Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tuberkulosis (TB) merupakan salah satu penyakit menular yang masih menjadi salah satu masalah kesehatan dan menjadi 10 besar penyebab kematian di dunia. Kota Jakarta Timur menjadi wilayah dengan jumlah kasus TB paru BTA positif terbanyak di DKI Jakarta pada tahun 2017 sebanyak 4.100 kasus. Faktor iklim, yang meliputi suhu, kelembaban dan curah hujan diketahui dapat mempengaruhi keberadaan bakteri M.tb untuk dapat hidup dengan optimum. Penelitian ini bertujuan untuk mengetahui distribusi dan korelasi faktor iklim dengan jumlah kasus TB paru BTA positif di Kota Jakarta Timur. Penelitian ini menggunakan desain studi ekologi berdasarkan waktu (time-trend study) dengan pendekatan spasial. Analisis data dilakukan dengan uji korelasi spearman dan analisis autokorelasi spasial dengan Moran’s I. Hasil penelitian menunjukkan rata-rata jumlah kasus TB paru BTA positif di Kota Jakarta Timur tahun 2009-2018 sebanyak 257,5 kasus. Ada korelasi antara rata-rata suhu udara (p=0,005, r=0,255) dan kelembaban (p=0,005, r= -0,255) dengan jumlah kasus TB paru BTA positif di Jakarta Timur tahun 2009-2018. Ada autokorelasi spasial distribusi kasus TB paru BTA positif di Kota Jakarta Timur dengan distribusi kasus yang terjadi secara random (Moran’s I= 0,014; p= 0,247). Hasil penelitian menyarankan bahwa implementasi program pencegahan dan pengendalian TB paru dapat dilakukan terutama pada bulan Februari dan Juli, sehingga dapat mengantisipasi peningkatan kasus TB paru BTA positif 3 bulan setelahnya serta diperlukan perluasan wilayah ruang terbuka hijau sehingga dapat menciptakan kenyamanan dan menurunkan suhu serta meningkatkan kelembaban relatif di sekitarnya....... Tuberculosis (TB) is an infectious disease that still a health problem and become the top 10 cause of death in the world. East Jakarta is the region with the highest number of smear positive pulmonary TB cases in DKI Jakarta in 2017, which was 4,100 cases. Climatic factors, including temperature, humidity and rainfall can be known to influence M.tb bacteria to live optimally. This study aims to determine the distribution and correlate climatic factors with the number of smear positive pulmonary TB cases in East Jakarta. This study used a time-trend study design with a spatial approach. Data analysis was carried out by using the Spearman correlation test and spatial autocorrelation analysis with Moran's I. The results showed the average number of positive smear pulmonary TB cases in East Jakarta City 2009-2018 are 257.5 cases. There is a correlation between the average air temperature (p = 0.005, r = 0.255) and humidity (p = 0.005, r = -0.255) with the number of smear positive pulmonary TB cases in East Jakarta in 2009-2018. There was a spatial autocorrelation of the distribution of smear positive pulmonary TB cases in the City of East Jakarta with a random distribution of cases (Moran's I = 0.014; p = 0.247). The results suggest that implementation of TB prevention and control programs can be carried out, especially in the February and July to anticipate the increasing cases of smear positive pulmonary TB 3 months afterwards and an expansion of the green open space is needed so that it can create comfort and reduce temperature and increase humidity surrounding."

