Article Per Year (5 Year)
p-Index From 2019 - 2024
0.751
P-Index
This Author published in this journals
All Journal Jurnal Statistika Industri dan Komputasi
Rokhana Dwi Bekti
Jurusan Statistika, Fakultas Sains Terapan, IST Akprind Yogyakarta
Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Mathematics

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

Found 4 Documents
Search

 1 
ANALISIS FAKTOR YANG MEMPENGARUHI LAJU KESEMBUHAN PASIEN DEMAM BERDARAH DENGUE MENGGUNAKAN REGRESI COX PROPORTIONAL HAZARD DAN REGRESI WEIBULL: Studi Kasus : Kabupaten Bantul, Yogyakarta Like Erna Widyawati; Rokhana Dwi Bekti
Jurnal Statistika Industri dan Komputasi Vol. 5 No. 02 (2020): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

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

Abstract

Demam Berdarah Dengue merupakan salah satu masalah penyakit infeksi di Indonesia yang ditularkan oleh virus Aedes aegypti dan menyebar sangat cepat sehingga dapat menimbulkan kematian. Dalam penelitian ini dilakukan analisis faktor yang mempengaruhi laju kesembuhan pasien DBD menggunakan Regresi Cox Proportional Hazard dan Regresi Weibull. Data yang digunakan dalam penelitian ini adalah data rawat inap pasien DBD di Kabupaten Bantul, karena Bantul merupakan daerah yang memiliki jumlah kasus DBD tertinggi di Provinsi Yogyakarta selama 5 tahun terakhir. Berdasarkan Kaplan-Meier maka diperoleh pasien dengan jenis kelamin laki-laki lebih lama menjalani masa rawat inap dibandingkan dengan pasien perempuan. Untuk variabel ruang kelas rawat inap, semakin tinggi tingkat kelas ruang rawat maka pasien lebih cepat menjalani masa rawat inap. Pasien umum yang membayar biaya rumah sakit tanpa asuransi menjalani masa rawat inap lebih cepat dibandingkan pasien yang membayar dengan asuransi. Hasil penelitian menunjukkan bahwa nilai AIC regresi cox proportional hazard sebesar 134,9302 sedangkan nilai AIC untuk regresi weibull sebesar 177,2457. Sehingga metode yang terbaik untuk penelitian ini adalah dengan menggunakan regresi cox-proportional hazard karena nilai AIC yang diperoleh lebih kecil.. Kata kunci: Demam Berdarah Dengue, Regresi Cox Proportional Hazard, Regresi Weibull, AIC. Demam Berdarah Dengue merupakan salah satu masalah penyakit infeksi di Indonesia yang ditularkan oleh virus Aedes aegypti dan menyebar sangat cepat sehingga dapat menimbulkan kematian. Dalam penelitian ini dilakukan analisis faktor yang mempengaruhi laju kesembuhan pasien DBD menggunakan Regresi Cox Proportional Hazard dan Regresi Weibull. Data yang digunakan dalam penelitian ini adalah data rawat inap pasien DBD di Kabupaten Bantul, karena Bantul merupakan daerah yang memiliki jumlah kasus DBD tertinggi di Provinsi Yogyakarta selama 5 tahun terakhir. Berdasarkan Kaplan-Meier maka diperoleh pasien dengan jenis kelamin laki-laki lebih lama menjalani masa rawat inap dibandingkan dengan pasien perempuan. Untuk variabel ruang kelas rawat inap, semakin tinggi tingkat kelas ruang rawat maka pasien lebih cepat menjalani masa rawat inap. Pasien umum yang membayar biaya rumah sakit tanpa asuransi menjalani masa rawat inap lebih cepat dibandingkan pasien yang membayar dengan asuransi. Hasil penelitian menunjukkan bahwa nilai AIC regresi cox proportional hazard sebesar 134,9302 sedangkan nilai AIC untuk regresi weibull sebesar 177,2457. Sehingga metode yang terbaik untuk penelitian ini adalah dengan menggunakan regresi cox-proportional hazard karena nilai AIC yang diperoleh lebih kecil.
KAJIAN PENGARUH MATRIKS PEMBOBOT SPASIAL DALAM MODEL SPASIAL DATA PANEL UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT KEMISKINAN DI PROVINSI NUSA TENGGARA TIMUR Frederikus Benmar Lega; Rokhana Dwi Bekti
Jurnal Statistika Industri dan Komputasi Vol. 8 No. 1 (2023): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v8i1.4402

