Journal Of Data Insights https://jurnalnew.unimus.ac.id/index.php/jodi <table> <tbody> <tr> <td>Journal Title</td> <td>: Journal of Data Insights</td> </tr> <tr> <td>Print ISSN</td> <td>: -</td> </tr> <tr> <td>Online ISSN</td> <td>: 2988 - 2109</td> </tr> <tr> <td>Publication schedule</td> <td>: 2 issues per year </td> </tr> <tr> <td>Editor-in-chief</td> <td>: Saeful Amri, S.Kom., M.Kom.</td> </tr> <tr> <td>Language</td> <td>: English</td> </tr> <tr> <td>Publisher</td> <td>: Department of Data Science</td> </tr> <tr> <td> </td> <td> Universitas Muhammadiyah Semarang</td> </tr> <tr> <td>Organized</td> <td>: Department of Data Science</td> </tr> <tr> <td> </td> <td> Universitas Muhammadiyah Semarang</td> </tr> <tr> <td>Citation Analysis</td> <td>: -</td> </tr> </tbody> </table> <p>The Journal of Data Insights is an open access publication for peer-reviewed scholarly journals. The Journal of Data Insights focuses on the processing, analysis and interpretation of data for data-driven decisions and solutions in industry, hospitals, government and universities. All articles should contain a validation of the proposed idea, e.g. through case studies, experiments, or a systematic comparison with other already practiced approaches. Two types of papers will be accepted: (1) a short paper discussing a single contribution to a particular new trend or idea, and; (2) a longer paper outlining a specific Research trends. As part of our commitment to scientific advancement, Journal of Data Insights follows an open access policy, which makes published articles freely available online without subscription.</p> en-US [email protected] (Saeful Amri) [email protected] (Ihsan Fathoni Amri) Tue, 12 Dec 2023 05:10:02 +0000 OJS 3.3.0.8 http://blogs.law.harvard.edu/tech/rss 60 Clustering Untuk Menentukan Indeks Kesejahteraan Rakyat di Provinsi Jawa Tengah 2022 Menggunakan Metode Fuzzy C-Means https://jurnalnew.unimus.ac.id/index.php/jodi/article/view/149 <p>Kesejahtraan rakyat merupakan salah satu tujuan negara yang tercantum pada Undang-undang Dasar 1945. Dalam meningkatakan kesejahtraan rakyat, tentunya perlu adanya pembangunan yang merata. Untuk menjalankan program pembangunan yang merata, harus dilakukan identifikasi berdsarkan karaktaeristik tingkat kesejahtraan rakyat berdasarkan variabel-variabel yang telah ditentukan agar dalam membuat strategi dan mengambil kebijakan untuk meningkatkan kesejahtraan rakyat dapat tepat sasaran dan optimal. Tujuan dari penelitian ini adalah untuk mengetahui pengelompokkan 35 Kabupatan/Kota di Provinsi Jawa Tengah dan k arakteristik dari setiap kelompok berdasarkan indeks kesejahtraan rakyat. Berdasarkan hasil analisis yang dilakukan, bahwa terdapat 35 Kabupaten/Kota di Provinsi Jawa Tengah dapat membentuk 4 kelompok (cluster), dimana pada cluster 0 beranggotakan 8 Kabupaten/Kota dengan karakteristik Jumlah peduduk miskin tinggi, Daya beli cenderung rendah, rata-rata lama sekolah rendah, angka harapan hidup sangat rendah. Pada cluster 1 terdapat 12 Kabupaten/Kota dengan karakteristik Nilai PDRB sangat tinggi, angka pengangguran relatif rendah, angka lama sekolah relatif tinggi. Pada cluster 2 terdapat 5 Kabupaten/Kota dengan karakteristik Nilai PDRB sangat rendah, jumlah penduduk miskin sangat rendah, daya beli sangat tinggi, kepemilikan rumah rendah, kepadatan penduduk tinggi, daya beli tinggi, angka melek huruf tinggi, rata-rata lama sekolah tinggi, dan yang terakhir cluster 3 terdapat 10 Kabupaten/Kota dengan karakteristik PDRB rendah, kepadatan penduduk sangat rendah, kepemilikan rumah sangat tinggi, daya beli cenderung rendah.