Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kemiskinan adalah suatu masalah yang tidak hanya dipengaruhi oleh dimensi ekonomi, namun juga dapat dipengaruhi oleh dimensi-dimensi lain seperti pendidikan, kesehatan, dan standar hidup yang layak. Kemiskinan dapat diukur dengan Head Count Index, yaitu indeks yang mengukur persentase penduduk miskin di suatu wilayah. Dimensi-dimensi yang menjelaskan kemiskinan biasanya terdiri dari beberapa variabel. Sehingga apabila dalam penelitian akan dilakukan pemodelan menggunakan beberapa dimensi, akan mengandung banyak sekali variabel, yang memungkinkan adanya multikolinearitas antar variabel independen. Kondisi ini menyebabkan pemodelan tidak dapat dilakukan dengan baik. Masalah multikolinearitas pada data yang dimodelkan, dapat diatasi menggunakan metode Analisis Komponen Utama (Principal Component Analysis). Metode Principal Component Analysis (PCA) dilakukan pada variabel-variabel independen, sehingga diperoleh komponen-komponen utama yaitu hasil reduksi dari variabel-variabel independen. Komponen-komponen utama ini tidak lagi saling berkorelasi. Selanjutnya dilakukan analisis regresi dengan komponen-komponen utama tersebut sebagai variabel independen barunya. Model ini disebut Regresi Komponen Utama (RKU). Penelitian ini menggunakan data yang terkait dengan lokasi atau geografis atau dapat disebut dengan data spasial. Setelah dilakukan pemeriksaan asumsi, terdapat multikolinearitas dan heterogenitas spasial pada data. Oleh karena itu, untuk menangani kedua masalah ini, dapat digunakan pemodelan Geographically Weighted Principal Component Regression (GWPCR) atau Regresi Komponen Utama Terboboti Geografis (RKUTG). Sebelum diterapkan metode Regresi Komponen Utama Terboboti Geografis (RKUTG), akan digunakan metode Analisis Komponen Utama menentukan komponen-komponen utama untuk dijadikan variabel independen atau prediktor baru dalam penelitian ini. Didapat tiga komponen utama yang masing-masing komponen menjelaskan Faktor Demografi dan Air Bersih untuk PC1 atau komponen utama pertama, Faktor Kondisi Hidup Layak dan Ketimpangan untuk PC2, dan Faktor Kesejahteraan Anak untuk PC3. Lalu dilakukan Regresi Komponen Utama (RKU) dengan PC1, PC2, dan PC3 sebagai prediktornya dan diperiksa asumsi heterogenitas spasial dari model RKU. Pemeriksaan asumsi mengambil keputusan bahwa terdapat heterogenitas spasial pada model RKU sehingga model GWPCR dapat dilakukan. Berdasarkan hasil pemodelan RKUTG, pengaruh setiap komponen utama bervariasi pada setiap lokasi dan jika dikelompokkan diperoleh 4 kelompok, yaitu kelompok 1 yaitu Kabupaten/Kota dengan Head Count Index dipengaruhi oleh PC1 yaitu sebanyak 13 Kabupaten/Kota, kelompok 2 yaitu Kabupaten/Kota dengan Head Count Index dipengaruhi PC1 dan PC2 yaitu sebanyak 5 Kabupaten/Kota, kelompok 3 yaitu Kabupaten/Kota dengan Head Count Index dipengaruhi PC1 dan PC3 yaitu sebanyak 4 Kabupaten/Kota, dan kelompok 4 yaitu Kabupaten/Kota dengan Head Count Index dipengaruhi PC1, PC2 dan PC3 yaitu sebanyak 4 Kabupaten/Kota.

---

Poverty is a problem that is not only influenced by the economic dimension, but can also be influenced by other dimensions such as education, health, and a decent standard of living. Poverty can be measured by the Head Count Index, which is an index that measures the percentage of poor people in a region. The dimensions that explain poverty usually consist of several variables. Therefore, if the research will be modeled using several dimensions, it will contain a large number of variables, which allows for multicollinearity between independent variables. This condition causes the modeling to not be done properly. The problem of multicollinearity in the data being modeled can be overcome using the Principal Component Analysis method. The Principal Component Analysis (PCA) method is performed on the independent variables, so that the main components are obtained, namely the reduction results of the independent variables. These main components are no longer correlated with each other. Furthermore, regression analysis is carried out with these main components as the new independent variables. This model is called Principal Component Regression (RKU). This study uses data related to location or geography or can be called spatial data. After checking the assumptions, there is multicollinearity and spatial heterogeneity in the data. Therefore, to handle these two problems, Geographically Weighted Principal Component Regression (GWPCR) modeling or Geographically Weighted Principal Component Regression (RKUTG) can be used. Before applying the Geographically Weighted Principal Component Regression (RKUTG) method, the Principal Component Analysis method will be used to determine the main components to be used as independent variables or new predictors in this study. There are three main components, each of which explains the Demographic and Clean Water Factors for PC1 or the first main component, the Decent Living Conditions and Inequality Factors for PC2, and the Child Welfare Factor for PC3. Principal Component Regression (RKU) was then conducted with PC1, PC2, and PC3 as predictors and the assumption of spatial heterogeneity of the RKU model was checked. The assumption check makes a decision that there is spatial heterogeneity in the RKU model so that the GWPCR model can be carried out. Based on the results of RKUTG modeling, the influence of each main component varies at each location and if grouped, 4 groups are obtained, namely group 1, namely districts / cities with Head Count Index influenced by PC1, consisting of 13 districts / cities, group 2, namely districts / cities with Head Count Index influenced by PC1 and PC2, consisting of 5 districts / cities, group 3, namely districts / cities with Head Count Index influenced by PC1 and PC3, consisting of 4 districts / cities, and group 4, namely districts / cities with Head Count Index influenced by PC1, PC2 and PC3, consisting of 4 districts / cities."