"Skripsi ini membahas pola investasi daerah di Pulau Jawa dengan pendekatan spasial. Investasi telah menjadi urban-biased dimana investasi banyak berkumpul di wilayah kota dan kabupaten yang saling berdekatan. Daerah yang memiliki nilai investasi yang tinggi cenderung dikelilingi oleh daerah yang juga memiliki investasi tinggi, begitu juga sebaliknya. Hal ini mengindikasikan terjadinya spillover effect antar-daerah. Skripsi ini menggunakan metode ekonometrika spasial untuk menganalisis aurokorelasi spasial dari investasi dan faktor-faktor yang menyebabkan pola investasi. Hasil yang didapat dari penenlitian ini adalah bahwa investasi memiliki autokorelasi secara positif dan signifikan. Investasi berkumpul dan membentuk kelompok dimana wilayah yang memiliki investasi tinggi mempengaruhi daerah sekitarnya. Investasi di Pulau Jawa terkonsentrasi di dua wilayah yakni DKI Jakarta dan Kota Surabaya. Pola dan konsentrasi investasi tersebut bisa terjadi karena faktor-faktor yang sudah diuji yaitu jumlah penduduk, aglomerasi industri, infrastruktur daerah, dan upah minimum. ......The study aims to discuss the pattern of regional investment in Java with a spatial approach. Investment has become an urban-biased, where investments are gathered in cities and counties which are contiguous. The areas that have a high investment value tend to be surrounded by areas that also have a high investment, and vice versa. This indicates a spillover effect occurs between regions. This study uses spatial econometric methods to analyze the spatial autocorrelation of investment and determinants that lead to cause the pattern of investment. The results obtain from this study is that investment has a positive autocorrelation. Investment gather and form groups where areas that have high investment affect the surrounding area. Investment in Java are concentrated in two areas, Jakarta and Surabaya. Determinants that affect the spatial pattern of investments are the population, agglomeration of industry, regional infrastructure, and minimum wage."

"Frekuensi klaim umumnya dimodelkan dengan Generalized Linear Model dan model-model lainnya yang serupa seperti regresi Poisson dan regresi Logistik. Akan tetapi, model-model tersebut tidak memperhitungkan adanya autokorelasi spasial, atau terjadinya hubungan yang erat antara daerah-daerah yang berdekatan, sedangkan frekuensi klaim dibuktikan bahwa ia dipengaruhi oleh lokasi yang diamati. Model spasial Besag-York-Mollié (BYM) dapat diimplementasikan ke dalam data klaim pada beberapa daerah yang berdekatan dan memiliki potensi untuk menghasilkan prediksi yang lebih akurat dibanding dengan model-model non-spasial. Akan dilakukan penelitian terhadap model BYM untuk menjelaskan kegunaan model tersebut dan memberikan alternatif bagi model-model yang biasa digunakan untuk pemodelan frekuensi klaim. Untuk mengevaluasi performa dari model BYM, maka model tersebut akan diimplementasikan kepada data simulasi, kemudian efektivitas dari model juga akan dibandingkan terhadap model-model lainnya menggunakan ukuran Deviance Information Criterion atau DIC. Hasil analisis menunjukkan bahwa model BYM memiliki potensi untuk menjadi model yang paling akurat dalam memprediksikan frekuensi klaim pada daerah-daerah dengan autokorelasi spasial yang kuat.......Claims frequency modelling is usually done using Generalized Linear Models or other similar models such as Poisson regression and Logistik Regression. However these models do not take in account spatial autocorrelation, or the event in which neighboring areas would have a close relationship, even though claims frequency has been proven to be influenced by the observed locations. The spatial Besag-York-Mollié model can be implemented in claims data for several neighboring areas and has potential to be more accurate than non-spatial models in predicting claims frequency. Research towards the BYM model will be done to explain the usage of the model and provide an alternative to other models usually used for claims frequency. To evaluate the effectiveness of the model, the BYM model is then implemented into simulation data, and its effectiveness is compared to other models using the Deviance Information Criterion or DIC. The result of the analysis shows that the BYM model has potential to be the best model for cases that have a strong spatial relationship."

"Penelitian ini bertujuan melihat keberpihakan pertumbuhan ekonomi terhadap kelompok miskin di Provinsi Banten, DKI Jakarta dan Jawa Barat selama 2006-2010. Model regresi spasial dengan maximum likelihood estimation diterapkan untuk data panel dari 40 kabupaten/kota. Penelitian membuktikan keberadaan autokorelasi spasial pada variable pertumbuhan ekonomi, ketimpangan pendapatan dan kemiskinan pada taraf yang signifikan. Perhitungan pro poor growth index menggunakan kriteria poverty severity index menunjukkan bahwa pertumbuhan ekonomi telah berpihak kepada kelompok miskin. Meskipun demikian, pengurangan keparahan kemiskinan ditopang seluruhnya oleh pertumbuhan ekonomi, sedangkan perubahan distribusi pendapatan justru memperburuk tingkat keparahan kemiskinan. ......This study examines the economic growth bias against the poor in the province of Banten, Jakarta and West Java during 2006-2010. Spatial regression models with maximum likelihood estimation is applied to panel data from 40 districts / cities. Research proves the existence of spatial autocorrelation on the variable of economic growth, income inequality and poverty on a significant level. Pro-poor growth index calculation using the poverty severity index criterion shows that economic growth has been pro-poor. Nevertheless, the severity of poverty reduction is sustained entirely by economic growth, while changes in income distribution has worsened the severity of poverty."

