Garuda - Garba Rujukan Digital

Faktor-faktor yang Mempengaruhi Tingkat Konsumsi Pengguna Napza Suntik (Penasun) di Yayasan Bina Hati Surabaya Menggunakan Metode Regresi Logistik Ordinal I Dewa Ayu Ratih Weda Iswara; Purhadi Purhadi; I Nyoman Latra
Jurnal Sains dan Seni ITS Vol 3, No 2 (2014)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Penggunaan NAPZA dengan cara menyuntikkan langsung ke dalam tubuh merupakan salah satu cara penggunaan NAPZA yang paling beresiko dalam penularan penyakit. Hal tersebut dikarenakan obat-obatan tersebut langsung berhubungan dengan darah dan juga penggunaan jarum suntik secara bergantian serta penggunaan jarum suntik yang tidak steril. Sehingga penelitian ini bertujuan untuk mengetahui faktor-faktor yang mempengaruhi tingkat konsumsi pengguna NAPZA suntik. Berdasarkan hasil analisis regresi logistik ordinal tanpa interaksi diperoleh variabel yang signifikan berpengaruh tergadap tingkat konsumsi pengguna NAPZA suntik adalah variabel usia, pekerjaan, penghasilan, dan status nikah orang tua. Sedangkan variabel yang signifikan berpengaruh tergadap tingkat konsumsi pengguna NAPZA suntik pada regresi logistik ordinal dengan interaksi adalah variabel interaksi merokok dan variabel teman, variabel interaksi pekerjaan dan variabel pendidikan, serta variabel interaksi pendidikan dan variabel lingkungan.

Pemodelan Konsentrasi Partikel Debu (PM10)pada Pencemaran Udara di Kota Surabaya dengan Metode Geographically-Temporally Weighted Regression Kurniasari Aisyiah; Sutikno Sutikno; I Nyoman Latra
Jurnal Sains dan Seni ITS Vol 3, No 2 (2014)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Konsentrasi partikel debu (PM10) di Kota Surabaya menempati urutan pertama di Jawa Timur. Hal ini karena aktifitas penduduk Kota Surabaya yang tinggi menyebabkan polusi udara. Partikel debu (PM10) merupakan salah satu polutan yang apabila terhisap langsung ke dalam paru-paru dan mengendap di alveoli dapat membahayakan sistem pernafasan. Dalam pemantauan kualitas udara, seringkali peralatan pengukur konsentrasi PM10 mengalami kerusakan, sehingga data polutan tersebut tidak terukur atau tidak tersedia (missing), maka perlu dilakukan pendugaan data PM10pada lokasi yang tidak terukur. Salah satu metode yang digunakan adalah Geographically-Temporally Weighted Regression (GTWR)untuk memprediksi konsentrasi PM10 dengan menggunakan parameter meteorologi. Konsentrasi partikel debu bergantung pada lokasi dan waktu. Hasil penelitian menyimpulkan bahwa kondisi pencemaran udara di Kota Surabaya pada tahun 2010 masih dinyatakan baik dan metode GTWR memberikan hasil yang lebih akurat daripada regresi nonspasial karena dapat mengakomodasi adanya pengaruh heterogenitas spasial dan temporal pada konsentrasi partikel debu (PM10).

Model Bantuan Rumah Tangga Miskin Di Kabupaten Jombang Dengan Pendekatan SEM (Structural Equation Modelling) Isti Aprillia; Bambang Wijanarko Otok; I Nyoman Latra
Jurnal Sains dan Seni ITS Vol 3, No 2 (2014)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Kemiskinan merupakan salah satu fenomena yang masih menjadi perhatian untuk segera dilakukan penanganan. Strategi yang sudah dilakukan pemerintah untuk mengatasi kemiskinan telah banyak dilakukan, diantaranya dengan program penanggulangan kemiskinan yang terdiri atas dua program bantuan. Meskipun program pengentasan kemiskinan terus ditingkatkan, namun bantuan yang diberikan masih belum bisa mengurangi angka kemiskinan. Oleh karena itu untuk membantu pelaksanaan program bantuan, digunakan analisis SEM (Structural Equation Modelling) untuk memodelkan model bantuan rumah tangga miskin berdasarkan indikator kesehatan, ekonomi dan SDM di Kabupaten Jombang. Data yang digunakan adalah sebanyak 306 desa di Kabupaten Jombang tahun 2010. Hasil penelitian menunjukkan bahwa rumah tangga miskin di Kabupaten Jombang lebih dominan memilih bantuan program 2. Pada pengujian CFA (Confirmatory Factor Analysis), variabel kesehatan terdapat 8 indikator yang signifikan dari 9 indikator. Sedangkan untuk variabel ekonomi, 6 indikator yang signifikan dari 8 indikator. Pada analisis selanjutnya digunakan indikator yang signifikan dan masing-masing variabel sudah reliabel. Pengujian SEM didapatkan hasil bahwa kesehatan dan SDM berpengaruh signifikan secara negatif terhadap bantuan yaitu sebesar 0,325 dan 0,193. Kesehatan dan SDM berpengaruh signifikan secara positif terhadap bantuan 1 yaitu sebesar 0,313 dan 0,179. Dan model yang terakhir didapatkan hasil bahwa SDM dan kesehatan berpengaruh signifikan secara negatif terhadap bantuan 2 yaitu sebesar 0,295 dan 0,193.

