Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
"A new edition of the definitive guide to logistic regression modeling for health science and other applicationsThis thoroughly expanded Third Edition provides an easily accessible introduction to the logistic regression (LR) model and highlights the power of this model by examining the relationship between a dichotomous outcome and a set of covariables. Applied Logistic Regression, Third Edition emphasizes applications in the health sciences and handpicks topics that best suit the use of modern statistical software. The book provides readers with state-of-the-art techniques for building, interpreting, and assessing the performance of LR models. New and updated features include: A chapter on the analysis of correlated outcome data. A wealth of additional material for topics ranging from Bayesian methods to assessing model fit Rich data sets from real-world studies that demonstrate each method under discussion. Detailed examples and interpretation of the presented results as well as exercises throughout Applied Logistic Regression, Third Edition is a must-have guide for professionals and researchers who need to model nominal or ordinal scaled outcome variables in public health, medicine, and the social sciences as well as a wide range of other fields and disciplines"-- "This Third Edition continues to focus on applications and interpretation of results from fitting regression models to categorical response variables"--

Abstrak :
This very popular textbook is now in its third edition. Whether students or working professionals, readers apprciate its unique "lecture book" format. They often say the book reads like they are listening to an outstanding lecture. This edition includes three new chapters, an updated computer appendix, and an expanded section about modeling guidelines that consider causal diagrams. -- Like previous editions, this textbook provides a highly readable description of fundamental and more advanced concepts and methods of logistic regression. It is suitable for researchers and statisticians in medical and other life sciences as well as academicians teaching second-level regression methods courses. -- The Computer Appendix provides step-by-step instructions for using STATA (version 10.0), SAS (version 9.2), and SPSS (version 16) for procedures described in the main text. --Book Jacket.

Abstrak :
Stroke ialah salah satu penyebab kematian dan kecacatan neurologis utama di Indonesia. Stroke merupakan penyakit serebrovaskular yang setiap tahun meningkat jumlahnya. Penelitian ini bertujuan untuk mengetahui pengaruh rasio Low Density Lipoprotein LDL terhadap High Density Lipoprotein HDL dengan kejadian stroke pada penduduk usia dewasa. Penelitian ini menggunakan data dari studi kohort PTM penyakit tidak menular tahun 2011. Sampel dalam penelitian ini ialah penduduk usia dewasa yang menjadi responden penelitian studi kohort faktor risiko PTM di kota Bogor tahun 2011 yang berjumlah 1506 dan dianalisis menggunakan uji regresi logistik dengan signifikansi statistik di lihat berdasarkan interval kepercayaan 95. Prevalensi sampel pada penduduk usia dewasa di kota Bogor yang menderita stroke sebesar 1,26, responden dengan rasio LDL terhadap HDL yang tinggi sebesar 35,66. Responden dengan usia 46 tahun sebesar 34,26 dengan prevalensi jenis kelamin terbanyak pada perempuan sebesar 53,45 dan yang berpendidikan rendah sebesar 54,58, responden yang obesitas sebesar 27,42, responden dengan kadar kolesterol total tinggi sebesar 38,45 serta responden dengan kadar trigliserida tinggi sebesar 17,07. Hasil penelitian menunjukkan terdapat hubungan yang signifikan antara rasio LDL terhadap HDL dengan kejadian stroke dengan adjusted prevalens odds rasio 3,909 95 CI 1,346-11,354. Rasio LDL terhadap HDL yang tinggi berisiko terhadap kejadian stroke pada penduduk usia dewasa.

---

Stroke is one of the main causes of death and neurological disability in Indonesia. Stroke is a cerebrovascular disease which increases in number every year. This study aims to determine the effect of the ratio of Low Density Lipoprotein LDL to High Density Lipoprotein HDL with the incidence of stroke in the adult population. This study used data from the PTM (non-communicable disease) cohort study risk factor in 2011. The sample in this study was adult population 25-65 years who were respondents to the PTM cohort study in Bogor in 2011 which numbered 1506 and analyzed using regression tests logistics with statistical significance are seen based on 95 confidence intervals. Sample prevalence in adult population in the city of Bogor who suffered a stroke of 1.26, respondents with a high ratio of LDL to HDL were 35.66. Respondents with a age of sebesar46 years were 34.26 with the highest prevalence of sex in women amounting to 53.45 and those with low education were 54.58, respondents who were obese were 27.42, respondents with high total cholesterol levels were 38, 45 and respondents with high triglyceride levels of 17.07. The results showed that there was a significant relationship between the ratio of LDL to HDL and the incidence of stroke with an adjusted prevalence odds ratio of 3.909 95 CI 1.346-11.354. The high ratio of LDL to HDL is at risk for the incidence of stroke in the adult population.