"Latar Belakang: Pneumonia menyebabkan banyak kematian pada anak-anak di seluruh dunia, termasuk di Indonesia. Pneumonia menyebabkan sebanyak 15,3% kematian pada anak usia 29 hari–11 bulan dan 12,5% kematian pada anak balita usia 12–59 bulan di Indonesia pada tahun 2022. Di Provinsi Jawa Timur, prevalensi pneumonia balita mencapai 3,32%, lebih tinggi dari prevalensi nasional sebesar 1,56%. Hal ini menjadikan Provinsi Jawa Timur sebagai provinsi dengan prevalensi pneumonia balita tertinggi ketiga di Indonesia. Tujuan: Penelitian ini bertujuan mendapatkan pola sebaran kasus pneumonia dan faktor risikonya pada balita di Provinsi Jawa Timur pada tahun 2022. Metode: Penelitian ini menggunakan desain studi ekologi dengan analisis autokorelasi spasial global dan lokal menggunakan Moran’s I. Hasil: Hasil penelitian menunjukkan adanya autokorelasi spasial imunisasi dasar lengkap dengan kasus pneumonia pada balita. Kasus pneumonia pada balita membentuk pola mengelompok dengan variabel kepadatan penduduk, ASI eksklusif, suplementasi vitamin A, penggunaan bahan bakar utama untuk memasak yang berisiko, dan keberadaan puskesmas. Sementara itu, kasus pneumonia pada balita membentuk pola menyebar dengan variabel penduduk miskin, berat badan lahir rendah, dan gizi buruk. Kesimpulan dan Saran: Kasus pneumonia pada balita dan faktor-faktor risikonya membentuk pola yang berbeda-beda. Pencegahan dan pengendalian pneumonia pada balita dapat disesuaikan dengan karakteristik dari masing-masing kabupaten/kota.......Background: Pneumonia causes many deaths in children throughout the world, including in Indonesia. Pneumonia causes 15.3% of deaths in children aged 29 days–11 months and 12.5% ‹of deaths in children aged 12–59 months in Indonesia in 2022. In East Java Province, the prevalence of pneumonia in under-five children reached 3.32%, higher than the national prevalence of 1.56%. This makes East Java Province the province with the third highest prevalence of under-five children pneumonia in Indonesia.Objective: This study aims to obtain patterns of pneumonia cases and risk factors among under-five children in East Java Province in 2022. Methods: This study uses an ecological study design with global and local spatial autocorrelation analysis using Moran's I. Results: The results show spatial autocorrelation in complete basic immunization in cases of pneumonia in under-five children. Pneumonia cases in under-five children form a pattern that clusters with population density, exclusive breastfeeding, vitamin A supplementation, risky use of primary fuel for cooking, and the presence of community health centers. Meanwhile, cases of pneumonia in under-five children form a widespread pattern with variables such as poverty, low birth weight, and poor nutrition. Conclusions and Recommendations: Pneumonia cases in under-five children and their risk factors form different patterns. Prevention and control of pneumonia in under-five children can be adjusted to the characteristics of each regency/city."

