Hasil Pencarian  ::  Simpan CSV :: Kembali

"Analisis perkembangan Teknologi Informasi dan Komunikasi (TIK)merupakan suatu cara untuk mengetahui kondisi perkembangan TIK danfaktor-faktor yang mempengaruhi kondisi TIK di berbagai bidang. Pada tugasakhir ini akan dicari faktor-faktor yang mempengaruhi kondisi perkembanganTIK pada bidang rumah tangga, pendidikan, dan bisnis di Jakarta Selatan.Pada awal analisis, dilakukan analisis cluster berdasarkan sejumlah variabelpada availability of infrastructure to use ICTs. Dan analisis regresi logistikdilakukan untuk menyelidiki faktor-faktor yang mempengaruhi perkembanganTIK di tiap-tiap bidang, dan diperoleh faktor yang mempengaruhiperkembangan TIK di bidang rumah tangga adalah jumlah pendapatan, dibidang pendidikan adalah uang bangunan, sedangkan di bidang bisnisadalah jumlah infrastruktur TIK. Dan terakhir, dilakukan penggambarankondisi perkembangan TIK di tiap-tiap kecamatan di Jakarta Selatanberdasarkan tiap-tiap bidang dengan menggunakan metode GeographicInformation Systems (GIS)."

"Analisis perkembangan Teknologi Informasi dan Komunikasi (TIK)merupakan suatu cara untuk mengetahui kondisi perkembangan TIK danfaktor-faktor yang mempengaruhi kondisi TIK di berbagai bidang. Pada tugasakhir ini akan dicari faktor-faktor yang mempengaruhi kondisi perkembanganTIK pada bidang rumah tangga, pendidikan, dan bisnis di Jakarta Selatan.Pada awal analisis, dilakukan analisis cluster berdasarkan sejumlah variabelpada availability of infrastructure to use ICTs. Dan analisis regresi logistikdilakukan untuk menyelidiki faktor-faktor yang mempengaruhi perkembanganTIK di tiap-tiap bidang, dan diperoleh faktor yang mempengaruhiperkembangan TIK di bidang rumah tangga adalah jumlah pendapatan, dibidang pendidikan adalah uang bangunan, sedangkan di bidang bisnisadalah jumlah infrastruktur TIK. Dan terakhir, dilakukan penggambarankondisi perkembangan TIK di tiap-tiap kecamatan di Jakarta Selatanberdasarkan tiap-tiap bidang dengan menggunakan metode GeographicInformation Systems (GIS)."

"ABSTRAKDeforestasi telah terjadi di kawasan Taman Nasional Kerinci Seblat (TNKS). Apabila deforestasi terus terjadi di TNKS, maka akan berdampak negatif bagi kawasan TNKS sebagai ekosistem hutan dalam menjaga kestabilan lingkungan. Penelitian ini bertujuan untuk mengkaji laju deforestasi dan mengetahui faktor- faktor pendorong terjadinya deforestasi di TNKS selama jangka waktu duapuluh empat tahun yang terbagi menjadi empat priode pengamatan. Metode analisis penelitian menggunakan analisis spasial dan regresi logistik.Hasil penelitian menunjukan laju deforestasi yang terjadi di TNKS selama priode awal tahun sampai dengan priode ketiga mengalami penurunan, selanjutnya laju deforestasi kembali naik pada priode akhir. Sedangkan faktor pendorong secara bersama- sama berpangaruh terhadap deforestasi, namun terdapat beberapa faktor pendorong yang memiliki peranan penting terhadap kejadian deforestasi di TNKS, Kabupaten Kerinci dan Kota Sungai Penuh.

---

ABSTRACTDeforestation has occurred in the Kerinci National Park area (TNKS). If deforestation continues at TNKS, it will have a negative impact for the region TNKS as forest ecosystems in maintaining the stability of the environment. This study aims to assess the rate of deforestation and identify factors driving deforestation in TNKS for a period of twenty-four years, divided into four observation period. Research analysis method using spatial analysis and logistic regression.The results showed the rate of deforestation in TNKS during the period up to the beginning of the third period decreased, further deforestation rates go up at the end of the period. While driving factors together influential to deforestation, but there are several driving factors that have an important role on the incidence of deforestation in TNKS, Kerinci District and Sungai Penuh City."

