The achievement of human development can be reviewed from the Human Development Index (HDI), which is sourced from indicators of health, education, and state income. East Java Province is the second-most populous province in Indonesia which has a high work intensity in economic aspects and abundant natural and human resources. However, judging from the level of the human development index, East Java Province occupies the lowest position compared to other provinces on the island of Java. This study aims to identify significant factors affecting East Java's HDI using ordinal logistic regression. The data from Indonesia Statistics (Indonesian: Badan Pusat Statistik, BPS) of East Java province in 2020 includes seven variables, namely Gross Regional Domestic Product (GRDP), high school participation rate, infant mortality rate, health facilities, population density, labor force participation rate, and open unemployment rate. This study produced two ordinal logistic regression models in medium category HDI and high category HDI with a classification accuracy value of 97.37%. From this model obtained, a significant factor affecting the HDI of East Java is the participation rate of high school and health facilities.
Cedera panggul dan acetabular merupakan cedera yang jarang terjadi, terhitung sekitar 3% hingga 8% dari semua cedera. Meskipun angka kematian cedera panggul hanya terbatas pada 1-2%, apabila disertai dengan perdarahan intra-abdominal atau pada intracranial menimbulkan kematian tertinggi yaitu 50%. Kematian akibat cedera panggul terbilang tinggi ketika penanganan awal dan akurat tidak diperhatikan. Pada penelitian ini dilakukan bertujuan mendeteksi tingkat keparahan penderita cedera panggul menggunakan adaptive neuro-fuzzy inference system (ANFIS). Bertujuan membantu medis dalam memberikan penanganan sesuai dengan tingkat keparahan cedera panggul. Penelitian dengan metode ANFIS untuk mendeteksi keparahan cedera panggul mendapatkan nilai error dengan confusion matrix yang bernilai kecil yaitu 0.3362, sehingga menghasilkan akurasi sebesar 98,1%, presisi sebesar 97.7%, serta nilai dari sensitifitas dan F-skor sebesar 100% dan pada penelitian lain yang menggunakan ANN (Artificial Neural Network) menghasilkan keakuratan deteksi sebesar 87% dan area under the curve (AUC) sebesar 0.94.
Ketimpangan pendapatan menjadi permasalaan yang masih dialami oleh negara Indonesia. Perlu dilakukan suatu upaya untuk menangani ketimpangan pendapatan dengan menurunkan nilai indeks gini ratio. Hal tersebut dapat dilakukan dengan meminimalisir faktor penyebab tingginya nilai indeks gini ratio. Penelitian ini bertujuan untuk mengidentifikasi faktor penyebab tingginya indeks gini ratio serta mengetahui besarnya pengaruh faktor indeks gini ratio menggunakan metode regresi logistik ordinal. Penelitiian ini menggunakan variabel dependen berupa indeks gini ratio sedangkan untuk variabel independennya yaitu IPM, pengangguran terbuka, upah minimum provinsi, PDRB, jumlah penduduk dan presentase penduduk miskin. Berdasarkan hasil analisis didapatkan bahwa faktor-faktor yang berpengaruh positif dan signifikan terhadap indeks gini ratio yaitu IPM, jumlah penduduk serta presentase penduduk miskin. Model regresi logistik ordinal yang didapatkan mampu menjelaskan pengaruh terhadap indeks gini ratio sebesar 61,7%.Kata kunci : Ketimpangan Pendapatan, Indeks Gini Ratio, Regresi Logistik Ordinal
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.