</p> Indra Firmansyah, Salmaa Fauziah, Hanif Nur Ibrahim, Fatkhurokhman Fauzi, Tiani Wahyu Utami Copyright (c) 2023 Journal Of Data Insights https://jurnalnew.unimus.ac.id/index.php/jodi/article/view/149 Tue, 12 Dec 2023 00:00:00 +0000 Permodelan Jumlah Kasus Tuberkulosis Di Kabupaten Purbalingga Tahun 2022 Menggunakan Regresi Binomial Negatif https://jurnalnew.unimus.ac.id/index.php/jodi/article/view/273 <p>Menurut data dari Dinkes Purbalingga pada bulan Mei 2022 ditemukan 422 kasus TBC dan 9 diantaranya menderita TBC Multi Drug Resistant (MDR) atau kebal obat. Untuk kasus TBC MDR saat ini menjadi perhatian kusus pemerintah, hal ini karena masa penyembuhannya membutuhkan waktu yang lebih lama. Penyakit TB Paru merupakan salah satu penyebab kematian utama di Indonesia dan dunia. Selain menyerang Paru, Tuberculosis dapat menyerang organ tubuh yang lain. Jumlah orang terduga Tuberkulosis tahun 2022 sebanyak 11.324 dan orang terduga tuberkulosis yang mendapatkan pelayanan kesehatan sesuai standar sebanyak 12.072 (106,6%). Oleh karena itu, perlu dilakukan upaya untuk memodelkan jumlah kasus TBC di Kabupaten Purbalingga agar dapat memberikan informasi yang berguna dalam upaya pencegahan dan pengendalian penyakit TBC.Model regresi Poisson sering ditemukan pelanggaran asumsi overdispersi dengan memodelkan faktor-faktor yang berpengaruh terhadap kasus tuberculosis. Alternatif model yang dapat dilakukan untuk mengatasi pelanggaran asumsi overdispersi adalah Model Regresi Binomial Negatif. Berdasarkan nilai AIC diperoleh hasil pemodelan terbaik menggunakan regresi binomial negatif dengan nilai AIC sebesar 191.96 yang lebih kecil dari metode regresi Poisson.Berdasarkan uji parsial dihasilkan bahwa variabel yang berpengaruh terhadap jumlah kasus tuberculosis di Kabupaten Purbalingga adalah X2 yaitu jumlah puskesmas.</p> Prizka Rismawati Arum, Indah Manfaati Nur, Amalia Jihan Syafiqoh, Hanief Rizky Utami Copyright (c) 2023 Journal Of Data Insights https://jurnalnew.unimus.ac.id/index.php/jodi/article/view/273 Tue, 12 Dec 2023 00:00:00 +0000 Pemodelan Mutu Kualitas Air Sungai di Daerah Istimewa Yogyakarta Tahun 2020 dengan Pendekatan Regresi Logistik Ordinal https://jurnalnew.unimus.ac.id/index.php/jodi/article/view/150 <p><em><span style="vertical-align: inherit;"><span style="vertical-align: inherit;">Penelitian ini bertujuan untuk mengidentifikasi indikator-indikator yang mempengaruhi kualitas air sungai di Daerah Istimewa Yogyakarta. </span><span style="vertical-align: inherit;">Metodologi yang digunakan dalam penelitian ini adalah kuantitatif, dengan memanfaatkan sumber data sekunder dari Badan Lingkungan Hidup Yogyakarta, khususnya pengukuran tahunan parameter kualitas air sungai pada tahun 2020. Kualitas air dianalisis berdasarkan beberapa parameter kimia. </span><span style="vertical-align: inherit;">Pencemaran sungai ditunjukkan dengan nilai kualitas air yang melebihi baku mutu, seperti Total Suspended Solids (TSS), BOD, COD, dan Total Coliform. </span><span style="vertical-align: inherit;">Analisis kualitas air sungai menunjukkan bahwa faktor yang berpengaruh signifikan adalah Total Suspended Solids (TSS), BOD, COD, dan Total Coliform. </span><span style="vertical-align: inherit;">Tiga model dibentuk dengan menggunakan regresi logistik ordinal.