1,721,039 research outputs found
Perbandingan Metode Regresi Komponen Utama, Regresi Kuadrat Terkecil Parsial dan Support Vector Regression dalam Menduga Kadar Glukosa Darah Non-Invasif.
No full textDiabetes mellitus (DM) merupakan suatu penyakit yang dapat terjadi pada manusia yang disebabkan oleh kondisi kadar glukosa darah tinggi (hiperglikemia) yang kronis dan tidak terkontrol. Pendeteksian dini penting dilakukan sebagai upaya pencegahan dan pengontrolan berkelanjutan bagi yang tidak maupun telah menderita penyakit ini. Pendeteksian kadar glukosa darah dapat dilakukan menggunakan metode invasif (melukai) yaitu dapat menggunakan glukometer atau pemeriksaan di laboratorium. Pendeteksian dengan cara ini dapat menimbulkan ketidaknyamanan bagi pasien. Oleh karena itu, dikembangkanlah pendeteksian kadar glukosa darah tanpa melukai tubuh dikenal dengan metode non-invasif. Tim non-invasif biomarking IPB mengembangkan purwarupa alat pengukur glukosa darah non-invasif menggunakan prinsip spektroskopi. Data yang dihasilkan oleh alat pengukur kadar glukosa darah non-invasif adalah data spektrum time domain terhadap residu intensitas. Diperlukan metode analisis dalam memodelkan hasil tersebut agar diperoleh dugaan kadar glukosa darah.
Salah satu metode alternatif yang dapat digunakan untuk menganalisis hubungan antara kadar glukosa darah invasif dengan non-invasif adalah model kalibrasi. Permasalahan yang sering terjadi pada pemodelan kalibrasi adalah ill conditioned akibat kolinearitas ganda maupun singularitas. Hal ini dikarenakan banyaknya peubah bebas yang lebih besar dari banyaknya pengamatan. Permasalahan tersebut dapat diatasi dengan beberapa metode diantaranya Regresi Komponen Utama (RKU), Regresi Kuadrat Terkecil Parsial (RKTP) dan Support Vector Regression (SVR). Fungsi kernel yang digunakan pada SVR yaitu fungsi kernel linier, polinomial, dan radial basis. Perbandingan metode juga dilakukan dengan pendekatan RKU dan RKTP yang dapat mengatasi permasalahan kalibrasi. Model yang diperoleh selanjutnya digunakan untuk menduga kadar glukosa darah hasil pengukuran non-invasif.
Penelitian ini bertujuan untuk menentukan model kalibrasi terbaik pada alat pengukur kadar glukosa darah non-invasif dengan pendekatan RKU, RKTP dan SVR. Peubah prediktor yang digunakan pada penelitian ini adalah data hasil pengukuran glukosa darah non-invasif dan peubah respon adalah data glukosa darah hasil pengukuran invasif (laboratorium). Data yang digunakan adalah data primer yang merupakan bagian dari penelitian pengembangan dan uji klinis purwarupa alat pemantauan kadar glukosa darah secara non-invasif.
Hasil analisis menggunakan semua data menunjukkan bahwa model RKTP memiliki nilai R2 terbesar yaitu 88.6%. Nilai R2, RMSE dan RMSEP pada model RKU besarnya tidak terpaut jauh dengan RKTP. Model yang terbentuk pada RKTP lebih parsimoni (sederhana) karena memiliki peubah laten yang lebih sedikit. Hal ini dikarenakan komponen yang terbentuk mampu menerangkan keragaman dari peubah X dan pada saat yang sama komponen tersebut mempunyai hubungan dengan peubah respon y.
Pada data tanpa pencilan, model terbaik berdasarkan nilai R2 terbesar dan RMSE terkecil adalah model SVR-RB. Model RKTP memiliki nilai R2 dan
RMSE yang tidak berbeda jauh dengan model SVR-RB. Model yang memiliki nilai R2 terkecil dan RMSE terbesar adalah model RKU. Nilai RMSEP ketiga model juga memiliki nilai yang tidak berbeda jauh.
