Hasil Pencarian  ::  Simpan CSV :: Kembali

"Mangrove mempunyai luas 18 Ha di lokasi penelitian, yang mana luas ini masih jauh dari kondisi ideal. Permasalahan dari penelitian ini adalah adanya fluktuasi luas hutan mangrove karena peningkatan aktivitas pembangunan di wilayah pesisir. Tujuan penelitian ini untuk menganalisis struktur vegetasi mangrove, menganalisis hubungan faktor internal dan faktor eksternal dengan tingkat partisipasi masyarakat dalam pengelolaan ekosistem mangrove, dan membuat model partisipasi masyarakat dan hubungannnya dengan struktur vegetasi mangrove di Kecamatan Pariaman Utara, Kota Pariaman. Metode yang digunakan untuk pengambilan data mangrove adalah plot sampling dan purposive sampling, sedangkan partisipasi masyarakat menggunakan accidental sampling. Pembuatan model partisipasi masyarakat menggunakan regresi ordinal. Hasil penelitian menunjukkan struktur vegetasi mangrove mempunyai kerapatan 841 Ind/Ha. Nilai indeks Keanekaragaman (H') dan Keseragaman (J') masuk dalam kategori rendah, yakni H' dengan nilai 0,0-0,3 dan J' sebesar 0,0-0,04. Kesimpulan dari penelitian ini adalah mangrove masuk pada kategori rusak dan secara keseluruhan semua tahap partisipasi masuk pada kategori rendah.

---

Mangrove has an area of 18 hectares in the research location, which is still far from ideal conditions. The problem of this research is the fluctuation of mangrove forest area due to increased development activities in coastal areas. The purpose of this study was to analyze the structure of mangrove vegetation, to analyze the relationship between internal and external factors with the level of community participation in mangrove ecosystem management, and to make models of community participation and its relationship with the structure of mangrove vegetation in North Pariaman District, Pariaman City. The methods used to collect mangrove data were plot sampling and purposive sampling, while community participation used accidental sampling. Making community participation models using ordinal regression. The results showed that the mangrove vegetation structure had a density of 841 Ind/Ha. The value of the Diversity index (H') and Uniformity (J') falls into the low category, namely H' with a value of 0.0-0.3 and J' of 0.0-0.04. The conclusion of this study is that mangroves are in the damaged category and overall all participation stages are in the low category.

"

"Analisis regresi merupakan metode statistika yang digunakan untuk mengetahui pola hubungan antara variabel respon dengan satu atau lebih variabel prediktor. Model regresi yang sering digunakan adalah model regresi linier dengan asumsi variabel respon berdistribusi normal. Pengembangan dari model regresi linier adalah Generalized Linear Model (GLM). Salah satu komponen dari GLM adalah fungsi penghubung yang digunakan untuk menghubungkan variabel respon dengan prediktor linier. Pemilihan fungsi penghubung ini bergantung pada jenis variabel respon. Pada variabel respon kategorik di mana tidak ada keterurutan (nominal), salah satu GLM yang dapat digunakan adalah model dengan fungsi penghubung probit. Namun, model ini tidak dapat digunakan untuk variabel respon kategorik dengan keterurutan (ordinal). Untuk itu, dikembangkan model ordered probit untuk menganalisis variabel respon ordinal dengan fungsi penghubung probit. Namun, jika kategori 0 memiliki observasi yang lebih banyak dibandingkan kategori lainnya, maka terjadi zero-inflation pada data respon. Hal ini dapat menyebabkan terjadinya overdispersi yang berakibat pada kesalahan interpretasi model dan kesalahan pengambilan kesimpulan. Untuk itu, diperlukan pengembangan dari model ordered probit, yaitu model zero-inflated ordered probit. Estimasi parameter model zero- inflated ordered probit dilakukan menggunakan metode maximum likelihood. Implementasi dari model zero-inflated ordered probit digunakan untuk memprediksi tingkat keparahan cedera akibat kecelakaan lalu lintas berdasarkan data kecelakaan lalu lintas. Sebagai variabel respon ordinal pada model zero-inflated ordered probit adalah tingkat keparahan cedera yang memiliki tiga kategori, yaitu tidak terjadi cedera berat, cedera serius, dan cedera fatal. Pada data tersebut, kategori tidak terjadi cedera berat (0) memiliki observasi yang lebih banyak dibandingkan kategori lainnya sehingga terjadi zero-inflation. Sebagai variabel prediktor pada model zero-inflated ordered probit adalah jumlah kendaraan yang terlibat dan jumlah korban jiwa. Hasil penelitian ini menyimpulkan bahwa model zero-inflated ordered probit dengan jumlah kendaraan yang terlibat sebagai inflation variable dan jumlah korban jiwa sebagai variabel prediktor merupakan model terbaik. Model ini memberikan prediksi yang sesuai dengan nilai sebenarnya dengan akurasi 85,36%. Diperoleh pula nilai AIC dari model ini sebesar 2614,282.

