Pembangunan manusia merupakan suatu tujuan utama untuk mengukur keberhasilan sebuah negara. Salah satu aspek penting untuk mengukur tingkat pembangunan manusia adalah masyarakat yang unggul dari segi kuantitas dan kualitas, maka dilihat dari tiga dimensi kehidupan yaitu peluang hidup, pengetahuan, dan kehidupan yang layak. Penelitian ini membahas tentang pemanfaatan algoritma k-means untuk mengelompokkan kabupaten/kota di Provinsi Maluku berdasarkan kemiripan karakteristik daerah yang ditinjau dari lima ukuran Indeks Pembangungan Manusia (IPM). Lima ukuran tersebut adalah Angka Harapan Hidup (AHH), Angka Melek Huruf (AMH), Rata-rata Lama Sekolah (RLS), dan Pengeluaran Per Kapita (PPK). Terdapat tiga cluster berdasarkan IPM yaitu: cluster 1: Kota Ambon, yang mempunyai angka IPM sangat maksimal. Cluster 2: MTB, Kepulauan Aru, SBB, SBT, MBD, dan Bursel, yang mempunyai angka IPM, AHH, AMH, RLS, dan PPK. Cluster 3: Malra, Malteng, Buru, Tual mempunyai angka IPM. AHH, AMH, RLS dan angka PPK. Berdasarkan angka Indeks Pembangunan Manusia, Angka Harapan Hidup, Angka Melek Huruf, Angka Rata-rata Lama Sekolah dan angka Pengeluaran Per Kapita, disimpulkan bahwa terdapat perbedaan yang signifikan pada tahun 2014.
AbstrakKemiskinan merupakan sebuah permasalahan sosial yang sangat kompleks dan harus mendapat penanganan yang tepat. Secara nasional, sesuai hasil rilis BPS tahun 2014, Provinsi Maluku menempati urutan keempat sebagai daerah termiskin di Indonesia. Sementara, berdasarkan hasil analisis Kementerian Pembangunan Desa Tertinggal (PDT) terindikasi terdapat 10 Kabupaten di Provinsi Maluku termasuk daerah rawan kemiskinan dengan berbagai level yang telah ditentukan. Penelitian ini bertujuan memberikan inovasi baru mengenai pemetaan karakteristik kemiskinan di Provinsi Maluku menggunakan analisis biplot agar dapat diketahui keragaman karakteristik kemiskinan dan korelasi antar variabel karakteristik kemiskinan pada setiap kabupaten/kota di Provinsi Maluku sehingga program-program pemerintah dalam mengentaskan kemiskinan lebih tepat sasaran. Analisis Biplot didasarkan pada singular value decomposition dan matriks orthonormal. Biplot yang dihasilkan dari penelitian ini adalah biplot RPM (Row Metric Preserving) atau biplot komponen utama. Berdasarkan hasil penelitian diperoleh bahwa kabupaten/kota di Provinsi Maluku yang memiliki kesamaan karakteristik terbagi menjadi 4 kelompok. Kelompok I yaitu kabupaten Buru dan Buru Selatan, kelompok II yaitu kabupaten SBB dan SBT, kelompok III yaitu kabupaten Maluku Tenggara, Kepulauan Aru, MTB dan MBD, sedangkan kelompok IV yaitu kabupaten Maluku Tengah, kota Tual dan kota Ambon. Karakteristik kemiskinan yang paling dominan di Provinsi Maluku yaitu angka melek huruf. Angka melek huruf dan angka partisipasi sekolah saling mempengaruhi dan berkorelasi positif. Sedangkan tingkat partisipasi angkatan kerja berkorelasi negatif dengan pengeluaran perkapita.Kata Kunci: Analisis biplot, karakteristik kemiskinan, korelasi, singular value decomposition. AbstractThe poverty are the common problems faced in the each region in the country of Indonesia especially in the province of Maluku. The purpose of this research is to give a new innovation about mapping the characteristics of the poverty in the Province of Maluku, by using the biplot analysis. The biplot analysis is based on the singular value decomposition, orthonormal matrix. The biplot generated from this research is the biplot of RPM (Row Metric Preserving) or the biplot of the main components. The regency or the city which are have the same characteristics are divided in 4 group. Group I are the regency of Buru and the regency of South Buru, group II are the regency of West Seram and regency Of East Seram, group III are the regency of southeast Maluku, the regency of Aru, the regency of Southeast West Maluku, and regency of Southwest Maluku, group IV are the regency of central Maluku, the city of Tual and the city of Ambon, the literacy rate ( ) and the school participation rate ( ) are mutual influence and positively correlated.Keywords: The characteristics of the poverty, the singular value decomposition, the biplot analysis