Model kalibrasi terbaik yang digunakan pada alat non-invasif adalah pendugaan pada rentang data yang lebar, sehingga model yang tepat digunakan adalah regresi kuadrat terkecil parsial. Salah satu kelemahan pada metode yang diterapkan pada alat non-invasif yaitu belum bisa mendeteksi kadar glukosa darah dengan baik ditandai dengan nilai galat yang relatif besar. Penyebab permasalahan tersebut karena sampel yang digunakan belum mewakili untuk kadar glukosa darah yang tergolong pradiabetes dan diabetes
Pemodelan daya tahan mahasiswa putus kuliah pada pendidikan tinggi jarak jauh: Studi kasus mahasiswa Fakultas Ekonomi Univeritas Terbuka
No full textUniversitas Terbuka (UT) merupakan salah satu Perguruan Tinggi Negeri (PTN) yang menerapkan sistem Pendidikan Jarak Jauh (PJJ). Seperti halnya Perguruan Tinggi (PT) lainnya, jangka waktu seseorang atau mahasiswa UT dalam menyelesaikan studinya dapat dipandang sebagai waktu daya tahan. Daya tahan mahasiswa merupakan kemampuan mahasiswa untuk dapat bertahan dalam melanjutkan studinya agar tidak berstatus putus kuliah atau non aktif. Mahasiswa non aktif adalah mahasiswa yang tidak melakukan registrasi mata kuliah sampai masa cuti akademiknya berakhir yakni selama 4 (empat) semester berturut-turut. Apabila pada semester kelima mahasiswa tersebut tidak melakukan registrasi, maka mahasiswa yang bersangkutan dinyatakan mengundurkan diri dan statusnya berubah menjadi mahasiswa non aktif
Peran Sumberdaya Pemulihan pada Rehabilitasi Pecandu Narkotika.
No full textPenyalahgunaan narkotika merupakan salah satu permasalahan yang dapat
memberikan ancaman bagi ketahanan suatu negara. Dampak yang ditimbulkan
oleh penyalahgunaan narkotika merugikan individu pengguna narkotika, keluarga,
masyarakat dan negara. Hal paling serius dari penyalahgunaan narkotika adalah
kecanduan terhadap narkotika. Ketergantungan terhadap narkotika dapat
mengakibatkan kematian. Rehabilitasi merupakan amanat Undang-Undang
Nomor 35 Tahun 2009 tentang Narkotika sebagai upaya untuk memulihkan
pecandu dari ketergantungan terhadap narkotika. Tingkat keberhasilan pemulihan
pecandu narkotika dipengaruhi oleh sumberdaya pemulihan yang dimiliki oleh
seorang pecandu. Sumberdaya pemulihan merupakan gabungan sumberdaya yang
dapat digunakan oleh seorang pecandu untuk memulai dan mempertahankan
pemulihan dari kecanduan narkotika sehingga dapat terhindar dari kekambuhan.
Sumberdaya pemulihan erat kaitannya dengan kualitas hidup atau tingkat
kepuasan seseorang terhadap hidupnya secara utuh. Sumberdaya pemulihan
terbagi menjadi empat domain yaitu sumberdaya fisik, psikologi, sosial dan
lingkungan.
Penelitian ini bertujuan untuk mengetahui peran sumberdaya pemulihan
pada rehabilitasi pecandu narkotika. Subyek kepulihan dalam penelitian ini adalah
perubahan perilaku terhadap rehabilitasi yang dijalani oleh pecandu. Sampel yang
digunakan pada penelitian ini sebanyak 155 pecandu yang sedang menjalani
program rehabilitasi di Balai Besar Rehabilitasi Badan Narkotika Nasional (Babes
Rehabilitasi BNN). Analisis pengaruh sumberdaya pemulihan pada rehabilitasi
pecandu narkotika dilakukan dengan menggunakan structural equation modelling
(SEM). Alat analisis yang digunakan pada penelitian ini adalah AMOS versi 21.
Berdasarkan hasil analisis AMOS diketahui bahwa sumberdaya lingkungan
mempunyai pengaruh yang signifikan pada rehabilitasi pecandu terutama pada
perubahan perilaku fase pemeliharaan. Aspek fisik, psikologi dan sosial secara
statistic tidak mempunyai pengaruh terhadap proses rehabilitasi pecandu
narkotika. Nilai signifikansi sumberdaya pemulihan domain lingkungan
menghasilkan nilai p untuk kontemplasi, aksi dan pemeliharaan sebesar 0.012,
0.000 dan 0.024 berturut-turut dengan tingkat kepercayaan 5%. Nilai p
sumberdaya pemulihan terhadap fase prekontemplasi sebesar 0.080 atau tidak
signifikan. Dengan demikian dapat disimpulkan bahwa sumberdaya pemulihan
dapat memengaruhi rehabilitasi pecandu narkotika terutama pada domain
lingkungan khususnya terhadap fase perubahan perilaku kontemplasi, aksi dan
pemeliharaan
Analisis pada Beban Kerja Dosen IPB University Tahun Akademik 2018/2019.
