole’s Rule merupakan pengembangan dari metode Newton-Cotes yang menggunakan polinomial berderajat empat dengan titik evaluasi berjarak sama, sedangkan metode Kuadratur Gauss-Legendre menggunakan titik evaluasi optimal dipilih dari akar polinomial Legendre. Penelitian ini bertujuan untuk menentukan metode yang lebih akurat antara metode Boole’s Rule dan Metode Kuadratur Gauss-Legendre berdasarkan galat pada dua fungsi integral tentu. Uji coba dilakukan pada fungsi trigonometri untuk interval dan fungsi transenden untuk interval dengan membandingkan hasil numerik terhadap nilai eksak. Hasil menunjukkan bahwa pada fungsi untuk interval dengan metode Gauss-Legendre memiliki tingkat akurasi lebih tinggi, dengan rata-rata galat relatif sebesar , sedangkan metode Boole’s Rule menghasilkan galat relatif sebesar untuk fungsi yang sama. Pada soal kedua, untuk fungsi untuk interval dengan hasil galat estimasinya pada Boole’s Rule sebesar , sedangkan Kuadratur Gauss-Legendre galat estimasinya sebesar . Dari kedua persoalan integral tersebut, metode Boole’s Rule memiliki galat relatif maupun galat estimasi yang lebih besar dibandingkan dengan metode Kuadratur Gauss-Legendre. Dengan lima titik evaluasi, hasil penelitian menunjukkan bahwa metode Kuadratur Gauss-Legendre lebih akurat dibandingkan dengan metode Boole’s Rule.
ANALISIS KEMISKINAN DI INDONESIA DENGAN PENDEKATAN PANEL DINAMIS SYSTEM GENERALIZED METHOD OF MOMENTS Syahida, Murni; Martha, Shantika; Satyahadewi, Neva
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol. 15 No. 1 (2026): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : Faculty of Mathematics and Natural Sciences Tanjungpura University

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

Abstract

Kemiskinan merupakan masalah multidimensional yang memengaruhi berbagai aspek kehidupan seperti kondisi sosial ekonomi, pendidikan, kesehatan, hingga kestabilan politik. Penelitian ini bertujuan membentuk model panel dinamis dalam mengidentifikasi faktor penentu tingkat kemiskinan di Indonesia melalui pendekatan estimasi System Generalized Method of Moments (System GMM) serta mengetahui pengaruh jangka pendek dan jangka panjang dari variabel-variabel yang digunakan. Penelitian ini mengolah data yang diperoleh dari Badan Pusat Statistik mencakup 34 provinsi di Indonesia selama periode 2015 hingga 2024. Proses analisis dimulai dengan analisis deskriptif untuk memberikan gambaran umum data, kemudian dilanjutkan dengan penyusunan model dan estimasi model panel dinamis menggunakan System GMM. Selanjutnya, dilakukan uji signifikansi parameter secara bersama-sama menggunakan uji Wald, sedangkan secara individual dilakukan dengan uji . Validitas model diuji melalui uji Sargan dan deteksi autokorelasi error dilakukan dengan uji Arellano-Bond. Berdasarkan model yang telah dibentuk dari hasil estimasi, didapatkan bahwa lag kemiskinan, variabel akses air minum layak, indeks pembangunan manusia serta rata-rata lama sekolah memiliki pengaruh positif dan signifikan terhadap kemiskinan. Hasil perhitungan menunjukkan variabel akses air minum layak, tingkat pengangguran terbuka, dan indeks pembangunan manusia memiliki pengaruh positif baik dalam jangka pendek dan jangka panjang.
PENGELOMPOKAN KABUPATEN/KOTA DI KALIMANTAN BARAT BERDASARKAN INDIKATOR KESEJAHTERAAN MENGGUNAKAN K-PROTOTYPE Panawaristia, Brigitha; Martha, Shantika; Imro'ah, Nurfitri
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol. 15 No. 1 (2026): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : Faculty of Mathematics and Natural Sciences Tanjungpura University