---

Regression analysis is a statistical method used to determine the pattern of relationship between a response variable and one or more predictor variables. The regression model that is often used is the linear regression model with the assumption that the response variable is normally distributed. The development of the linear regression model is the Generalized Linear Model (GLM). One of the components of GLM is a link function which is used to connect response variables with linear predictors. The choice of this connecting function depends on the type of response variable. For categorical response variables where there is no ordering (nominal), one GLM that can be used is a model with probit link function. However, this model cannot be used for categorical response variables with ordinal order. For this reason, ordered probit model was developed to analyze ordinal response variables with a probit link function. However, if category 0 has more observations than other categories, then zero-inflation occurs in the data response. This can cause overdispersion which results in misinterpretation of the model and wrong conclusions. For this reason, it is necessary to develop ordered probit model, namely zero- inflated ordered probit model. Zero-inflated ordered probit model parameter estimation was estimated using maximum likelihood method. The implementation of zero-inflated ordered probit model is used to predict the severity of injuries resulting from traffic accidents based on traffic accident data. As an ordinal response variable in the zero- inflated ordered probit model is the severity of injury which has three categories, namely slight injury, serious injury, and fatal injury. In this data, the category of slight injury (0) has more observations than other categories, resulting in zero-inflation. As predictor variables in the zero-inflated ordered probit model are the number of vehicles involved and the number of casualties. The results of this research conclude that the zero-inflated ordered probit model with the number of vehicles involved as the inflation variable and the number of fatalities as the predictor variable is the best model. This model provides predictions that match the actual values with an accuracy of 85,36%. The AIC value of this model was also obtained at 2614,282."

"ABSTRAK

Pejalan kaki merupakan pengguna jalan yang rentan dalam berlalulintas. Pada tahun 2018 di Indonesia, pejalan kaki berkontribusi sebesar 16% dari total kematian dalam kecelakaan lalu lintas, sedangkan ratusan ribu orang lainnya mengalami cidera ringan maupun berat. Di Kota Magelang, 22% kecelakaan lalu lintas pada tahun 2014-2018 merupakan kecelakaan pejalan kaki dan menyumbang 28% dari total kematian dalam kecelakaan lalu lintas. Pengamatan terhadap variabel yang signifikan memengaruhi tingkat keparahan kecelakaan pejalan kaki di Kota Magelang dilakukan menggunakan metode regresi probit ordinal dan diinterpretasikan menggunakan efek marginal. Hasil analisis menunjukkan bahwa variabel yang berpengaruh secara signifikan terhadap tingkat keparahan kecelakaan pejalan kaki adalah cahaya dan usia. Pencahayaan yang kurang dan pejalan kaki yang berusia lanjut (lebih dari 65 tahun) meningkatkan fatalitas kecelakan pejalan kaki.

---

ABSTRACT

 

---

In Indonesia, pedestrian deals with a lot of challenge as a part of road user. In 2018, pedestrian in Indonesia contribute around 16% from total fatalities on traffic accidents, meanwhile hundreds of thousands of victims face major and minor injuries. In Magelang, 22% of traffic accidents in 2014-2018 are pedestrian accident, which contribute 28% of national fatality number caused by traffic accident. Observation over variables that significantly affect the severity of pedestrian accident in Magelang City was done using Ordinal Probit Regression method and interpreted using Marginal Effects. Study shows that lighting and age are the variables that significantly affect the severity of pedestrian accident. Lack of lighting and elderly pedestrian (older than 65 years old) increase the severity of the accidents.

 

"

