{"title":"Komparasi Metode Support Vector Machine dan Naive Bayes Classifier untuk Pemodelan Kualitas Pengajuan Kredit","authors":"Moh Khubaib Tamami, Iqbal Kharisudin","doi":"10.15294/ijmns.v46i1.46174","DOIUrl":"https://doi.org/10.15294/ijmns.v46i1.46174","url":null,"abstract":"Kredit bermasalah atau Non-Performing Loan (NPL) merupakan suatu risiko yang terdapat dalam setiap pemberian kredit oleh bank atau institusi pemberian kredit kepada customernya. Suatu bank memiliki risiko yang tinggi dalam hal kredit dapat dilihat dari tinggi rendahnya NPL bank tersebut. Permasalahan NPL ditandai dengan kredit yang tidak dapat kembali tepat pada jangka waktu yang telah ditentukan. Analisis penilaian risiko calon debitur pada suatu bank perlu dilakukan untuk mengantisipasi permasalahan NPL. Pada penelitian ini dilakukan analisis pemodelan kualitas kredit menggunakan metode Support Vector Machine (SVM) dan Naive Bayes Classifier (NBC) untuk melakukan klasifikasi penilaian risiko calon debitur. Pada SVM diujikan tiga fungsi kernel, yaitu fungsi kernel Linear, fungsi kernel Gaussian Radial Basis Function (RBF), dan fungsi kernel Polynomial. Hasil penelitian menunjukkan model klasifikasi yang dihasilkan oleh metode SVM fungsi kernel RBF merupakan model terbaik, dengan akurasi 96.65%. Hasil pemodelan dapat digunakan dalam mengklasifikasi sekaligus menyeleksi calon debitur, apakah akan menjadi debitur yang mempunyai kualitas kredit baik atau buruk.","PeriodicalId":412942,"journal":{"name":"Indonesian Journal of Mathematics and Natural Sciences","volume":"7 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-04-18","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"130361198","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Uji Aktivitas Fibrinolitik Jus Cacing Tanah (Lumbricus rubellus) Pada Tikus yang Diberi Asam Traneksamat","authors":"Ulin Nasirotuzahroh, R. Susanti","doi":"10.15294/ijmns.v46i1.46173","DOIUrl":"https://doi.org/10.15294/ijmns.v46i1.46173","url":null,"abstract":"Trombosis merupakan pembentukan bekuan darah (trombus) yang tidak normal di pembuluh darah akibat ketidakseimbangan sistem hemostasis. Protease cacing (lumbrokinase) dari Lumbricus rubellus memiliki kemampuan fibrinolitik dengan aktivitas ganda, yaitu melarutkan fibrin dalam trombus dan mengubah plasminogen menjadi plasmin. Tujuan penelitian ini adalah untuk menganalisis pengaruh pemberian jus cacing tanah terhadap waktu perdarahan, waktu pembekuan, dan jumlah trombosit pada tikus yang diberi asam traneksamat (TXA). Penelitian ini menggunakan postest randomized controlled group design dengan rancangan acak lengkap (RAL). Sebanyak 15 ekor tikus jantan galur Wistar dibagi menjadi 5 kelompok, yaitu kelompok kontrol normal (KN) yang tidak diberi perlakuan, kelompok kontrol positif (KP) diberi TXA 50 mg/kgBB dan aspirin 100 mg/kgBB, dan kelompok perlakuan jus cacing yang diberi TXA 50 mg/kgBB kemudian masingmasing diberi jus cacing 1,5 gram/kgBB (P1); 2 gram/kgBB (P2); dan 2,5 gram/kgBB (P3). Sediaan uji diberikan sekali sehari secara oral selama 7 hari. Pengambilan darah dilakukan pada hari ke-7 untuk pemeriksaan waktu perdarahan, waktu pembekuan, dan jumlah trombosit. Masing-masing data dianalisis dengan one-way anova dilanjutkan uji LSD. Hasil penelitian menunjukkan bahwa pemberian jus cacing tanah pada tikus yang diberi asam traneksamat berpengaruh signifikan meningkatkan waktu perdarahan dan waktu pembekuan darah, namun tidak berpengaruh signifikan menurunkan jumlah trombosit. Hal ini menunjukkan bahwa cacing tanah berpotensi dikembangkan sebagai obat terapi fibrinolitik yang aman tanpa risiko