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

Abstract

Kesejahteraan masyarakat merupakan indikator penting dalam menilai keberhasilan pembangunan wilayah. Pengelompokan kabupaten/kota berdasarkan indikator kesejahteraan diperlukan untuk mengidentifikasi wilayah dengan karakteristik yang relatif serupa. Penelitian ini bertujuan mengelompokkan kabupaten/kota di Provinsi Kalimantan Barat menggunakan algoritma K-Prototype, dengan penentuan jumlah klaster optimal berdasarkan Silhouette Coefficient. Data yang digunakan merupakan data sekunder tahun 2024 yang diperoleh dari Badan Pusat Statistik dan portal Satu Data, dengan unit analisis sebanyak 14 kabupaten/kota. Variabel penelitian terdiri atas delapan variabel numerik dan dua variabel kategorik. Variabel numerik distandarisasi menggunakan metode Z-Score, sedangkan seluruh variabel diuji multikolinearitas menggunakan Generalized Variance Inflation Factor (GVIF). Proses klasterisasi menggunakan jarak Squared Euclidean untuk atribut numerik dan Simple Matching untuk atribut kategorik. Hasil analisis menunjukkan bahwa jumlah klaster optimal adalah dua klaster dengan nilai Silhouette Coefficient sebesar 0,40. Klaster pertama terdiri atas Kabupaten Kubu Raya, Kota Pontianak, dan Kota Singkawang, yang menunjukkan indikator kesejahteraan relatif lebih baik dibanding klaster kedua, serta didominasi oleh sektor jasa dan wilayah non-perbatasan. Sebaliknya, klaster kedua didominasi oleh sektor pertanian dengan karakteristik wilayah perdesaan dan sebagian merupakan wilayah perbatasan. Hasil pengelompokan ini menunjukkan bahwa kebijakan pembangunan antar klaster dapat dibedakan, di mana pada klaster pertama diarahkan pada upaya mempertahankan dan mengoptimalkan sektor jasa serta kualitas layanan perkotaan, sedangkan pada klaster kedua diperlukan upaya peningkatan produktivitas sektor pertanian serta pemerataan infrastruktur dan akses layanan dasar, khususnya pada wilayah perbatasan.
PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN FAKTOR PENYEBAB STUNTING DENGAN VALIDASI KORELASI COPHENETIC Andini, Syarifah; Perdana, Hendra; Imro'ah, Nurfitri
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol. 15 No. 2 (2026): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : Faculty of Mathematics and Natural Sciences Tanjungpura University

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

Abstract

Stunting merupakan gangguan pertumbuhan pada anak balita yang dipicu oleh defisiensi gizi yang tercermin dari panjang atau tinggi badan anak yang tidak sesuai dengan standar usianya. Hingga saat ini, stunting masih menjadi permasalahan kesehatan yang serius di Indonesia dengan karakteristik penyebab yang beragam antarwilayah. Penelitian ini bertujuan untuk mengelompokkan provinsi di Indonesia berdasarkan faktor penyebab stunting serta memvalidasi hasil pengelompokan menggunakan koefisien korelasi Cophenetic. Data yang digunakan merupakan data sekunder yang bersumber dari publikasi Survei Status Gizi Indonesia (SSGI) tahun 2024 dengan sepuluh variabel faktor penyebab stunting, meliputi akses air minum layak, akses sanitasi layak, kelengkapan imunisasi dasar, berat badan lahir rendah (<2500 gram), ASI eksklusif, prevalensi ISPA balita, ANC K4, konsumsi tablet tambah darah (≥90 tablet), bayi segera disusui kurang dari 60 menit setelah lahir, dan keragaman pangan minimal. Metode analisis yang digunakan adalah analisis klaster hierarki dengan metode Ward dan jarak Squared Euclidean. Hasil validasi menggunakan koefisien korelasi Cophenetic menghasilkan nilai sebesar 0,509, yang menunjukkan bahwa dendrogram cukup merepresentasikan jarak antarprovinsi pada data asli. Hasil analisis menghasilkan empat klaster provinsi dengan karakteristik yang berbeda. Klaster 1 merupakan wilayah dengan kondisi paling ideal dalam pencegahan stunting, klaster 2 mencerminkan wilayah dengan kondisi menengah, klaster 3 merupakan wilayah yang tergolong rentan dalam upaya pencegahan stunting, dan klaster 4 menunjukkan wilayah dengan kondisi paling kompleks dan paling rentan terhadap permasalahan stunting.
PENERAPAN FUNGSI KERNEL SEBAGAI PEMBOBOT METODE WEIGHTED MOVING AVERAGE DALAM MEMPREDIKSI HARGA BERAS GROSIR Elita; Yundari; Helmi
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol. 15 No. 2 (2026): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : Faculty of Mathematics and Natural Sciences Tanjungpura University

