Bandung Conference Series: Statistics
Bandung Conference Series: Statistics (BCSS) menerbitkan artikel penelitian akademik tentang kajian teoritis dan terapan serta berfokus pada Statistika dengan ruang lingkup sebagai berikut: Alternating Least Square, Analisis Konjoin, Autoregressive, Auxiliary Variabel, Baby Birth, Block Maxima, Churn Distribusi Skellam, Cox Regression, Data spasial, DBD Ordinal Logistic Regression, Diagram kendali, Discrete Choice Experiment Method, Discrete Time Logistic, empirical likelihood, Fisher Scoring, Generalized Structured Component Analysis, Geographically Weighted Regression, GEV, GJR GARCH, Infant Mortality Preferensi, Insurance Claim, Kaplan-Meier, Kernel Bi-Square, Gaussian, Logistic Regression, Maternal Mortality, Mixed Geographically Weighted Regression Model GSTAR, MLE, Model ARIMAX, MSE. Multiple linear regression analysis, Nadaraya Watson, Newton Raphson Method, Nonparametrik Spline Confidence Interval, Optimasi Multi-Objek, orde Spasial, Outlier, Pareto Optimal, Partial Proportional Odds Model, Pemodelan Indeks Pembangunan Manusia. Penduga Rasio dan Produk Tipe Eksponensial, Peramalan, Poisson Bivariate Regression, Poisson Regression, Rata-rata Populasi berhingga, Regresi, Return Period Exogenous Variable, RMSE, Structural Equation Modeling, Survival Analysis, Threshold, Vibrasi Bearing, zero-inflated. Prosiding ini diterbitkan oleh UPT Publikasi Ilmiah Unisba. Artikel yang dikirimkan ke prosiding ini akan diproses secara online dan menggunakan double blind review minimal oleh dua orang mitra bebestari.
Articles
279 Documents
<![CDATA[Penerapan Metode Regresi Logistik untuk Memodelkan Kasus Kemiskinan di Indonesia Tahun 2022 ]]>
<![CDATA[Ane Nurahmi]]>;
<![CDATA[Dwi Agustin Nuriani Sirodj]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v4i2.13886
<![CDATA[Abstract. Logistic Regression is a statistical technique for testing the effect of independent variables on categorical or binary dependent variables. Poverty is a serious problem in Indonesia. According to the World Bank, the poverty line in 2022 is IDR 962.130/capita/month. Based on data from BPS Indonesia in 2022, Indonesia's poverty line is recorded at IDR 535.547/capita/month. This figure is lower than the standards set by the World Bank. This research aims to model the case of poverty in Indonesia in 2022 along with the factors that influence it. Parameter estimation uses MLE which is completed with Newton-Raphson iteration. The variable used is the poor province category based on the 2022 Indonesian Head Count Index (HCI) value of 9.57% as the dependent variable. Meanwhile, the independent variables are Adjusted Expenditure per Capita, Open Unemployment Rate, and Provincial Minimum Wage. The results of parameter significance testing simultaneously obtained a G value of 17,09 > = 6,251389 and a p-value of 0,0006773 < 0,1 and partially obtained the value for the three independent variables > = 1,64 dan p-value < 0,1. This means that Adjusted Per Capita Expenditure, Open Unemployment Rate, and Provincial Minimum Wage have a significant influence on poverty cases in Indonesia in 2022 simultaneously or partially. Abstrak. Regresi Logistik merupakan teknik statistik untuk menguji pengaruh variabel independen terhadap variabel dependen kategorikal atau biner. Kemiskinan menjadi salah satu permasalahan yang serius di Negara Indonesia. Menurut Bank Dunia batas garis kemiskinan pada tahun 2022 sebesar Rp962.130/kapita/bulan. Berlandaskan data dari BPS Indonesia tahun 2022, tercatat garis kemiskinan Indonesia sebesar Rp535.547/kapita/bulan. Angka tersebut lebih rendah dibandingkan standar yang ditentukan oleh Bank Dunia. Penelitian ini bertujuan untuk memodelkan kasus kemiskinan di Indonesia tahun 2022 beserta faktor-faktor yang memengaruhinya. Estimasi parameternya menggunakan MLE yang diselesaikan dengan iterasi