"Menganalisis hubungan antara jumlah tindak kejahatan dan faktor-faktor yang mempengaruhinya menjadi topik penelitian yang menarik karena jumlah tindak kejahatan di Indonesia dalam sepuluh tahun terakhir cenderung meningkat. Untuk meningkatkan kualitas keamanan masyarakat maka pemerintah perlu memahami faktor-faktor apa saja yang dapat memicu tindakan kejahatan. Dibandingkan dengan metode analisis regresi klasik, metode Geographically Weighted Regression GWR lebih diunggulkan karena dapat menangani masalah ketidak stasioneran spasial yang biasanya terjadi pada data fenomena-fenomena sosial. Ketidakstasioneran spasial adalah situasi dimana hubungan antar peubah berbeda-beda secara signifikan disetiap lokasi observasi. Hal tersebut mengakibatkan hasil analisis regresi klasik menjadi tidak akurat di beberapa lokasi. GWR menangani masalah tersebut dengan membangun model regresi di setiap titik observasi sehingga memungkinkan parameter regresi menjadi berbeda di setiap lokasi observasi. Penelitian ini menggunakan jumlah tindak kejahatan y sebagai peubah terikat dan peubah bebasnya adalah jumlah penduduk buta huruf x1, jumlah pengangguran x2, jumlah penduduk miskin x3, kepadatan penduduk x4, dan jumlah korban NAPZA x5. Penelitian ini menggunakan data sekunder yang dihimpun oleh POLRI, BPS, dan Dinsos di Jawa Tengah pada tahun 2015. Terdapat dua fungsi pembobot spasial GWR yang akan dibandingkan yaitu Kernel Gaussian dan Kernel Bisquare. Hasil penelitian menunjukkan fungsi Kernel Gaussian lebih baik dibanding Kernel Bisquare berdasarkan skor AIC dan R2. Hasil analisis menggunakan GWR menghasilkan model untuk 35 kabupaten/kota di Jawa Tengah.

---

Analyzing the relationship between number of crime cases and factors defined became an interesting research topic over the last ten years. The total number of crime in Indonesia didn rsquo t show a consistent decrease. In order to upgrade people safeness quality, the government need to know the factors influence people committing crime acts. Rather than using classical regression analysis, Geographically Weighted Regression GWR was preferable since it gave a better representative model by effectively resolve spatial non stationary problem which is generally exist in spatial data of social phenomenon. Spatial non stationary is a situation when the relationship between variables are significantly different in each location of observation point, so that classic regression analysis will result a misleading interpretation in some location. GWR handled the spatial non stationary problem by generating a single model in each observation point which allow different relationship to exist at different point in space. This study used number of crime cases y as the dependent variable and the factors which affect the number of crime cases as independent variables that consist of the number of illiterates x1 , the number of unemployed x2, the number of poor population x3, population density x4, the number of victims of drug x5. This study used secondary data collected by POLRI, BPS, and Social ministry of Indonesia in Central Java during 2015. Two spatial weighting functions were compared i.e. Kernel Gaussian and Kernel Bisquare and the study result indicated that Kernel Gaussian was batter according to score of R2 and AIC. GWR generated model for 35 city regency in Central Java. "