perdarahan.","PeriodicalId":412942,"journal":{"name":"Indonesian Journal of Mathematics and Natural Sciences","volume":"33 4","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-04-18","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"120919396","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Pemodelan Matematika Tentang Penyebaran Virus Flu Burung (H5N1) Dengan Treatment Pada Manusia Dan Vaksinasi Burung Rentan Dalam Populasi Konstan","authors":"Taufan Giri Ramdani, M. Kharis","doi":"10.15294/ijmns.v46i1.46175","DOIUrl":"https://doi.org/10.15294/ijmns.v46i1.46175","url":null,"abstract":"Dari bulan oktober sampai November 2020, Inggris, Jerman dan Jepang telah memusnahkan lebih dari 3 juta unggas karena terinfeksi virus flu burung. Pada bulan februari tahun 2021 rusia melaporkan kasus penularan virus flu burung varian H5N8 pada pekerja peternakan unggas. Virus ini disebarkan melalui unggas terinfeksi ke unggas rentan dan unggas terinfeksi ke manusia rentan serta manusia terinfeksi dengan manusia rentan. Pemberian vaksin pada unggas merupakan salah satu cara menekan penyebaran virus flu burung. Sehingga Dibentuk sebuah penelitian untuk membangun model matematika penyebaran virus flu burung, mencari titik kestabilan dari model yang dibuat dan pembuatan simulasi numerik. Penelitian ini menghasilkan model S,I,T,R,Sb,Ib,Vb dengan adanya pemberian treatment kepada manusia terinfeksi (I) dan vaksinasi burung rentan (Vb) dalam populasi burung dan manusia konstan,: (a) titik ekuilibrium P0 stabil asimtotik lokal untuk kondisi R01 dan r01 (b) titik ekuilibrium P0 tidak stabil dan P1 stabil asimtotik lokal untuk kondisi R01 dan r01 dan (c) titik ekuilibrium P0 dan P1 tidak stabil serta P2 stabil asimtotik lokal untuk kondisi R01 dan r01. Hasil penelitian ini diperoleh beberapa fakta yaitu semakin kecil nilai peluang kontak unggas rentan dengan unggas terinfeksi dan kontak manusia rentan dengan manusia terinfeksi serta semakin besar nilai proporsi manusia yang diberi treatment dan burung rentan yang diberikan vaksin maka akan memperkecil populasi manusia yang terinfeksi virus flu burung.","PeriodicalId":412942,"journal":{"name":"Indonesian Journal of Mathematics and Natural Sciences","volume":"1 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-04-16","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"127459326","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Klasifikasi Diabetic Retinopathy Menggunakan CNN dengan Arsitektur yang Dimodifikasi","authors":"Kevyn Alifian Hernanda Wibowo, Alamsyah Alamsyah","doi":"10.15294/ijmns.v46i1.46172","DOIUrl":"https://doi.org/10.15294/ijmns.v46i1.46172","url":null,"abstract":"Diabetic Retinopathy (DR), juga dikenal sebagai penyakit mata diabetes, terjadi karena kerusakan pada retina akibat diabetes melitus yang berkepanjangan. DR dapat diklasifikasikan melalui gambar fundus retina. Namun, klasifikasi retinopati diabetik membutuhkan waktu yang tidak sedikit dan belum ada model yang memiliki performa tinggi dalam mengklasifikasikan DR. Tujuan dari penelitian ini mengusulkan model yang diharapkan memiliki tingkat akurasi yang lebih tinggi daripada penelitian sebelumnya. Metode yang digunakan adalah Convolutional Neural Network (CNN). Hasil evaluasi menunjukkan klasifikasi DR menggunakan CNN berarsitektur VGG-16 Net menghasilkan akurasi 96,24% sedangkan klasifikasi DR menggunakan CNN berarsitektur yang dimodifikasi menghasilkan akurasi 96.45%. Pada penelitian ini, akurasi model klasifikasi dapat ditingkatkan dengan menggunakan metode CNN berarsitektur termodifikasi.","PeriodicalId":412942,"journal":{"name":"Indonesian Journal of Mathematics and Natural