"Kota Surabaya memiliki potensi bahaya amplifikasi yang disebabkan dari aktifitas tektonik akibat adanya dua segmen Sesar Kendeng yaitu Segmen Surabaya dan Segmen Waru. Penelitian ini dilakukan di bagian barat Kota Surabaya dengan menerapkan metode mikrotremor array yaitu Autokorelasi Spasial (SPAC), dengan delapan titik tengah (base) yang telah ditentukan. Tujuan dari penelitian ini adalah untuk menggambarkan kondisi struktur batuan bawah permukaan di bagian barat Kota Surabaya yang berpotensi menyebabkan amplifikasi menggunakan metode mikrotremor array. Data yang digunakan dalam penelitian ini merupakan data primer hasil akuisisi lapangan dengan metode mikrotremor array konfigurasi equilateral triangle yang dikumpulkan oleh BMKG pada tahun 2020 dan 2023. Metode SPAC memanfaatkan korelasi spasial antara kecepatan gelombang mikrotremor pada berbagai titik pengamatan untuk mengidentifikasi struktur bawah permukaan. Metode SPAC mampu menunjukkan variasi nilai kecepatan gelombang geser (Vs) dan kedalaman bedrock engineering di setiap titik pengamatan. Hasil penelitian menunjukkan bahwa metode mikrotremor array dengan konfigurasi equilateral triangle efektif digunakan untuk mengestimasikan struktur bawah permukaan di bagian barat Surabaya, yaitu struktur perlipatan antiklin sinklin, serta identifikasi awal adanya sesar naik yang merupakan mekanisme dari Sesar Kendeng Segmen Surabaya.......Surabaya city faces potential amplification hazards due to tectonic activities resulting from the presence of two Kendeng Fault segments, namely the Surabaya Segment and the Waru Segment. This study was conducted in the western part of Surabaya city, employing the microtremor array method, specifically Spatial Autocorrelation (SPAC), with eight predetermined base points. The objective of this research is to depict the subsurface rock structure conditions in the western part of Surabaya that may lead to amplification using the microtremor array method. The data utilized in this study are primary field acquisition results with the equilateral triangle configuration of the microtremor array, collected by BMKG in 2020 and 2023. The SPAC method leverages spatial correlation between microtremor wave velocities at various observation points to identify subsurface structures. The SPAC method is capable of indicating variations in shear wave velocity (Vs) values and bedrock engineering depth at each observation point. Research findings reveal that the microtremor array method with an equilateral triangle configuration is effective in estimating subsurface structures in the western part of Surabaya, specifically, anticline syncline folding structures, and provides an initial identification of an reverse fault, which is a mechanism of the Surabaya Segment of the Kendeng Fault.

"

"Pertumbuhan Jakarta yang semakin pesat menyebabkan pembangunan di Jakarta terus meningkat dan menimbulkan permasalahan penurunan muka tanah. Penurunan muka tanah sendiri dapat berpengaruh terhadap wilayah banjir, yakni dapat mempengaruhi kedalaman dan durasi banjir. Jakarta Barat, khususnya wilayah Rawa Buaya, merupakan salah satu wilayah yang mengalami permasalahan penurunan muka tanah dan banjir.Penelitian ini bertujuan untuk mengkaji korelasi antara penurunan muka tanah dengan wilayah banjir di Rawa Buaya.Metodologi yang digunakan adalah dengan mengkorelasikan antara data sekunder titik pengamatan penurunan tanah yang diinterpolasi dan data kedalam dan durasi banjir yang diperoleh dari hasil survei lapang.Dengan menggunakan analisis autokorelasi spasial, korelasi antara penurunan muka tanah dengan kedalaman dan durasi banjir hanya terjadi di sebagian kecil saja dari wilayah Rawa Buaya. Hal ini ditunjukkan dengan nilai indeks Moran’s I sebesar 0,361 dan 0,378 yang berarti memiliki korelasi spasial yang lemah. Pengaruh penurunan muka tanah terhadap kedalaman dan durasi banjir yang ditunjukkan dengan nilai R2 masing-masing hanya sebesar 13,1 persen dan 14,4 persen. Wilayah yang memiliki korelasi antara penurunan tanah dan wilayah banjir ada dibagian tengah hingga utara Rawa Buaya.

---

The rapid growth of Jakarta led to construction's rise and caused land subsidence problems. Land subsidence it self can work on the flood areas, which can affect the depth and duration of flooding. West Jakarta, particularly Rawa Buaya is a region with land subsidence and flooding's problems.

This study aimed to assess the correlation between land subsidence and flood areas in Rawa Buaya. The methodology used is correlation between secondary data of land subsidence's observations points that are interpolated and data of flooding’s depth and duration that are obtained from surveys.

By using spatial autocorrelation analysis, the correlation between land subsidence and flood’s depth and duration only occurs in a small fraction of Rawa Buaya. This is indicated by the values of Moran's I index that are 0.361 and 0.378, which means having a weak spatial correlation. The influence of land subsidence on flood’s depth and duration was indicated by R2's values that are 13.1 percent and 14.4 percent. The regions that has correlation between land subsidence and flooding there in the middle region to the north of Rawa Buaya."