"Zonasi estuari belum bisa dipastikan karena air laut yang berubah secara dinamis seiring dengan perubahan musim. Musim yang berubah-ubah dapat mempengaruhi nilai salinitas karena nilai salinitas rentan terpengaruh oleh curah hujan dan aliran sungai. (Supriatna et al., (2016). Wilayah estuari memiliki tingkat produktivitas yang tinggi, sekaligus sebagai tempat berkembang biak nya habitat ikan, maka perlu pengetahuan mengenai batas estuari. Penelitian ini bertujuan untuk menganalisis zona Estuari di Jawa bagian barat meliputi Estuari Cisadane, Estuari Ciujung, Estuari Tegalpapak, Estuari Binuangeun, dan Estuari Cimandiri berdasarkan salinitas permukaan perairan dan menganalisis perbedaan zona estuari berdasarkan aspek oseanografis dan aspek Daerah Aliran Sungai. Variabel yang digunakan dalam penelitian ini adalah salinitas, curah hujan, arus permukaan air laut, Total Suspended Solid (TSS), batimetri, gelombang laut, luas DAS dan tutupan lahan. Metode penelitian menggunakan Algoritma Cimandiri dengan mengolah Citra Landsat 8 OLI tahun 2022, 2023, dan 2024. Analisis data yang digunakan ialah analisis spasial untuk mendapatkan zonasi estuari berdasarkan bulan basah dan bulan kering, serta analisis statistik deskriptif untuk menganalisis sebaran salinitas berdasarkan aspek oseanografis yang terdiri dari arus laut, TSS, batimetri dan gelombang laut. Sedangkan aspek Daerah Aliran Sungai (DAS) terdiri dari luas DAS dan tutupan lahan DAS. Hasil dari penelitian ini adalah zonasi estuari berdasarkan salinitas permukaan perairan yang diamati berdasarkan bulan basah dan bulan kering terbagi menjadi 2 kelas zona estuari yaitu zona Mexo-mesohaline dan Mexo-polyhaline. Luas Estuari di Jawa bagian barat mendapat pengaruh dari aspek oseanografis dan aspek Daerah Aliran Sungai. Aspek oseanografis memiliki pengaruh yang kuat dibandingkan dengan aspek Daerah Aliran Sungai.

---

The zonation of the estuary is uncertain because seawater changes dynamically with seasonal changes. Changing seasons can affect salinity values because salinity values are susceptible to being affected by rainfall and river flow. (Supriatna et al., 2016). The estuary area has a high level of productivity, as well as a breeding ground for fish habitat, so knowledge of the estuary boundaries is needed. This study aims to analyse Estuary zones in western Java including the Cisadane Estuary, Ciujung Estuary, Tegalpapak Estuary, Binuangeun Estuary, and Cimandiri Estuary based on the salinity of surface waters and analyse the differences in estuary zones based on oceanographic aspects and watershed aspects. The variables used in this study were salinity, rainfall, sea surface currents, Total Suspended Solid (TSS), bathymetry, sea waves, watershed area and land cover. The research method used Cimandiri Algorithm by processing Landsat 8 OLI images in 2022, 2023, and 2024. The data analysis used was spatial analysis to obtain estuary zoning based on wet months and dry months, and descriptive statistical analysis to analyse salinity distribution based on oceanographic aspects consisting of ocean currents, TSS, bathymetry and ocean waves. While the watershed aspect consists of watershed area and watershed land cover. The results of this study are the estuary zoning based on surface water salinity observed during wet and dry months, divided into 2 estuary zone classes, namely the Mexo-mesohaline zone and the Mexo-polyhaline zone. Estuary area in western Java is influenced by oceanographic aspects and watershed aspects. Oceanographic aspects have a strong relationship compared to watershed aspects."