Sciences","volume":"137 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-04-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"114754896","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Optimasi Deep Convolutional Neural Network (Deep CNN) untuk Deteksi Aritmia Melalui Sinyal EKG Menggunakan Arsitektur Conv1D","authors":"Yopi Julia Nurriski, Alamsyah Alamsyah","doi":"10.15294/ijmns.v46i1.46176","DOIUrl":"https://doi.org/10.15294/ijmns.v46i1.46176","url":null,"abstract":"Cardiovascular disease (CVD) adalah penyebab signifikan morbiditas dan mortalitas di seluruh dunia. Aritmia menjadi salah satu kondisi yang paling parah dari CVD. Penyakit ini mengacu pada ketidakteraturan denyut atau irama jantung. Penyakit aritmia dapat diidentifikasi melalui rekaman sinyal elektrokardiogram (EKG). Pada penelitian ini, dilakukan data cleaning yang bertujuan untuk menghilangkan missing value pada dataset. Adapun metode yang digunakan untuk klasifikasi adalah Deep Convolutional Neural Network (Deep CNN) dengan arsitektur Conv1D. Oleh karena itu, dilakukan perubahan dimensi input menjadi satu dimensi. Data hasil perubahan dimensi dilanjutkan dengan proses normalisasi data menggunakan metode standar (z-score normalization) dan pembobotan dengan menggunakan WeightedRandomSample. Hal ini dilakukan agar didapatkan keseimbangan data. Selanjutnya, dataset diekstrasi dan diklasifikasikan dengan Deep CNN. Pemilihan Deep CNN dalam ekstraksi fitur karena dapat mengektraksi fitur yang sangat kompleks dari sinyal EKG sehingga dapat mencegah kehilangan informasi-informasi penting pada dataset. Selanjutnya dilakukan evaluasi menggunakan Confusion Matrix. Dari hasil evaluasi Deep CNN dengan arsitektur Conv1D pada deteksi arimtia menghasilkan akurasi 98,88% yang lebih tinggi dari metode sebelumnya.","PeriodicalId":412942,"journal":{"name":"Indonesian Journal of Mathematics and Natural Sciences","volume":"407 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-04-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"126683542","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Widya Mutiara Karoline, D. Armalina, N. Susilaningsih, H. Istiadi, Akhmad Ismail
{"title":"Effect of Garlic Extract on Liver Histopathology of BALB/c Mice with Nicotine Exposure","authors":"Widya Mutiara Karoline, D. Armalina, N. Susilaningsih, H. Istiadi, Akhmad Ismail","doi":"10.15294/ijmns.v45i2.34210","DOIUrl":"https://doi.org/10.15294/ijmns.v45i2.34210","url":null,"abstract":"Nicotine affects liver in the presence of free radicals. One of the antioxidants is allicin which is the most abundant organosulfur in garlic. The objective of this study is to determine the effect of garlic extract as an antioxidant on the liver histopathological features of BALB/c mice exposed to nicotine. This is an experimental study with with post-test only control group design. The research subject were 24 male BALB/c mice. The K- group was the healthy control. The K+ group was exposed to inhaled nicotine of 10 mg/kgBW. Groups P1 and P2 were exposed to 10 mg/kgBW inhaled nicotine and were given garlic extract 300 mg/kgBW and 500 mg/kgBW. Treatment was given for 14 days. Data were analyzed by Kruskal-Wallis test and considered significant if the p value 0.05 with 95% confidence interval. Liver degeneration was grouped into normal, parenchymatous degeneration, hydropic degeneration, and necrosis. The results in the following groups: K: 80%, 20%, 0%, 0%; K(-) :0%,0%,87%,13% ; P1 : 0%,60%,40%,0%; P2 : 0%,100%,0%,0%. There was a significant difference in the degree of degeneration between groups (p=0.001). Garlic extract can reduce the degree of microscopic damage to