Newton-Raphson. Variabel yang digunakan adalah kategori provinsi miskin berdasarkan nilai Head Count Index (HCI) Indonesia tahun 2022 sebesar 9,57% sebagai variabel dependen. Sedangkan variabel independennya yaitu Pengeluaran per Kapita Disesuaikan, Tingkat Pengangguran Terbuka, dan Upah Minimum Provinsi. Hasil pengujian signifikansi parameter secara serentak diperoleh nilai G sebesar 17,09 > = 6,251389 dan p-value sebesar 0,0006773 < 0,1 dan secara parsial diperoleh nilai untuk ketiga variabel independen > = 1,64 dan p-value < 0,1. Artinya, Pengeluaran per Kapita Disesuaikan, Tingkat Pengangguran Terbuka, dan Upah Minimum Provinsi berpengaruh signifikan terhadap kasus kemiskinan di Indonesia tahun 2022 secara serentak maupun parsial.]]>
<![CDATA[Penerapan Model Autoregressive Fractionally Integrated Moving Average (ARFIMA) dalam Memprediksi Banyak Gempa Bumi di Barat Pulau Jawa ]]>
<![CDATA[Githa Aulia]]>;
<![CDATA[Darwis, Sutawanir]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v4i2.13908
<![CDATA[Abstract. Autoregressive Fractionally Integrated Moving Average (ARFIMA) is capable of describing both short and long-memory time series through the use of fractional differencing (d) values. This study aims to apply the ARFIMA (p,d,q) model to predict the frequency of earthquakes in west of Java, Indonesia, in upcoming periods. Utilizing secondary data from United States Geological Survey (USGS) spanning from 1971 to 2023, the parameters (p,q) were estimated using the maximum likelihood estimation method, while the differencing parameter (d) was estimated using the Rescaled Range Statistics (R/S) method, resulting in d = 0,273. The best fit model was ARFIMA (1;d;1) with the equation (1-〖〖∅_1 B)(1-B)〗^0,273 Z〗_t=θ_1 (B) e_t and with an AIC value of 110,883. The model predicts 7 future periods, indicating a general increase in earthquake activity in west of Java, although fluctuations in the predictions suggest a tendency towards decreasing volatility.Abstrak. Autoregressive Fractionally Integrated Moving Average (ARFIMA) mampu menjelaskan runtun waktu jangka pendek (short memory) maupun jangka panjang (long memory) dengan nilai differencing (d) bernilai pecahan. Tujuan utama penelitian ini adalah bagaimana penerapan model ARFIMA (p,d,q) dalam memprediksi banyak gempa bumi di barat Pulau Jawa pada periode selanjutnya. Menggunakan data sekunder USGS (United States Geological Survey) tahun 1971-2023, estimasi parameter (p,q) menggunakan metode maximum likelihood d dan estimasi parameter differencing (d) dengan metode analisis Rescaled Range Statistics (R/S) memberikan hasil d=0,273, dimana model terbaik terpilih adalah ARFIMA(1;d;1) dengan persamaan model (1-〖〖∅_1 B)(1-B)〗^0,273 Z〗_t=θ_1 (B) e_t dan nilai AIC sebesar 110,883 yang menghasilkan 7 periode prediksi dengan pergerakan kejadian gempa bumi di barat Pulau Jawa relatif meningkat meskipun fluktuasi prediksi cenderung menurun.]]>
<![CDATA[Analisis Pengaruh Pengalaman Organisasi terhadap Produktivitas Tenaga Kerja Lulusan Fmipa Unisba Angkatan 2018 ]]>
<![CDATA[Evania Putri]]>;
<![CDATA[Indiriyani]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v4i2.13953
<![CDATA[Abstract. Skilled labor with high productivity is one of the key drivers of the employment sector. This labor productivity can be supported by several factors, including organizational experience. The purpose of this research is to obtain information on whether organizational experience indeed influences labor productivity by using the Simple Regression Analysis method. The population used in this study consists of graduates from the Faculty of Mathematics and Natural Sciences at the Islamic University of Bandung, class of 2018. The analysis results show that organizational experience has been proven to affect labor productivity. This research can provide information and an overview of the