Abstract

Kemiskinan merupakan salah satu masalah sosial yang terus menggerogoti masyarakat di Indonesia terkhususnya di Provinsi Nusa Tenggara Timur sejak lama. Berdasarkan hasil laporan BPS pada Maret 2018, Provinsi Nusa Tenggara Timur merupakan Provinsi ketiga di Indonesia yang masih ada dalam ketegori Provinsi paling miskin. Analisis ini bertujuan untuk mengetahui faktor-faktor yang mempengaruhi tingkat kemiskinan di Provinsi Nusa Tenggara Timur menggunakan metode regresi spasial data panel dengan pendekatan matriks pembobot spasial queen contiguity dan euclidean distance. Regresi spasial data panel merupakan metode regresi yang menganalisis data obeservasi yang menggabungkan antara data time series dan cross section, yaitu berupa data yang diamati pada tiap-tiap lokasi pengamatan secara berkala dari waktu ke waktu dengan memperhatikan letak keterkaitan antar wlayah secara geografis. Pada penelitian ini variabel dependen yang digunanakan yaitu tingkat kemiskinan dan variabel independennya adalah laju pertumbuhan PDRB, persentase penduduk yang lulus SMP, fasilitas kesehatan (Puskesmas), angka harapan hidup, dan tingkat partisipasi angkatan kerja. Berdasarkan hasil analisis menunjukan model regresi data panel yang terpilih adalah model random effect. Model random effect yang diperoleh memiliki tingkat akurasi yang sangat kecil yaitu hanya sebesar sebesar 21,21 %. Dengan melihat hasil tersebut diduga bahwa terdapat pengaruh spasial antar lokasi secara geografi. Pengaruh antar lokasi diukur dengan membuat matriks pembobot spasial queen contiguity dan euclidaen distance. Pada pengujian efek spasial diperoleh adanya autokorelasi spasial pada variabel tingkat kemiskinan dan terdapat ketergantungan spasial error. Oleh sebab itu perlu dilakukan analisis model SEM-Random Effect dengan kedua matriks pembobot tersebut. Diperoleh nilai AIC untuk model SEM-Random Effect dengan pembobot spasial queen contiguity sebesar 4.3968 lebih kecil dibandingkan dengan nilai AIC model SEM-Random Effect dengan pembobot spasial euclidaen distance sebesar 4.4919. Hal ini menunjukkan SEM-Random Effect dengan matriks pembobot spasial queen contiguity memberikan model yang lebih baik untuk menjelaskan faktor-faktor yang mempengaruhi tingkat kemiskinan. Variabel independen yang signifikan berpengaruh terhadap tingkat kemiskinan Kabupaten/Kota di Nusa Tenggara Timur adalah angka harapan hidup.
PERBANDINGAN METODE SPATIAL LAG X, SPATIAL AUTOREGRESSIVE MODEL DAN SPATIAL ERROR MODEL UNTUK FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT PENGANGGURAN TERBUKA DI PROVINSI NTT Elsa Kristiana Soinbala; Rokhana Dwi Bekti
Jurnal Statistika Industri dan Komputasi Vol. 8 No. 1 (2023): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v8i1.4417