"ABSTRAKPenelitian ini bertujuan untuk mengetahui pengaruh faktor demografi terhadap kualitas hidup, dengan membandingkan kondisi migran dan non-migran di Provinsi Jawa Barat. Provinsi Jawa Barat memiliki tingkat migrasi tertinggi di Indonesia, dan memiliki pertumbuhan penduduk yang tinggi. Jumlah populasi bisa berpengaruh baik atau buruk pada pembangunan. Variabel kualitas kehidupan dipengaruhi oleh faktor demografi yang dimiliki oleh masing-masing individu, seperti usia, jenis kelamin, status perkawinan, ukuran keluarga, perempuan dan sektor formal. Membandingkan migran dan non-migran akan memberikan gambaran yang lebih baik tentang kontributor pembangunan. Dengan memisahkan migran dan non migran bisa menjelaskan akar permasalahan sosial di Provinsi Jawa Barat. Menggunakan Susenas data survei sosioekonomi nasional pada tahun 2014 dengan jumlah pengamatan 37.833 sampel angkatan kerja dan 19.259 sampel yang bekerja dengan metode ordinal logit, didapatkan hasil bahwa semua variabel kecuali kepala rumah tangga perempuan berpengaruh signifikan secara statistik terhadap kualitas hidup. Meskipun variabel-variabel ini berpengaruh, migran memiliki kualitas hidup yang lebih tinggi dibandingkan dengan non-migran. Hal ini juga ditunjukkan dari perhitungan skor kualitas hidup migran yang 13 persen lebih tinggi daripada kualitas hidup non-migran.

---

ABSTRACT This study aims to see the influence of demographic factors on the quality of life, by comparing the situation of migrants and non migrants in West Java Province. West Java Province has the highest in migration rate in Indonesia, and has a high population growth. The size of population could be good or bad for the development. The quality of life variables is influenced by demographic factors owned by each individual, such as age, gender, marital status, family size, female headed and formal sector. Comparing migrants and non migrants will give a better picture of who are the development contributors. By separating migrant and non migrant could explain the root of social problems in West Java Province. Using Susenas The national socioeconomic survey data in 2014 with an observation number of 37.833 sample of labor force and 19.259 sample of employee with ordinal logit method, it is found that all of the variable except female headed is significant statistically affecting the quality of life. Although these variables are influential, migrants have a higher quality of life than non migrants. It is also shown from the calculation of life scores where the life quality score of migrants is 13 percent higher than non migrant quality of life score."

"ABSTRAKPenelitian ini bertujuan untuk mengembangkan model prediksi peringkat kredit perusahaan dengan menggunakan data keuangan yang tersedia di publik. Model regresi probit ordinal digunakan dalam penelitian ini untuk menentukan spesifikasi dari interval peringkat kredit. Model diuji menggunakan data perusahaan non-keuangan yang terdaftar di Bursa Efek Indonesia dalam periode 2007-2016. Periode tersebut dipilih sebagai perbandingan situasi ekonomi Indonesia yang sempat mengalami dua kali pelemahan ekonomi pada tahun 2008 dan 2013. Berdasarkan hasil empiris, didapat sebuah model yang mampu memprediksi peringkat kredit perusahaan di situasi ekonomi yang beragam dengan menggunakan data keuangan yang sederhana. Model yang dihasilkan mampu memiliki kemampuan prediksi dalam periode satu sampai tiga tahun ke depan.

---

ABSTRACTThis study aim to develop a methodology using accounting data to construct a credit rating prediction model in Indonesia. Ordered probit analysis is being used in this study to know the specification of statistically significant credit rating intervals. A simple, public domain information based model are able to construct to predict credit rating using financial variable. We test our model using only quantitative and publicly available information of Indonesian listed firms over 2012-2017, a period which includes both crisis phase and slow economic growth of Indonesian economy. Under this scheme, we observe not only a clear and timely response of ratings to the changing economic environment, but we also obtain significant predictive ability model."

