Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian ini bertujuan untuk melihat pengaruh variabel makroekonomi dan instrumen keuangan yaitu sukuk, inflasi, kurs rupiah terhadap US dollar dan harga emas terhadap perhimpunan dana pihak ketiga (DPK) perbankan syariah di Indonesia periode Januari 2008 sampai dengan Desember 2010. Metode penelitian yang digunakan adalah dengan regresi linier berganda.Dari hasil penelitian, variabel tersebut mempunyai pengaruh cukup besar terhadap DPK yaitu sebesar 86,4%. Hasil penelitian ini menunjukkan bahwa sukuk, inflasi, kurs rupiah dengan US Dollar dan harga emas secara simultan signifikan berpangaruh terhadap DPK. Akan tetapi secara parsial dari variabelvariabel tersebut secara siginifikan variabel kurs Rupiah dan harga emas yang berpengaruh terhadap DPK perbankan syariah. Kurs memberikan pengaruh yang negatif dan harga emas berpengaruh positif terhadap DPK perbankan syariah di Indonesia.Penelitian ini menyarankan emas dijadikan sebagai inovasi produk di perbankan syariah di Indonesia. penelitian selanjutnya diharapkan agar peneliti menambahkan variabel makro yang lain dan metode penelitian guna mencari hasil penelitian yang lebih signifikan.

---

This research aimed to analyze the effect of macro economic and finance instrument : sukuk, inflation, kurs and gold value to Syariah Bank Funding in Indonesia between 2008 January until 2010 December. This study uses Multiple Linear Regression analysis.The result of model shows that variables have big impact to Syariah Bank in Indonesia funding until 86,9%. The result of study shows the impact that sukuk, inflation, kurs and gold value impact simultan significantly to funding. But, only kurs and gold value have partial impact to funding. Kurs have negatif impact and gold value have positif impact to Syariah Bank Funding in Indonesia.The research suggested gold to make inovation produc in Indonesian Syariah Banking. In the next research, the researcher get to add macro economic and research method to search significant result."

"Pembukaan kelas merupakan salah satu bagian terpenting pada institusi pendidikan disaat awalpembelajaran yang akan dimulai. Dalam melakukan pembukaan kelas harus didukung dengan analisadata yang kuantitatif dengan hasil yang terukur sehingga menghasilkan jumlah kelas yang akurat. Padapenelitian ini bertujuan untuk mengetahui jumlah pembukaan kelas diperiode berikutnya dengan carameramalkan, dimana metode peramalan yang digunakan adalah metode regresi linear. Di dalam metoderegresi ini menggambarkan hubungan antara paling tidak satu/lebih variabel bebas (independentvariable) dan satu variabel bergantung (dependent variable) dengan tujuan untuk meramalkan nilaivariabel bergantung dalam hubungan dengan nilai variabel bebas tertentu. Penelitian ini menggunakanperiode waktu sebagai variabel bergantung dan data jumlah mahasiswa default serta mahasiswa yangkemungkinan mengulang dan yang belum mengambil sebagai variabel bebasnya. Data yang digunakanadalah data history pada 3 tahun yang lalu. Dengan mengimplementasikan regresi linear kedalam sistempembukaan kelas ini memberikan kemudahan dalam melakukan perhitungan serta mengurangi terjadinyadrop kelas. "

"Penelitian ini bertujuan untuk menganalisa pengaruh inflasi, harga emas dan minyak dunia, kurs Dolar Amerika terhadap composite index Indonesia, Malaysia, Singapura, Thailand, Filipina pada periode Juli 2007 sampai Juni 2012. Penelitian ini adalah penelitian kuantitatif dengan menggunakan metode statistik. Sampel yang digunakan dalam penelitian ini meliputi harga minyak dan emas dunia, composite index, inflasi, dan kurs Dolar Amerika dari Indonesia Malaysia, Singapura, Thailand, dan Filipina. Metode estimasi yang digunakan adalah estimasi OLS dan model regresi berganda. Hasil penelitian menunjukkan bahwa inflasi memiliki pengaruh signifikan pada composite index Indonesia, Malaysia, Singapura, dan Thailand. Sedangkan pada composite index Filipina, pengaruh inflasi tidak signifikan. Di Indonesia, Malaysia, Singapura dan Filipina, inflasi berbanding terbalik terhadap perubahan composite index. Harga emas dunia memiliki pengaruh yang signifikan pada composite index kelima negara yang diamati. Di Indonesia, Thailand, dan Filipina, harga emas berbanding terbalik dengan perubahan composite index masing-masing negara. Harga minyak dunia dan kurs terhadap Dollar Amerika tidak memiliki pengaruh signifikan terhadap composite index kelima negara yang diamati. Harga minyak dunia berbanding lurus dengan composite index kelima negara yang diamati, sedangkan kurs Dollar Amerika berbanding terbalik.