application of Simple Regression Analysis in proving the influence on a certain factor, as well as offer insights for students to prepare for the workforce by participating in organizations. Abstrak. Tenaga kerja yang terampil dengan produktivitas tinggi adalah salah satu kunci penggerak sektor ketenagakerjaan. Produktivitas tenaga kerja ini dapat didukung dengan beberapa hal, diantaranya adalah pengalaman organisasi. Tujuan penelitian ini adalah memperoleh informasi apakah benar pengalaman organisasi berpengaruh terhadap produktivitas tenaga kerja dengan menggunakan metode Analisis Regresi Sederhana. Populasi yang digunakan adalah Lulusan FMIPA Universitas Islam Bandung angkatan 2018. Dari hasil analisis, diperoleh bahwa pengalaman organisasi terbukti berpengaruh terhadap produktivitas tenaga kerja. Dari penelitian ini bisa menjadi informasi dan gambaran terkait penerapan metode Analisis Regresi Sederhana dalam pembuktian pengaruh terhadap suatu hal, dan menjadi gambaran bagi mahasiswa agar mempersiapkan dunia kerja dengan mengikuti organisasi.]]>
<![CDATA[Deteksi Anomali Aktivitas Kegempaan Gunung Marapi Menggunakan Algoritma Local Outlier Factor ]]>
<![CDATA[Nopita Sari Murtafiah]]>;
<![CDATA[Nusar Hajarisman]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v4i2.13981
<![CDATA[Abstract. Anomalies in volcano monitoring can occur due to sudden changes in seismic data, ground deformation, gas emissions, or other activities that indicate a potential eruption. Mount Marapi is routinely monitored using seismic, deformation, visual, and geochemical methods, with seismic monitoring being the most commonly used method because seismic activity increases before an eruption. Detecting anomalies in volcanoes is crucial for identifying early signs of volcanic activity that may lead to an eruption. Early detection allows for mitigation measures and evacuation to be carried out, minimizing the impact and loss of life caused by an eruption. One algorithm that can be used to detect anomalies is the Local Outlier Factor (LOF). LOF calculates the density of each data point, where data with significantly lower density is considered an anomaly. This study aims to determine the number and characteristics of data detected as anomalies. In this study, the Local Outlier Factor algorithm will be used to detect anomalies in seismic activity data from Mount Marapi between October 2023 and January 2024. The results of the study show that the LOF algorithm successfully detected 43 anomaly events, or 34.96% of the total data. Data identified as anomalies generally have characteristics such as higher frequency, S-P, amplitude, and duration values than the average. The LOF algorithm successfully detected anomalies on November 29, 2023, approximately four days before the eruption that occurred on December 3, 2023. Additionally, the data detected as anomalies generally have closely related or even consecutive dates or times of occurrence. Abstrak. Anomali dalam pemantauan gunung api dapat terjadi akibat perubahan mendadak dalam data seismik, deformasi tanah, emisi gas, atau aktivitas lain yang menandakan potensi erupsi. Gunung Marapi dipantau rutin dengan metode seismik, deformasi, visual, dan geokimia, dengan seismik sebagai metode yang paling dominan digunakan karena aktivitas kegempaan meningkat sebelum terjadinya erupsi. Deteksi anomali pada gunung berapi penting dilakukan untuk mengidentifikasi tanda-tanda awal aktivitas vulkanik yang dapat mengarah pada erupsi. Dengan deteksi dini, langkah mitigasi dan evakuasi dapat dilakukan untuk meminimalisir dampak dan korban jiwa yang diakibatkan oleh erupsi. Salah satu algoritma yang dapat digunakan untuk mendeteksi anomali adalah Local Outlier Factor (LOF). LOF menghitung kerapatan setiap titik data, di mana data dengan kerapatan jauh lebih rendah dianggap anomali. Penelitian ini bertujuan untuk