"[Universitas Indonesia memiliki keberagaman fasilitas untuk menunjang aktifitas perkuliahan yang memiliki variasi tutupan lahan. Universitas Indonesia sebagai tempat beraktifitas dapat mewakili sebuah kota dalam lingkup yang lebih kecil. Variasi tutupan lahan mempengaruhi adanya variasi suhu permukaan. Penelitian ini bertujuan untuk mengetahui pola spasial variasi suhu permukaan daratan. Penelitian ini menggunakan pendekatan keruangan (spasial) untuk menganalisis variasi suhu permukaan daratan dan pendekatan ekologi untuk menganalisis keterkaitan antara suhu permukaan daratan dengan kehijauan kanopi vegetasi (NDVI) dan kerapatan atap bangunan (NDBI). Data suhu permukaan dihasilkan dari citra penginderaan jauh. Penelitian ini menggunakan citra Landsat 8 untuk memperoleh data suhu, kehijauan kanopi vegetasi, dan kerapatan atap bangunan. Hasilnya menunjukkan suhu maksimum permukaan daratan di kampus UI depok pada tahun 2013 dan tahun 2014 mencapai 35oC dan mempunyai suhu minimum 21oC. Variasi suhu permukaan sejalan dengan variasi tutupan lahannya. Semakin rendah kehijauan tutupan kanopi vegetasinya maka semakin tinggi pula suhu permukaan daratannya, begitu juga sebaliknya semakin tinggi kerapatan atap bangunannya maka semakin tinggi pula suhu permukaan daratannya.;University of Indonesia has a diversity of facilities to support the activities of thelectures that have variations in land cover. University of Indonesia as a place ofactivity can represent a city within a smaller scope. Variations in land cover affectsurface temperature variations. This study aims to determine the spatial patterns ofland surface temperature variations. This study uses a spatial approach (spatial) toanalyze the variations in the temperature of the land surface and ecologicalapproach to analyze the relationship between the land surface temperaturevegetation canopy greenness (NDVI) and the density of the roof of the building(NDBI). Surface temperature data generated from remote sensing imagery. Thisresearch use Landsat 8 to obtain temperature data, greenish vegetation canopy,and the density of the roof of the building. The results show the maximum surfacetemperature of land in UI Depok campus in 2013 and 2014 reached 35°C andhave a minimum temperature of 21°C. Land surface temperature variationschanges in line with variations in land cover. The lower greenish vegetationcanopy cover, the higher the temperature of the land surface, on the contrary thehigher density of the roof of the building, the higher the temperature of the landsurface.;University of Indonesia has a diversity of facilities to support the activities of thelectures that have variations in land cover. University of Indonesia as a place ofactivity can represent a city within a smaller scope. Variations in land cover affectsurface temperature variations. This study aims to determine the spatial patterns ofland surface temperature variations. This study uses a spatial approach (spatial) toanalyze the variations in the temperature of the land surface and ecologicalapproach to analyze the relationship between the land surface temperaturevegetation canopy greenness (NDVI) and the density of the roof of the building(NDBI). Surface temperature data generated from remote sensing imagery. Thisresearch use Landsat 8 to obtain temperature data, greenish vegetation canopy,and the density of the roof of the building. The results show the maximum surfacetemperature of land in UI Depok campus in 2013 and 2014 reached 35°C andhave a minimum temperature of 21°C. Land surface temperature variationschanges in line with variations in land cover. The lower greenish vegetationcanopy cover, the higher the temperature of the land surface, on the contrary thehigher density of the roof of the building, the higher the temperature of the landsurface.;University of Indonesia has a diversity of facilities to support the activities of thelectures that have variations in land cover. University of Indonesia as a place ofactivity can represent a city within a smaller scope. Variations in land cover affectsurface temperature variations. This study aims to determine the spatial patterns ofland surface temperature variations. This study uses a spatial approach (spatial) toanalyze the variations in the temperature of the land surface and ecologicalapproach to analyze the relationship between the land surface temperaturevegetation canopy greenness (NDVI) and the density of the roof of the building(NDBI). Surface temperature data generated from remote sensing imagery. Thisresearch use Landsat 8 to obtain temperature data, greenish vegetation canopy,and the density of the roof of the building. The results show the maximum surfacetemperature of land in UI Depok campus in 2013 and 2014 reached 35°C andhave a minimum temperature of 21°C. Land surface temperature variationschanges in line with variations in land cover. The lower greenish vegetationcanopy cover, the higher the temperature of the land surface, on the contrary thehigher density of the roof of the building, the higher the temperature of the landsurface., University of Indonesia has a diversity of facilities to support the activities of thelectures that have variations in land cover. University of Indonesia as a place ofactivity can represent a city within a smaller scope. Variations in land cover affectsurface temperature variations. This study aims to determine the spatial patterns ofland surface temperature variations. This study uses a spatial approach (spatial) toanalyze the variations in the temperature of the land surface and ecologicalapproach to analyze the relationship between the land surface temperaturevegetation canopy greenness (NDVI) and the density of the roof of the building(NDBI). Surface temperature data generated from remote sensing imagery. Thisresearch use Landsat 8 to obtain temperature data, greenish vegetation canopy,and the density of the roof of the building. The results show the maximum surfacetemperature of land in UI Depok campus in 2013 and 2014 reached 35°C andhave a minimum temperature of 21°C. Land surface temperature variationschanges in line with variations in land cover. The lower greenish vegetationcanopy cover, the higher the temperature of the land surface, on the contrary thehigher density of the roof of the building, the higher the temperature of the landsurface.]"

"Diare merupakan salah satu infeksi saluran pencernaan berupa keluarnya tinja encer atau cair tiga kali atau lebih setiap hari. Penyakit ini umum terjadi di Indonesia dan potensial menjadi Kejadian Luar Biasa (KLB) yang sering menyebabkan kematian. Tujuan penelitian ini adalah memodelkan dan mengidentifikasi variabel yang dapat menjelaskan jumlah kejadian penyakit diare di Provinsi Jawa Barat. Jumlah kejadian diare sebagai variabel respons merupakan data berbentuk diskrit yang umumnya dimodelkan menggunakan regresi Poisson. Namun, adanya asumsi equidispersi yang harus dipenuhi dalam regresi Poisson membuat regresi Binomial Negatif digunakan apabila terjadi overdispersi. Aspek spasial juga diperhatikan sehingga model yang digunakan dalam penelitian ini adalah Geographically Weighted Negative Binomial Regression (GWNBR). Penaksiran parameter dilakukan menggunakan metode Maximum Likelihood Estimation dengan iterasi Newton-Raphson. Model GWNBR memberikan bobot tertentu pada setiap lokasi pengamatan sehingga menghasilkan taksiran parameter model yang berbeda untuk setiap lokasi pengamatan. Fungsi pembobot kernel yang digunakan adalah Fixed Bisquare dan bandwidth optimum ditentukan menggunakan cross validation (CV). Prediktor yang digunakan dalam penelitian ini adalah persentase rumah tangga yang memiliki akses terhadap sanitasi layak, persentase penduduk miskin, jumlah puskesmas, kepadatan penduduk, jumlah dokter umum, dan indeks pendidikan. Hasil dari analisis menunjukkan bahwa dalam model GWNBR diperoleh 5 kelompok berdasarkan prediktor yang signifikan. Sebanyak 3 prediktor secara signifikan menjelaskan jumlah kejadian diare di seluruh kabupaten/kota di Provinsi Jawa Barat tahun 2022, yaitu persentase penduduk miskin, kepadatan penduduk, dan indeks pendidikan.