"

Indonesia merupakan negara yang memiliki penduduk terbanyak ke-empat di dunia. Oleh karena itu, diperlukan pembangunan manusia untuk menciptakan sumber daya manusia yang memiliki kemampuan untuk menggerakkan roda perekonomian. Pembangunan manusia merupakan fokus perhatian pemerintah, dan tercantum dalam beberapa program yang diterapkan pemerintah di tingkat global maupun tingkat nasional. Pembangunan manusia diukur dengan suatu indeks komposit dasar yang dikenal dengan Indeks Pembangunan Manusia (IPM). IPM diukur dari tiga komponen dasar, yaitu umur panjang dan sehat, memiliki pengetahuan, dan standar hidup yang layak, sehingga IPM sering digunakan sebagai ukuran keberhasilan pemerintah dalam pembangunan manusia. Penelitian ini memodelkan variabel-variabel yang memengaruhi IPM Kabupaten/Kota Jawa Tengah pada periode tahun 2017 sampai dengan tahun 2019. Variabel-variabel prediktor yang digunakan dalam penelitian adalah Produk Domestik Regional Bruto, angka partisipasi sekolah SMA, kepadatan penduduk, tingkat partisipasi angkatan kerja, persentase penduduk miskin, dan persentase rumah tangga dengan sanitasi layak.  Penelitian ini menggunakan data yang mengandung informasi lokasi yang diamati dalam beberapa periode waktu (tahun). Data yang terobservasi ini saling berkorelasi secara spasial (ada autokorelasi spasial). Ketika data yang terobservasi mengandung autokorelasi spasial, model regresi linier biasa tidak dapat digunakan karena akan menghasilkan taksiran parameter regresi yang bias dan tidak konsisten. Oleh karena itu diperlukan metode lain yang dapat menangani masalah autokorelasi spasial pada data yaitu model regresi spasial. Selain itu, data juga diamati dalam beberapa periode waktu (tahun), sehingga model yang dapat digunakan dan menggambarkan kondisi data ini adalah model data panel spasial. Model data panel spasial terbagi menjadi dua, yaitu: model data panel spasial lag dan model data panel spasial error. Metode penaksiran parameter yang digunakan untuk model data panel spasial dalam penelitian ini adalah metode Maximum Likelihood. Berdasarkan perbandingan dari kedua model diperoleh hasil bahwa model terbaik yang dapat menjelaskan Indeks Pembangunan Manusia di Jawa Tengah adalah model data panel spasial lag. Variabel-variabel prediktor yang signifikan dan menjelaskan Indeks Pembangunan Manusia di Jawa Tengah adalah Produk Domestik Regional Bruto, angka partisipasi sekolah SMA, kepadatan penduduk, tingkat partisipasi angkatan kerja, persentase penduduk miskin, dan persentase rumah tangga dengan sanitasi layak.

---

Indonesia is the fourth most populous country in the world. Therefore, human development is needed to create human resources that have the ability to drive the economy. Human development is the focus of government attention and listed in several programs implemented by the government at the global and national levels. Human development is measured by a basic composite index known as the Human Development Index (HDI). HDI measures three basic components, that are long and healthy life, being knowledgeable, and have a decent standard of living, so HDI is often used as a measure of government success in human development. This study is modeling variables that affect the HDI of regency or city at Central Java in the period 2017 to 2019. The predictor variables used in this study are gross regional domestic product, high school participation rates, population density, labor force participation rates, percentage of poor people, and percentage of households with proper sanitation. This study uses data that contains location information observed over several time periods (years). Observations on this data are spatially correlated (there are spatial autocorrelations). When observations on data contain spatial autocorrelation, the linear regression model can not be used because it will produce an unbiased and inconsistent regression parameter estimate. Therefore we need another method that can handle the problem of spatial autocorrelation in the data, namely the spatial regression model. In addition, data is also observed in several time periods (years), so that the model can be used and describe the condition of the data is a spatial panel data model. The spatial panel data model is divided into two, known as spatial lag panel data model and spatial error panel data model. The parameter estimation method used for the spatial panel data model in this study is the Maximum Likelihood method. Based on the comparison of two models, it is obtained that the best model can explain the Human Development Index at Central Java is spatial lag panel data model. Significant predictor variables that explain the Human Development Index at Central Java are gross regional domestic product, high school participation rates, population density, labor force participation rates, percentage of poor population, and percentage of households with proper sanitation.

 

"