Article Per Year (5 Year)
p-Index From 2019 - 2024
0.702
P-Index
This Author published in this journals
All Journal Seminar Nasional Hasil Riset dan Pengabdian (SNHRP) MANGGALI
Maria Hernita Elvine Pramesty
Universitas PGRI Adi Buana Surabaya
Education Environmental Science Social Sciences Other

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Seminar Nasional Hasil Riset dan Pengabdian (SNHRP)

 1 
Optimalisasi Kualitas Pendidikan Provinsi Nusa Tenggara Timur: Klasterisasi Kabupaten Dan Kota Menggunakan Algoritma K-Means Dengan Metode Elbow Dan Shilluette Score Maria Hernita Elvine Pramesty; Yohanita Uniyatri Aprilia; Rezky Bryan Jonfris Purba; Muhammad Athoillah
SNHRP Vol. 5 (2023): Seminar Nasional Hasil Riset dan Pengabdian (SNHRP) Ke 5 Tahun 2023
Publisher : LPPM Universitas PGRI Adi Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Permasalahan pada dunia pendidikan di Indonesia sudah menjadi isu utama selama bertahuntahun. Di mata dunia, pendidikan Indonesia masih memiliki kualitas yang rendah. Hal ini disebabkan oleh ketidakmerataan akses pendidikan di berbagai daerah, termasuk di Provinsi Nusa Tenggara Timur. Untuk menentukan daerah mana yang membutuhkan perhatian ekstra, diperlukan sebuah studi untuk memetakan kualitas pendidikan berdasarkan indikator-indikator penyusunnya. Sehingga, penelitian ini bertujuan untuk mengelompokkan kabupaten dan kota berdasarkan indikator kualitas pendidikan di Provinsi Nusa Tenggara Timur menggunakan kmeans. K-means adalah jenis analisis pengelompokan yang mengelompokkan data ke dalam beberapa kelompok berdasarkan kemiripan fitur atau karakteristiknya. Berdasarkan temuan studi ini, terdapat dua cluster dengan menggunakan metode elbow dan shilluette dari pengelompokkan 21 kabupaten dan 1 kota di Provinsi NTT berdasarkan indikator kualitas pendidikan, seperti Angka Partisipasi Murni, pendidikan terakhir, Angka Partisipasi Kasar, Angka Partisipasi Sekolah, jumlah sekolah, angka partisipasi sekolah, dan rasio guru dan murid. Cluster 1 beranggotan 6 kabupaten dan kota dan merupakan daerah dengan kualitas pendidikan tinggi. Sedangkan, cluster 2 beranggotan 6 dan merupakan daerah dengan kualitas pendidikan rendah.
Lasterisasi Kesehatan Ibu Dan Anak Di Indonesia Dengan Menggunakan Algoritma K-Means Novi Rahmawati; Maria Hernita Elvine Pramesty; Faldianus Karno; Yohanita Uniyatri Aprilia; Alfisyahrina Hapsery
SNHRP Vol. 5 (2023): Seminar Nasional Hasil Riset dan Pengabdian (SNHRP) Ke 5 Tahun 2023
Publisher : LPPM Universitas PGRI Adi Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Angka kematian bayi (AKB) dan angka kematian ibu (AKI) yang tinggi di Indonesia menjadi tantangan utama dalam pembangunan sumber daya manusia. Penelitian ini bertujuan untuk mengelompokkan provinsi di Indonesia berdasarkan data kesehatan ibu dan anak menggunakan metode K-means. Meningkatkan kesadaran masyarakat terhadap kesehatan ibu dan anak serta memberikan upaya peningkatan status kesehatan ibu dan anak yang lebih akurat. Penelitian ini menggunakan algoritma K-means untuk mengkategorikan provinsi ke dalam kelompok berdasarkan atribut kesehatan ibu dan anak yang sama. Hasil penelitian menunjukkan adanya 3 kelompok provinsi yang optimal. Cluster 2 merupakan kelompok dengan tingkat kesehatan ibu dan anak yang paling baik, sedangkan cluster 3 memiliki tingkat kesehatan ibu yang rendah. Cluster 1 memiliki tingkat kesehatan diantara cluster 2 dan 3. Provinsi-provinsi dalam cluster 2 dapat dijadikan contoh untuk peningkatan kesehatan ibu dan anak di provinsi lainnya. Sedangkan provinsi dalam cluster 3 memerlukan perhatian khusus dalam meningkatkan status kesehatan ibu mereka. Pemerintah dapat meningkatkan tenaga kerja medis, fasilitas kesehatan, dan kesadaran masyarakat di provinsi tersebut guna menjamin kesehatan ibu dan anak. Provinsiprovinsi dalam cluster 1 juga diharapkan terus berusaha meningkatkan tingkat kesehatan ibu dan anak agar seluruh ibu dan anak di Indonesia dapat memiliki kesehatan yang terjamin.
Pemodelan Kemiskinan Di Indonesia Dengan Metode Structural Equation Modelling-Partial Least Square (SEM-PLS) Maria Hernita Elvine Pramesty; Caraka Arief Ibrahim; Novi Rahmawati; Mochammad Iqbal Nasrulloh Al Amin; Alfisyahrina Hapsery; Aida Meimela
SNHRP Vol. 5 (2023): Seminar Nasional Hasil Riset dan Pengabdian (SNHRP) Ke 5 Tahun 2023
Publisher : LPPM Universitas PGRI Adi Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kemiskinan merupakan salah satu permasalahan yang dijadikan target utama SDGs. Hal ini menunjukkan bahwa sebagian besar negara-negara di dunia yang menganggap masalah kemiskinan merupakan hal yang patut untuk segera diselesaikan. Untuk itu, penelitian ini dilakukan dengan tujuan dapat membantu pemerintah untuk memperoleh informasi mengenai faktor-faktor dominan yang mempengaruhi kemiskinan di Indonesia sehingga dalam menyusun program peningkatan kesejahteraan masyarakat di Indonesia dapat dilakukan sesuai dengan potensi masing-masing provinsi. Data yang akan digunakan yaitu data jumlah penduduk miskin, garis kemiskinan, angka melek huruf (AMH), rata-rata lama sekolah (RLS), dll milik seluruh provinsi di Indonesia tahun 2020. Analisis data akan dilakukan dengan menggunakan Metode SEM-PLS. Hasil perhitungan menunjukkan bahwa pendidikan dan kesehatan mempengaruhi secara signifikan dan negatif dan positif terhadap kemiskinan di Indonesia tahun 2020. Hal tersebut dapat terjadi karena masyarakat dengan pendidikan membuat angka kemiskinan semakin menurun dengan edukasi tolak ukur edukasi pendidikan. Bila dibandingkan dengan pengaruh partisipasi dengan tingkat pengaruh tidak signifikan dengan pengaruh positif. Hal tersebut secara teori pasti memiliki pengaruh negatif dan signifikan namun karena keterbatasan indikator mungkin menjadi salah satu penyebabnya.
Co-Authors Aida Meimela Alfisyahrina Hapsery Caraka Arief Ibrahim Faldianus Karno Fenny Fitriani Indrasetianingsih, Artanti Mochammad Iqbal Nasrulloh Al Amin Muhammad Athoillah, Muhammad Novi Rahmawati Rezky Bryan Jonfris Purba Yohanita Uniyatri Aprilia