Hasil Pencarian  ::  Simpan CSV :: Kembali

"Perubahan tutupan lahan akan dipengaruhi oleh pertumbuhan penduduk dan aktifitasnya. Penelitian ini bertujuan untuk memprediksikan perubahan tutupan lahan di Kecamatan Batangan dari tahun 2013 sampai 2033. Metode yang digunakan adalah kuantitatif dari data citra satelit yang kemudian dilakukan pemodelan seluler automata pada plugins MOLUSCE di perangkat lunak Quantum GIS. Data tema tutupan lahan yang digunakan adalah area terbuka, area terbangunan, area hutan, area perairan, area pertanian dan peternakan, dan area transportasi. Sedangkan variabel spasial yang dianggap mempengaruhi hasil prediksi adalah jaringan jalan, lahan terbangun, lahan pertanian, dan lahan perairan. Hasil prediksi lahan pada tahun 2033 lahan yang dapat digunakan sebagai kawasan permukiman sebesar  272,81 hektare dan kebutuhan lahan permukiman berdasarkan proyeksi penduduk dengan tambahan tenaga kerja sejumlah 156.417 jiwa akibat adanya kawasan peruntukan industri adalah 840,74 hektar. Hal ini mengakibatkan adanya kekurangan lahan untuk perkembangan kawasan permukiman sebesar 567,93 hektare untuk menjadi perhatian bagi pemerintah daerah dalam membuat kebijakan kawasan permukiman di Kecamatan Batangan.

---

Land cover changes will be influenced by population growth and its activities. This research aims to predict land cover changes at Batangan District from 2013 to 2033. The method used is quantitative, based on satellite imagery data, which is then modeled using cellular automata in the MOLUSCE plugin in Quantum GIS software. The land cover themes used include open areas, built-up areas, forest areas, water areas, agricultural and livestock areas, and transportation areas. The spatial variables considered to influence the prediction results are road networks, built-up land, agricultural land, and water areas. The predicted land for 2033 shows that 272.81 hectares can be used as residential areas, while the land requirement for residential areas based on population projections with an additional workforce of 156,417 people due to the industrial zone is 840.74 hectares. This results in a land shortage for residential area development of 567.93 hectares, which should be a concern for the local government in formulating residential area policies in Batangan District."

"Pendahuluan Kehidupan suatu masyarakat tampak berkembang sedemikian pesatnya dan keadaan ini semakin menarik pula dengan timbulnya berbagai masalah hukum. Keadaan ini telah terwujud dalam kenyataan yang kemudian melahirkan masalah-masalah sosial yang semakin membengkak dan bertambah pelik. Sebagai suatu kenyataan adalah persoalan mengenai bantuan hukum. Bantuan hukum sebagai suatu lembaga hukum, legal institution, yang kita kenal sekarang ini adalah suatu barang baru di Indonesia. Dia baru dikenal di Indonesia sejak masuknya atau diperlakukannya sistem hukum barat di Indonesia (Nasution, 1982: 23)."

"Prediksi klaim dan prediksi risiko asuransi dilakukan untuk mengklasifikasikan klaim dan tingkat risiko dalam industri asuransi. Dari sudut pandang pembelajaran mesin, masalah prediksi klaim merupakan klasifikasi dua kelas dan masalah prediksi risiko adalah klasifikasi multi-kelas. Untuk mengklasifikasikan klaim dan risiko, model pembelajaran mesin akan memprediksi berdasarkan data historis. Dalam data historis pemohon asuransi, akan ada kemungkinan nilai yang hilang (missing values) sehingga perlu untuk mengatasi masalah tersebut agar memberikan kinerja yang lebih baik. XGBoost adalah metode pembelajaran mesin yang banyak digunakan untuk masalah klasifikasi dan dapat menangani nilai yang hilang (missing values) tanpa dilakukan proses imputasi terlebih dahulu. Penelitian ini menganalisis kinerja metode XGBoost dalam menangani nilai-nilai yang hilang (missing values) untuk prediksi klaim dan prediksi risiko dalam asuransi dan kinerja tersebut juga dibandingkan dengan metode imputasi standard lainnya, yaitu metode mean dan k-nearest neighbors (KNN). Simulasi menunjukkan bahwa model XGBoost tanpa dilakukan proses imputasi memberikan hasil yang sebanding dengan model XGBoost dengan imputasi

---

Claim prediction and risk prediction of insurance is carried out to classify claims and the levels of risk in insurance industries. From the machine learning point of view, the problem of claim prediction is a two-class classification, and the problem of risk level prediction is a multi-class classification. To classify the claims and risk, a machine learning model will predict based on historical data. In the insurance applicant's historical data, there will be the possibility of missing values so that it is necessary to deal with these problems to provide better performance. XGBoost is a machine learning method that is widely used for classification problems and can handle missing values without an imputation preprocessing. This study analyzed the performance of the XGBoost model in handling missing values for claim prediction and risk prediction in insurance and the performance is also compared with other standard imputation methods, i.e the mean and k-nearest neighbors (KNN) method. The simulations show that the XGBoost model without any imputation preprocessing gives a comparable result to one of the XGBoost models with an imputation preprocessing."

"AIS sebagai alat yang diwajibkan digunakan kapal menurut SOLAS sebagai pencegah tabrakan antar kapal memiliki potensi yang lebih besar dalam penerapan ruang lingkup data analytics. Data posisi kapal dapat membantu menggambarkan perilaku kapal di lautan. Aplikasi data AIS bisa membantu mengoptimalkan operasional kapal. Penelitian ini akan menjelaskan tentang sebuah metode penerapan data AIS untuk menghasilkan prediksi waktu tunggu kapal. Algoritma Extreme Gradient Boosting (Xgboost) akan digunakan sebagai pendekatan melakukan prediksi dari data historis. Dengan xgboost, prediksi yang dihasilkan mendapatkan nilai RMSE sebesar 268.47 dan R2 sekitar 0.3 setelah dioptimalkan dengan hyperparameter tuning. Hasil prediksi ini dapat digunakan sebagai pertimbangan penerapan green steaming ataupun bahan evaluasi pelabuhan untuk mengembangkan pelayanannya.