mengetahui jumlah dan karakteristik data yang terdeteksi anomali. Pada penelitian ini, akan digunakan algoritma Local Outlier Factor untuk mendeteksi anomali pada data aktivitas kegempaan Gunung Marapi periode Oktober 2023 hingga Januari 2024. Hasil penelitian menunjukkan bahwa algoritma LOF berhasil mendeteksi 43 kejadian anomali, atau 34,96% dari keseluruhan data. Data yang terdeteksi sebagai anomali umumnya memiliki karakteristik berupa nilai frekuensi, S-P, amplitudo, dan durasi yang lebih tinggi daripada rata-rata. Algoritma LOF berhasil mendeteksi anomali pada 29 November 2023, sekitar empat hari sebelum erupsi yang terjadi pada tanggal 3 Desember 2023. Selain itu, data yang terdeteksi sebagai anomali umumnya juga memiliki tanggal atau waktu kejadian yang berdekatan atau bahkan berurutan.]]>
<![CDATA[Deteksi Pencilan pada Model Regresi Beta dalam Kasus Kemiskinan Perdesaan di Indonesia Tahun 2022 ]]>
<![CDATA[Neng Marlina]]>;
<![CDATA[Nusar Hajarisman]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v4i2.14042
<![CDATA[Abstract. In a certain dataset, there may be one or a group of data points that are far from the rest of the data in a regression model, which should be suspected as outliers. These outliers have the potential to influence the significance of regression coefficients. Furthermore, the presence of outliers in the data can cause the regression model to fail to meet its assumptions. Outliers can be detected using Pearson residuals, deviance residuals, and leverage values, among others. In this thesis, outlier detection will be conducted in the case of rural poverty in Indonesia in 2022. The rural poverty data used is in percentage form, making it suitable for beta regression, which is useful for modeling data with response variables in the standard unit interval (0,1). Moreover, beta regression is also very useful when the dependent variable's distribution does not follow a normal distribution and when traditional linear models cannot be used due to unmet classical assumptions. Parameter estimation for the model uses the Maximum Likelihood Estimator. Based on the available data, using a 5% significance level, it can be concluded that in Indonesia in 2022, rural poverty is only influenced by the rural Gini ratio. Subsequently, outlier detection was conducted through the calculation of Pearson residuals, deviance residuals, and leverage values, which indicated that the provinces of Aceh, Riau, Bengkulu, Maluku, West Papua, and Papua are considered outliers. Therefore, an appropriate analysis method is needed when there are outliers in the data. Abstrak. Dalam set data tertentu, mungkin akan terdapat satu buah atau sekelompok data yang jauh dari sekumpulan data pada model regresi dan data tersebut perlu dicurigai sebagai pencilan. Pencilan ini berpotensi sebagai penentu signifikansi koefisien regresi. Selain itu, kehadiran pencilan dalam data dapat menyebabkan model regresi tidak memenuhi asumsinya. Pencilan dapat dideteksi diantaranya menggunakan residu pearson, residu devians, dan nilai leverage. Dalam skripsi ini, akan dilakukan deteksi pencilan pada kasus kemiskinan perdesaan di Indonesia tahun 2022. Data kemiskinan perdesaan yang digunakan berbentuk persentase, sehingga akan cocok dengan regresi beta yang berguna untuk memodelkan data dengan variabel respon yang berupa interval satuan standar (0,1). Selain itu, regresi beta sangat berguna pula ketika distribusi variabel dependen tidak mengikuti distribusi normal serta ketika model linier tradisional tidak bisa digunakan karena asumsi klasik tidak terpenuhi. Penaksiran parameter model menggunakan Maximum Likelihood Estimator. Berdasarkan data yang ada dengan menggunakan taraf signifikan 5% dapat disimpukan bahwa di Indonesia tahun 2022, kemiskinan perdesaan hanya dipengaruhi oleh gini rasio perdesaan. Kemudian, dilanjutkan deteksi pencilan melalui perhitungan residu pearson, residu devians, dan nilai leverage yang menunjukkan Provinsi Aceh, Riau, Bengkulu, Maluku, Papua Barat, dan Papua dianggap sebagai pencilan. Sehingga, diperlukan metode analisis yang cocok ketika terdapat adanya data pencilan.]]>
