Articles
119 Documents
Search results for
, issue
"Vol 8, No 2 (2019)"
:
119 Documents
clear
<![CDATA[Pemodelan Jumlah Anak Putus Sekolah Usia Wajib Belajar dan Jumlah Wanita Menikah Dini di Jawa Timur dengan Pendekatan Geographically Weighted Bivariate Negative Binomial Regression ]]>
<![CDATA[Fitria Nurul Alfariz]]>;
<![CDATA[Purhadi Purhadi]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 8, No 2 (2019) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (437.316 KB)
|
DOI: 10.12962/j23373520.v8i2.44402
<![CDATA[Kemajuan di bidang pendidikan sudah dilakukan di Indonesia namun masih banyak anak-anak yang harus putus sekolah khususnya di Jawa Timur. Hal ini disebabkan oleh faktor ekonomi, sosial dan lingkungan tinggal anak. Salah satu masalah yang berhubungan dengan putus sekolah adalah pernikahan usia dini di kalangan wanita remaja. Pemodelan menggunakan metode Geographically Weighted Bivariate Negative Binomial Regression dilakukan untuk mengetahui faktor yang berpengaruh pada jumlah anak putus sekolah dan jumlah wanita menikah dini. Sebelum itu dilakukan pula pemodelan menggunakan metode Bivariate Negative Binomial Regression. Metode GWBNBR menghasilkan 7 kelompok kabupaten/kota dengan variabel signifikan yang sama untuk jumlah anak putus sekolah dan 5 kelompok kabupaten/kota dengan variabel signifikan yang sama untuk jumlah wanita menikah dini. Metode BNBR merupakan metode yang lebih baik untuk memodelkan karena menghasilkan nilai AICc terkecil. Tetapi dengan menggunakan metode GWBNBR informasi yang didapat lebih banyak sehingga penanganan masalah anak putus sekolah dan wanita menikah dini di setiap daerah dapat di sesuaikan dengan variabel signifikan hasil metode GWBNBR.]]>
<![CDATA[Perbandingan Estimasi Return Level Declustering dan Non Declustering pada Data Curah Hujan Ekstrem Di Surabaya dan Mojokerto ]]>
<![CDATA[Ainun Umami]]>;
<![CDATA[Sutikno Sutikno]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 8, No 2 (2019) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (82.565 KB)
|
DOI: 10.12962/j23373520.v8i2.44403
<![CDATA[Surabaya merupakan wilayah perkotaan yang rentan mengalami curah hujan tinggi sehingga sering terjadi banjir. Mojokerto yang dari tahun ke tahun mengalami peralihan fungsi lahan juga sering terjadi banjir. Untuk meminimalisir kerugian banjir, dibutuhkan pengetahuan terkait kejadian ekstrem mengguna-kan Extreme Value Theory (EVT). Terdapat dua pendekatan dalam EVT, yaitu Block Maxima (BM) dan Peaks Over Threshold (POT). POT merupakan salah satu metode untuk mengidentifikasi nilai ekstrem dengan menggunakan nilai acuan yang disebut dengan threshold. Salah satu syarat EVT yaitu data harus independen. Namun pada kenyataannya data ekstrem seringkali bersifat dependen sehingga perlu dilakukan penanganan adanya dependensi data dengan menggunakan Declustering. Yang menarik pada EVT yaitu adanya return level. Return level merupakan nilai maksimum yang diharapkan akan terlampaui satu kali dalam jangka waktu tertentu. Pada penelitian ini akan dilakukan perbandingan estimasi return level Declustering dan POT (Non Declustering) pada data curah hujan ekstrem. Jumlah pos pengamatan yang digunakan sebanyak dua pos pengamatan di Surabaya dan lima pos pengamatan Mojokerto. Hasil penelitian ini menunjukkan bahwa di Surabaya metode yang lebih baik yaitu Declustering, sedangkan di Mojokerto metode yang lebih baik yaitu Non Declustering.]]>