No full textSalah satu unsur dalam penyelenggaraan pendidikan tinggi adalah dosen.
Salah satu masalah yang dihadapi IPB adalah tidak meratanya pembagian jam
mengajar diantara dosen berdasarkan penilaian kinerja dosen tahun akademik
2018/2019. Hasil penilaian ini menggunakan empat peubah: pendidikan, penelitian,
pengabdian masyarakat dan penunjang. Analisis biplot digunakan untuk
mengidentifikasikan pengelompokan kinerja dan memberikan informasi mengenai
karakteristiknya. BKD pengajaran berkorelasi negatif dengan BKD penelitian dan
pengabdian masyarakat. Secara umum, analisis biplot menunjukkan bahwa
FAPERTA (A), FKH (B), FPIK (C), FAPET (D), FAHUTAN (E) dan FATETA
(F) tergolong ke dalam fakultas yang memiliki nilai BKD penelitian dan
pengabdian masyarakat yang relatif lebih tinggi dibandingkan fakultas lainnya,
sedangkan fakultas FMIPA (G), FEM (H) dan FEMA (I) adalah fakultas yang
Sekolah Vokasi (J) merupakan fakultas dengan nilai BKD pengajaran yang relatif
tinggi, sedangkan Sekolah Bisnis (K) adalah fakultas dengan nilai BKD penunjang
yang relatif tinggi
Metode Ensemble K-Nearest Neighbor Untuk Prediksi Harga Beras Di Indonesia.
No full textAnalisis deret waktu merupakan hal yang sangat penting dalam setiap bidang ilmu sains seperti prediksi keuangan, prediksi cuaca, penelitian dan ilmu medis (Chitra dan Uma 2010). Pada banyak kasus sangat jarang ditemukan data deret waktu yang memenuhi asumsi. Salah satu penyebabnya adalah adanya hubungan yang tidak linear antar peubahnya, sehingga sangat diperlukan suatu metode yang efisien. Banyak metode yang berkembang mengenai prediksi data deret waktu dengan ukuran data yang besar dan peubah penjelas yang banyak, seperti metode k-Nearest Neighbor (kNN). Metode kNN dapat digunakan untuk data yang tidak memenuhi asumsi klasik dan karakteristik data yang tidak linear. Dalam metode kNN sangat penting untuk memilih nilai k-tetangga terdekat, karena hal ini dapat mempengaruhi hasil prediksi. Nilai k yang kecil dapat menghasilkan ragam yang besar pada hasil prediksi, sedangkan nilai k yang besar dapat mengakibatkan bias model yang besar. Metode alternatif yang biasanya digunakan untuk mengatasi masalah ini adalah optimasi parameter dengan menggunakan cross-validation, namun metode ini kurang efisien karena algoritma training harus diulang kembali untuk k selanjutnya. Teknik ensemble merupakan suatu metode yang memiliki kemampuan keakuratan prediksi dan sangat efisien digunakan dalam metode kNN, sehingga tidak perlu dilakukan pencarian nilai k yang optimal. Pada prinsipnya teknik ensemble adalah menggabungkan hasil pendugaan dari banyak model menjadi satu buah pendugaan akhir. Teknik ensemble dapat diaplikasikan dalam analisis deret waktu untuk menghasilkan keakuratan prediksi. Sorjamaa et al. (2005) menggunakan mutual information untuk memilih input prediksi deret waktu dalam kNN. Yu et al. (2009) menggunakan Multiresponse Sparse Regression (MRSR) sebagai langkah ketiga untuk peringkat masing-masing k-tetangga terdekat dan terakhir melakukan pendugaan Leave-One-Out sebagai langkah keempat dalam memilih tetangga terdekat. Sasu (2012) mengembangkan algoritma kNN untuk prediksi data deret waktu. Penelitian tersebut menggunakan metode regresi kNN untuk memprediksi respon atau peubah output, namun dalam penelitian ini akan digunakan modifikasi prediksi untuk data deret waktu dengan konsep pembobot. Penelitian ini menerapkan metode kNN tunggal dan ensemble kNN pada data harga beras di Indonesia agar diperoleh keakuratan prediksi. Penelitian ini bertujuan untuk mengetahui kinerja metode kNN tunggal dan ensemble kNN, kemudian memprediksi harga beras di Indonesia menggunakan metode terbaik. Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari Kementerian Pertanian (KEMENTAN) bagian distribusi dan cadangan pangan. Data dibagi menjadi dua kelompok, data dari Januari 2010 hingga Desember 2011 (t=1 hingga t=24) dijadikan sebagai data training dan sisanya dari Januari - Desember 2012 (t=25 hingga t=36) sebagai data testing. Peubah yang digunakan terdiri dari peubah output () yaitu data harga beras per bulan dari Januari 2010 hingga Desember 2012 sedangkan untuk peubah input yang digunakan adalah X1 luas panen padi (ha), X2 produktivitas (ku/ha), X3 total produksi padi (ton) dan X4 jumlah penduduk (ribu). Langkah awal yang dilakukan dalam penelitian ini adalah menghitung prediksi harga beras dari Januari - Desember 2012 dengan metode kNN tunggal kemudian melakukan prediksi terhadap kedua metode menggunakan jumlah tetangga terdekat (k) yang berbeda. Langkah selanjutnya menghitung prediksi harga beras dengan metode ensemble kNN. Setelah diperoleh hasil prediksi masing-masing metode selanjutnya dilakukan evaluasi terhadap hasil prediksi akhir dengan harga beras pada data testing berdasarkan nilai MAPE (Mean Absolute Percentage Error), MAE (Mean Absolute Error) dan RMSEP (Root Mean Squared Error of Prediction). Prediksi harga beras di Indonesia menggunakan metode terbaik berdasarkan nilai MAPE, MAE dan RMSEP tersebut. Nilai MAPE, MAE dan RMSEP hasil prediksi harga beras di Indonesia menunjukkan bahwa metode ensemble kNN memiliki kinerja yang lebih baik dibandingkan dengan metode kNN tunggal. Nilai-nilai tersebut semakin kecil jika nilai k yang dicobakan semakin besar, namun jika nilai k yang dicobakan sangat besar atau mendekati ukuran data training maka ketiga nilai tersebut memberikan hasil yang besar. Kisaran nilai prediksi harga beras hampir sama dengan harga beras sebenarnya. Selain itu, prediksi harga beras juga memiliki pola trend yang hampir sama dengan harga beras sebenarnya
Studi Pelacakan Alumni Departemen Statistika FMIPA IPB (Studi Kasus pada Angkatan 36-45)
No full textDepartment of Statistics, Bogor Agricultural University (IPB) many top producing graduates that are spread throughout the field work. One indicator of success is the contribution of graduates of higher education in society and the development and engagement of alumni in the dynamics of the workplace. Alumni tracking studies can provide information about the profile of graduates of the Department of Statistics 36-45 IPB particular class (year in 1999-2008). Alumni are expected to provide information on the relevance of knowledge and skills (relationship between competencies acquired during the lectures with field work), the relationship between grade point average (GPA) of the waiting time work, field work of alumni present, the extent to which the use/ knowledge of statistics to the field of work. Adequacy analysis, interests, and purposes related to competencies Department of Statistics. Respondents who responded to this study of 204 respondents (40.8 %) of the total population of 500 respondents. Area of origin of respondents were mostly from the Greater Jakarta area by 43.1 %, driveways Admission Exam IPB (USMI) as much as 76 %, as many as 20.1 % of respondents have a High GPA (GPA ≥ 3.51), cum laude by 5 %. The average wait for a job for 2 months with an average salary of first job after being transformed to the present value of Rp 3,370,000.00. There is a tendency of working first salary differences between respondents who have a High GPA with a low GPA. Respondents gender pay gap also has a tendency of work the first time, respondents have a tendency of female sex work first salary higher than the respondents gender male. Predicate graduation also has the distinction of first salary job, graduation cum laude predicate has a higher salary than the predicate is very satisfying and fulfilling graduation. Field work consisted of alumi academia, finance, administration, research, and advertising. As many as 40 % of alumni working in the field of research. Alumni statistics also been doing moving work, 63.3 % among respondents had changed jobs done. Statistics have a role in the world of work, amounting to 38.6 % pretty much using statistical science in the workplace. Adequacy analysis, interests, and purposes related to competencies Department of Statistics. Competency skills survey design, experimental design, data management is widely used in the field of research work
Pendugaan Curah Hujan Harian melalui Pemodelan Dua Tahap dengan Klasifikasi Bagging dan Boosting pada Statistical Downscaling.