Abstrak :
Penelitian ini bertujuan untuk menganalisis faktor mana yang paling penting dalam memprediksi freelancer berkualitas tinggi. Krisis dan pandemi covid memaksa perusahaan melakukan efisiensi biaya sehingga merekrut freelancer online menjadi solusi yang bisa dipertimbangkan. Rekrut freelancer online cukup mudah, kamu tinggal masuk ke website freelance marketplace, lalu pilih freelancer dan pekerjaan yang kamu inginkan, lalu ajukan penawaran. Namun, perusahaan perlu merekrut pekerja lepas berkualitas tinggi tetapi berbiaya rendah untuk efisiensi biaya. Artinya, perusahaan perlu merekrut freelancer yang memiliki kualitas top-rated tapi belum top-rated. Berbeda dengan penelitian sebelumnya, penulis menggunakan variabel Top Rated sebagai dependen yang mencerminkan kualitas tinggi dan menganalisisnya menggunakan algoritma Random Forest dan Logistic Regression. Dataset tersebut berisi 5.825 sample size yang diunduh dari Kaggle.com. Dari penelitian sebelumnya, Similar-Job-Experience dan Past-Rating merupakan faktor terpenting yang mencerminkan kualitas. Sementara itu, dalam penelitian ini, atribut totalRevenue, BilledAssignments, dan totalHourlyJobs masing-masing menjadi variabel terpenting yang berhasil memprediksi 30 freelancer Top Rated di masa depan. Temuan ini berguna bagi perusahaan untuk mempertimbangkan faktor-faktor ini dalam merekrut pekerja lepas. Sepengetahuan penulis, saat ini penelitian yang membahas tentang kriteria freelancer yang menggunakan machine learning masih terbatas ......This study aims to analyze which factors are most important in predicting high-quality freelancer. The crisis and the covid pandemic forced companies to make cost efficiency so that recruiting online freelancers was a solution that could be considered. Online recruitment is quite easy, you just have to go to the freelance marketplace website, then select the freelancer and job you want, then offer freelance. However, companies need to hire high-quality but low-cost freelancers for cost efficiency. This means that companies need to recruit freelancers who are top-rated but not yet top-rated. In contrast to previous studies, the author uses the Top Rated variable as the dependent which reflects high quality and analyzes it using the Random Forest and Logistic Regression algorithms. The dataset contains 5,825 samples downloaded from Kaggle.com. From previous research, Similar-Job-Experience and Past-Rating are the most important factors that reflect quality. Meanwhile, this study, the attributes of totalRevenue, BilledAssignments, and totalHourlyJobs became the most important variables that succeeded in predicting the 30 Top Rated freelancers in the future. This finding is useful for companies to consider these factors in recruiting freelancers. To the author's knowledge, currently researching the criteria for freelancers who use machine learning is still limited.