Identifikasi Faktor-Faktor yang Mempengaruhi Pneumonia pada Balita di Surabaya Menggunakan Geographically Weighted Negative Binomial Regression Ratnajulie Yatnaningtyas; I Nyoman Latra; Shofi Andari
Jurnal Sains dan Seni ITS Vol 5, No 2 (2016)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Penyebab kematian Balita kedua tertinggi di Indonesia pada tahun 2007 yaitu pneumonia. Fakta ini mendorong pemerintah untuk mengambil tindakan pencegahan. Pemerintah berkomitmen untuk mengurangi angka kematian balita dengan mengontrol kasus pneumonia. Namun, di Surabaya masih memiliki kasus pneumonia yang cukup tinggi. Persebaran penyakit pneumonia dipengaruhi oleh karakteristik dan geografis yang berbeda di setiap kecamatan di Surabaya. Hal tersebut menyebabkan perkembangan penyakit juga berbeda-beda. Sehingga untuk mengidentifikasi variabel-variabel yang berpengaruh terhadap pneumonia di setiap wilayah yaitu dengan memodelkan kasus pneumonia pada balita menggunakan geographically weighted negative binomial regression (GWNBR). Hasil pemodelan menunjukkan bahwa terdapat variabel yang bersifat lokal yang mempengaruhi pneumonia dan membentuk kelompok sebanyak sembilan kelompok

Estimasi Produksi Minyak dan Gas Bumi di Kalimantan Utara Menggunakan Metode Cokriging Eka Oktaviana Romaji; I Nyoman Latra; Sutikno Sutikno
Jurnal Sains dan Seni ITS Vol 5, No 2 (2016)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Kegiatan manusia sangat bergantung pada minyak bumi dan gas alam. Seiring dengan terus meningkatnya konsumsi minyak dan gas bumi per tahun, maka perusahan yang bergerak di bidang migas dituntut untuk dapat memenuhi kebutuhan migas tersebut dengan biaya produksi yang seminimal mungkin. Jika eksplorasi di lakukan di medan yang sangat sulit, karena cadangan migas di permukaan bumi sudah habis, maka pada tahapan ini memerlukan biaya yang relatif besar. Oleh karena itu diperlukan metode untuk mengetahui titik persebaran minyak dan gas bumi tanpa melalui tahap ekplorasi. Salah satu metode geostatistika yang dapat digunakan adalah metode cokriging. Cokriging merupakan metode untuk mengestimasi titik yang meminimalkan kesalahan estimasi dengan menggunakan korelasi silang antara dua variabel yakni variabel utama (primer) dan variabel tambahan (sekunder) serta memperhatikan aspek spasial. Untuk melihat keakuratan interpolasi dengan cokriging dapat dilihat niai dari R2 pada cross validation. Nilai R2 yang dihasilkan untuk mengestimasi minyak dan gas bumi sebesar 99,7% dan 99,99%. Hasil estimasi produksi minyak bumi tertinggi sebesar 61.055 bbls berada dilokasi sumur A19 dan hasil estimasi produksi minyak bumi terendah sebesar 26.702 bbls yang berada dititik A12. Hasil estimasi produksi gas bumi tertinggi terdapat di titik A14 sebesar 165.095 mscf dan produksi gas bumi terendah berada di titik A12 sebesar 71.826 mscf.