---

Diarrhea is an intestinal infection characterized by the excretion of loose or watery stools three or more times a day. This disease is common in Indonesia and has the potential to become an outbreak (KLB) that often leads to death. The aim of this study is to model and identify variables that can explain the number of diarrhea cases in West Java Province. The number of diarrhea cases as the response variable is discrete data, which is generally modeled using Poisson regression. However, due to the equidispersion assumption required in Poisson regression, Negative Binomial regression is used if overdispersion occurs. Spatial aspects are also considered, so the model used in this study is Geographically Weighted Negative Binomial Regression (GWNBR). Parameter estimation is done using the Maximum Likelihood Estimation method with Newton-Raphson iteration. The GWNBR model assign specific weights to each observation location, resulting in different parameter estimates for each location. The kernel weighting function used is Fixed Bisquare, and the optimal bandwidth is determined using cross-validation (CV). The predictors used in this study are the percentage of households with access to adequate sanitation, the percentage of poor population, the number of health centers, population density, the number of general practitioners, and the education index. The results of the analysis show that the GWNBR model identified 5 groups based on significant predictors. Three predictors significantly explain the number of diarrhea cases in all districts/cities in West Java Province in 2022: the percentage of the poor population, population density, and education index."

"Identifikasi image menjadi salah satu hal penting yang harus dilakukan dalam bidang Kedokteran Nukir, karena melalui proses ini efektifitas radiofarmaka di dalam tubuh pasien dapat dimonitor dan dievaluasi. Salah satu parameter yang merepresentasikan kualitas suatu image adalah resolusi spasial. National Electrical Manufacturing Association (NEMA) telah menerbitkan protokol standar yang selama ini digunakan sebagai dasar penentuan resolusi spasial pada sistem pencitraan PET (NEMA, 2007). Namun metode ini masih memiliki banyak sekali kekurangan, diantaranya metode NEMA hanya memperhitungkan analisa profil dalam satu dimensi dan metode fitting parabola sederhana untuk menentukan titik puncak, kemudian metode NEMA tidak dapat memperhitungkan nilai standar deviasi, dan yang terakhir metode ini tidak memungkinkan dilakukan model selection (Hardiansyah, 2018) (Romano, 2015) (Attarwala, 2017). Penelitian ini bertujuan untuk mengembangkan metode alternatif evaluasi resolusi spasial menggunakan fungsi Gaussian menjadi sebuah perangkat lunak open source yang dapat menganalisa resolusi spasial tidak hanya melalui perhitungan secara empat dimensi mengingat di Indonesia belum ada hal serupa. Perangkat lunak yang dikembangkan nantinya dapat diakses secara bebas, tanpa lisensi berbayar dan akan melengkapi keterbatasan metode NEMA agar dapat membantu para fisikawan medis untuk mengevaluasi resolusi spasial dengan waktu pengerjaan yang relatif singkat dan hasil yang lebih akurat sehingga treatment yang diberikan pada pasien akan lebih maksimal.

---

Image identification is one of the important things that must be done in the field of Nuclear Medicine, because through this process the effectiveness of radiopharmaceuticals in the patient's body can be monitored and evaluated. One of the parameters that represent the quality of an image is the spatial resolution. The National Electrical Manufacturing Association (NEMA) has published a standard protocol that has been used as the basis for determining spatial resolution in PET imaging systems (NEMA, 2007). However, this method still has many shortcomings, including the NEMA method can only takes into account profile analysis in one dimension and a simple parabolic fitting method to determine the peak point, then the NEMA method cannot take into account the standard deviation value, and finally this method does not allow model selection (Hardiansyah, 2018) (Romano, 2015) (Attarwala, 2017). This study aims to develop an alternative method of evaluating spatial resolution using the Gaussian function into an open source software that can analyze spatial resolution not only through four-dimensional calculations considering that in Indonesia there is no such thing. The software developed will be freely accessible, without a paid license and will complement the limitations of the NEMA method in order to help medical physicists evaluate spatial resolution with a relatively short processing time and more accurate results so that the treatment given to patients will bemaximized."