Abstrak :
Dalam dua tahun terakhir pandemi corona virus disease 2019 (COVID-19) telah menginfeksi > 220 juta orang dan 5 juta orang meninggal. Di Indonesia > 4 juta orang terinfeksi dan > 140.000 orang meninggal. Pada puncak pandemi, kebutuhan perawatan tidak seimbang dengan sarana rumah sakit sehingga WHO menganjurkan untuk memprioritaskan pasien secara ekual. Untuk itu diperlukan prediktor luaran pasien COVID-19. Penelitian ini bertujuan menyusun prediktor luaran pasien COVID-19 menggunakan regresi logistik dan machine learning. Penelitian terdiri atas 2 tahap. Tahap pertama adalah kohort retrospektif untuk menyusun prediktor kematian di rumah sakit dengan regresi logistik dan machine learning (decision tree, random forest, support vectore machine, gradient boost and extreme gradient boost). Pasien terkonfirmasi COVID-19 diinput di data registri REG-COVID-19 pada bulan Maret–Juli 2020 di RS Persahabatan (RSP) dan RS Universitas Indonesia (RSUI). Tahap kedua adalah kohort prospektif pada pasien COVID-19 di RSP, RSUI dan RSPI Suliati Saroso pada bulan Maret–Mei 2021. Data yang diinput adalah data demografi, gejala klinis, komorbid, laboratorium, skor Brixia dari radiografi toraks, luaran pasien dari perawatan dan lama rawat. Pada tahap penyusunan diperoleh 271 subjek untuk analisis machine learning, 239 subjek untuk model 1, sebanyak 180 subjek model 2, dan 152 subjek model 3 dan model 4. Hasil analisis regresi logistik model 1 terdiri atas 7 variabel yaitu demam, diabetes melitus, frekuensi napas, saturasi O2, leukosit, SGOT dan CRP dengan AUC 0,930. Model 2 memberikan hasil hampir sama tetapi SGOT menjadi SGPT dengan AUC 0,926. Model 3 memiliki AUC 0,919 dan model 4 memberikan AUC 0,924 dengan variabel D dimer > 2000 menjadi salah satu prediktor. Validasi semua model regresi logistik dan machine learning menunjukkan penurunan AUC, tetapi tidak berbeda bermakna (uji perbandingan AUC, p = 0,683–0,736). Perbandingan model regresi logistik dan machine learning juga tidak berbeda bermakna (uji perbandingan AUC dengan rumus Hanley, p = 0,492–0,923). Disimpulkan prediksi kematian pasien COVID-19 menggunakan regresi logistik dan machine learning memiliki akurasi yang baik sehingga regresi logistik dan machine learning dapat dijadikan prediktor luaran pasien COVID-19. ......Corona virus disease 2019 (COVID-19) pandemic has lasted almost 2 years worldwide with more than two hundred million world population were infected and almost 5 million (2%) death. In Indonesia, there have been more than 4 million people were infected with more than 140.000 (3.5%) death. At the peak of the outbreak there were discrepancy between health care facilities and demands. WHO recommended to prioritize patient equally, to avoid patient discrimination by social class, race, and gender. The best prediction tool should be valid, reliable and feasible. Many studies develop assessment with logistic regression and machine learning with the goal to improve accuracy. Some study showed variety of predictors in outcome prediction, in this study we developed and validated assessment tool to predict hospital mortality comparing logistic regression and machine learning, included support vector machine (SVM), decision tree (DT), random forest (RF), gradient boost (GB) and extreme gradient boost (XGB). Our study was conducted in 2 stages. The first stage study was cohort retrospective to develop assessment tool to predict hospital mortality by comparing logistic regression and machine learning among hospitalized COVID-19 patients from March to July 2020. The second was cohort prospective study among the same population, to validate the tools. The development data were collected from Persahabatan hospital and Universitas Indonesia hospital who registered in REG-COVID-19, 271subjects were eligible for machine learning analysis and 239 subjects for logistic regression data set 1; 180 subjects for data set 2; 152 for data set 3 and 4. Analysis of data set 1 resulted in 8 variables as mortality prediction include fever, DM, respiratory rate (RR), oxygen saturation, leucocyte, ALT > 42, CRP > 88, with AUC 0,930. Data set 2 resulted in similar variables except AST, with AUC 0,926. Data set 3 resulted in 6 variables with AUC 0,919 and Data set 4 resulted in 7 variables included fever, HR, RR, leucocyte, age above 52, CRP > 86 and D-dimer > 2000 with AUC 0,924. Validation of all models showed decreasing AUC. Machine learning analysis resulted in 5 models with the best was XGB among all set data with AUC between 0,8–0,9. There were decreasing of AUC of all models, but not statistically different (p 0.683–0.736). Comparing developed models with logistic regression and machine learning showed there were differences but not statistically significant. (p 0.492-0.923)