Faktor yang Memengaruhi Kadar Gula Darah Puasa Pasien Diabetes Mellitus Tipe 2 di Poli Diabetes RSUD Dr. Soetomo Surabaya Menggunakan Regresi Probit Biner Indah Fahmiyah; I Nyoman Latra
Jurnal Sains dan Seni ITS Vol 5, No 2 (2016)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Penyebab kematian untuk semua umur telah mengalami pergeseran, yaitu dari penyakit menular menjadi penyakit tidak menular (PTM), salah satu PTM adalah diabetes mellitus (DM). Dari semua jenis DM, penderita DM tipe 2 mencapai 90% – 95% dari keseluruhan populasi penderita DM. DM tipe 2 adalah penyakit gangguan metabolik yang ditandai dengan kadar gula darah tinggi akibat adanya resistensi insulin dan atau defisiensi insulin (gangguan sekresi insulin). Penderita DM tipe 2 memerlukan penatalaksanaan DM secara baik dan teratur untuk menjaga agar kadar gula darah tetap terkendali. Salah satu kadar gula darah yang dapat menggambarkan kondisi gula darah penderita DM tipe 2 adalah Gula Darah Puasa (GDP). GDP merupakan kadar gula darah seseorang yang diukur/ diperiksa setelah menjalani puasa sekitar 10-12 jam. Kadar gula darah yang tidak terkendali dapat meningkatkan terjadinya komplikasi akibat DM tipe 2, bahkan dapat menyebabkan kematian. Oleh sebab itu, dilakukan penelitian terhadap pasien DM tipe 2 di Poli Diabetes RSUD Dr. Soetomo yang sedang menjalani rawat jalan untuk mengetahui faktor yang memengaruhi kadar GDP pasien dengan mengkategorikan kadar GDP menjadi 2 kategori, yaitu GDP terkendali (GDP < 126 mg/dl) dan GDP tidak terkendali (GDP ≥ 126 mg/dl) sebagai variabel dependen sehingga analisis yang digunakan adalah analisis regresi untuk variabel dependen yang bersifat kualitatif (kategorik), yaitu salah satunya adalah regresi probit biner. Faktor atau variabel yang signifikan memengaruhi kadar GDP adalah kadar HDL, LDL, dan Trigliserida dengan ketepatan model dalam mengklasifikasikan sebesar 70%.

Pemodelan Regresi Poisson Inverse Gaussian Studi Kasus: Jumlah Kasus Baru HIV di Provinsi Jawa Tengah Tahun 2015 Andriana Yoshinta Herindrawati; I Nyoman Latra; Purhadi Purhadi
Jurnal Sains dan Seni ITS Vol 6, No 1 (2017)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Jumlah kasus baru HIV adalah salah satu contoh data count (data cacahan). Pemodelan data count dapat menggunakan regresi poisson. Terdapat asumsi yang harus dipenuhi jika menggunakan regresi poisson yaitu mean dan varians harus sama, sedangkan pada kasus data cacahan asumsi ini sering tidak terpenuhi. Hal ini terjadi karena adanya overdispersi, yaitu varians lebih besar dari mean. Oleh karena itu dalam memodelkan data cacahan tersebut tidak cukup dengan regresi poisson sederhana. Regresi poisson inverse gaussian (PIG) merupakan salah satu bentuk regresi dari mixed poisson yang dirancang untuk data cacahan dengan kasus overdispersi dan telah digunakan pada beberapa penelitian yang menggunakan data cacahan. Penaksiran parameter dilakukan dengan metode MLE dan pengujian hipotesis dengan menggunakan metode MLTR. Jumlah kasus baru HIV merupakan salah satu data cacahan yang berpotensi terjadi overdispersi. Oleh karena itu, dalam memodelkan jumlah kasus baru HIV di Provinsi Jawa Tengah tahun 2015 dapat digunakan pemodelan dengan regresi PIG. Berdasarkan model tersebut, variabel prediktor yang memberikan pengaruh signifikan terhadap jumlah kasus baru HIV di Provinsi Jawa Timur adalah persentase PUS yang menggunakan kondom, rasio fasilitas kesehatan, persentase daerah perkotaan, dan persentase penduduk usia 25-34 tahun.

Title

Found 7 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 7 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 7 Documents
Search