---

The focus of this study is analyzing influences of inflation, world oil and gold price, US Dollar exchange rate to composite index Indonesia, Malaysia, Singapore, Thailand, Philippine (Period July 2007 – June 2012). This is a quantitative study that used statistical methods. Sample used in this study consist of world oil and gold price, composite index, inflation, and US Dollar exchange rate of Indonesia Malaysia, Singapore, Thailand, and Philippine. Estimation method used are OLS estimation and multiple regression method. There are several results of this study. Inflation has significant influence in composite index Indonesia, Malaysia, Singapore, and Thailand. On the other hand, inflation do not influence Philippine composite index significantly. In Indonesia, Malaysia, Singapore and Philippine, inflation have negative relationship to composite index. World gold price has significant influence to composite index five countries. In Indonesia, Thailand, and Philippine, gold price has negative relationship with composite index each country. World oil price and US Dollar exchange rate do not have significant influence to composite index five countries. World oil price has positive relationship to composite index five countries, while US Dollar has negative relationship to composite index each countries."

"Dalam bidang ekonomi seringkali diperlukan bahasan dalam hubungan fungsional antara variabel-variabel. Hubungan itu dinyatakan dalam bentuk persamaan yang menghubungkan variabel tak bebas dengan satu atau lebih variabel bebas. Dalam studi empiris dl bidang ekonomi sering terjadi variabel tak bebasnya tersensor atau terkelompok pada suatu nilai batas, maka untuk menganalisis masalah dengan variabel tak bebas tersensor dapat digunakan Model Regresi Tersensor atau Model Tobit. Tugas akhir ini akan membahas Model Regresi Tersensor atau Model Tobit, dengan contoh aplikasi menganalisis hubungan antara Tabungan dengan Dpah/gaji, dengan memperhatikan beberapa karakteristik pekerja yaitu Status kerja, Jenis kelamin, Umur, Pendidikan, dan ada tidaknya Bantuan keuangan dari pihak lain sebagai variabel kontrol. Data yang dipakai adalah berdasarkan hasil pilot Survei Tingkat Hidup Pekerja di Kotamadya Semarang 1992, oleh Biro Pusat Statistik. Ternyata dalam konteks variabel-variabel di atas, tabungan dipengaruhi oleh upah pekerja sedangkan karakteristik-karakteristik yang perlu diperhatikan untuk menaksir tabungan pekerja berdasarkan upahnya ialah jenis kelamin, pendidikan, status kerja, dan umur. Selain untuk keperluan penaksiran, model dapat juga digunakan untuk menghitung pengaruh marjinal karakteristik - karakteristik pekerja pekerja pada tabungan."

"ABSTRAKMangrove mempunyai peran yang penting sebagai pelindung garis pantai akibat abrasi dan akresi. Penelitian mengenai pengaruh perubahan mangrove terhadap perubahan garis pantai di Kecamatan Muaragembong selama kurun waktu 25 tahun dari tahun 1989 hingga tahun 2014 dengan menggunakan Citra Landsat. Penelitian ini bertujuan untuk mengetahui bagaimana perubahan luas mangrove dan garis pantai (luas abrasi dan akresi) yang terjadi di Kecamatan Muaragembong dan untuk mengetahui bagaimana pengaruh perubahan luas mangrove terhadap perubahan luas abrasi dan akresi. Diketahui bahwa luas mangrove cenderung terus mengalami penurunan luas di tiap tahun pengamatan sedangkan perubahan garis pantai yang dominan terjadi dari tahun 1989 hingga 2014 adalah abrasi yang terus meningkat tiap tahun pengamatan. Berdasarkan hasil perhitungan dengan menggunakan analisis regresi linear sederhana terungkap bahwa penurunan luas mangrove mempunyai pengaruh terhadap luas abrasi sebesar 52,4% dan penambahan luas mangrove mempunyai pengaruh terhadap luas akresi dengan pengaruh sebesar 37,8%. Secara spasial terungkap bahwa penurunan dan penambahan luas mangrove berbanding lurus dengan perubahan luas abrasi dan akresi.