"Berdasarkan Profil Departemen Kesehatan RI, diketahui bahwa angkakematian bayi di Indonesia masih sangat tinggi. Untuk mengurangi angka kematianbayi tersebut, maka sejak tahun 2006 lalu Departemen Kesehatan RI bersamaUNICEF melatih tenaga kesehatan dan kader masyarakat tentang konselingmenyusui dengan tujuan meningkatkan pemberian ASI eksklusif. Namun,berdasarkan penelitian yang dilakukan oleh mahasiswa FKM UI pada tahun 2006terdapat beberapa faktor yang dapat digunakan untuk mengukur resiko dari lamawaktu ibu dalam memberikan ASI eksklusif. Oleh karena itu, pada tugas akhir iniakan dianalisis apa saja faktor tersebut. Kabupaten Tangerang dipilih sebagai lokasipenelitian karena berdasarkan Profil Dinas Kesehatan Kabupaten Tangerang daerahtersebut sedang giat dalam meningkatkan kualitas kesehatan masyarakatnya. Datayang digunakan adalah data Survei Kinerja Berdasarkan Indikator KabupatenTangerang Sehat 2010 dimana metode untuk yang digunakan untuk menganalisisadalah metode regresi logistik ordinal. Berdasarkan hasil analisis dengan metodetersebut diperoleh faktor-faktor yang digunakan untuk mengukur resiko dari lamawaktu pemberian ASI eksklusif oleh ibu."

"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."

"Kejadian berulang atau kekambuhan kanker payudara bukan hanya menyerang kembali fisik, namun juga kondisi psikis pasien kanker payudara. Serangkaian pemeriksaan untukmemprediksi kemungkinan kambuh kanker payudara sangat dibutuhkan untuk mencegah terjadinya kekambuhan kanker payudara. Pemeriksaan darah lengkap merupakan salah satu rangkaian peme iksaan awal pasien kanker payudara yang relatif murah dan mudah. Belum ada penelitian sebelumnya mengenai perhitungan inter rasio pada pemeriksaan darah lengkap untuk mendiagnosis penyakit kanker, khususnya kemungkinan kambuh kanker payudara. Hasil penelitian ini diharapkan dapat membantu tenaga medis dalam memprediksi kemungkinan pasien kambuh berdasarkan klasifikasi dari hasil perhitungan inter rasio pemeriksaan darah lengkap. Data dalam penelitian ini diambil dari rumah sakit XYZ di Jakarta dengan 47 pasien. Algoritma klasifikasi yang digunakan dalam penelitian ini yaitu Classification and Regression Tree (CART) untuk mengetahui variabel yang berpengaruh dalam klasifikasi pasien kambuh dan tidak kambuh. Pada penelitian ini digunakan teknik SMOTE untuk mengatasi permasalahan data tidak seimbang. Variabel inter rasio pemeriksaan darah lengkap antara rasio dari neutrofil terhadap limfosit dan rasio dari platelet terhadap sel darah putih, inter rasio pemeriksaan darahlengkap antara rasio dari limfosit terhadap monosit dan rasio dari limfosit terhadap sel darah putih, inter rasio pemeriksaan darah lengkap antara rasio dari hemoglobin terhadap platelet dan rasio dari platelet terhadap sel darah putih, inter rasio pemeriksaan darah lengkap antara rasio dari platelet terhadap limfosit dan rasio dari hemoglobin terhadap platelet merupakan variabel yang berpengaruh dalam mendiagnosis kekambuhan dengan tingkat akurasi 93.7%, sensitivity 100%, specificity 87.5% pada training data yang sudah seimbang dengan teknik SMOTE. Selanjutnya hasil klasifikasi tersebut dikuantifikasi menggunakan metode regresi logistik untuk mengetahui seberapa besar peran masingmasing variabel dalam memprediksi kekambuhan pasien.

---

Repeated events or recurrences of breast cancer not only re-attack the condition of breast cancer patients physically, but also psychologically. Diagnostics checking to predict the relapse possibility of breast cancer patients is needed to prevent the recurrence of breast

cancer. Complete blood count are one of the diagnostic checking of early breast cancer patients that relatively cheap and easy. There has been no previous research on the calculation of inter-ratios for complete blood count to diagnose cancer, especially possibility relapse of breast cancer. The results of this study are expected to help medical personnel in predicting the relapse possibility of breast cancer patients based on the classification of

the results of the inter ratio calculation of complete blood count. The data in this study were taken from XYZ hospital in Jakarta with 47 patients. The classification algorithm used in this study is Classification and Regression Tree (CART) to determine the effect of the variables in the classification of relapse and non-relapse patients. In this study, the SMOTE technique was used in handling imbalanced data problems. Inter ratio of complete

blood tests between the ratio of neutrophils to lymphocytes and the ratio of platelets to white blood cells, inter ratio of complete blood tests between the ratio of lymphocytes to monocyte and the ratio of lymphocytes to white blood cells, inter ratio of complete

blood tests between the ratio of hemoglobin to platelet and the ratio of platelet to white blood cells, and inter ratio of complete blood tests between the ratio of platelet to lymphocytes and the ratio of hemoglobin to platelet are the variables that influence in diagnosing

recurrence with 93.7% accuracy rate, 100% sensitivity, and 87.5% specificity on training data that balanced using SMOTE technique. Furthermore, the results of the classification are quantified using the logistic regression method to determine how substantial the role

of each variable in predicting patients relapse."