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

Abstract

Harga beras merupakan indikator penting dalam menjaga stabilitas ekonomi dan ketahanan pangan. Fluktuasi harga beras yang terjadi pada runtunan waktu maka mengharuskan adanya metode prediksi yang akurat sehingga dapat pemerintah gunakan sebagai dasar pengambilan keputusan. Penelitian ini bertujuan untuk memprediksi harga beras menggunakan metode WMA yang memberikan bobot lebih besar pada data terbaru sehingga lebih mampu menangkap trend yang terbentuk dari data sebelumnya. Penelitian ini menggunakan pembobotan metode WMA dengan fungsi kernel Uniform, Triangular, Epanechnikov, dan Gaussian yang dipilih karena memiliki karakteristik pembobotan yang berbeda. Data yang digunakan penelitian ini berupa data deret waktu harga beras grosir di Indonesia pada tahun 2020 - 2024 diakses dari BPS. Proses prediksi diawali dengan mencari nilai statistik deskriptif. Selanjutnya dilakukan penentuan Bandwidth menggunakan rumus Silverman’s Rule of Thumb, yang kemudian digunakan dalam fungsi kernel Uniform, Triangular, Epanechnikov, dan Gaussian untuk memperoleh bobot metode WMA. Hasil prediksi dievaluasi menggunakan MAPE untuk menentukan keakurasian metode yang digunakan. Hasil penelitian menunjukkan nilai prediksi harga beras pada tahun 2025 bulan Januari, Februari, dan Maret berbeda untuk setiap jenis kernel. Berdasarkan evaluasi menggunakan MAPE, kernel Gaussian orde 2 menghasilkan nilai kesalahan paling kecil dibandingkan kernel Uniform, Triangular, dan Epanechnikov, yaitu . Nilai hasil prediksi harga beras tahun 2025 menggunakan kernel Gaussian Rp bulan Januari, Rp bulan Februari, dan Rp bulan Maret. Maka, metode WMA dengan pembobotan kernel Gaussian merupakan metode yang paling optimal dalam prediksi harga beras pada penelitian ini.
PEMODELAN REGRESI HURDLE NEGATIVE BINOMIAL PADA KASUS DIFTERI DI PULAU KALIMANTAN INDONESIA Anugrah, Syalva Setia; Huda, Nur'ainul Miftahul; Fran, Fransiskus
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol. 15 No. 2 (2026): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : Faculty of Mathematics and Natural Sciences Tanjungpura University