---

ABSTRACTMangroves have an important role as a protector of the coastline due to erosion and accretion. Research on the effects of changes in mangrove area toward shoreline change in District Muaragembong during the 25 year period from 1989 to 2014 using Landsat imagery. This study aims to determine how changes in mangrove area and coastline (extensive abrasion and accretion) that occurred in the District Muaragembong and to find out how changes in mangrove area to area changes abrasion and accretion. It is known that the vast mangrove area likely to continue to decline in each year of observation while the dominant shoreline change occurred from 1989 to 2014 is abrasion that has increased every year of observation. Based on calculations using simple linear regression analysis revealed that the decrease in mangrove area has a broad effect on abrasion 52.4% and the addition of extensive mangrove area has an influence on the effect of accretion by 37.8%. Spatially revealed that the decrease and the addition of mangrove area is proportional to the area changes abrasion and accretion."

"This was a non-reactive research using secondary data (n = 30). The objective of this study was to investigate the linear regression in dentistry using data analysis with computer programs MINITAB 13 and SPSS 13. Research in dentristry often employs simple or multiple linear regression. A researcher should have adequate comprehension on linear regression analysis in order to gain valid and applicable regression equation. This study used multiple linear regression analysis with independent variable (age and oral hygiene) and dependent variable (tooth caries). It was found that all assumptions of the multiple linear regression analysis were fulfilled. However, the result of t test showed that the variable of age revealed insignificant result (p = 0.932), so that the variable of age should be excluded from the analysis. Subsequently, simple linear regression analysis was performed to the independent variable (oral hygiene) and the dependent variable (tooth caries). It was found that all assumptions of the multiple linear regression analysis were fulfilled. The result of t test showed that oral hygiene variable was significant (p = 0.000). F test revealed p = 0.000, indicating the validity of the result. The obtained regression equation was found to be applicable. The regression equation obtained was as follows: 1.56 + 2.62 OHI-S, indicating that in any increase of one OHI-S unit, the caries increased 2.62 unit."

"There are much research in health sector this time. Some research have goal to asses exposure effect to outcome. Researcher often use regresssion. Regression is a convensional multivariate analysis. Conventional multivariable analyses may not always be the ideal method for estimating treatment effects in observational studies. When there are large differences in the distribution of covariates between treatment groups, adjusting for these differences with conventional multivariable techniques may not adequately balance the groups, and the remaining bias may limit valid causal inference. Adjusted use in the end of regression analysis, some of scientis believe that adjustment can be show. Goal of this research is to compare the result of convensional multiariate analysis versus propensity score matching analysis in case study of infant immunizanon using Data ASUI-I KAP2 2003. The comparison will use the same model, that make model according logistic regression. Model which be compare is model without interaction ariabel. Modell will be analised with propensity score matching. Result of research is there is different betwen Odds Ratio from logistic regwession analysis and Odds Ratio from propensity score matching analysis. The value OR from logistic regression is 0,9898, and the value OR from propensity score matching is 0,9656. Propensity score matching succes make matching 574 sample or 68,27%. The differen is not big bacause effect the confounder are not big. For look effect exposure ar risk factor model its better use PSM because it can reduce selection bias.if you want to analysis determinan factor model, where there are much independent vaiiabel its better use logistic regression analysis because the variabel have same position."