"Popularitas sebuah paper yang terpublikasi dapat dilihat dari jumlah sitasi yang diperoleh paper tersebut. Akan tetapi, faktor-faktor yang mendukung banyak atau sedikitnya jumlah sitasi yang diperoleh bisa bermacam-macam. Faktor-faktor tersebut merupakan fokus pencarian pada penelitian ini. Pendekatan machine learning digunakan untuk mengetahui faktor-faktor tersebut. Beberapa fitur telah diekstrak dari dataset yang berisi kumpulan paper. Metode klasifikasi digunakan dalam supervised learning dengan model yang dibentuk dari dataset yang digunakan. Algoritma Logistic Regression dipakai untuk melakukan fitting terhadap model dengan hasil daya diskriminasi sistem sebesar 74,1% yang dilihat dari luas wilayah di bawah kurva ROC (Area Under Curve/AUC). Nilai koefisien dari model Logistic Regression digunakan sebagai feature importance untuk mencari nilai pengaruh dari tiap fitur terhadap output klasifikasi baik positif maupun negatif.

---

Popularity of a published paper can be indicated by its citation number. However, the factors determining the number of citation may vary. Those factors are the focus of this research. A machine learning approach is used to find out the factors. Some features are going to be extracted from a dataset of published papers. A classification method is going to be applied in a supervised learning with the machine learning model extracted from the dataset. A classification algorithm Logistic Regression is used to fit the model resulting a discrimination power of 74.1% from a calculation of area under ROC curve (AUC). A feature importance approach using coefficient score from Logistic Regression is also applied in determining the importance of each feature in determining the negative and positive classification."

"Estimasi parameter pada model regresi logistik pada umumnya menggunakan metode maximum likelihood dengan iterasi Newton Raphson. Pada model regresi logistik, estimasi parameter menggunakan metode maximum likelihood tidak dapat digunakan apabila ukuran sampel kecil dan proporsi kejadian sukses kecil. Permasalahan yang muncul saat ukuran sampel kecil dan proporsi sukses kecil, jika menggunakan metode maximum likelihood adalah proses iterasi yang tidak konvergen. Oleh sebab itu dalam kondisi tersebut, metode maximum likelihood tidak dapat digunakan untuk estimasi parameter. Salah satu cara untuk mengatasi ketidakkonvergenan pada iterasi tersebut adalah menggunakan modifikasi score function. Modifikasi score function dapat digunakan untuk mendapatkan estimasi parameter model regresi logistik dengan melakukan modifikasi pada fungsi likelihood. Contoh aplikasi diberikan untuk menunjukkan bahwa kemungkinan estimasi parameter model regresi logistik dengan ukuran sampel kecil dan proporsi sukses kecil menggunakan metode maximum likelihood dengan iterasi Newton Raphson memberikan hasil yang tidak konvergen dan hal ini dapat diselesaikan dengan menggunakan modifikasi score function.

---

The maximum likelihood method with Newton Raphson iteration is used in general to estimate the parameter on logistic regression model. This parameter estimation using the maximum likelihood method cannot be used if the size of the sample and proportion of successful events are small. It is because the iteration process will not convergent to some point. Therefore, the maximum likelihood method cannot be used to estimate the parameter.

One of the ways to resolve this convergent problem is using the score function modification. This modification is used to obtain the parameter estimation on logistic regression model by doing some modification on the likelihood function. The example of parameter estimation, using maximum likelihood method with small size of sample and proportion of successful events, is given to show may be the iteration process is not convergent and this can be solved with modification score function."