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

Abstract

Penyebaran kasus difteri di Pulau Kalimantan tahun 2023 menunjukkan ketidakmerataan antarwilayah, yang ditandai dengan banyaknya kabupaten/kota yang mencatatkan nol kasus, sementara wilayah lainnya masih mencatatkan jumlah kasus yang relatif tinggi. Kondisi ini mengindikasikan data bertipe cacah (count data) dengan karakteristik overdispersi dan proporsi nilai nol yang tinggi (excess zeros), sehingga memerlukan model yang mampu memisahkan proses munculnya nilai nol serta jumlah kasus ketika bernilai lebih dari nol. Berdasarkan kondisi tersebut, digunakan model regresi Hurdle Negative Binomial yang terdiri atas dua komponen, yaitu Zero Hurdle untuk memodelkan peluang terjadinya kasus dan Truncated Negative Binomial untuk memodelkan banyaknya kasus pada nilai lebih dari nol. Penelitian ini bertujuan untuk menganalisis model regresi Hurdle Negative Binomial serta mengidentifikasi faktor yang memengaruhi terjadinya kasus difteri di Pulau Kalimantan. Data yang digunakan merupakan data sekunder yang diperoleh dari Badan Pusat Statistik dan Dinas Kesehatan dengan variabel dependen berupa banyaknya kasus difteri ( ) serta variabel independen meliputi Cakupan Imunisasi Dasar Lengkap ( ), Persentase Air Minum Layak ( ), Persentase Penduduk Miskin ( ), Persentase Balita Gizi Kurang ( ), dan Persentase Indeks Pembangunan Manusia ( ). Hasil penelitian menunjukkan bahwa Cakupan Imunisasi Dasar Lengkap ( ), Persentase Penduduk Miskin ( ), dan Persentase Indeks Pembangunan Manusia ( ) berpengaruh signifikan terhadap banyaknya kasus difteri di Pulau Kalimantan tahun 2023. Dengan demikian, model regresi Hurdle Negative Binomial mampu memberikan pemodelan yang sesuai dengan karakteristik data dan dapat dijadikan sebagai dasar kuantitatif dalam penyusunan kebijakan pengendalian difteri di Pulau Kalimantan.
PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN METODE ARIMAX-EGARCH Felisya, Tasya; Imro'ah, Nurfitri; Perdana, Hendra
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol. 15 No. 2 (2026): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : Faculty of Mathematics and Natural Sciences Tanjungpura University

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

Abstract

Indeks Harga Saham Gabungan (IHSG) merupakan gabungan beberapa saham di Indonesia yang dapat digunakan untuk mengetahui rata-rata pergerakan saham di Indonesia. Dibandingkan dengan indeks LQ45 dan IDX30 yang hanya mencakup saham tertentu, IHSG memiliki cakupan yang lebih luas dan mampu menggambarkan kondisi pasar saham. Namun, IHSG tidak menyajikan informasi harga saham secara individual. Pergerakan IHSG dipengaruhi oleh berbagai faktor, yaitu faktor internal dan eksternal. Salah satu faktor eksternalnya adalah harga minyak mentah Brent, yang digunakan sebagai salah satu acuan penetapan harga bahan bakar yang berlaku di Indonesia. Fluktuasi harga minyak dapat berdampak pada biaya operasional perusahaan, sehingga memengaruhi pergerakan IHSG. Oleh karena itu, diperlukan model yang mampu mempertimbangkan pengaruh faktor eksternal. Model ARIMAX digunakan untuk mengidentifikasi pengaruh harga minyak mentah Brent terhadap IHSG. Untuk mengatasi masalah varians yang tidak konstan digunakan model GARCH. Namun, karena GARCH belum mampu menangkap efek asimetris pada data, maka digunakan model EGARCH sebagai pengembangan yang lebih sesuai. Analisis volatilitas IHSG penting dilakukan karena dapat membantu investor dalam pengambilan keputusan serta pengelolaan risiko investasi. Penelitian ini bertujuan untuk memodelkan dan meramalkan harga IHSG menggunakan model ARIMAX-EGARCH. Data yang digunakan berupa harga penutupan harian IHSG dengan harga minyak mentah Brent sebagai variabel eksogen pada periode 2 Januari 2020 hingga 29 September 2025. Pemilihan model terbaik dipilih berdasarkan nilai AIC terkecil, dan akurasi peramalan dievaluasi menggunakan nilai MAPE. Hasil analisis menunjukkan bahwa model ARIMAX (5,0,5)-EGARCH (2,2) merupakan model terbaik karena nilai MAPE sebesar 0,77% yang menunjukkan bahwa model ini sangat baik untuk melakukan peramalan.
ANALISIS STATUS NEET DI KAWASAN BARAT INDONESIA MENGGUNAKAN REGRESI LOGISTIK BINER MULTILEVEL Marda; Imro'ah, Nurfitri; Martha, Shantika
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol. 15 No. 2 (2026): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : Faculty of Mathematics and Natural Sciences Tanjungpura University

