Search

Alhamdulillah, puji syukur atas kehadirat Allah SWT, karena atas izin-Nya, penulis dapat terus mempertahankan semangat untuk menulis, dan akhirnya dapat menyelesaikan buku ini. Hadirnya buku ini, tidak semata-mata atas usaha penulis sendiri, melainkan atas izin-Nya. Sungguh suatu kebahagiaan bagi penulis bisa berbagi sebagian kecil ilmu pengetahuan milik-Nya melalui buku yang berjudul ���Visualisasi Data dengan EAVIS���. Ucapan terima kasih penulis sampaikan kepada semua pihak yang telah membantu dalam rangka penyelesaian buku ini. Penulis menyadari bahwa buku ini tentunya masih perlu perbaikan, sehingga penulis mengharapkan kritik dan saran yang membangun dari para pembaca agar buku ini dapat menjadi lebih baik. Kritik dan saran dapat ditujukan ke alamat email gioprana89@gmail.com. Medan, 27 April 2021 Prana Ugiana Gio Rezzy Eko Caraka

Tulisan ini memaparkan metode statistika repeated-measures analysis of variance, disertai terapannya dengan SPSS, STATCAL dan Minitab

Penelitian ini bertujuan untuk melihat variabel apa saja yang mempengaruhi Indeks Pembangunan Pendidikan (IPP) dan bagaimana efek spasial serta pemetaan IPP di Indonesia berdasarkan variabel yang memengaruhinya. Penelitian ini mencoba untuk membentuk IPP yang dimodifikasi untuk setiap provinsi di Indonesia, mengelompokkannya kedalam beberapa kelompok dan mengidentifikasi faktor-faktor yang mempengaruhi kualitas pendidikan di Indonesia. Metode yang digunakan adalah analisis regresi linear berganda (RLB), dan fuzzy geographically weighted Clustering (FGWC). Hasil dari RLB menjelaskan bahwa variabel rasio siswa guru SD, rasio siswa guru SMP, rasio siswa kelas SMP, biaya pendidikan, dan persentase penerima beasiswa, merupakan variabel yang memengaruhi IPP di Indonesia tahun 2015. Berdasarkan variabel tersebut, maka dilakukan pengelompokan dengan menggunakan FGWC menjadi 3 kelompok, yaitu kelompok tinggi, sedang dan rendah. Berdasarkan hasil pengelompokan ini, ditemukan bahwa Persentase beasiswa berpengaruh positif terhadap nilai dari IPP pada RLB. Namun demikian perlakuan pengelompokan menghasilkan informasi lebih detil yaitu semakin banyak persentase beasiswa yang diberikan, belum tentu meningkatkan nilai IPP-nya. Hal tersebut berlaku khususnya untuk kelompok rendah, nilai dari rata-rata persentase beasiswa yang tinggi, tidak mempengaruhi meningkatnya nilai dari IPP.

Tulisan ini memaparkan metode statistika korelasi linear Pearson serta terapannya dengan menggunakan aplikasi olah data statistika STATCAL dan R.

Jakarta is the biggest city in Indonesia with a populationof more than 10 million and a megacity with 1.38 millionpeople commuting around Greater Jakarta [1]. In order forthe Government of Indonesia to understand the commutingbehaviors of citizens and better plan the transportationsystem in Greater Jakarta, the Indonesian Central Bureauof Statistics first conducted its commuting survey in 2014.In this paper, we produce commuting statistics fromlocational information on social media and show that theinformation from mobile phone apps is a promising sourceof data. It implies that the commuting behaviors from bigdata can allow the public sector more frequent statistics.

Penelitian ini menggunakan analisis fuzzy c-means clustering yangmerupakan pengembangan dari fuzzy clustering dengan c partisi untukmenganalisis bencana banjir di 33 provinsi di Indonesia pada tahun 2013.Jumlah kejadian banjir, jumlah korban meninggal, dan jumlah bangunan tempattinggal serta luas lahan yang rusak akibat banjir digunakan sebagai variabeldalam mengelompokkan wilayah berdasarkan tingkat risikonya terhadap banjir.Dilakukan perbandingan index validitas antar hasil pengelompokkan denganberbagai nilai fuzzifier (m=1,5; 2,0; 2,5; dan 3) dan jumlah kelompok (c= 2 dan3). Hasil pengelompokkan terbaik didapatkan dengan menetapkan nilai m=1,5dan c=3 (Rawan Bencana Tinggi, Sedang, dan Rendah). Provinsi yang masukke dalam kelompok Rawan Bencana Tinggi adalah Aceh, Jawa Barat, JawaTengah, Jawa Timur, Banten, dan Sulawesi Selatan. Provinsi yang masuk kedalam kelompok Rawan Bencana Sedang adalah Riau, Nusa Tenggara Barat,Kalimantan Tengah, dan Sulawesi Tenggara. Dua puluh tiga provinsi lainnyamasuk ke dalam kelompok Rawan Bencana Rendah.