<![CDATA[Pemodelan Faktor- Faktor yang Mempengaruhi Angka Kematian Bayi dan Angka Kematian Anak di Provinsi Jawa Timur Tahun 2017 Menggunakan Bivariat Gamma Regression ]]>
<![CDATA[Arrafi Dwiargatra]]>;
<![CDATA[Purhadi Purhadi]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 8, No 2 (2019) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (203.303 KB)
|
DOI: 10.12962/j23373520.v8i2.44406
<![CDATA[Provinsi Jawa Timur merupakan salah satu daerah di Indonesia memiliki Angka Kematian Bayi dan Angka Kematian Anak yang tinggi. Dikhawatirkan Angka Kematian Bayi danAngka Kematian Anak di Jawa Timur dapat meningkat melewati target yang ditentukan SDG’s. Dari permasalahan tersebut dapat diselesaikan dengan menggunakan metode Bivariat Gamma Regresion untuk mengetahui variabel prediktor yang mempengaruhi Angka Kematian Bayi dan Angka Kematian Anak. Data yang digunakan berasal dari Dinas Kesehatan Jawa Timur berupa publikasi Profil Kesehatan Provinsi Jawa Timur tahun 2017. Model terbaik terdapat pada model dengan variabel persentase bayi lahir berat badan rendah dan persentase perempuan kawin dibawah 17 tahun. Variabel prediktor yang mempengaruhi Angka Kematian Bayi yaitu variabel persentase persalinan oleh tenaga kesehatan, persentase bayi lahir berat badan rendah, dan persentase penduduk miskin. Untuk variabel prediktor yang mempengaruhi Angka Kematian Anak yaitu variabel persentase persalinan oleh tenaga kesehatan, persentase komplikasi kebidanan yang ditangani, persentase bayi lahir berat badan rendah, persentase penduduk miskin, dan persentase perempuan kawin dibawah 17 tahun]]>
<![CDATA[Pemodelan Perilaku Brand Switching terhadap Produk Smartphone Menggunakan Binary Logistic Regression ]]>
<![CDATA[Wikaning Tri Dadari]]>;
<![CDATA[Ni Luh Putu Satyaning Pradnya Paramita]]>;
<![CDATA[Agus Suharsono]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 8, No 2 (2019) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (336.866 KB)
|
DOI: 10.12962/j23373520.v8i2.44419
<![CDATA[Perilaku brand switching pada konsumen smartphone di Indonesia mengharuskan vendor-vendor smartphone lebih cermat dalam menentukan strategi pemasaran agar tidak kehilangan pelanggan dan bahkan mampu menarik pelanggan baru. Penelitian ini menerapkan metode Regresi Logistik Biner untuk mengidentifikasi faktor-faktor yang berpengaruh signifikan terhadap perilaku brand switching pada konsumen smartphone. Terdapat empat model yang disusun. Model pertama melibatkan seluruh variabel tanpa diseleksi, model kedua melibatkan variabel-variabel hasil seleksi stepwise backward, model ketiga dan keempat melibatkan komponen utama hasil reduksi masing-masing 4 dan 5 komponen utama. Model 1 menghasilkan akurasi dan spesitifitas paling tinggi sehingga sesuai digunakan untuk memprediksi konsumen yang loyal terhadap suatu brand. Model yang melibatkan 4 komponen utama memiliki sensitivitas paling tinggi sehingga model ini baik digunakan untuk memprediksi konsumen yang beralih brand.]]>
<![CDATA[Analisis Reliabilitas pada Hydraulic Spreader System Container Crane di PT. Terminal Petikemas Surabaya ]]>
<![CDATA[Adita Krisdiyantoro]]>;
<![CDATA[Wibawati Wibawati]]>;
<![CDATA[Haryono Haryono]]>;
<![CDATA[Haryono Haryono]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 8, No 2 (2019) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (423.734 KB)