"Kepadatan penduduk di Jakarta menimbulkan berbagai masalah perkotaan. Salah satu permasalahan yang timbul adalah kenyamanan termal dengan sensasi panas yang tidak nyaman. Hal ini juga diperparah dengan pemanfaatan ruang perkotaan yang tidak proporsional sehingga perbaikan sensasi termal sulit untuk diwujudkan. Perbaikan kenyamanan termal dilakukan terhadap wilayah mikro kemudian perlahan melakukan evaluasi dengan skala yang lebih besar. Penelitian-penelitian sebelumnya banyak membahas mengenai hubungan antar variabel meteorologi dengan Thermal Sensation Vote (TSV) dan Thermal Comfort Vote (TCV) dan kaitannya terhadap rekomendasi penambahan vegetasi. Namun sangat jarang dibahas terkait peluang responden untuk merubah persepsinya terhadap sensasi termal yang dirasakan setelah adanya evaluasi dan perbaikan kenyamanan termal. Teknik Ordinal Logistic Regression (OLR) digunakan dalam penelitian ini untuk menghasilkan model prediktif dari pengamatan yang melibatkan TSV dan TCV terhadap variabel meteorologi. Sedangkan metode ANOVA, digunakan untuk mendapatkan kisaran netral suhu yang dapat diterima di dua lokasi studi, Kelurahan Gunung Sahari Selatan dan Kelurahan Tanjung Priok. Simulasi pemanfaatan ruang di kedua lokasi studi dilakukan dengan evaluasi kenyamanan termal serta penambahan vegetasi menggunakan bantuan ENVI-Met. Penelitian menemukan kisaran netral suhu yang dapat diterima untuk membentuk TSV = 0 (Netral) di Gunung Sahari Selatan adalah 31,29 ± 0,96 ºC, sedangkan di Tanjung Priok adalah 31,32 ± 0,87 ºC. Juga didapatkan kisaran netral suhu yang dapat diterima untuk pembentuk respon TCV = 0 (Netral) di Gunung Sahari Selatan sebesar 31,21 ± 1,23 ºC dan di Tanjung Priok sebesar 31,12 ± 0,93 ºC. Model OLR yang terbentuk menyimpulkan bahwa setiap peningkatan suhu 1ºC dan kecepatan angin 1 m/s akan meningkatkan peluang respon untuk TSV=+3/7 (Panas) adalah sebesar 200% di Gunung Sahari Selatan. Sedangkan OLR untuk pengamatan di Tanjung Priok, disimpulkan bahwa setiap peningkatan suhu 1ºC dan penurunan kelembaban relatif 1% akan meningkatkan peluang respon untuk TSV=+3/7 (panas) sebesar 0%. Hasil evaluasi kenyamanan termal melalui simulasi penambahan vegetasi membuktikan bahwa terjadi penurunan batas bawah suhu hingga 0,08 ºC di Gunung Sahari dan penurunan batas atas suhu hingga 0,33 ºC di Tanjung Priok. Fakta-fakta tersebut memperlihatkan bahwa pemanfaatan ruang di Jakarta belum proporsional sehingga mayoritas dari responden memilih TSV = +3 (Panas) dan TCV = -1 (Sedikit Tidak Nyaman). Hal tersebut membuktikan pemanfaatan ruang yang tidak proporsional dapat memperburuk kenyamanan termal iklim mikro.

---

The population density in Jakarta has been raising various urban problems. One of those problems that arise are thermal comfort with an uncomfortable hot sensation. That’s also exacerbated by the disproportionate use of urban space so the improvement of thermal sensations is difficult to realize. The improvement of thermal comfort are generally carried out on the micro region then slowly evaluating it on a larger scale. Previous studies have discussed the relationship between meteorological variables with the Thermal Sensation Vote (TSV) and Thermal Comfort Vote (TCV) and their relation to recommendations for adding vegetation. However, it rarely discussed regarding the opportunity for respondents to change their perception of thermal sensation that felt after an evaluation and improvement of thermal comfort. Ordinal Logistic Regression (OLR) technique applied in this study to produce predictive models from observations involving TSV, TCV and meteorological variables. Meanwhile, the ANOVA method used to obtain a neutral range of acceptable temperatures in two locations; Gunung Sahari Selatan and Tanjung Priok. Spatial utilization simulation in both study locations was carried out by evaluating thermal comfort and adding vegetation using the ENVI-Met. The study found that the acceptable temperature neutral range for forming TSV = 0 (Neutral) at Gunung Sahari Selatan was 31.29 ± 0.96 ºC, while at Tanjung Priok it was 31.32 ± 0.87 ºC. Also obtained the acceptable temperature neutral range to form a TCV = 0 (neutral) response at Gunung Sahari Selatan of 31.21 ± 1.23 ºC and at Tanjung Priok of 31.12 ± 0.93 ºC. The OLR model concluded that every 1ºC increase in temperature and 1 m/s wind speed will increase the chance of a response for TSV=+3/7 (Hot) by 200% at Gunung Sahari Selatan. While the OLR for observations at Tanjung Priok concluded that every 1°C increase in temperature and 1% decrease in relative humidity would increase the chance of a response for TSV=+3/7 (Hot) by 0%. The results of the evaluation of thermal comfort through the simulation of adding vegetation proved that there was a decrease in the lower temperature limit to 0.08 ºC at Gunung Sahari and a decrease in the upper temperature limit to 0.33 ºC at Tanjung Priok. These facts shown that space utilization in Jakarta is not proportional enough so that the majority of respondents choose TSV = +3 (Hot) and TCV = -1 (Slightly Uncomfortable). It was also proves that disproportionate space utilization can exacerbated the microclimate thermal comfort."