Abstract

Pengangguran merupakan keadaan seseorang yang tergolong dalam angkatan kerja dan tidak memiliki pekerjaan dan secara aktif sedang mencari pekerjaan. Pengangguran di suatu wilayah dapat dipengaruhi oleh faktor geografis, yang merupakan besarnya angka pengangguran di suatu wilayah yang dapat mempengaruhi angka pengangguran pada wilayah yang berdekatan sehingga faktor geografis diduga dapat mempengaruhi dan memberikan efek dependensi spasial pada nilai pengangguran di Provinsi Nusa Tenggara Timur. Penelitian ini bertujuan untuk mengetahui perbandingan metode Spatial Lag X, Spatial Autoregressive Model, dan Spatial Error Model, untuk Faktor-Faktor Yang Mempengaruhi Tingkat Pengangguran Terbuka Di Provinsi NTT. Unit pengamatan pada penelitian ini adalah 22 Kabupaten/ Kota di Provinsi NTT. Data yang digunakan merupakan data sekunder dari Badan Pusat Statistik Nusa Tenggara Timur tahun 2021. Metode analisis yang digunakan adalah Spatial Lag X (SLX), Spatial Autoregressive Model (SAR), dan Spatial Error Model (SEM). Hasil penelitian menunjukkan bahwa berdasarkan nilai uji Morans’I variabel presentase penduduk yang tidak mempunyai ijazah (X1), distibusi presentase PDRB atas harga berlaku (X3) terdapat autokorelasi atau keterkaitan antar wilayah Kabupaten di Provinsi NTT. Pada nilai uji Lagrange Multiplier, uji Robust Lagrange Multiplier error () memiliki dependensi spasial error. Variabel predictor yang secara signifikan berpengaruh terhadap tingkat pengangguran pada model SLX dan SAR adalah distibusi presentase PDRB atas harga berlaku (X3), sedangkan pada model SEM adalah variabel Indeks pembangunan manusia (X4). Berdasarkan hasil penelitian didapatkan model SEM memiliki nilai AIC terkecil sehingga model SEM lebih baik digunakan untuk menganalisis nilai tingkat pengangguran di Provinsi Nusa Tenggara Timur dibandingkan model Regresi OLS, SLX, dan SAR.
PENERAPAN METODE KULLDORFF’S SPATIAL SCAN STATISTIC UNTUK MENDETEKSI KASUS KECELAKAAN DI INDONESIA Agung Martanto; Rokhana Dwi Bekti
Jurnal Statistika Industri dan Komputasi Vol. 8 No. 1 (2023): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v8i1.4430

Abstract

Kecelakaan lalulintas adalah kejadian tabrakan yang melibatkan sebuah kendaraan bermotor dengan benda/kendaraan lain dan menyebabkan kerusakan, kadang kecelakaan ini dapat mengakibatkan luka-luka atau kematian. Peran pemerintah diperlukan untuk meminimalisir jumlah korban terutama korban yang meninggal dunia. Penelitian ini bertujuan untuk mendeteksi hotspot kasus kecelakaan di Indonesia menggunakan metode Kulldorff’s Spatial Scan Statistic dengan model peluang Bernoulli. Data yang digunakan berupa data sekunder tentang data kecelakaan di 31 POLDA yang tersebar di seluruh Indonesia pada tahun 2019, bersumber dari Korlantas POLRI. Sebagai data pendukung adalah data koordinat longitude dan latitude seluruh wilayah 31 POLDA. Dalam penelitian ini digunakan dua aturan untuk mendeteksi hotspot sebagai perbandingan, yaitu persentase risiko dalam populasi sebanyak 25% dan 10%. Untuk aturan yang pertama yaitu 25% terdeteksi sebanyak lima hotspot dengan total lokasi yang tercakup adalah sebanyak 19 POLDA. Untuk aturan yang kedua yaitu 10% terdeteksi sebanyak lima hotspot dengan total lokasi yang tercakup adalah sebanyak 16 POLDA.
Co-Authors Agung Martanto Elsa Kristiana Soinbala Frederikus Benmar Lega Like Erna Widyawati