No full textIndonesia merupakan salah satu negara yang berada di wilayah khatulistiwa
dan mempunyai iklim yang tropis, dimana bidang pertanian memiliki peranan besar
dalam perekonomian penduduknya. Penelitian tentang pendugaan curah hujan
dapat dimanfaatkan untuk menunjang keberhasilan perekonomian pada bidang
pertanian di Indonesia. Pendugaan curah hujan salah satunya dapat dilakukan
dengan teknik Statistical Downscaling (SD). SD adalah teknik untuk mendapatkan
model yang dapat menganalisis hubungan antara data global skala besar dan data
lokal skala kecil. Teknik SD dapat digunakan untuk memprediksi data curah hujan
lokal dengan menggunakan data keluaran Global Clmate Model (GCM) sebagai
data global berskala besar.
Pendugaan curah hujan bulanan menggunakan teknik SD melalui pemodelan
dua tahap dengan metode klasifikasi telah dilakukan sebelumnya. Metode
klasifikasi yang telah digunakan antara lain yaitu regresi linier gerombol, CART,
regresi logistik biner, dan regresi logistik ordinal. Hasilnya, pendugaan curah hujan
bulanan dengan pemodelan dua tahap menghasilkan nilai Root Mean Square Error
of Prediction (RMSEP) yang lebih kecil jika dibandingkan dengan pemodelan
langsung menggunakan Regresi Kuadrat Terkecil Parsial (RKTP), namun akurasi
klasifikasi yang dihasilkan masih berkisar antara 55% sampai dengan 60%.
Dalam penelitian ini, teknik SD dalam pemodelan dua tahap dengan
klasifikasi digunakan untuk memprediksi data curah hujan harian. Tahap pertama,
kekuatan metode Bagging dan Boosting dalam klasifikasi digunakan untuk
menentukan kelompok curah hujan. Tahap kedua, RKTP digunakan untuk
memprediksi curah hujan di setiap kelas. Kemampuan model diuji di empat stasiun
yang terletak di Provinsi Jawa Barat, yaitu Bandung, Bogor, Citeko dan Jatiwangi.
Metode klasifikasi Bagging dan Boosting merupakan metode Ensemble
Learning, dimana dalam pengambilan keputusannya menggunakan konsep
majority vote, sehingga akurasi yang dihasilkan lebih besar. Bagging membuat
pohon klasifikasi lengkap pada setiap iterasinya dengan mengambil contoh acak
dengan pengembalian (bootstrap) yang kemudian melakukan agregasi
(aggregating) pada pengambilan keputusan akhir. Boosting melakukan
pembobotan dengan merubah weak learner menjadi strong learner pada setiap
iterasinya. Dengan meningkatnya nilai akurasi, diharapkan nilai kebaikan model
yang didapat menjadi semakin baik. Ukuran kebaikan model yang digunakan yaitu
RMSEP sebagai ukuran penyebaran dan Koefisien Keragaman (KK) sebagai
ukuran pemusatan. Semakin kecil nilai RMSEP dan KK yang dihasilkan maka
model pendugaan curah hujan yang didapat akan semakin baik.
Hasil awal pendugaan dua tahap dengan akurasi 100% menghasilkan nilai
RMSEP dan KK yang lebih kecil jika dibandingkan dengan hasil pendugaan satu
tahap langsung dengan RKTP. Terdapat empat tipe pengelompokan yang
digunakan pada penelitian ini, yaitu pengelompokan hujan dan tidak hujan, curah
hujan (CH) ≤ 5 mm/hari dan CH > 5 mm/hari, CH ≤ median dan CH > median,
serta CH ≤ rataan dan CH > rataan. Pada pendugaan dua tahap dengan klasifikasi,
terdapat kasus ketidakseimbangan data di beberapa pengelompokan curah hujan.