"Sebuah perusahaan memerlukan sumber daya manusia yang baik agar dapat mencapai visi, misi, serta tujuan yang telah ditetapkan. Sumber daya manusia yang baik dapat dibangun dengan meningkatkan kesejahteraan dan kenyamanan pegawai sehingga produktivitas bekerja diharapkan dapat meningkat. Salah satu upaya yang dapat dilakukan adalah pemberian reward, seperti tunjangan lokasi. Bank Syariah "X" merupakan salah satu lembaga pada bidang perbankan syariah yang memberikan tunjangan lokasi kepada pegawainya. Peraturan yang ditetapkan pada Bank Syariah "X" mengenai tunjangan lokasi merupakan tunjangan yang diberikan kepada pegawai berdasarkan lokasi pegawai tersebut bekerja. Bank Syariah "X" memiliki tiga kategori tunjangan lokasi, yaitu Zona 1, Zona 2, dan Zona 3 & 4. Kebijakan ini terakhir ditetapkan pada tahun 2021. Sedangkan, pada rentang waktu hingga saat ini, terdapat perubahan kondisi, seperti keadaan lokasi outlet (cabang), pertumbuhan ekonomi, dan relokasi outlet Bank Syariah "X". Oleh karena itu, penelitian ini bertujuan untuk menganalisis faktor-faktor yang menjelaskan penentuan zonasi tunjangan lokasi memprediksi zonasi tunjangan lokasi outlet baru dari Bank Syariah "X". Zonasi tunjangan lokasi ditentukan berdasarkan faktor kemahalan, keterpencilan, dan akses lokasi. Faktor-faktor yang diduga mewakili faktor kemahalan, keterpencilan, dan akses lokasi, serta memengaruhi penentuan zonasi tunjangan lokasi adalah indeks harga konsumen (IHK), indeks pembangunan manusia (IPM), indeks kemahalan konstruksi (IKK), indeks pilar infrastruktur (IPI), jarak outlet ke puskesmas terdekat (JOP), dan jarak outlet ke sekolah dasar terdekat (JOSD). Zonasi tunjangan lokasi terdiri dari tiga kategori, yaitu Zona 1, Zona 2, dan Zona 3 & 4 yang bersifat ordinal sehingga model yang cocok adalah regresi logistik ordinal. Berdasarkan tujuan penelitian dan jenis variabel terikat, metode analisis data yang digunakan adalah regresi logistik ordinal. Penelitian ini menghasilkan faktor-faktor yang menjelaskan penentuan zonasi tunjangan lokasi adalah indeks kemahalan konstruksi (IKK), indeks pilar infrastruktur (IPI), dan jarak outlet ke puskesmas terdekat (JOP). Model regresi logistik yang dibentuk menghasilkan akurasi sebesar 70% dan balanced accuracy pada Zona 1 sebesar 81.2%, Zona 2 sebesar 70.8%, dan Zona 3 & 4 sebesar 76.7%. Hasil model regresi logistik ordinal ini dapat digunakan untuk memprediksi zonasi tunjangan lokasi outlet baru dari Bank Syariah "X". Berdasarkan kebijakan awal Bank Syariah "X", diperoleh bahwa sebanyak 80 outlet atau sebesar 35.6% outlet salah diklasifikasikan oleh model.

---

A company needs good human resources in order to achieve the vision, mission, and goals that have been set. Good human resources can be built by improving employee welfare and comfort so that work productivity is expected to increase. One of the efforts that can be made is the reward, such as location allowances. Bank Syariah “X” is one of the institutions in the field of Islamic banking that provides location allowances to its employees. The regulations set at Bank Syariah “X” regarding location allowances are allowances given to employees based on their replacement. Bank Syariah “X” has three categories of location allowances, namely Zone 1, Zone 2, and Zones 3 & 4. This policy was last established in 2021. Meanwhile, in the time span until now, there have been changes in conditions, such as the location of outlets (branches), economic growth, and the relocation of Bank Syariah “X” outlets. Therefore, this study aims to analyze the factors that explain the determination of location allowance zoning and predict the location allowance zoning of new outlets of Bank Syariah “X”. Location allowance zoning is determined based on the factors of costliness, remoteness, and location access. Factors that are thought to represent the factors of costliness, remoteness, and location access, and influence the determination of location allowance zoning are the consumer price index (CPI), human development index (HDI), construction cost index (CCI), infrastructure pillar index (IPI), outlet distance to the nearest health center (JOP), and outlet distance to the nearest elementary school (JOSD). The location allowance zoning consists of three categories, namely Zone 1, Zone 2, and Zone 3 & 4, which are ordinal in nature, so the suitable model is ordinal logistic regression. Based on the research objectives and the type of dependent variable, the data analysis method used is ordinal logistic regression. This research results in factors that explain the zoning determination of location allowances are the construction cost index (CCI), infrastructure pillar index (IPI), and the distance of the outlet to the nearest health center (JOP). The logistic regression model that was formed produced an accuracy of 70% and balanced accuracy in Zone 1 of 81.2%, Zone 2 of 70.8%, and Zones 3 & 4 of 76.7%. The results of this ordinal logistic regression model can be used to predict the zoning allowances for the location of new outlets of Bank Syariah “X”. Based on the initial policy of Bank Syariah "X", it's obtained that 80 outlets or 35.6% of outlets misclassified by the model. "