<![CDATA[Uji Perbedaan Nilai Tukar Petani di Indonesia ]]>
<![CDATA[Tridayanti Cahya Meiland]]>;
<![CDATA[Suliadi]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v4i2.14050
<![CDATA[Abstract. The Farmer Exchange Rate (FER) is an indicator used to measure the welfare of farmers in Indonesia by comparing the purchasing power of agricultural produce against consumption goods and production costs. A higher FER indicates relatively better welfare for farmers. According to data from the Central Statistics Agency, Indonesia's FER increased by 2.57% in 2022 compared to 2021, rising from 104.64 to 107.33. Fluctuations in FER across various provinces reflect variability in farmer welfare, necessitating an examination of whether there is a significant difference between FER for 2021 and 2022. The purpose of this research is to test wether there is defference FER in Indonesia between FER 2021 and 2022. Data used in this research are FER provincies in Indonesai 2021 an 2022. The Wilcoxon Signed-Rank Test was used for this analysis because the FER data is paired and may not follow a normal distribution. The test was conducted with a normal distribution approach since n = 34. The results revealed a z-value of -4.0091. Since |-4.0091| > |z(0,975)| = |1.96| , the null hypothesis (H0) is rejected. Thus, it can be concluded that there is a significant difference in the Farmer Exchange Rate in Indonesia between 2021 and 2022. Abstrak. Nilai Tukar Petani (NTP) adalah indikator yang digunakan untuk mengukur kesejahteraan petani di Indonesia dengan membandingkan daya beli hasil pertanian terhadap barang dan jasa konsumsi serta biaya produksi. Semakin tinggi NTP maka petani relatif lebih sejahtera. Berdasarkan data dari Badan Pusat Statistik, NTP Indonesia pada tahun 2022 meningkat sebesar 2,57% dibandingkan tahun 2021, naik dari 104,64 menjadi 107,33. Terdapat fluktuasi NTP di berbagai provinsi, yang menunjukkan adanya variabilitas kesejahteraan petani, sehingga diperlukan pengujian untuk menentukan perbedaan signifikan antara NTP tahun 2021 dan 2022. Metode yang digunakan adalah Uji Peringkat Bertanda Wilcoxon karena data NTP bersifat berpasangan dan tidak dipastikan mengikuti distribusi normal. Uji Peringkat Bertanda Wilcoxon mempertimbangkan arah dan besarnya perbedaan dalam pasangan data, sehingga memberikan analisis yang lebih mendalam dibandingkan metode nonparametrik lainnya. Uji ini dilakukan menggunakan pendekatan distribusi normal karena n = 34 . Berdasarkan hasil penelitian, diperoleh nilai diperoleh nilai sebesar -4,0091. Karena nilai |-4,0091| > |z(0,975)| = |1,96| maka H0 ditolak. Dengan demikian, dapat disimpulkan bahwa terdapat perbedaan yang signifikan pada nilai tukar petani di Indonesia tahun 2021 dan tahun 2022.]]>
<![CDATA[Analisis Faktor pada Strategi Content Marketing, Sosial Media, Influencer, Tren Digitalisasi, serta Pengalaman Konsumen terhadap Minat Beli Produk Bittersweet by Najla pada Mahasiswa Statistika Universitas Islam Bandung Angkatan 2020 ]]>
<![CDATA[Aliya Maharani]]>;
<![CDATA[Lestari, Syifa Rahmawati]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v4i2.14057