Oleh karena itu, terlebih dahulu dilakukan penanganan data tidak seimbang
menggunakan metode Synthetic Minority Oversampling Technique (SMOTE).
Hasilnya, SMOTE dapat lebih menyeimbangkan jumlah amatan dan proporsi pada
setiap kelompok dengan data tidak seimbang. Selisih antara sensitivitas dan
spesifisitas juga menjadi lebih kecil.
Hasil yang diperoleh dari validasi silang 5 lipatan dengan 2 pengulangan
menunjukkan bahwa pengelompokan hujan dan tidak hujan memiliki hasil
klasifikasi yang lebih unggul, meskipun pada pemodelan dua tahap awal,
pengelompokan yang lebih unggul adalah kategori kelompok dengan batas rataan.
Pemodelan klasifikasi Boosting lebih unggul di area Bandung dan Citeko, yaitu
dengan akurasi, RMSEP, dan KK masing-masing bernilai 0.76, 13.76 dan 166.79%
pada area Bandung, serta 0.76, 16.71 dan 164.63% pada area Citeko. Metode
Bagging lebih unggul di area Bogor dan Jatiwangi, yaitu dengan akurasi, RMSEP,
dan KK masing-masing bernilai 0.75, 20.56 dan 160.79 pada area Bogor, serta 0.76,
16.96 dan 214.26% pada area Jatiwangi
Assessment of student achievement in doctoral program of business management at IPB postgraduate school
No full textPersentase kelulusan mahasiswa pada Program Doktor Manajemen Bisnis IPB masih rendah. Oleh karena itu, pihak Program Doktor Manajemen Bisnis IPB pelu mengevaluasi guna mencari karakteristik serta faktor-faktor yang dapat mempengaruhi keberhasilan studi mahasiswa. Metode analisis korespondensi berganda dapat menggambarkan karakteristik keberhasilan studi mahasiswa. Faktor-faktor yang dapat mempengaruhi keberhasilan studi mahasiswa dapat dianalisis dengan analisis regresi logistik biner sedangkan untuk melihat faktor yang paling dominan menggunakan analisis dominan. Hasil dari analisis menunjukkan bahwa karakteristik mahasiswa yang lulus cenderung merupakan mahasiswa perempuan, berusia antara 35 sampai dengan 45 tahun, sudah menikah, memiliki IPK S1 lebih dari sama dengan 3.00, memiliki IPK S2 lebih dari sama dengan 3.50, lulusan S1 dan S2 yang berasal dari IPB, ITB dan UGM, universitas luar negeri, mahasiswa yang berasal dari program studi S2 ekonomi, manajemen, teknik dan MIPA serta mahasiswa dengan status penerimaan S3 non percobaan sedangkan karakteristik mahasiswa yang tidak lulus sebaliknya. Peubah usia, tempat bekerja, perguruan tinggi S1 dan perguruan tinggi S2 berpengaruh terhadap keberhasilan studi mahasiswa pada taraf nyata 10%. Faktor yang paling dominan adalah peubah tempat bekerja. Faktor lain yang tidak ada dalam model yang dapat mempengaruhi keberhasilan studi mahasiswa yaitu pada proses pembuatan disertasi, komunikasi antara mahasiswa dengan komisi pembimbing, serta motivasi dan komitmen mahasiswa.The percentage of graduate student at Business Management Doctoral Program rate is still low. Therefore, the Doctoral Program in Business Management have to evaluate to find the characteristics and factors that may affect the student achievement. Multiple correspondence analysis can describe the characteristics of student achievement. Factors that may affect student achievement can be analyzed by binary logistic regression analysis, while to see the most dominant factor use dominance analysis. The results of the analysis show the characteristics of the students who pass are female students, aged between 35 to 45 years old, married, grade point average (GPA) of S1 greater or equal to 3.00, GPA of S2 greater or equal to 3.50, graduates S1 and S2 from IPB, ITB and UGM, foreign university, students S2 with courses economics, management, engineering and MIPA, and non-probation student. However, the characteristics of students who do not pass S3 is vice versa. Variables of age, work place, college S1 and S2, affect the student achievement on the level 10%. The most dominant factor is work place. Other factors outside the model that can affect student achievement are the process of dissertation, communication between students and lecturers, student motivation and commitment. Key words: binary logistic regression analysis, dominance analysis, multiple correspondence analysis, student achievement
Penerapan Hotspot Analysis dan Regresi Logistik pada Kasus Difteri di Jawa.