</span></span></em></p> Fahrul Raditiar Yuliardi, Indah Manfaati Nur, Quinsy Pranandira Rilvandri, Bravina Aulia Damiri Copyright (c) 2023 Journal Of Data Insights https://jurnalnew.unimus.ac.id/index.php/jodi/article/view/150 Wed, 20 Dec 2023 00:00:00 +0000 Pengelompokkan Tingkat Pengangguran Terbuka Di Jawa Tengah Menggunakan Metode K – Means Clustering https://jurnalnew.unimus.ac.id/index.php/jodi/article/view/148 <p>Pengangguran merupakan sebuah individu yang tidak memiliki aktivitas serta tidak menghasilkan pendapatan. Tujuan dari penelitian ini mengelompokkan tingkat pengangguran terbuka menurut Provinsi Jawa Tengah. Jenis penelitian yang dilakukan menggunakan metode kuantitatif. Metode kuantitatif merupakan penelusuran data dengan cara sekunder atau dapat dikatakan memanfaatkan data yang bersumber dari Badan Pusat Statistik Jawa Tengah dengan memanfaatkan 35 Kabupaten/Kota. Dalam kasus ini dalam analisis datanya menggunakan data mining dengan pengelompokan metode k-means mengambil 3 indikator, yaitu Jumlah Penduduk, UMK, dan Jumlah Industri guna menganalisis kasus tersebut. Dalam penentuan jumlah cluster optimal dengan memanfaatkan metode Elbow menggunakan grafik Elbow. Grafik Elbow menghasilkan titik yang menurun drastis berbentuk siku pada jumlah cluster k=4. Analisis cluster hanya sampai 2 iterasi menghasilkan pusat cluster, jarak dan cluster yang sama serta tidak terjadi perubahan. Hasil pengelompokkan pada cluster 1 sebanyak 9 Kabupaten/Kota, cluster 2 sebanyak 8 Kabupaten/Kota, cluster 3 sebanyak 12 Kabupaten/Kota, dan Cluster 4 sebanyak 6 Kabupaten/Kota Jawa Tengah. Nilai akurasi dari cluster yang terbentuk sebesar 66.8%.</p> Fatchi Arifatul Ulya, Ammil Nur Abdullah, Tio Aisya Hanan, Indah Manfaati Nur Copyright (c) 2023 Journal Of Data Insights https://jurnalnew.unimus.ac.id/index.php/jodi/article/view/148 Tue, 12 Dec 2023 00:00:00 +0000 Poverty Level Grouping in West Java Province with the K-Means Clustering Method https://jurnalnew.unimus.ac.id/index.php/jodi/article/view/152 <p><em>Poverty in a region will have an impact on hampering national development. Poverty is an economic disease that is often faced by every country, including Indonesia. According to information obtained from the Central Bureau of Statistics, we can gather data on the poverty rate in all provinces of Indonesia, with a particular focus on the province of West Java. West Java province is one of the provinces with the highest population density on the island of Java, which is ranked 2nd after the province of DKI Jakarta and ranks 4th for the province with a high percentage of poor people after DI. Yogyakarta, Central Java, and East Java. Consequently, it is crucial for the regional government to identify areas with high, moderate, or low poverty rates. This information will enable the local government to formulate appropriate policies and prioritize interventions to address poverty effectively. In this study, the K-Means clustering method was used to classify poverty rates based on two variables, namely the community development index and the open unemployment rate using the help of RStudio software. The findings indicated that the application of the elbow method in West Java province resulted in the identification of three distinct clusters of districts/cities that stood out as the most prominent. Cluster 1 (districts/cities with relatively high poverty rates), cluster 2 (districts/cities with low poverty rates), cluster 3 (districts/cities with high poverty rates). Regencies/cities that fall into the category with a high poverty rate are Sukabumi, Cianjur, Garut, Tasikmalaya, Ciamis, Kuningan, Cirebon, Majalengka, Indramayu, Subang, West Bandung, and Pangandaran.</em></p> Amelia, Indah Manfaati Nur, Muhammad Rizky, Septiana Putri Milasari Copyright (c) 2023 Journal Of Data Insights https://jurnalnew.unimus.ac.id/index.php/jodi/article/view/152 Tue, 12 Dec 2023 00:00:00 +0000