ABSTRAKKorelasi parsial digunakan untuk mempelajari hubungan murni antara sebuah 1ariable bebas ( ) dengan 1ariable terikat ( ) dengan mengendalikan atau mengontrol 1ariable-variabel bebas yang lain yaitu 1ariable X 2 dan X 3 yang diduga mempengaruhi hubungan antara 1ariable X 1 dengan Y. Penelitian ini bertujuan untuk mengetahui bagaimana hubungan Pelaksanaan Fungsi Manajemen Kepegawaian dengan Efektivitas Kerja Pegawai. Sampel yang digunakan dalam penelitian ini berjumlah 50 responden. Metode 1ariable data yang digunakan lebih dulu yaitu uji validitas dan reliabilitas serta uji asumsi dalam hal ini yaitu uji normalitas dengan mengunakan uji kolmogorovsmirnov. Hubungan dari antara ketiga 1ariable bebas terhadap 1ariable terikat yang terjadi hubungan yang kuat adalah 1ariable pelatihan, dimana 1ariable penempatan kerja pegawai sesuai dengan keahlian dan kemampuannya dan 1ariable promosi dikontrol yaitu dengan . berdasarkan uji signifikansi, terdapat hubungan yang signifikan antara pelatihan dan efektivitas kerja pegawai karena , jika penempatan pegawai sesuai dengan keahlian dan kemampuannya dan juga promosi dibuat tetap (dikontrol). Efektifitas kerja, korelasi parsial, manajemen kepegawaian, uji signifikansi, uji kolmogorov-smirnov . Kata kunci :
Optimasi adalah pencarian nilai-nilai variabel yang dianggap optimal untuk mencapai hasil yang diinginkan. Untuk memecahkan masalah optimasi tersebut, tentunya diperlukan algoritma yang handal. Algoritma Hill Climbing dan Algotrima Ant Colony adalah metode dari sekian banyak metode kecerdasan buatan untuk menyelesaikan permasalahan optimasi. Karena algoritmanya yang cukup sederhana, metode Hill Climbing telah banyak diterapkan dalam berbagai aplikasi. Disamping itu metode Hill Climbing juga mengefisienkan penggunaan memori yang besar. Algoritma Ant Colony adalah algoritma yang diadopsi dari perilaku koloni semut. Secara alamiah koloni semut mampu menemukan rute terpendek dalam perjalanan dari sarang ke tempat-tempat sumber makanan, berdasarkan jejak kaki pada lintasan yang telah dilewati. Dari hasil penelitian yang dilakukan dengan menggunakan algoritma Hill Climbing dan Algoritma Ant Colony diperoleh rute optimum ferry di Pulau Ambon, Pulau Seram, dan Pulau-Pulau Lease yang berbeda. Pada Algoritma Hill Climbing diperoleh rute yang optimal yaitu Tulehu – Wainama – Umeputih – Wailey – Amahai - Nalahia dengan jarak tempuh 126 Km, sedangkan menggunakan Algoritma Ant Colony diperoleh rute yang optimal yaitu Tulehu – Wainama – Umeputih – Wailey – Amahai – Nalahia - Tulehu dengan jarak tempuh 197 Km
Health is an investment to support economic development and has an important role in efforts to reduce poverty and improve the quality of human resources. One of the diseases that often become serious problem in health sector that is Dengue Hemorrhagic Fever (DHF). In Indonesia, many mosquitoes cause dangerous DHF such as Aedes aegypti, Aedes albopictus, Aedes africanus, anopheles and others. In this study, we analyzed and applied SIR (Susceptible, Infection, Recovered) mathematical models and their interpolation to determine whether a contagious disease (DHF) can become endemic or not. Therefore, in this study aimed to determine the a special form of model of SIR to analyze the spread of DHF in Maluku Province and the stability analysis of this model and also interpolating the data of DHF transmission in Maluku Province. Furthermore, it can be obtained the characteristics of equilibrium point of each sub population. Based on the research conducted it can be concluded that from the entire population of Maluku Province is 1.686.469 vulnerable people infected with DHF and endemic disease with the basic reproduction value is 3,44.
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.