Article Per Year (5 Year)
p-Index From 2019 - 2024
0.408
P-Index
This Author published in this journals
All Journal Jurnal Matematika dan Statistika serta Aplikasinya (Jurnal MSA)
Emalia Septiani Hirma
Politeknik Statistika STIS
Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Environmental Science Mathematics Medicine & Pharmacology

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
ANALISIS SPASIAL ANGKA MORBIDITAS JAWA TENGAH MENURUT KABUPATEN/KOTA TAHUN 2017 Aprilia Lutviana Dewi; Rani Nooraeni; Aprillia Anis Saputri; Emalia Septiani Hirma; Firza Refo Adi Pratama; Fiqih Tri Mahendra
Jurnal MSA ( Matematika dan Statistika serta Aplikasinya) Vol 8 No 1 (2020): Volume 8 Nomor 1
Publisher : Universitas Islam Negeri Alauddin Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/msa.v8i1.13749

Abstract

Morbiditas merupakan salah satu indikator yang digunakan untuk mengukur derajat kesehatan penduduk. Penduduk di pulau Jawa memiliki derajat kesehatan lebih baik dibandingkan wilayah lain. Namun angka morbiditas di Jawa Tengah pada tiga tahun terakhir ini lebih tinggi daripada angka morbiditas Indonesia. Penelitian ini bertujuan untuk menganalisis angka morbiditas Provinsi Jawa Tengah secara spasial untuk menelusuri faktor-faktor yang mempengaruhi angka morbiditas Provinsi Jawa Tengah menurut kabupaten/kota secara spasial tahun 2017. Metode analisis yang digunakan adalah analisis deskriptif dengan peta tematik dan analisis autokorelasi spasial. Autokorelasi spasial diukur melalui indeks Moran. Sedangkan untuk analisis variabel-variabel secara spasial yang mempengaruhi angka morbiditas dilakukan dengan model Spatial Autoregressive Model karena terdapat dependensi lag pada kabupaten/kota di Jawa Tengah. Dengan pemodelan SAR, didapatkan variabel prediktor yang signifikan memengaruhi variabel respon yaitu morbiditas pada alfa 11% adalah variabel kemiskinan atau X3 dan variabel rasio fasilitas kesehatan per 30000 penduduk atau X5 dengan nilai R2 46%.
Pengelompokkan Titik Wilayah di Provinsi Daerah Istimewa Yogyakarta Berdasarkan Kualitas Udara Menggunakan Algoritma Fuzzy C-Means Aprilia Lutviana Dewi; Adrian Firmansyah; Emalia Septiani Hirma; Muhamad Bagus Adji Briliyanto; Muti Nurjannah Fitri; Rani Nooraeni
Jurnal MSA ( Matematika dan Statistika serta Aplikasinya) Vol 8 No 2 (2020): Volume 8 Nomor 2
Publisher : Universitas Islam Negeri Alauddin Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/msa.v8i2.16745

Abstract

Salah satu target SDGs adalah menangani permasalahan pencemaran udara, WHO menyebutkan bahwa pencemaran udara merupakan risiko gangguan kesehatan terbesar di dunia. Diperkirakan terdapat sekitar 6,5 juta orang meninggal tiap tahun akibat paparan polusi udara. Provinsi DIY merupakan salah satu daerah yang masih memiliki masalah pencemaran lingkungan, mobilitas manusia yang tinggi dengan bertambahnya pengguna kendaraan bermotor membuat pencemaran semakin meningkat. Selain itu, konsumsi energi dan aktivitas industri yang tidak terkendali terutama di daerah perkotaan juga ikut memperburuk kualitas udara. Penelitian ini bertujuan untuk mengelompokkan wilayah-wilayah di Provinsi DIY berdasarkan data kualitas udara yang terekam pada 75 titik amatan agar diperoleh gambaran umum karakteristik wilayah tertentu dengan masalah pencemaran udara spesifik meliputi gas pencemar CO, SO2, NO2, dan O3. Data yang digunakan merupakan data sekunder dari Kementerian Lingkungan Hidup Provinsi DIY, sedangkan metode yang digunakan adalah fuzzy c-means clustering. Hasilnya,dari profile data sebelum dilakukan pengelompokan diperoleh kadar CO, SO2, NO2, dan O3 terendah berada pada titik-titik wilayah permukiman dan tertinggi berada pada titik perempatan jalan, training camp, kampus fakultas teknik, dan industri dan hasil dari perbandingan clustering validity index terbentuk sebanyak 2 klaster. Klaster 1 memiliki titik tengah kadar pencemar gas NO2, SO2, CO, dan O3 yang lebih tinggi dibandingkan klaster 2. Klaster 1 terdiri atas 45 anggota, dimana sebagian besar klaster ini merupakan titik industri, persimpangan jalan, serta pusat keramaian. Sedangkan klaster 2 terdiri atas 30 anggota, dimana sebagian besar klaster ini merupakan titik permukiman.
Co-Authors Adrian Firmansyah Aprilia Lutviana Dewi Aprillia Anis Saputri Fiqih Tri Mahendra Firza Refo Adi Pratama Muhamad Bagus Adji Briliyanto Muti Nurjannah Fitri Nooraeni, Rani