<![CDATA[Abstract. Bittersweet by Najla, a leading brand in the Food and Beverage (FnB) industry, currently employs content marketing strategies in its marketing efforts. Additionally, this pioneer in dessert boxes leverages influencers, social media, and consumer experiences as intermediaries or tools for its content marketing. This study aims to identify the factors influencing the purchasing interest of the 2020 cohort of Statistics students at the Islamic University of Bandung towards Bittersweet by Najla products through content marketing strategies and the use of social media. The validity and reliability of the research instruments were tested using factor analysis methods. The analysis results indicate that all variables are suitable for factoring, with one factor being formed. This suggests that the analyzed variables are strongly correlated and can be grouped into a single significant factor. The factor influencing the purchasing interest in Bittersweet by Najla products consists of content marketing, social media, influencers, digitalization trends, and consumer experience variables. Abstrak. Salah satu brand Food and Beverage (FnB) yaitu Bittersweet by Najla saat ini menggunakan strategi content marketing dalam pemasarannya. Selain itu, brand pelopor dessert box ini juga memanfaatkan adanya influencer, sosial media, serta pengalaman konsumen sebagai perantara atau sebagai alat content marketing mereka. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang mempengaruhi minat beli mahasiswa Statistika Universitas Islam Bandung angkatan 2020 terhadap produk Bittersweet by Najla melalui strategi content marketing dan penggunaan media sosial. Dalam penelitian ini, diuji validitas dan reliabilitas instrumen penelitian dan menggunakan metode analisis faktor. Hasil analisis menunjukkan bahwa semua variabel layak untuk difaktorkan, dengan faktor yang terbentuk sebanyak satu faktor. Ini menunjukkan bahwa variabel-variabel yang dianalisis memiliki keterkaitan yang kuat dan dapat dikelompokkan dalam satu faktor yang signifikan sehingga faktor yang terbentuk pada minat beli produk Bittersweet by Najla adalah sebanyak 1 faktor dengan variabel yang menyusunnya adalah variabel content marketing, sosial media, influencer, tren digitalisasi, dan pengalaman konsumen.]]>
<![CDATA[Analisis Pengaruh Jumlah Sekolah Dasar dan Jumlah Ruang Kelas terhadap Jumlah Guru Sekolah Dasar di Kota Cimahi Tahun 2021 Menggunakan Metode Regresi Linier Berganda ]]>
<![CDATA[Fathin Husna Fadhilah]]>;
<![CDATA[Suliadi]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v4i2.14060
<![CDATA[Abstract. Elementary school is the initial level of formal education in Indonesia so that students have the opportunity to develop socially, academically, personally and careerly so that they can become a generation of the nation who are active and independent in developing their potential. The presence of adequate educational facilities such as classrooms and elementary schools to ensure the smooth learning process of students, of course, must be accompanied by the availability of teachers who are trained in teaching. According to data from the Cimahi City Communication and Information Service (2021), there are 1,264 classrooms for 116 elementary schools, and 1,984 people for elementary school teachers. The aim of this research is to determine the effect of the number of elementary schools and the number of classrooms on the number of elementary school teachers in Cimahi City in 2021 using multiple linear regression analysis. Based on the test results, it was found that the number of elementary schools and the number of classrooms together had an effect on the number of elementary school teachers in Cimahi City in 2021. And for partial test results it was found that the number of elementary schools and the number of classrooms had an effect on the number of elementary school teachers in the City Cimahi in 2021. The regression model obtained is , meaning that every additional 1 elementary school (X1) for X2 will still increase the number of elementary school teachers (Y) by 8,449 or 9 people, and every additional 1 classroom (X2) for or 1 person. From the model, R2 is obtained at 0.891, meaning that the proportion of diversity in the number of elementary school teachers (Y) can be explained by the number of elementary