Pendidikan merupakan hal yang sangat penting dalam kehidupan manusia untuk belajardan memahami demi kehidupan yang lebih baik. Ketuntasan wajib belajar merupakan masalahyang perlu diperhatikan agar seluruh masyarakat dapat memenuhi syarat minimal mengenyampendidikan di bangku sekolah.Penelitian ini bertujuan untuk mengetahui kondisi pendidikan di Provinsi Papua Barat sertamengungkap faktor-faktor yang menyebabkan ketidaktuntasan belajar 12 tahun pada pendudukusia 18 tahun ke atas di Provinsi Papua Barat berdasarkan hasil susenas tahun 2011 yangdilaksanakan Badan Pusat Statistik.Metode penelitian menggunakan regresi biner logistik untuk menganalisis faktor-faktor yangberpengaruh signifikan. Hasil penelitian menunjukkan bahwa , dari 8065 sampel individu usia 18tahun ke atas, didapatkan angka ketuntasan belajar 12 tahun ada sebanyak 3182 yang tuntas atau39,45 %, sementara sisanya tidak memiliki ijazah SMA. Analisis faktor-faktor yang menyebabkanketidaktuntasan belajar 12 tahun di Papua Barat menunjukkan bahwa ketidaktuntasan belajar 12tahun tersebut dipengaruhi oleh faktor geografi, jenis kelamin, ekonomi dan juga faktor jeniskelamin kepala rumah tangga.

DBD adalah penyakit yang merupakan masalah kesehatan masyarakat dan endemik di hampir semua kabupaten / kota di Jawa Timur. Penyakit ini ditularkan melalui gigitan nyamuk Aedes aegypti dan Albopictus. Saat ini tidak ada obat anti-virus dan vaksin untuk mencegah demam berdarah, maka untuk memutus rantai penularan, pengendalian vektor dianggap paling tepat saat ini, tetapi karena vektor tersebar luas, maka perlu untuk mengontrol keberhasilan total cakupan (meliputi seluruh wilayah) agar nyamuk tidak bisa berkembang biak. Penelitian ini bertujuan untuk menginvestigasi bagaimana pola pengelompokkan wilayah endemi di Jawa Timur berdasarkan faktor penyebab DBD sehingga pengendalian vektor dapat difokuskan di beberapa wilayah tertentu yang memiliki potensi penyakit DBD tertinggi di Jawa Timur. Metode dalam penelitian ini menggunakan metode FGWC-PSO untuk mengklasifikasikan daerah di Jawa Timur dengan pendekatan dari beberapa faktor yang terkait dengan peningkatan penyakit DBD. Data yang digunakan adalah dari penerbitan Jawa Timur Dalam Angka Tahun 2013, Profil Kesehatan Propinsi Jawa Timur pada tahun 2012, dan Data dan Informasi Bencana Indonesia di Jawa Timur pada tahun 2012. Berdasarkan hasil penelitian, menyebabkan jumlah tertinggi DBD di beberapa daerah di Provinsi Jawa Timur, yaitu: Bangkalan, Sampang, Pamekasan, Sumenep, Tulungagung, dan Mojokerto. Salah satu penyebab demam tinggi berdarah di daerah adalah rendahnya kesadaran rumah tangga berperilaku hidup bersih dan sehat dan jumlah rumah tangga yang mengandung larva nyamuk ketika diperiksa secara teratur. Jadi, hasil pengelompokan dapat digunakan sebagai fokus utama pada pengendalian vektor DBD di beberapa daerah yang memiliki potensi tertinggi demam berdarah di provinsi Jawa Timur.

Penelitian ini bertujuan untuk mengetahui tingkat risiko bencana banjir dimasing-masing wilayah provinsi di Indonesia tahun 2011-2015 berdasarkan beberapavariabel penentu, yaitu frekuensi bencana, jumlah korban jiwa, serta jumlah rumah danluas lahan yang rusak akibat banjir. Data diolah menggunakan analisis fuzzy c-meansclustering (FCM) yang merupakan pengembangan dari fuzzy clustering denganc partisi untuk menganalisis bencana banjir di 33 provinsi di Indonesia padatahun 2011 sampai 2015. Frekuensi banjir, jumlah korban jiwa, luas lahan rusakdan jumlah rumah yang rusak akibat banjir digunakan sebagai variabel dalammengelompokkan wilayah berdasarkan tingkat risikonya terhadap banjir.Dilakukan perbandingan index validitas antarhasil pengelompokkan denganberbagai nilai fuzzifier (m=1,5; 2,0; 2,5; dan 3,0) dan jumlah kelompok (c= 2,3, dan 4). Hasil pengelompokkan terbaik didapatkan dengan menetapkan nilaim=1,5 dan c=2 (High Risk dan Low Risk). Provinsi yang masuk ke dalamkelompok High Risk adalah Jawa Barat, Jawa Tengah, dan Jawa Timur.Sedangkan 30 provinsi lainnya masuk ke dalam kelompok Low Risk.

Penelitian terkait dengan kobahitasi atau lebih sering disebut dengan istilah “kumpul kebo“ masih jarang dilakukan di Indonesia. Oleh karena itu, penelitian ini bertujuan untuk menginvestigasi bagaimana analisis kecenderungan usia wanita melakukan kohabitasi dengan tingkat pendidikannya. Data yang digunakan adalah data Survei Demografi Kesehatan Indonesia (SDKI) tahun 2012, dan dipilih Provinsi Jawa Barat sebagai lokus penelitian. Pengolahan data dilakukan dengan metode regresi logistik biner, dengan variabel respon adalah usia melakukan kohabitasi pada wanita yang dikategorikan menjadi 2, yaitu anak-anak dan remaja. Sedangkan untuk variabel bebasnya yaitu tingkat pendidikan dan daerah tempat tinggal.