"Provinsi Sumatera Selatan merupakan daerah produksi karet terbesar di Indonesia pada tahun 2021 yaitu sebanyak 870.966 ton. Pusat Penelitian Karet Sembawa merupakan lembaga penelitian yang dapat menghasilkan lateks yang mana tanaman karet (Hevea brasiliensis) merupakan komoditas utama yang diteliti. Umur tegakan merupakan salah satu variabel penting karena dapat memprediksi produktivitas lateks. Tujuan dari penelitian ini adalah untuk memetakan distribusi umur tegakan karet menggunakan data nilai spektral band dan indeks vegetasi serta hubungannya terhadap produktivitas lateks. Penginderaan jauh menggunakan citra optik multispektral Sentinel-2 dapat digunakan untuk mengestimasi umur tegakan karena memberikan informasi dengan efisiensi waktu yang lebih baik serta kemudahan mendapatkan data pada area yang susah untuk dijangkau. Nilai spektral band yang kemudian digabungkan menjadi indeks vegetasi diasumsikan dapat mempresentasikan umur tegakan karena kerapatan atau kehijauan kanopi tegakan karet memiliki variasi nilai yang berbeda antara tegakan yang berumur muda dan tegakan yang berumur tua. Indeks vegetasi yang digunakan adalah Normalized Difference Vegetation Index (NDVI), Normalized Difference Yellowness Index (NDYI), serta Soil Adjusted Vegetation Index (SAVI). Pemodelan ini dapat dibentuk melalui pendekatan model statistik yang berupa metode regresi linear berganda karena dengan menggunakan lebih banyak variabel, model yang dihasilkan akan lebih akurat dan presisi. Hasil dari pemodelan yang menggunakan pendekatan model statistik berbasis data citra Sentinel-2 memiliki tingkat akurasi lebih baik (RMSE = 4,767 tahun dan R2 = 0,308) dari beberapa penelitian terdahulu.

---

South Sumatra Province is the largest rubber-producing region in Indonesia in 2021, with a total production of 870,966 tons. Sembawa Rubber Research Center is a research institution that focuses on studying the main commodity, rubber trees (Hevea brasiliensis). The rubber trees in the research area have different age groups and conditions. Estimation of rubber stand age an important variable as it can predict latex productivity. The objective of this research is to map the distribution of rubber tree ages using spectral band values and vegetation indices data, and to examine their correlation with latex productivity. Remote sensing, using multispectral optical images from Sentinel-2, can be used to estimate the age of rubber trees, as it provides information more efficiently and allows for data acquisition in hard-to-reach areas. The combined spectral band values, assumed to represent rubber tree age, can vary between young and old rubber tree canopies in terms of density or greenness. The vegetation indices used in this study are the Normalized Difference Vegetation Index (NDVI), Normalized Difference Yellowness Index (NDYI), and Soil Adjusted Vegetation Index (SAVI). Statistical model approach with multiple linear regression is employed, as using more variables can result in a more accurate and precise model. The results indicate that the statistical model using Sentinel-2 image data has better accuracy (RMSE = 4.767 years and R2 = 0,308) compared to previous research."

"Pola konsumsi rokok merupakan tema penting di Indonesia. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang mempengaruhi frekuensi merokok di Indonesia dengan menggunakan data Survei Demografi Kesehatan Indonesia (IDHS). Dalam penelitian ini, Determinan frekuensi merokok seperti Umur, Jenis Kelamin, Tingkat Pendidikan, Tingkat Kesejahteraan, Status Pernikahan dan Tempat Tinggal. diteliti untuk menentukan pengaruhnya terhadap frekuensi merokok. Berdasarkan hasil analisis regresi logistik ordinal, ditemukan bahwa individu yang termasuk dalam kategori umur remaja (15-24 tahun), berjenis kelamin laki-laki, memiliki tingkat pendidikan dan tingkat kesejahteraan yang lebih rendah, berstatus belum menikah atau cerai/hidup terpisah, serta tinggal di wilayah perkotaan cenderung akan menjadi perokok dengan frekuensi yang tinggi. Hasil ini memberikan bukti empiris yang kuat mengenai faktor-faktor risiko yang perlu menjadi perhatian utama dalam merancang strategi pencegahan untuk mengendalikan perilaku merokok di kalangan masyarakat Indonesia.

---

The pattern of cigarette consumption is an important theme in Indonesia. This study aims to analyze the factors influencing smoking frequency in Indonesia using data from the Indonesia Demographic and Health Survey (IDHS). In this research, determinants of smoking frequency such as Age, Gender, Education Level, Wealth Index, Marital Status, and Residence were examined to determine their impact on smoking frequency. Based on the results of ordinal logistic regression analysis, it was found that individuals who fall into the teenage age category (15-24 years), are male, have lower education and wealth levels, are unmarried or divorced/separated, and live in urban areas tend to be smokers with high frequency. These results provide strong empirical evidence regarding the risk factors that need to be a primary focus in designing prevention strategies to control smoking behavior among the Indonesian population."