"Hubungan antara status kurang gizi dan intensi fertilitas cukup kompleks di mana terdapat pengaruh mekanisme biologis dan perilaku terhadap pola fertilitas akibat kekurangan gizi. Tujuan dalam penelitian yaitu menganalisis hubungan status kurang gizi perempuan kawin usia 15-49 tahun terhadap keinginan untuk memiliki atau menambah anak (intensi fertilitas). Penelitian ini menggunakan regresi logistik ordinal dan data Survei Sosial Ekonomi Nasional (Susenas) tahun 2021. Hasil penelitian menunjukkan terdapat hubungan intensi fertilitas dengan status kurang gizi perempuan kawin. Perempuan yang kurang gizi memiliki intensi fertilitas yang lebih rendah untuk memiliki anak dibandingkan perempuan cukup gizi. Kemudian, terdapat perbedaan hubungan status konsumsi kalori dan protein terhadap tingkat intensi fertilitas menurut paritas perempuan setelah dikontrol dengan karakteristik individu, pasangan dan rumah tangga.

---

The correlation between malnutrition and fertility intentions is quite complex because there is an influence of biological and behavioral mechanisms. This study aims to analyze the correlation between the undernourished status of married women (15-49 years old) and their intention to have children. This study used ordinal logistic regression and data from the National Socioeconomic Survey (Susenas) in 2021. The results show that women's fertility intention is associated with undernourished status. Undernourished married women were less likely to have children than well-nourished women. Then, there was a difference in the correlation based on parity after being controlled with the individual, partner, and household characteristics."

"Target 8.6 SDGs memiliki tujuan yaitu secara substansial mengurangi proporsi usia muda yang NEET (Not in Employment, Education, or Training) pada tahun 2020. Akan tetapi, capaian NEET secara global maupun nasional masih relatif tinggi, bahkan NEET perdesaan di Indonesia sejak tahun 2016 konsisten selalu lebih tinggi dibandingkan perkotaan. Penelitian ini bertujuan untuk mengetahui hubungan antara capaian nilai Indeks Kesulitan Geografis (IKG) desa tahun 2020 terhadap status pemuda perdesaan untuk menjadi bukan NEET, NEET aktif, ataupun NEET tidak aktif. Penelitian dilakukan terhadap 94.605 sampel individu yang tersebar pada 14.394 desa di seluruh Indonesia berdasarkan hasil Sakernas Agustus 2020 dan Updating Podes 2020 dengan menggunakan metode analisis model regresi logistik ordinal multilevel. Secara umum, pemuda perdesaan didominasi oleh pekerja keluarga/tidak dibayar. Hasil analisis menunjukkan bahwa kenaikan capaian IKG suatu desa satu satuan signifikan menurunkan kecenderungan pemuda perdesaan untuk menjadi NEET (termasuk NEET aktif maupun NEET tidak aktif) serta kecenderungan menjadi NEET tidak aktif. Selain itu juga ditemukan bahwa kenaikan nilai IKG signifikan menaikkan peluang pemuda perdesaan untuk bekerja, namun sebaliknya menurunkan kecenderungan untuk sekolah ataupun pelatihan. Temuan tersebut mengarahkan pada adanya indikasi pemuda perdesaan terpaksa untuk bekerja sebagai pekerja keluarga/tidak dibayar, serta terlihat pula dari lapangan usaha pertanian,perikanan, dan perkebunan, dan pekerjaan juga sektor informal yang mendominasi pemuda pekerja di perdesaan.

---

Target 8.6 SDGs has a goal of substantially reducing the proportion of young people who are NEET (Not in Employment, Education, or Training) by 2020. However, the achievement of NEET globally and nationally are still relatively high, even rural NEET in Indonesia since 2016 has consistently been higher than youth NEET in urban. This study aims to determine the relationship between the achievement of the Geographical Difficulty Index/Indeks Kesulitan Geografis (IKG) in 2020 and the status of rural youth to become non-NEET, active NEET, or inactive NEET. The study was conducted on 94,605 individual samples spread over 14,394 villages throughout Indonesia based on the results of the August 2020 Sakernas and Updating Podes 2020 using the multilevel ordinal logistic regression model analysis method. In general, rural youth are dominated by family/unpaid workers. The results of the analysis show that an increase in the IKG achievement of a village by one unit significantly reduces the tendency of rural youth to become NEETs (including active NEETs and inactive NEETs) and the tendency to become inactive NEETs. In addition, it was also found that the increase in the IKG score significantly increased the opportunities for rural youth to work, but on the contrary decreased the tendency to go to school or training. These findings lead to indications of rural youth being forced to work as family/unpaid workers, and can also be seen in the fields of agriculture, fisheries, and plantations, as well as the informal sector which dominates youth workers in rural areas."