Abstrak :
Penelitian ini bertujuan untuk mengindentifikasi prediksi financial distress untuk perusahaan yang tercatat di Indonesia. Variabel yang digunakan adalah rasio akuntansi dan faktor pasar. Rasio akuntansi yang digunakan berupa profitabilitas, likuiditas, dan leverage, serta dua faktor pasar yang penting yaitu SIZE dan PER. Sampel yang digunakan sebanyak 241 perusahaan yang tercatat di Bursa Efek Indonesia dari tahun 2008 sampai 2017 dan metode regresi logistik digunakan untuk memprediksi financial distress. Perusahaan yang mengalami distress didefinisikan sebagai perusahaan yang telah melaporkan nilai ekuitas negatif selama tiga tahun berturut-turut. Temuan empiris dari penelitian ini menunjukkan bahwa variabel accounting yang terdiri dari profitabilitas, likuiditas, leverage, dan arus kas berpengaruuh signifikan. Kemudian, SIZE dan PER yang merupakan variabel market juga dinilai memiliki pengaruh yang signifikan dalam memprediksi kemungkinan financial distress. ......This research aims to identify the predictors of financial distress for the Indonesian listed firms. Variables used are the accounting and market variables. Financial ratios representing profitability, liquidity, and leverage, as well as two important market factors which are firm’s size (SIZE) and price earnings ratio (PER) . The sample consist of 241 firms listed in Indonesia Stock Exchange stretching from 2008 to 2017 and logit regression is applied to predict financial distress. A distressed firm is defined as a firm that has reported a negative value of equity for three consecutive years. Empirical findings from this study show that accounting variable consisting of profitability, liquidity, leverage, and cash flow ratios are significant. Also, SIZE and PER as market variable is significant in predicting financial distress.

Abstrak :
ABSTRAK Krisis keuangan global yang terjadi pada tahun 2008 menimbulkan dampak yang luas pada perekonomian di Indonesia. Dampak tersebut berpengaruh pada perusahaan-perusahaan publik yang dapat menyebabkan perusahaan mengalami kondisi financial distress sehingga menimbulkan ancaman kebangkrutan. Penelitian ini bertujuan untuk menganalisis pengaruh rasio keuangan terhadap prediksi kondisi financial distress dengan menggunakan model regresi logistik. Sampel yang digunakan adalah perusahaan-perusahaan sektor non-keuangan yang terdaftar di BEI periode 2008-2017. Penelitian ini menggunakan 235 sampel dan hasil penelitian menunjukkan bahwa rasio Cash Flow Margin dan Debt to Equity Ratio memberikan pengaruh positif dalam memprediksikan kondisi financial distress perusahaan, sedangkan rasio Return on Asset dan Cash to Current Liabilities memberikan pengaruh negatif dalam memprediksikan kondisi financial distress perusahaan. Terdapat 2 rasio keuangan yang memiliki pengaruh signifikan, yaitu Cash Flow Margin dan Cash to Current Liabilities, sedangkan 2 rasio lainnya yaitu Return on Asset dan Debt to Equity Ratio tidak memiliki pengaruh signifikan dalam memprediksikan kondisi financial distress perusahaan.

Abstrak :
Krisis keuangan global yang terjadi sekitar tahun 2008 hingga 2009 menimbulkan dampak ke Indonesia, salah satunya ancaman kebangkrutan pada perusahaan publik. Penelitian ini bertujuan untuk menganalisis prediksi financial distress dengan menggunakan teknik analisis logistic regression dan discriminant analysis pada perusahaan publik yang terdaftar di Bursa Efek Indonesia periode 2005 hingga 2010. Hasilnya adalah dengan menggunakan teknik analisis logistic regression, tingkat akurasi prediksi financial distress dalam memprediksi jawaban yang benar adalah sebesar 89.3 persen dan dengan menggunakan teknik teknik analisis discriminant analysis, tingkat akurasi prediksi financial distress dalam memprediksi jawaban yang benar adalah sebesar 62 persen. Pada penggunaan teknik discriminant analysis, waktu yang terbaik untuk memprediksi adalah tiga tahun sebelum financial distress, dengan nilai persentase sebesar 66 persen yang merupakan angka tertinggi selama periode penelitian.