the liver of BALB/c mice exposed to nicotine inhalation.","PeriodicalId":412942,"journal":{"name":"Indonesian Journal of Mathematics and Natural Sciences","volume":"14 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-10-25","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"124660175","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Peningkatan Akurasi Algoritma Support Vector Machine Menggunakan Dual-Tree Complex Wavelet Transform Pada Klasifikasi Citra Katarak dan Normal","authors":"Amara Febriyanti, Alamsyah Alamsyah","doi":"10.15294/ijmns.v45i2.39723","DOIUrl":"https://doi.org/10.15294/ijmns.v45i2.39723","url":null,"abstract":"Penyakit mata katarak adalah salah satu penyebab utama gangguan penglihatan dan kebutaan di dunia. Penyakit katarak dapat diidentifikasi melalui citra medis untuk klasifikasi atau diagnosis gangguan pada mata. Pada penelitian ini, dilakukan cropping citra menggunakan ROI (Region Of Interest) dengan operasi morfologi pada citra mata pada tahap pre-processing. Pemilihan ROI di pupil mata karena bagian ini mempresentasikan daerah katarak pada mata sekaligus meningkatkan hasil ekstraksi fitur menggunakan operasi morfologi. Adapun metode klasifikasi yang digunakan adalah algoritma Support Vector Machine. Pada tahap klasifikasi, sistem akan menerima masukan berupa citra asli. Citra asli tersebut dilanjutkan dengan proses pre-processing dan ekstraksi fitur dengan operasi morfologi dan ROI. Selanjutnya, dilakukan proses peningkatan kualitas citra menggunakan Dual-Tree Complex Wavelet Transform (DTCWT). Hasil DTCWT tersebut, kemudian mengubah matriks menjadi koefisien wavelet serta dihitung mean dan standar deviasi untuk setiap matriks. Hasil koefisien tersebut dijadikan sebagai input pada Support Vector Machine. Dari perhitungan akurasi klasifikasi citra katarak dan normal menggunakan SVM sebelum ditambah DTCWT menghasilkan akurasi 91,66% sedangkan klasifikasi citra katarak dan normal menggunakan SVM ditambah peningkatan kualitas citra DTCWT menghasilkan akurasi 96,16%.","PeriodicalId":412942,"journal":{"name":"Indonesian Journal of Mathematics and Natural Sciences","volume":"1 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-10-25","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"130993139","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Ketakteraturan Sisi Total Pada Graf Pohon Palem ?? − ??,? dan Graf Pohon Palem ??+? − ??,�","authors":"M. Syihabuddin, I. Rosyida","doi":"10.15294/ijmns.v45i2.39726","DOIUrl":"https://doi.org/10.15294/ijmns.v45i2.39726","url":null,"abstract":"Diketahui graf ? dengan himpunan titik tak kosong ?(?) dan himpunan sisi ?(?). Pelabelan ? adalah suatu fungsi dari ?(?) gabungan ?(?) ke suatu himpunan bilangan bulat positif ? dikatakan pelabelan-k total tak teratur sisi di ? , jika setiap dua sisi berbeda ?1?2 dan ?1?2 di ? memenuhi bobot sisi yang berbeda bobot ?1 tidak sama dengan bobot ?2 . Bobot sisi ?? pada pelabelan total ? adalah adalah jumlahan dari label sisi ??, label titik ? dan label titik ?. Nilai total ketakteraturan sisi dari graf ? yaitu label terbesar minimum yang digunakan untuk melabeli graf ? dengan pelabelan total tak teratur sisi, yang dinotasikan dengan tes (?). Pada artikel ini, dilakukan penyelidikan nilai ketakteraturan sisi total (???) pada Graf Pohon Palem ?? − ??,? dan Graf Pohon Palem ??+1 − ??,? . Hasil dari penelitian ini adalah nilai ketakteraturan sisi total dari Graf Pohon Palem ?? − ??,? adalah pembulatan ke atas dari ((3? + 2)/3) dan nilai ketakteraturan sisi total dari Graf Pohon Palem ??