Jurnal Aplikasi Statistika & Komputasi Statistik

Unveiling Spatial Disparities: Exploring High-Risk Diarrhea Among Children Under Five Using Geographically Weighted Quantile Regression

Wara Alfa Syukrilla — 2023-12-31

We investigate the impact of the percentage of clean water access, the percentage of handwashing habits, and the toilet category factors on the upper quantile of toddlers’ diarrhea risks in Bandung City, Indonesia, using the Geographically Weighted Quantile Regression model on the 75^th percentile. The breusch-Pagan test was used to detect spatial heterogeneity. The results show that the significance, strength, and direction of the relationship between diarrhea and its risk factors depend on the location. At the upper quantile, the Panyileukan district is predicted to have the highest diarrhea risk. In this district, all three predictors significantly affect the toddlers’ diarrhea risk, with the variable of the percentage of houses practicing hand washing habits observed to reduce diarrhea risk the most. In conclusion, clean water access, handwashing habits, and toilet category are the potential risk factors for high-risk childhood diarrhea. This method is powerful as it would allow the decision maker to handle the diarrhea problem aptly based on which predictor has a substantial effect at a specific district of interest. And it can be used to investigate the effect of various intervention strategies and effectively allocate the limited available resources according to the most important locations.

Peningkatan Kualitas Statistik Resmi Produktivitas Padi melalui Imputasi Data Non-respons Menggunakan Model Aditif Geospasial

Muhlis Ardiansyah — 2023-12-31

This study is motivated by the non-response problem in the Crop Cutting Survey conducted by the BPS-Statistics Indonesia as the official statistics provider. BPS has a vision of providing quality statistical data for advanced Indonesia. Handling non-response is essential to supporting this vision because non-response can potentially cause some sample characteristics to be unrepresented. This study proposed a non-response data imputation technique through statistical modeling. The proposed model was an additive model with the addition of geospatial smoothing functions of thin plate regression splines (TP) and Gaussian process (GP). Selection of the best model based on the smallest MSEP of 1000 iterations. Then we compared the average rice productivity between listwise deletion and imputation techniques through three scenarios of non-response data. The results showed that the model with the addition of the GP smoothing function gave the best performance with the smallest MSEP. The other results showed that the imputation method of non-response data is better than ignoring non-response. BPS can consider the imputation method to improve the quality of official statistics on rice productivity.

Perancangan Kembali Antarmuka Web BPS dengan Pendekatan User Centered Design

Chairunnisa Fauzia Samu — 2023-12-31

Pada tahun 2021, BPS menyelenggarakan Survei Kepuasan Pengguna Website (SKPW). Hasil SKPW menunjukkan bahwa aspek pelayanan website BPS secara keseluruhan berada dalam kategori baik, namun masih ada beberapa aspek yang memiliki nilai kepuasan pengguna yang masih kurang dibandingkan dengan harapan pengguna seperti kelengkapan metadata, kesesuaian produk dengan kebutuhan, kemudahan navigasi, kemudahan mencari produk, kehandalan fungsi pencarian, ketertarikan tampilan website, ketepatan penyusunan tata letak, ketersediaan dua bahasa, dan kemudahan mendapatkan panduan penggunaan website. Oleh karena itu, perlu adanya perancangan user interface website BPS yang baru yang dapat memuaskan pengguna website sesuai dengan harapan pengguna. Metode yang digunakan dalam penelitian ini adalah User Centered Design (UCD) dengan menggunakan User Experience Questionnaire (UEQ) sebagai metode evaluasi. Selain itu, dilakukan juga evaluasi kepuasan pengguna terhadap rancangan antarmuka yang baru untuk dibandingkan dengan SKPW 2021. Agar ukuran kepuasan pengguna yang dihasilkan dapat dibandingkan dengan hasil evaluasi SKPW 2021, digunakan metode analisis kepuasan yang sama dengan yang digunakan di SKPW 2021 yaitu Importance Performance Analysis (IPA). User interface baru yang telah dirancang telah dievaluasi ke pengguna sebanyak dua kali iterasi dengan hasil evaluasi terakhir yaitu tingkat kepuasan seluruh aspek pelayanan yang menjadi cakupan penelitian ini telah mengalami peningkatan dibandingkan dengan hasil SKPW 2021.