---

Due to global financial crisis in 2008 until 2009 affects to Indonesia, one of them is the threat of financial distress which occures before bankruptcy. This research aimed to predict the financial distress using logistic regression and discriminant analysis to public companies listed in Indonesia Stock Exchange (IDX) in 2005-2010. The results are by using logistic regression, financial distress can be predicted 89.3% significantly. Moreover, by using discriminant analysis, financial distress can be predicted 62% significantly. Discriminant analysis approach gets best prediction in 3 years prior to occurence of financial distress with 66% correct percentage.

Abstrak :
ABSTRAK
Kredit merupakan salah satu bentuk penyaluran dana yang dilakukan oleh lembaga keuangan perbankan. Berbagai jenis kredit ditawarkan oleh pihak-pihak yang memberikan pinjaman, salah satu jenis kredit yang paling diminati adalah kredit uang. Dalam memberikan kredit, pihak bank tidak akan begitu saja dalam memberikan kredit. Model teknologi credit scoring dapat dimanfaatkan untuk menyaring peminjam. Model logistic regression dapat digunakan untuk menghubungkan probabilitas kegagalan pinjaman kredit macet dengan menggunakan data calon peminjam yang diperlukan seperti besar pendapatan perbulan, besar pinjaman, usia calon peminjam, klasifikasi pekerjaan, jenis tempat tinggal dan kepemilikan jaminan. Atribut-atribut tersebut akan dievaluasi oleh bilangan fuzzy. Sehingga diharapkan metode fuzzy logistic regression dapat digunakan untuk menentukan probabilitas kredit macet dimana dengan probabilitas tersebut dapat diketahui apakah pinjaman yang diajukan calon peminjam akan masuk kedalam kategori kredit macet atau kredit lancar.

---

ABSTRACT
Credit is one form of distribution of funds by financial institutions banking. Various types of loans offered by the parties are on loan, one type of credit the most popular is credit money. In providing credit, the bank will not just provide credit. Model of credit scoring technology can be used to screen borrowers. Logistic regression models can be used to connect the probability of failure of loans bad loans using data from the prospective borrower required such a large monthly income, loan size, the age of prospective borrowers, job classification, type of dwelling and ownership guarantee. The attributes will be evaluated by fuzzy numbers. So expect fuzzy logistic regression method can be used to determine the probability of bad loans in which the probability can be known whether the proposed loan to potential borrowers will be entered into the category of bad credit or good credit.

Abstrak :
Penelitian ini menyelidiki faktor-faktor yang menentukan niat berjudi secara daring di kalangan 443 warga Jabodetabek berusia 18-30 tahun, dengan menggunakan regresi logistik biner untuk menganalisis data primer. Penelitian ini bertujuan untuk memahami pengaruh sikap, norma sosial, dan kendali perilaku yang dirasakan terhadap niat berjudi secara daring. Hasil penelitian menunjukkan bahwa persepsi akan pentingnya berjudi secara daring, kemudahan penggunaan, kemampuan mencapai hasil yang diinginkan, persetujuan teman terhadap perilaku berjudi secara daring, dan kemampuan menjadi ahli dalam menggunakan platform perjudian daring memiliki pengaruh positif dan signifikan terhadap niat berjudi secara daring. Temuan ini menekankan pentingnya menangani faktor-faktor ini melalui intervensi yang tepat dan kampanye kesadaran untuk mendorong perilaku daring yang bertanggung jawab dan mengurangi risiko potensial yang terkait dengan berjudi secara daring di kalangan pemuda di wilayah Jabodetabek. ......This research investigates the determinants of online gambling intention among 443 citizens of Jabodetabek aged 18-30, utilizing binary logistic regression to analyze primary data. The study aims to understand the influence of attitude, social norms, and perceived behavioral control on the intention to engage in online gambling. The results indicate that perceived importance, ease of use, ability to achieve desirable results, friends' agreement toward online gambling behavior, and the ability to become an expert at using online gambling platforms have significant and positive effects on online gambling intention.