"ABSTRAKPenelitian ini bertujuan untuk mengetahui pengaruh status bekerja dan struktur keluarga terhadap kerawanan pangan rumah tangga dengan anak. Menggunakan Survey Sosial Ekonomi Nasional Tahun 2018, kerawanan pangan rumah tangga diukur dari kerawanan pangan dimensi akses. Status bekerja diwakili oleh status bekerja kepala rumah tangga dan struktur keluarga diukur dari kehadiran pasangan kepala rumah tangga. Analisis dalam penelitian ini dilakukan di kelompok rumah tangga miskin dan kelompok rumah tangga tidak miskin. Hasil analisis deskriptif menunjukkan bahwa kerawanan pangan juga terjadi pada rumah tangga dengan anak di kedua kelompok rumah tangga. Hasil analisis inferensial menggunakan regresi logistik biner menunjukkan bahwa rumah tangga dengan kepala rumah tangga bekerja tidak penuh dan rumah tangga dengan kepala rumah tangga menganggur lebih cenderung untuk mengalami rawan pangan daripada rumah tangga dengan kepala rumah tangga bekerja penuh baik di kelompok rumah tangga miskin maupun kelompok rumah tangga tidak miskin. Sementara rumah tangga dengan kepala rumah tangga bukan angkatan kerja lebih cenderung secara signifikan untuk mengalami rawan pangan daripada rumah tangga dengan kepala rumah tangga bekerja penuh hanya di kelompok rumah tangga miskin. Selain itu juga ditemukan bahwa rumah tangga orang tua lengkap kurang cenderung untuk mengalami rawan pangan daripada rumah tangga orang tua tunggal laki-laki dan rumah tangga orang tua tunggal perempuan.

---

ABSTARCTThis study aimed to investigate the effect of working status and family structure on food insecurity in households with children. Using the 2018 National Socio-Economic Survey, food insecurity at the households level was measured by the food access dimension of the food insecurity. Working status was represented by the working status of  the head of the household and family structure was measured by presence of the heads partner. The analysis in this study was conducted in poor and non-poor households. Descriptive analysis showed that food insecurity also occured in households with children in both households. Inferential analysis using binary logistic regression showed that households with heads in part-time work and those with unemployed heads were more likely to be food insecure than households with heads in full-time work either in poor households or in non-poor households. Whereas households with heads not in labor force were significantly more likely to be food insecure than households with heads in full-time work only in the poor households. The analysis also showed that two-parent households were less likely to be food insecure than single-male headed households and single-female headed households."

"Dalam melakukan klaim subrogasi, perusahaan penjaminan kredit sering mengalami kendala di mana pihak yang dijamin tidak melunasi pinjamannya sesuai kesepakatan. Hal ini membuat perusahaan penjaminan kredit mengklasifikasikan pihak terjamin yang berpotensi untuk melunasi pinjaman kreditnya, dan pihak terjamin yang tidak berpotensi untuk melunasi pinjaman kreditnya. Penelitian ini mengevaluasi prediksi potensi klaim subrogasi pada penjaminan kredit menggunakan berbagai model pembelajaran mesin berdasarkan data dunia nyata dari perusahaan penjaminan kredit besar di Indonesia. Eksperimen menggunakan Logistic Regression, sebuah metode prediksi berbasis persamaan linier, Penalized Logistic Regression, bentuk dari Logistic Regression yang koefisien-koefisiennya diberikan penalti, dan Random Forest Classifier, sebuah metode berbasis ensemble learning. Model diuji menggunakan Hold-out Validation dan data prediksi dibandingkan dengan data uji untuk false positive dan false negative. Hasil penelitian menunjukkan bahwa Random Forest Classifier memberikan hasil yang lebih baik, menunjukkan kinerja rata-rata yang lebih baik dibandingkan dengan Logistic Regression dan Penalized Logistic Regression . Temuan studi ini dapat digunakan oleh analis klaim dan subrogasi baik dari perusahaan penjaminan kredit maupun peneliti independen dalam menilai kekuatan dan kelemahan masing-masing model dan untuk menyusun aturan keputusan yang efektif secara empiris untuk mengevaluasi kebijakan subrogasi.

---

In making subrogation claims, credit guarantee companies often encounter problems where the guaranteed party does not pay off their loan according to the agreement. This makes credit guarantee companies classify those who have the potential to pay off their credit loans, or those that are not potential to pay off their credit loans. This study evaluates the prediction of potential subrogation claims in credit guarantees using various machine learning models based on real-world data from a large credit guarantee company in Indonesia. The experiment used Logistic Regression, a linear equation-based prediction method, Penalized Logistic Regression, a form of Logistic Regression whose coefficients are penalized, and the Random Forest Classifier, an ensemble learning-based method. The model was tested using Hold-out Validation and prediction dataset were compared to test dataset for false positives and false negatives. The results showed that the Random Forest Classifier gave better results, indicating a better average performance compared to Logistic Regression and Penalized Logistic Regression. The findings of this study can be used by claims and subrogation analysts from both credit guarantee companies and independent researchers in assessing the strengths and weaknesses of each model and to construct empirically effective decision rules for evaluating subrogation policies."