|
DOI: 10.12962/j23373520.v8i2.44421
<![CDATA[Potensi ekonomi Indonesia dalam bidang Maritim sangat tinggi termasuk di bidang pelabuhan yaitu terminal bongkar muat barang. Salah satu perusahaan yang bergerak dalam bidang logistik bongkar muat barang adalah PT. Terminal Petikemas Surabaya yang merupakan sebuah terminal berstandar kelas dunia di bidang kepelabuhanan yang menangani ekspor dan impor petikemas baik domestik maupun internasional. Salah satu mesin utama yang digunakan dalam proses bongkar muat barang adalah Container Crane (CC). Rangkaian Speader System pada CC terdapat beberapa alat dan komponen yang saling mempengaruhi, salah satu alat yang berperan penting dalam menggerakkan Spreader adalah Hydraulic. Pada penelitian ini melakukan penentuan waktu optimum pemeliharaan Hydraulic Speader System pada CC-06 dan CC-09 menggunakan metode Geometric Process (GP). Waktu optimum untuk melakukan preventive maintenance pada Hydraulic Speader System Container Crane 06 adalah saat mengalami kerusakan ke-15 dengan estimasi rata-rata biaya sebesar Rp.1.289.800. Sedangkan waktu optimum untuk melakukan kegiatan pemeliharaan pada Container Crane 09 adalah saat mengalami kerusakan ke-30 dengan estimasi rata-rata biaya sebesar Rp. 417.600.]]>
<![CDATA[Pemodelan Faktor-Faktor yang Mempengaruhi Kepuasan Mahasiswa Statistika ITS Dalam Berbelanja Online dengan Menggunakan Structural Equation Modeling (SEM) ]]>
<![CDATA[Aprilia Ardiriani]]>;
<![CDATA[Agus Suharsono]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 8, No 2 (2019) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (528.446 KB)
|
DOI: 10.12962/j23373520.v8i2.44430
<![CDATA[Belanja online saat ini bukan menjadi hal yang asing bagi setiap orang. Kemudahan dan keuntungan yang ditawarkan dari belanja online membuat orang-orang tertarik untuk melakukan belanja online. Melihat hal tersebut maka banyak situs belanja online yang muncul untuk mengambil kesempatan dalam menggaet pangsa pasar. Berdasarkan hasil dari pra survei yang telah dilakukan, mahasiswa Statistika ITS paling banyak menggunakan situs belanja online Shopee. Oleh karena itu, akan dilakukan pemodelan faktor-faktor yang mempengaruhi kepuasan dalam berbelanja online dengan menggunakan SEM yang berfokus pada situs Shopee. Data yang digunakan merupakan data primer yang terdiri dari 130 responden. Terdapat 26 indikator yang terdiri dari 3 indikator variabel keamanan, 3 indikator variabel ketersediaan informasi, 6 indikator variabel pengiriman, 3 indikator variabel kualitas, 3 indikator variabel harga, 3 indikator variabel waktu dan 5 indikator variabel kepuasan pelanggan. Pada proses deteksi outlier didapatkan 2 observasi terdekteksi sebagai outlier multivariat sehingga untuk proses selanjutnya 2 observasi tersebut akan dihapus dan analisis selanjutnya data yang digunakan sebanyak 128. Pada pengujian Confirmatory Factor Analysis (CFA) diperoleh variabel waktu tidak reliabel dan indikator X31 dan X36 tidak signifikan sehingga pada pemodelan SEM indikator yang digunakan sebanyak 21 indikator. Berdasarkan hasil analisis pemodelan SEM diperoleh variabel kualitas berpengaruh signifikan terhadap kepuasan pelanggan sedangkan 4 variabel lainnya tidak berpengaruh signifikan terhadap kepuasan pelanggan.]]>