"Sintesis sistem audio spasial ditemukan dalam banyak aplikasi krusial, seperti dalam pesawat terbang militer maupun komersial, pengembangan virtual reality, termasuk di dalamnya aplikasi dalam permainan-permainan elektronik, maupun sebagai consumer electronics yang memberikan efek bunyi spasial dan kenyamanan bagi pengguna dalam mendengarkan musik. Hampir semua sistem yang mengaplikasikan sintesis audio spasial atau tiga dimensi, memerlukan Head- Related Impulse Response (HRIR). HRIR merupakan fungsi alih dalam kawasan waktu dari gendang telinga manusia yang melakukan penyaringan bunyi yang datang pada gendang telinga tersebut. Pemodelan HRIR dengan parameter-parameter yang dapat diatur sesuai dengan antropometri pendengar merupakan salah satu solusi dari masalah yang timbul akibat menggunakan HRIR yang non-individual, seperti bunyi terdengar tidak seperti aslinya, serta bunyi terdengar di dalam kepala jika digunakan headphones. Hasil yang sangat bagus diperoleh jika digunakan HRIR individual milik subyek itu sendiri. Tetapi pengukuran HRIR individual ini memerlukan waktu, biaya dan energi yang tidak sedikit. Di dalam penelitian ini, dimodelkan HRIR fasa minimum, di kawasan waktu, dan Head-related Transfer Function (HRTF) magnitude, di kawasan frekuensi, dengan menggunakan metode statistik Principal Components Analysis (PCA) dengan 10 vektor basis, untuk sumber-sumber bunyi di bidang horisontal dan di bidang median. Sedangkan individualisasi dari model HRIR dan model HRTF tersebut dilakukan berdasarkan Multiple Linear Regression (MLR) dari bobot-bobot vektor basis PCA yang dapat diatur, sesuai dengan 8 ukuran antropometris terseleksi. Seleksi 8 dari total 27 ukuran antropometris dilakukan berdasarkan analisis korelasi antara parameter-parameter psikoakustik penting dan bobot-bobot vektor basis PCA terhadap 27 ukuran antropometris. Individualisasi model HRIR fasa minimum menghasilkan mean-square error (MSE) rata-rata yang cukup memuaskan sebesar 22,5% di bidang horisontal dan 20,42% di bidang median. Di kawasan frekuensi, dihasilkan MSE rata-rata lebih kecil untuk individualisasi model HRTF magnitude, yaitu 12,17% di bidang horisontal dan 11,21% di bidang median. Model-model HRIR dan HRTF individual dapat mengaproksimasi dengan baik pola-pola dan struktur-struktur detail respon-respon HRIR dan HRTF asli yang bersangkutan. Tes pendengaran dalam menentukan posisi-posisi sumber bunyi di bidang horisontal menghasilkan persentasi kebenaran yang lebih besar jika digunakan model-model HRIR individual daripada jika digunakan HRIR non-individual.

---

Syntheses of spatial audio systems are found in many crusial applications, such as both in military and commercial aeroplanes, development of virtual reality, electronics games, and consumer electronics that have given spatial effects on sound so that the listeners are pleasant in hearing their music. Most of the systems that synthesize spatial audio need head-related impulse responses (HRIRs) of human ears. HRIRs are impulse responses of human's eardrum, in time domain, that are responsible in filtering incident sound to that eardrum.

Modeling HRIRs with tunable parameters that are suitable to anthropometrie of a listener is a solution to emerging problems by using nonindividualized HRIRs, e.g. sound heard as if it were in head when using headphones and sound heard is not natural. The best results are obtained when the listener uses his/her own individual HRIRs. However, measurements of individual HRIRs require a huge amount of time, cost, and energy.

In this dissertation, minimum phase HRIRs were modeled in time domain and magnitude HRTFs were modeled in frequency domain, by using the statistical method named Principal Components Analysis (PCA) with 10 basis vectors, for sound sources on horizontal plane and on median plane. The individualization method used for the models of minimum phase HRIRs and the models of magnitude HRTFs, was based on Multiple Linear Regression (MLR) between weights of basis vectors obtained from PCA, that could be adjusted due to 8 selected anthropometric measurements. The selection process of 8 out of all 27 anthropometric measurements was performed based on correlations analysis between psychoacoustically crusial parameters; weights of basis vectors of PCA; and 27 anthropometric measurements.