Pemodelan Mixed Geographically Weighted Regression-Spatial Autoregressive (MGWR-SAR) pada Kasus HIV di Indonesia

Anik Djuraidah — 2023-12-31

In general, spatial regression is used to model one of the spatial effects, namely spatial dependency or heterogeneity. For the effects of spatial dependencies, the models that have been used frequently follow Elhost's taxonomy, with the spatial dependencies being on the response, predictor, or error. Whereas for the effect of spatial heterogeneity generally use geographically weighted regression models (GWR) or if there are global predictors use mixed geographically weighted regression (MGWR). The data used in this study are cases of Human Immunodeficiency Virus (HIV) per 100,000 population as a response variable, and key populations, positive cases in pregnant women, tuberculosis patients, poverty rate, and unemployment rate as predictors. In the data used, there are spatial dependencies and heterogeneity. The MGWR-SAR is a model that can be used if the data has both spatial effects. This study aims to determine the factors influencing HIV cases in districts/cities in Indonesia using a spatial model. The results showed that the combined model of GWR and spatial autoregressive regression (SAR) was the best model. Key population explanatory variables have a global and significant influence. Other explanatory variables that have local influence are positive cases in pregnant women, tuberculosis patients, poverty rates, and unemployment rates.

PERBANDINGAN ORDINAL FOREST DAN REGRESI LOGISTIK ORDINAL

M. Yunus — 2023-12-31

Terdapat banyak metode yang digunakan untuk mengidentifikasi prediktor penting dan memprediksi nilai dari peubah respons ordinal. Namun saat ini, terdapat metode prediksi untuk peubah respons ordinal yang tidak menggunakan sifat ordinal dari peubah respons tersebut. Penelitian ini menggunakan metode ordinal forest dan sebagai pembanding digunakan juga metode regresi logistik ordinal. Nilai akurasi dan kappa metode ordinal forest pada setiap ulangan (5 ulangan) selalu lebih besar dari pada regresi logistik ordinal. Selanjutnya, nilai akurasi dan kappa setiap kelompok berdasarkan PDRB pada metode ordinal forest selalu lebih besar dari pada regresi logistik ordinal. Sehingga didapatkan metode ordinal forest lebih baik digunakan pada data peringkat status indeks desa membangun Provinsi Maluku Utara tahun 2020.

Metode Hutan Ordinal untuk Klasifikasi Desa Sesuai dengan Status Indeks Desa Membangun

Dwi Agustin Nuriani Sirodj — 2023-12-31

Metode hutan acak merupakan metode klasifikasi berbasis pohon yang cukup populer. Metode ini jika diterapkan pada peubah respon ordinal akan memberikan hasil yang mengubah karakteristik dari data ordinal itu sendiri. Dalam tulisan ini akan dibahas kinerja dari metode hutan ordinal dan hutan ordinal Naïve untuk klasifikasi status berbagai desa sesuai dengan Indeks Desa Membangun (IDM) di kabupatenTasikmalaya dan Indramayu. Hasilnya memperlihatkan bahwa untuk Kabupaten Tasikmalaya kinerja metode hutan ordinal mengungguli kinerja hutan ordinal Naïve dengan rataan akurasi sebesar 73.8% dan rataan nilai kappa sebesar 0.18 sedangkan pada Kabupaten Indramayu kinerja metode hutan ordinal naïve yang justeru mengungguli metode hutan ordinal dengan rataan akurasi sebesar 51.6 % dan rataan nilai kappa sebesar 0.162. Selain itu ditunjukkan pula bahwa peubah yang penting dalam proses klasifikasi status IDM di Kabupaten Tasikmalaya dan Kabupaten Indramayu adalah peubah Jumlah Koperasi dan Jarak terdekat ke rumah sakit.