<![CDATA[Pemodelan Faktor-Faktor yang Mempengaruhi Persentase Pencurian Kendaraan Bermotor (Curanmor) di Jawa Timur Menggunakan Regresi Nonparametrik Spline Truncated ]]>
<![CDATA[Meyda Arynta]]>;
<![CDATA[I Nyoman Budiantara]]>;
<![CDATA[Madu Ratna]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 8, No 2 (2019) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (122.325 KB)
|
DOI: 10.12962/j23373520.v8i2.44436
<![CDATA[Jawa Timur merupakan salah satu provinsi di Indonesia dengan jumlah kejahatan yang cukup tinggi setelah Sumatra Utara dan DKI Jakarta. Data Kepolisian Negara Daerah Jawa Timur menyatakan bahwa jumlah kejahatan di Jawa Timur sebanyak 29.960 kasus, dengan kasus terbanyak di setiap kabupaten/kota adalah pencurian kendaraan bermotor (curanmor). Pada penelitian ini memodelkan persentase pencurian kendaraan bermotor (curanmor) di Jawa Timur dengan 4 variabel yang diduga berpengaruh. Metode yang dipilih adalah regresi nonparametrik spline truncated. Metode tersebut dipilih karena spline merupakan metode yang fleksibel dan pada model ini cenderung mencari sendiri estimasi data. Dalam pemodelan ini terdapat titik knot. Pemilihan titik knot optimum dilakukan dengan cara memilih nilai GCV paling minimum. Berdasarkan penelitian yang telah dilakukan semua variabel prediktor berpengaruh terhadap pencurian kendaraan bermotor (curanmor), yaitu tingkat pengangguran terbuka, kepadatan penduduk, persentase penduduk miskin, dan persentase penduduk yang tidak pernah sekolah, dengan nilai koefisien determinasi sebesar 97.42 %.]]>
<![CDATA[Analisis Sentimen Nasabah pada Layanan Perbankan Menggunakan Metode Regresi Logistik Biner, Naïve Bayes Classifier (NBC), dan Support Vector Machine (SVM) ]]>
<![CDATA[Erna Dwi Nurindah Sari]]>;
<![CDATA[Irhamah Irhamah]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 8, No 2 (2019) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (460.671 KB)
|
DOI: 10.12962/j23373520.v8i2.44565
<![CDATA[Di era globalisasi, semua aktivitas yang dilakukan tidak dapat terlepas dari teknologi. Dengan menggunakan Twitter pendapat masyarakat mengenai layanan dari perbankan dapat diketahui. Pada penelitian ini pendapat nasabah akan dibedakan menjadi sentimen positif atau negatif sehingga hasil analisa sentimen tersebut dapat dijadikan evaluasi sebagai peningkatan layanan pada para nasabahnya. Klasifikasi sentimen positif dan sentimen negatif dilakukan dengan beberapa metode yakni menggunakan Regresi Logistik Biner yang merupakan salah satu metode konvensional, metode Naïve Bayes Classifier yakni metode yang sederhana namun memiliki ketepatan klasifikasi yang baik, dan metode Support Vector Machine (SVM) yang dapat mengklasifikasikan sentimen dengan beberapa jenis kernel. Data yang digunakan pada penelitian ini diklasfikasikan secara manual dan dengan menggunakan kamus lexicon. Karena jumlah data sentimen yang tidak seimbang maka dilakukan SMOTE pada data klasifikasi manual. Hasil dari penelitian menunjukkan bahwa metode terbaik untuk mengklasifikasikan sentimen pada layanan BRI adalah SMOTE-SVM kernel RBF, sedangkan untuk Bank Mandiri adalah SMOTE-NBC karena memiliki nilai AUC paling tinggi.]]>
<![CDATA[Pemodelan untuk Jumlah Kasus Kematian Bayi dan Ibu di Jawa Timur Menggunakan Bivariate Generalized Poisson Regression ]]>
<![CDATA[Affanda Abdul Hakim Aminullah]]>;