Individualization of models of minimum phase HRIRs resulted in quite satisfying average mean-square error (MSE) of 22,5% for sources on horizontal plane and of 20,42% on median plane. In frequency domain, average MSE obtained from individualization of models of magnitude HRTFs was much better, that was 12,17% on horizontal plane and 11,21% on median plane. Individualized HRIRs models and individualzed HRTFs models were able to approximate very well the patterns and detail structures found in respective original HRIRs and HRTFs. Listening tests performed for sound sources on horizontal plane resulted in that larger correct rates were obtained, if models of individualized HRIRs were applied, than if models of non-individualized HRIRs were applied."

"GOR Bulu Tangkis di Jakarta Timur dapat dikategorikan sesuai standardisasi yang terbentuk melalui strategi bauran pemasaran (marketing mix) 4P dan brand equity. Seringkali ditemui para pengelola GOR Bulu Tangkis kurang memperhatikan komponen-komponen pembentuk standardisasi GOR Bulu Tangkis. Padahal standardisasi pada GOR Bulu Tangkis akan memudahkan pemain dalam memenuhi motivasinya bermain bulu tangkis di GOR Bulu Tangkis. Tujuan dari penelitian ini ialah untuk mengetahui standardisasi GOR Bulu Tangkis di Jakarta Timur serta pola spasial pemilihan lokasi GOR Bulu Tangkis oleh pemain. Metode yang digunakan dalam penelitian ini yaitu pendekatan kualitatif dengan teknik in-depth interview dan observasi lapangan. Analisis deskriptif dan analisis spasial digunakan untuk menjelaskan karakteristik lokasi GOR Bulu Tangkis serta pola spasial pemilihan pemain. Hasil menunjukkan bahwa sebagian besar GOR Bulu Tangkis di Jakarta Timur masih berstandar lokal. Hanya GOR Sarwendah yang masuk dalam kategori GOR Bulu Tangkis berstandar nasional. Pemain dengan motivasi existence, relatedness, dan growth akan memilih GOR Bulu Tangkis dengan jarak yang paling dekat dari rumah. Namun bagi pemain growth, fitur produk dan brand equity menjadi komponen penting yang perlu dipertimbangkan ketika akan bermain di GOR Bulu Tangkis.

---

Badminton Hall in East Jakarta can be categorized according to the standardization formed through the 4P marketing mix strategy and brand equity. It is often found that the owners of the Badminton Hall do not pay attention to the components that make up the standardization of the Badminton Hall. Whereas standardization at the Badminton Hall will make it easier for players to fulfill their motivation to play badminton at the Badminton Hall. The purpose of this study was to determine the standardization of the Badminton Hall in East Jakarta and the spatial pattern of choosing the location of the Badminton Hall by players. The method used in this study is a qualitative approach with in-depth interview techniques and field observations. Descriptive analysis and spatial analysis were used to explain the location characteristics of the Badminton Hall and the spatial pattern of player selection. The results show that most of the Badminton Halls in East Jakarta still have local standards. Only GOR Sarwendah is included in the category of national standard Badminton Hall. Players with the motivation of existence, relatedness, and growth will choose the Badminton Hall with the closest distance from home. However, for growth players, product features and brand equity are important components that need to be considered when playing at the Badminton Hall."

"Angka Harapan Hidup (AHH) merupakan rata-rata perkiraan banyak tahun yang dapat ditempuh oleh seseorang sejak lahir. Badan Pusat Statistik (BPS) mencatat bahwa AHH penduduk di Provinsi Jawa Barat tahun 2021 mencapai 73,23 tahun dan menempati posisi keempat dengan nilai AHH tertinggi di Indonesia pada 2021. Penelitian ini bertujuan untuk menganalisis variabel-variabel yang menjelaskan AHH di setiap kabupaten/kota di Provinsi Jawa Barat tahun 2021 menggunakan model regresi linear berganda, Geographically Weighted Regression (GWR), dan Mixed Geographically Weighted Regression (MGWR) yang kemudian dievaluasi untuk memeroleh model terbaik. Pada penelitian ini, model regresi linier berganda digunakan untuk mengetahui seberapa besar pengaruh variabel-variabel independen terhadap variabel AHH dimana nilai estimasi parameter regresi sama untuk setiap wilayah penelitian atau disebut dengan model regresi global. Provinsi Jawa Barat terdiri dari 27 kabupaten/kota yang memiliki karakteristik berbeda antarwilayah sehingga memungkinkan adanya heterogenitas spasial. Model GWR bertujuan untuk mengeksplor heterogenitas spasial dengan membentuk model regresi yang berbeda pada setiap lokasi pengamatan atau dapat disebut dengan model regresi lokal. Hal ini akan menimbulkan permasalahan apabila terdapat variabel independen yang tidak bersifat lokal atau tidak mempunyai pengaruh lokasi, tetapi diduga memiliki pengaruh terhadap variabel dependen secara global. Oleh karena itu, dikembangkan lagi menggunakan model MGWR. Model MGWR menghasilkan estimasi parameter yang bersifat global dan lokal sesuai dengan lokasi pengamatan. Variabel yang bersifat global, yaitu Tingkat Pengangguran Terbuka (TPT) dan Pengeluaran Per Kapita (PPK), sedangkan variabel yang bersifat lokal, yaitu Jumlah Penduduk Miskin (JPM), Harapan Lama Sekolah (HLS), dan Persentase Penduduk yang Mempunyai Keluhan Kesehatan Sebulan Terakhir (KK). Hasil penelitian ini menunjukkan bahwa kedua variabel global berpengaruh terhadap AHH, sedangkan variabel lokal yang berpengaruh terhadap AHH berbeda pada setiap wilayahnya, begitu pula dengan model yang terbentuk juga akan berbeda untuk setiap wilayahnya. Selain itu, model terbaik yang diperoleh adalah model GWR dengan fungsi pembobot fixed Gaussian kernel dengan nilai AIC terkecil, adjusted R-squared terbesar, dan RMSE terkecil dibandingkan model regresi linier berganda dan MGWR.