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

Abstract

Pemuda memegang peran strategis dalam pembangunan nasional, namun masih terdapat pemuda dengan usia 15-24 tahun yang tidak terlibat dalam kegiatan pendidikan, pelatihan dan tidak terserap pasar kerja. Kondisi ini tercermin dari tingginya angka NEET (Not in Education, Employment, or Training) di sejumlah provinsi di Kawasan Barat Indonesia yang melampaui rata-rata nasional sebesar 20,31%. Penelitian ini menggunakan model regresi logistik biner multilevel untuk memodelkan status NEET, mengidentifikasi faktor-faktor individu dan kabupaten/kota yang mempengaruhinya, serta menjelaskan variasi pengaruh faktor individu antar kabupaten/kota. Data yang digunakan adalah data sekunder BPS hasil Survei Angkatan Kerja Nasional Agustus 2024, Publikasi Provinsi Dalam Angka dan Potensi Desa. Hasil analisis menunjukkan bahwa model terbaik adalah model random slope pada variabel pendidikan tertinggi yang ditamatkan. Faktor level individu yang berpengaruh signifikan terhadap status NEET di Kawasan Barat Indonesia terdiri atas jenis kelamin, umur, pendidikan tertinggi yang ditamatkan, status perkawinan, wilayah tempat tinggal, dan keahlian teknologi digital. Pada level kabupaten/kota, Tingkat Kesempatan Kerja (TKK) dan rasio SMA/sederajat per 100 km2 juga berpengaruh signifikan dan menurunkan kecenderungan pemuda berstatus NEET, masing-masing sebesar 11,4% dan 0,4%. Variasi pengaruh pendidikan tertinggi pemuda ditunjukkan oleh nilai varians efek acak slope variabel pendidikan tertinggi yang ditamatkan tidak sama dengan nol sehingga pengaruh pendidikan tidak seragam di seluruh wilayah kabupaten/kota dalam mempengaruhi status NEET. Nilai varians pada tingkat Perguruan Tinggi (0,4108) lebih besar dibandingkan varians pada tingkat SMA/Sederajat (0,1565), dengan kategori referensi adalah SMP ke bawah. Hal ini menunjukkan bahwa pengaruh pendidikan tinggi terhadap status NEET lebih bervariasi antar kabupaten/kota dibandingkan pengaruh pendidikan SMA/Sederajat.

Filter by Year

2012 2026


Filter By Issues
All Issue Vol. 15 No. 3 (2026): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol. 15 No. 2 (2026): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 15, No 1 (2026): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol. 15 No. 1 (2026): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 6 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 5 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 4 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 3 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 2 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 1 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 6 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 5 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 4 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 3 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 2 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 1 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 6 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 5 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 4 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 3 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 3 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya (dalam proses) Vol 12, No 2 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 5 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 4 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 2 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 1 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 4 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 3 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 2 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 1 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 4 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 3 (2020): BIMASTER Vol 9, No 3 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 2 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 2 (2020): BIMASTER Vol 9, No 1 (2020): BIMASTER Vol 9, No 1 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): BIMASTER Vol 8, No 3 (2019): BIMASTER Vol 8, No 3 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 2 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 2 (2019): BIMASTER Vol 8, No 1 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 1 (2019): BIMASTER Vol 7, No 4 (2018): BIMASTER Vol 7, No 4 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 3 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 3 (2018): BIMASTER Vol 7, No 2 (2018): BIMASTER Vol 7, No 2 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 1 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 1 (2018): BIMASTER Vol 6, No 03 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 03 (2017): BIMASTER Vol 6, No 02 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 02 (2017): BIMASTER Vol 6, No 01 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 01 (2017): BIMASTER Vol 5, No 03 (2016): BIMASTER Vol 5, No 02 (2016): BIMASTER Vol 5, No 01 (2016): BIMASTER Vol 4, No 03 (2015): BIMASTER Vol 4, No 01 (2015): BIMASTER Vol 4, No 2 (2015): BIMASTER Vol 3, No 03 (2014): BIMASTER Vol 3, No 02 (2014): BIMASTER Vol 3, No 01 (2014): Bimaster Vol 2, No 03 (2013) Vol 2, No 02 (2013): Bimaster Vol 2, No 1 (2013): BIMASTER Vol 1, No 01 (2012): BIMASTER More Issue