+1 − ??,? adalah pembulatan ke atas dari ((3? + 3)/3).","PeriodicalId":412942,"journal":{"name":"Indonesian Journal of Mathematics and Natural Sciences","volume":"9 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-10-24","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"121166063","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Pengaruh Pemberian Elisitor Ekstrak Khamir pada Pertumbuhan Kultur Kalus Gembili dengan Penambahan ZPT 2,4-D dan Kinetin","authors":"Ananda Lutfiah, Noor Aini Habibah","doi":"10.15294/ijmns.v45i2.39728","DOIUrl":"https://doi.org/10.15294/ijmns.v45i2.39728","url":null,"abstract":"Senyawa bioaktif pada tanaman gembili dapat dihasilkan lebih banyak dari kalus dibandingkan tanaman utuhnya. Penelitian ini bertujuan untuk mengetahui pengaruh pemberian 2,4-D dan kinetin serta elisitor ekstrak khamir terhadap pertumbuhkan kultur kalus gembili. Rancangan penelitian yang digunakan adalah rancangan acak lengkap dua faktorial, yaitu kombinasi 2,4-D (1 ppm; 0,5 ppm) dan kinetin (1 ppm; 0,5 ppm) serta elisitor ekstrak khamir (0,5%; 1%; 2,5% (b/v)). Kalus berumur tiga bulan disubkultur dan diinkubasi selama 2,5 bulan. Kemudian dielisitasi dengan ekstrak khamir dan dipelihara selama 30 hari. Indikator pertumbuhan kalus yang diamati meliputi berat basah, warna dan tekstur kalus. Data dianalisis menggunakan ANOVA dua arah dan diuji lanjut dengan DMRT 5%. Hasil penelitian menunjukkan bahwa kombinasi 2,4-D dan kinetin berpengaruh terhadap rerata berat basah kalus. Sedangkan pemberian elisitor ekstrak khamir tidak berpengaruh terhadap rerata berat basah kalus gembili. Rerata berat basah kalus tertinggi sebesar 3,35 gram dicapai pada kombinasi 2,4-D 0,5 ppm + kinetin 0,5 ppm dengan elisitor 1% (b/v). Tekstur kalus yang dihasilkan pada seluruh perlakuan adalah remah dan berwarna coklat muda hingga coklat kehitaman.","PeriodicalId":412942,"journal":{"name":"Indonesian Journal of Mathematics and Natural Sciences","volume":"60 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-10-24","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"132595842","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Pemilihan Titik Knot Optimal Menggunakan Metode GCV Dalam Regresi Nonparametrik Spline Truncated","authors":"Fitri Kusunartutik, N. Dwidayati","doi":"10.15294/ijmns.v45i2.39727","DOIUrl":"https://doi.org/10.15294/ijmns.v45i2.39727","url":null,"abstract":"Penelitian ini bertujuan untuk mengkaji metode GCV dalam pemilihan titik knot optimal pada regresi nonparametrik spline truncated yang disimulasikan pada data Indeks Pembangunan Manusia (IPM) di Jawa Tengah serta untuk mengetahui faktor apa saja yang mempengaruhi IPM di Jawa Tengah. Dengan menggunakan metode GCV akan digunakan satu, dua, tiga, empat, lima dan kombinasi titik knot yang akan membangun model. Kemudian berdasarkan nilai GCV minimum akan dihasilkan titik knot optimal. Pemilihan titik knot optimal akan memberikan model regresi yang optimal. Hasil penelitian menunjukkan model terbaik yaitu dengan menggunakan kombinasi titik knot 5-5-5-5-5 dengan nilai GCV terkecil sebesar 0,3815048. Hasil uji parameter menunjukkan kelima variable yang diduga mempengaruhi IPM berpengaruh signifikan terhadap IPM. Koefisien determinasi sebesar 99,94251% yang artinya 99,94251% variansi IPM dapat dijelaskan secara signifikan oleh kelima variable yang mempengaruhi yaitu TPAK, Rasio Murid Guru, Kepadatan Penduduk, Angka Kesakitan dan PDRB","PeriodicalId":412942,"journal":{"name":"Indonesian Journal of Mathematics and Natural Sciences","volume":"151 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-10-24","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"133788116","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}