schools (X1) and the number of classrooms (X2) together at 89.1%. Abstrak. Sekolah Dasar yakni jenjang awal pendidikan formal di Indonesia agar siswa memiliki kesempatan untuk berkembang secara sosial, akademik, pribadi maupun karier sehingga mereka dapat menjadi generasi bangsa yang aktif dan mandiri mengembangkan potensi dirinya. Kehadiran fasilitas pendidikan yang memadai seperti ruang kelas dan sekolah dasar demi kelancaran proses belajar siswa, tentunya harus diiringi dengan ketersediaan guru yang terlatih dalam mengajar. Menurut data Dinas Komunikasi dan Informatika Kota Cimahi (2021), terdapat 1.264 ruang kelas untuk 116 sekolah dasar, dan 1.984 orang untuk guru sekolah dasar. Tujuan penelitian ini yakni untuk mengetahui pengaruh jumlah sekolah dasar dan jumlah ruang kelas terhadap jumlah guru sekolah dasar di Kota Cimahi pada tahun 2021 menggunakan analisis regresi linier berganda. Berdasarkan hasil pengujian diperoleh jumlah sekolah dasar dan jumlah ruang kelas secara bersama-sama berpengaruh terhadap jumlah guru sekolah dasar di Kota Cimahi tahun 2021. Dan untuk hasil pengujian secara parsial diperoleh bahwa jumlah sekolah dasar dan jumlah ruang kelas berpengaruh terhadap jumlah guru sekolah dasar di Kota Cimahi pada tahun 2021. Model regresi yang diperoleh adalah , artinya setiap penambahan 1 sekolah dasar (X1) untuk X2 tetap akan meningkatkan jumlah guru sekolah dasar (Y) sebesar 8,449 atau 9 orang, dan setiap penambahan 1 ruang kelas (X2) untuk X1 tetap akan meningkatkan jumlah guru sekolah dasar (Y) sebesar 0,819 atau 1 orang. Dari model diperoleh R2 sebesar 0,891, artinya proporsi keragaman dari jumlah guru sekolah dasar (Y) dapat diterangkan oleh jumlah sekolah dasar (X1) dan jumlah ruang kelas (X2) secara bersama-sama sebesar 89,1%.]]>
<![CDATA[Aplikasi Uji T2 Hotelling untuk Mengkaji Perbedaan pada Komponen Kesehatan Ibu dan Bayi di Provinsi Jawa Barat dan Nusa Tenggara Barat Tahun 2019 ]]>
<![CDATA[Aniqa Rabi Athaya]]>;
<![CDATA[Evania Putri]]>;
<![CDATA[Ghea Putri Amalia P]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v4i2.14071
<![CDATA[Abstract. Maternal and infant health components encompass various indicators that reflect the health status of mothers during pregnancy, childbirth, and the postpartum period, as well as the health of infants in their early life. These indicators include childbirth services, exclusive breastfeeding, vitamin A supplementation for postpartum mothers, and early initiation of breastfeeding (IMD) for infants. Examining these indicators is crucial for assessing disparities in well-being and the quality of health services across regions, as demonstrated in this study for West Java Province and West Nusa Tenggara in 2019. This research employs Hotelling’s T² test method to analyze these differences. Hotelling’s T² test is a multivariate statistical method that allows simultaneous analysis of multiple health variables, providing a more comprehensive view of health condition differences across regions. The results of the covariance assumption test reveal a difference in the covariance matrices of maternal and infant health component percentages between West Java Province and West Nusa Tenggara in 2019. Additionally, the mean vector test using Hotelling’s T² test indicates significant differences in the average percentage of maternal and infant health components between the two provinces for the same year. Abstrak. Komponen kesehatan ibu dan bayi mencakup berbagai indikator yang menggambarkan status kesehatan ibu selama masa kehamilan, persalinan, dan pascapersalinan, serta kesehatan bayi pada masa awal kehidupan. Indikator-indikator ini meliputi pelayanan persalinan, pemberian ASI eksklusif kepada bayi, pemberian vitamin A kepada ibu nifas, dan inisiasi menyusu dini (IMD) pada bayi. Mengkaji indikator-indikator tersebut penting untuk menilai perbedaan