---

Life Expectancy (AHH) is an estimate of the years that a person will take from birth. Badan Pusat Statistik (BPS) notes that the AHH of the population in West Java Province in 2021 reached 73.23 years and ranked fourth with the highest AHH value in Indonesia in 2021. This study aims to analyze the variables that explain AHH in each district/city in West Java Province in 2021 using multiple linear regression models, Geographically Weighted Regression (GWR) models, and Mixed Geographically Weighted Regression (MGWR) models which are then evaluated to obtain the best model. In this study, the multiple linear regression model is used to determine how much influence the independent variables had on the AHH variable where the estimated values of the regression parameters were the same for each study area or called the global regression model. West Java Province consists of 27 districts/cities which have different characteristics between regions, thus allowing for spatial heterogeneity. The GWR model aims to explore spatial heterogeneity by forming a different regression model at each observation location or it can be called a local regression model. This will cause problems if there are independent variables that are not local in nature or do not have a location effect, but are suspected of having an influence on the dependent variable globally. Therefore, it is further developed using the MGWR model. The MGWR model produces parameter estimates that have global and local characteristics according to the observation location. Global variables are Open Unemployment Rate (TPT) and Per Capita Expenditures (PPK), while local variables are Number of Poor Population (JPM), Expected Years of Schooling (HLS), and Percentage of Population with Health Complaints in the Last Month (KK). The results of this study indicate that both global variables have a significant effect on AHH, while local variables which have a significant effect on AHH are different in each region, as well as the model formed will also be different for each region. In addition, the best model obtained is the GWR model with a fixed Gaussian kernel weighting function with the smallest AIC value, the largest adjusted R-squared, and the smallest RMSE compared to the multiple linear regression model and MGWR model."

"Tulisan ini menelusuri dinamika place ballet sebagai interaksi spasial keseharian manusia yang berkontribusi terhadap perubahan place attachment. Place ballet dipahami sebagai rutinitas interaksi keseharian yang dialami secara unconscious yang dapat menghasilkan rasa familiaritas dan attachment terhadap situasi, elemen spasial, dan tempat tertentu. Place ballet berjalan dalam tempat yang memiliki singularitas secara tetap sehingga rutinitas kemudian berulang dalam kesehariannya dengan interaksi yang cenderung sama dan memproduksi memori sebagai landasan place attachment. Namun, replikasi interaksi spasial keseharian berjalan secara dinamis sehingga memungkinkan hadirnya disrupsi dan absensi rutinitas; menghasilkan rasa conscious yang kemudian mengubah place attachment. Tulisan ini membahas film The Truman Show (1998) karya Peter Weir sebagai penelusuran dinamika interaksi spasial keseharian dan proses perubahan dari place attachment menjadi detachment yang terjadi dalam film. Skripsi ini mengidentifikasi perkembangan kondisi consciousness yang berubah seiring dengan terjadinya dinamika place ballet. Sehingga hal ini memicu perubahan keberadaan place attachment, mengubah peran dan existential insideness manusia dalam place.

---

This study explores the dynamics of place ballet as the phenomenon of encounters in human’s daily life contributing to the shift in place attachment. Place ballet’s contribution as unconscious encounters in everyday routines result in a sense of familiarity and attachment towards a certain situation, elements, and place embodied in memory. In theory, place ballet achieves singularity through the repetitiveness of encounters occurring in everyday routines. However, there is a limitation on replicating everyday encounters, thus bringing disruptions in the everyday routine and evoking consciousness in the repeating of routine and the absence of place ballet. This study explores the shifting of everyday encounters, evoking the character’s consciousness of space and the shift from place attachment into detachment, as presented in the movie The Truman Show (1998) by Peter Weir. This paper identifies the shifting of a sense of consciousness as human interacts with the dynamics of place ballet, evoking shift in place attachment. The shifted perceptions of everyday encounters and place attachment on some degree indicates change in the feeling of existential insideness and human’s role in place."