Eri Setiawan
Universitas Lampung

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

Analisis Propensity Score Matching Pada Kejadian Diabetes Melitus Yang Memuat Faktor Confounding Naflah Faulina; Khoirin Nisa; Dorrah Aziz; Eri Setiawan
Jurnal Siger Matematika Vol 2, No 2 (2021): Jurnal Siger Matematika
Publisher : FMIPA Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (495.284 KB) | DOI: 10.23960/jsm.v2i2.2810

Abstract

Faktor confounding dapat didefinisikan sebagai bias dalam estimasi efek faktor risiko terhadap kejadian penyakit yang ingin diteliti.  Salah satu metode yang dapat menangani faktor confounding adalah metode propensity score matching yang digunakan untuk menyeimbangan data kelompok perlakuan dan kontrol dengan melihat nilai pada hasil estimasi propensity score menggunakan regresi logistik, kemudian melakukan analisis matching, lalu melakukan post-matching.  Tujuan dari penelitian ini adalah untuk mendapatkan hasil analisis propensity score matching yang memuat faktor confounding dan mengetahui faktor-faktor risiko yang menyebabkan diabetes melitus di RSD. Mayjend HM Ryacudu Kotabumi dengan bantuan software R.  Data yang digunakan adalah status diabetes melitus (Y), jenis kelamin , usia , kadar glukosa darah , tekanan darah , kadar kolesterol , kadar asam urat serum , dan obesitas .  Hasil analisis mendapatkan variabel confounding glukosa darah menghasilkan 49 pasangan pasien yang sesuai dan variabel tekanan darah, kadar kolestrol, obesitas seimbang, sehingga estimasi average treatment of treated sebesar 0,513 dengan standar error sebesar 0,103 dan mampu mereduksi bias sebesar 57,1%.  Variabel yang berpengaruh langsung terhadap status diabtes melitus adalah kadar glukosa darah dan variabel yang tidak berpengaruh langsung terhadap status diabetes melitus yaitu tekanan darah, kadar kolestrol, dan obesitas.
Penggunaan Metode Pendugaan Weighted Least Square (WLS) Pada Structural Equation Modeling (SEM) (Studi Kasus : Kepuasan Mahasiswa Fakultas MIPA Universitas Lampung Terhadap Kualitas Virtual Class) Eri Setiawan; Samuel Parlindungan
Jurnal Siger Matematika Vol 3, No 1 (2022): Volume 3 No 1
Publisher : FMIPA Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (620.496 KB) | DOI: 10.23960/jsm.v3i1.2996

Abstract

Pemodelan persamaan struktural (structural equation modeling) merupakan salah satu metode statistika dalam bidang sosial yang banyak digunakan untuk menganalisis hubungan struktural antar variabel laten baik variabel laten endogen ataupun eksogen dengan variabel indikatornya.  Penelitian ini bertujuan untuk mendapatkan model persamaan struktural dengan menggunakan hasil nilai pendugaan parameter menggunakan metode pendugaan Weighted Least Square (WLS) pada model persamaan struktural dan mendapatkan nilai pengaruh antar variabel laten eksogen dan variabel laten endogen.  Data yang digunakan pada penelitian ini merupakan data primer dengan menggunakan kuisioner mengenai kepuasan mahasiswa Fakultas MIPA Universitas Lampung terhadap Kualitas Virtual Class.  Berdasarkan model yang diperoleh bahwa nilai dari faktor-faktor yang mempengaruhi Kepuasan Pengguna V-Class yaitu Kualitas Interaksi berpengaruh sebesar 6%, Kualitas Tampilan berpengaruh sebesar 20%, Kualitas Informasi berpengaruh sebesar 31%, dan Kualitas Kegunaan berpengaruh sebesar 42%.
SIMULASI PEMILIHAN METODE ANALISIS CLUSTER HIRARKI AGGLOMERATIVE TERBAIK ANTARA AVERAGE LINKAGE DAN WARD PADA DATA YANG MENGANDUNG MASALAH MULTIKOLINEARITAS Rizki Agung Wibowo; Khorin Nisa; Ahmad Faisol; Eri Setiawan
Jurnal Siger Matematika Vol 1, No 2 (2020)
Publisher : FMIPA Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (435.947 KB) | DOI: 10.23960/jsm.v1i2.2497

Abstract

Multikolinearitas adalah hubungan linear yang ada di antara variabel independen,  pada analisis klaster efek yang ditimbulkan oleh multikolinearitas berbeda, dikarenakan pada dasarnya multikolinearitas adalah bentuk pembobotan implisit.  Analisis komponen utama dapat digunakan untuk mereduksi jumlah himpunan peubah yang banyak dan saling berkorelasi menjadi peubah-peubah baru yang  tidak berkorelasi dengan mempertahankan sebanyak mungkin keragaman data tersebut, dengan menggunakan hasil analisis komponen utama dilakukan analisis klaster menggunakan metode average linkage dan Ward, yang kemudian akan dipilih metode terbaiknya berdasarkan nilai indeks Dunn dan indeks RS, didapat kesimpulan bahwa metode Ward adalah metode terbaik dibandingkan average linkage yang ditinjau berdasarkan indeks RS, sedangkan dengan menggunakan indeks Dunn didapatkan kesimpulan bahwa metode average linkage adalah metode terbaik dibandingkan Ward.