No full textDifteri merupakan penyakit yang mudah menular, mematikan, dan ditetapkan sebagai Kejadian Luar Biasa (KLB) di Indonesia. Sebagai tindakan penanggulangan KLB, pemerintah melaksanakan Outbreak Response Immunization (ORI) yang bertujuan menutup kesenjangan imunitas (immunity gap). Penelitian ini bertujuan untuk mengidentifikasi daerah hotspot kasus difteri, faktor yang memengaruhinya, dan melihat dampak pelaksanaan ORI pada daerah hotspot dan bukan hotspot. Metode yang digunakan untuk mendeteksi hotspot adalah Getis-Ord . Untuk mengetahui faktor-faktor yang memengaruhi terbentuknya daerah hotspot, dilakukan uji parameter simultan dan parsial pada model regresi logistik. Data yang digunakan berasal dari profil kesehatan tiap provinsi di Jawa pada tahun 2017. Dari hasil penelitian, terdapat 20 daerah yang ditetapkan berstatus hotspot. Faktor yang memengaruhi terbentuknya daerah hotspot yaitu kepadatan penduduk dan persentase desa Universal Child Immunization (UCI). Berdasarkan hasil pembandingan kasus difteri pada tahun 2017 dan 2018, pelaksanaan ORI sebagai tindakan penanggulangan KLB difteri cukup baik. Penetapan lokasi ORI oleh Kementerian Kesehatan sudah tepat. Namun, cakupan imunisasi tidak merata sehingga masih terdapat daerah dengan peningkatan kasus yang tinggi meskipun ORI sudah dilaksanakan
Penggerombolan Desa di Kabupaten Bogor Berdasarkan Indikator Kese,iahteraan Rakyat Dengan Menggunakan Metode Ward dan Metode hError
No full textGambaran kondisi sosial ekonomi diperlukan pemerintah untuk mengukur keberhasilan pembangunan di bidang kesej ahteraan rakyat. Gambaran tersebut dapat dilihat dari karakteristik desa hasil penggerombolan berdasarkan indikator kesejahteraan rakyat. Data sosial ekonomi masyarakat yang dimiliki oleh pemerintah pada umumnya mernpakan data contoh. Menurnt Kumar & Patel (2005) penggerombolan data contoh dengan menggnnakan metode penggerombolan kIasik (Ward) memberikan hasil yang kurang memuaskan karena tidak mempertimbangkan adanya varians error, Untuk itu, dikembangkan metode penggerombolan data menggunakan varians error (hError). Metode ini mengasumsikan bahwa peubahnya saling bebas dan menyebar normal. Hasil penggerombolan tersebut ditentukan menggunakan kriteria kemungkinan maksimum. Penelitian ini bertujuan untuk menggerombolkan desa di kabupaten Bogor berdasarkan indikator kesej ahteraan rakyat dengan menggunakan metode hError dan metode Ward kemudian membandingkan hasil penggerombolan kedua metode tersebut. Hasil pada penelitian ini menunjukkan Penggerombolan desa di kabupaten Bogor menggunakan metode hError menghasilkan jumlah gerombol yang sama dengan metode Ward. Keragaman dalam gerombol kedua metode tersebut lebih kecil dibandingkan keragarnan antar geromboinya sehingga tujuan penggerombolan kedua metode tersebut tercapai. Metode hError mampu memisahkan desadesa yang terletak pada daerah pinggiran gerombol untuk membentuk gerombol sendiri atau dikasifikasikan ke gerombol lain. Hal ini dikarekan desa-desa tersebut memiliki varians error yang relatifbesar dibandingkan varians error gerombol asal. Gerombol 1 pada metode Ward atau gerombol 1 dan 2 pada metode IzError memiliki kesejahteraan rakyat relatif rendah. Pada gerombol ini perlu ditingkatkan penyediaan fasilitas buang air besar, air bersih (PAM), jaringan telepon/ HP, dan rental komputer. Selain itu, diperlukanjuga pemberian kredit usaha atau penyewaan lahan pertanian milik pemerintah untuk meningkatkan pendapatan per kapita rakyat. Akan tetapi, pada gerombol 2 tidak diperlukan penyewaan lahan pertanian karena persentase kepemilikan lahan pertanian sudah relatif tinggi
- …