<![CDATA[Purhadi Purhadi]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 8, No 2 (2019) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (319.241 KB)
|
DOI: 10.12962/j23373520.v8i2.44693
<![CDATA[Jumlah kematian ibu dan kematian bayi saling berhubungan karena pada saat bayi dalam kandungan, gizi yang diperoleh janin disalurkan dari tubuh ibu melalui plasenta sehingga selama masa kehamilan kondisi ibu akan berpengaruh pada janin yang akan dilahirkan. Selain itu, peran ibu dalam merawat bayi juga sangat berpengaruh dalam perkembangan bayi tersebut. Angka kematian bayi baru lahir dan ibu di Jatim masih tinggi, saat ini Jawa Timur belum mampu mencapai target SDGs pada angka kematian bayi dan ibu yaitu sebesar 70/100.000 kelahiran sedangkan Jawa Timur masih 90/100.000 kelahiran. Penelitian ini menggunakan metode Bivariate Generalized Poisson Regression untuk melihat faktor-faktor yang mempengaruhi jumlah kasus kematian bayi dan ibu di Jawa Timur tahun 2017. Bivariate Generalized Poisson Regression merupakan salah satu metode untuk menanggulangi kasus overdispersi data. Berdasarkan hasil analisis Bivariate Generalized Poisson Regression dengan kriteria AICc diketahui bahwa model terbaik memuat keseluruhan variabel prediktor. Faktor yang mempengaruhi jumlah kematian bayi di Jawa Timur tahun 2017 adalah persentase persalinan oleh tenaga kesehatan (X1), persentase komplikasi kebidanan yang ditangani (X2), persentase kunjungan ibu hamil dengan K4 (X3), persentase ibu hamil mendapat tablet Fe3 (X4), sedangkan variabel predictor yang berpengaruh untuk jumlah kematian ibu di Jawa Timur tahun 2017 adalah persentase persalinan oleh tenaga kesehatan (X1), persentase rumah tangga ber-PHBS (X5).]]>
<![CDATA[Pemodelan Faktor-Faktor yang Mempengaruhi Angka Prevalensi Kusta di Jawa Timur dengan Menggunakan Regresi Nonparametrik Spline Truncated ]]>
<![CDATA[Ratri Galuh Pramesti]]>;
<![CDATA[Madu Ratna]]>;
<![CDATA[I Nyoman Budiantara]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 8, No 2 (2019) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (498.797 KB)
|
DOI: 10.12962/j23373520.v8i2.44876
<![CDATA[Penyakit kusta atau lepra merupakan sebuah infeksi menular yang disebabkan oleh bakteri Mycobacterium leprae. Menurut laporan World Health Organization (WHO) pada tahun 2018, di tahun 2017 Indonesia menempati posisi ketiga setelah India dan Brazil sebagai negara dengan jumlah penderita kusta terbanyak di dunia. Pada tahun 2017, Jawa Timur menempati posisi pertama di Indonesia dengan jumlah penderita kusta terbanyak di Indonesia dengan jumlah 4.183 jiwa. Batas angka prevalensi kusta yang ingin dicapai Indonesia adalah 1. Sedangkan di Provinsi Jawa Timur, masih terdapat 10 Kabupaten dari 38 Kabupaten atau Kota yang memiliki angka prevalensi di atas 1. Metode analisis yang digunakan untuk mengetahui faktor-faktor yang mempengaruhi angka prevalensi kusta yaitu Regresi Nonparametrik Spline Truncated karena pola hubungan antara angka prevalensi kusta dengan masing-masing variabel prediktor yang didapatkan tidak membentuk suatu pola tertentu. Berdasarkan model yang diperoleh, hasilnya adalah semua variabel prediktor berpengaruh signifikan terhadap angka prevalensi kusta, yaitu persentase rumah tangga berPHBS, persentase sarana air bersih, persentase jamban sehat, persentase penduduk miskin, dan persentase puskesmas per 100.000 penduduk dengan nilai koefisien determinasi sebesar 95,34%.]]>