kesejahteraan dan kualitas pelayanan kesehatan antarwilayah, seperti yang dilakukan dalam penelitian ini di Provinsi Jawa Barat dan Nusa Tenggara Barat pada tahun 2019. Penelitian ini menggunakan metode Uji T² Hotelling untuk menganalisis perbedaan tersebut. Uji T² Hotelling adalah metode statistik multivariat yang memungkinkan analisis simultan beberapa variabel kesehatan, sehingga memberikan gambaran yang lebih komprehensif tentang perbedaan kondisi kesehatan antarwilayah. Hasil pengujian asumsi kovarian menunjukkan terdapat perbedaan matriks kovarians pada data persentase komponen kesehatan ibu dan bayi antara Provinsi Jawa Barat dan Nusa Tenggara Barat pada tahun 2019. Selain itu, hasil pengujian vektor mean menggunakan Uji T² Hotelling menunjukkan adanya perbedaan rata-rata persentase komponen kesehatan ibu dan bayi antara kedua provinsi tersebut pada tahun yang sama.]]>
<![CDATA[Analisis Korelasi Rank Spearman pada Hubungan antara Kemiskinan dan Kejadian Underweight pada Balita di Jawa Barat ]]>
<![CDATA[Dea Yustia Diningrum]]>;
<![CDATA[Suliadi]]>
<![CDATA[ Bandung Conference Series: Statistics Vol. 4 No. 2 (2024): Bandung Conference Series: Statistics ]]>
Publisher : <![CDATA[UNISBA Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29313/bcss.v4i2.14183
<![CDATA[Abstract. Nutritional problems in toddlers are important indicators of public health, specifically in developing countries like Indonesia. Nutritional challenges in Indonesia include issues related to undernutrition (underweight, stunting, and wasting), overnutrition (obesity or overweight), and micronutrient deficiencies. Although stunting often receives the most attention in national health programs, the issue of underweight still requires special focus, as it can be the procursor to more serious nutritional problems. Poverty is one of the main factors influencing the nutritional status of children under five. Economic disadvantages limit families’ access to nutritious food, healthcare, education, and adequate sanitation. This study used Spearman rank correlation analysis to examine the relationship between poverty and the incidence of underweight among toddlers in West Java Province in 2023. It is obtained that there is a significant relationship between poverty and the incidence of underweight among toddlers in West Java Province, which falls into the category of a strong relationship, with a positive direction between the two variables. Thus, the higher the level of poverty, the higher the incidence of underweight among toddlers in West Java. Abstrak. Masalah gizi pada balita merupakan salah satu indikator penting dalam menilai kesehatan masyarakat, terutama di negara berkembang seperti Indonesia. Tantangan gizi di Indonesia meliputi masalah undernutrition (berat badan kurang, stunting dan kurus), overnutrition (obesitas atau kegemukan), serta kekurangan gizi mikro. Meskipun stunting sering menjadi fokus utama dalam program kesehatan nasional, masalah underweight (berat badan kurang) tetap memerlukan perhatian khusus karena kondisi ini dapat menjadi awal dari masalah gizi yang lebih serius. Kemiskinan adalah salah satu faktor utama yang mempengaruhi status gizi balita. Ketidakmampuan ekonomi membatasi akses keluarga terhadap makanan bergizi, pelayanan kesehatan, pendidikan, dan sanitasi yang layak. Peneliti menggunakan analisis korelasi rank Spearman untuk mengkaji hubungan antara kemiskinan dan kejadian underweight pada balita di Provinsi Jawa Barat pada tahun 2023. Hasil dari penelitian ini adalah terdapat hubungan yang signifikan antara kemiskinan dan kejadian underweight pada balita di Provinsi Jawa Barat yang termasuk dalam kategori hubungan yang kuat dan terdapat arah hubungan yang positif di antara kedua variabel. Dengan demikian, semakin tinggi tingkat kemiskinan, semakin tinggi pula kejadian underweight pada balita di Jawa Barat.]]>