---

AIS as a tool, according to SOLAS, used as a prevention of collisions between ships has more significant potential in the application of the scope of data analytics. Ship position data can help describe ship behavior at sea. AIS data applications can help optimize ship operations. This research will describe a method of applying AIS data to generate predictions of ship waiting times. The Extreme Gradient Boosting (Xgboost) algorithm will be used to make predictions from historical data. With xgboost, the resulting prediction gets an RMSE value of 268.47 and an R2 of about 0.3 after being optimized with hyperparameter tuning. The results of this prediction can be used as consideration for implementing green steaming or evaluating port evaluation materials to develop their services."

"Diare pada anak di bawah lima tahun (balita) hingga saat ini masih menjadi masalah di negara-negara berkembang, demikian pula di Indonesia. Diare masih mempakan penyakit endemis yang terjadi secara tems-menenis di semua daerah, baik di perkotaan maupun di pedesaan. Survey Demografi Kesehatan Indonesia 2002 - 2003 prevalensi diare mencapai 11%. Propinsi yang menduduki prevalensi tertinggi diare pada anak balita adaiah Sulawesi Sclatan (16%) dan Jawa Barat (15%), Meskipun intervensi perubahan pengetahuan pada ibu balira cukup berhasil namun diare pada balita tctap menjadi salah satu dan tiga penyebab mama kemalian bayi. Peningkalan pengetahuan akan oralit dan penggunaannya sebcsar 92%, namun hanya 36% yang konsisten dengan pcngetahuan ilu dalam pengobatan diare (SDKI 2002 - 2003). Rendahnya persepsi akan keseriusan penyakit diare merupakan kendala dalam menckan angka kesakitan diare. Adanya toleransi yang tinggi terhadap diare disebabkan rcndahnya pcrsepsi kescriusan ibu akan diare balita_ Oleh sebab itu upaya pcrubahan persepsi ibu balita dalam meiihat penyakit diare pada anak balitanya merupakan salah satu kunci untuk mempcrbaiki intewensi. Perrnasalahannya adalah belum tereksplorasi socara intensif falctor-faktor yang mempengaruhi terbentuknya persepsi ibu balita tentang kcscriusan penyakit diare pada balita tcrsebut. Dengan desain cross sectional, penelitian ini menguji hubungan antara faktor, pengetahuan, pengalaman kontak, dan kepercayaan tentang diare pada balita dcngan persepsi ibu balita tentang keseriusan diare. Dengan desain cross sectional, penelitian ini menguji hubungan antara faktor, pengetahuan, pengalaman kontak, dan kepercayaan tentang diare pada balita dcngan persepsi ibu balita tentang keseriusan diare. Populasi penclitian adalah ibu-ibu balita di Kecamatan Bekasi Utara dan diambil sampel secara random sebanyak 175 orang yang tersebar di 6 kelurahan. Penclitian berhasil membuktikan bahwa faktor pengetahuan, pengalaman kontak, dan kepercayaan berhubungan secara bermakna dengan persepsi kcseriusan akan penyakit diare pada balita. Dalam analisis multivariat (logistik ganda model faktor risiko) diketahui hubungan variabel pengetahuan dan kepercayaan dengan persepsi keseriusan tidak berinteraksi dengan variabel lain. Sedangkan pengalaman kontak berimeraksi dengan variabel pendidikan. Besaran hubungan variabel independen dengan dependen setelah dilakukan analisis regresi logistik model faktor risiko diperoleh hasil signifikan. Ibu balita berpengetahuan rendah memiliki peluang 2,5 kali untuk berpersepéi diare sebagai penyakit biasa dibandingkan ibu berpengetahuan tinggi (OR: 2,535; 95%CI: 1,321 - 4.866) setelah variabel pendidikan dikendalikan. Ibu balita. yang tidak pernah mcmiliki pengalaman kontak memiliki peluang hampir S kali untuk berpersepsi diare sebagai penyakit biasa dibandingkan ibu balita yang pernah kontak (OR: 4,76l; 95%CI: l,853 - l2,235). Ibu balita dengan kepercayaan rcndah memiiiki peluang hampir 0,5 kali umuk mempersepsikan diare sebagai pcnyakit biasa dibandingkan dengan ibu dengan kepercayaan tinggi setelah variabel jumlah balita dikendalikan (OR: 0392; 95%C1: 0,195 - O,76S). Upaya memperbaiki persepsi ibu balita tentang penyakit diare dapat dilakukan dengan meningkatkan program promosi kesehatan baik melalui peningkatan pengetahuan, menciptakan pengalaman dengan model simulasi, serta merasionalkan kepercayaan-kepercayaan tentang diare pada balita di masyarakat.

---

Diarrhea on toddlers under 5 years old currently is still a major problem in developing countries such as Indonesia. Diarrhea is still endemic in all areas, including both municipal and rural regions. Indonesian Health Demographic Survey at 2002-2003 showed that prevalence of diarrhea reached up to 11%. Provinces with the highest prevalence were South Sulawesi (I 6%) and West Java (15%).

Although intervention to improve the awareness of mothers with toddler under 5 years old was quite successful, diarrhea was still one of the three major causes of infant death. Even though the improvement ofthe awareness of oralit and its usage was 92%, only 36% was consistent with that knowledge in diarrhea recovery (SDK1 2002-2003). The low perception to the seriousness of diarrhea, which leads to high tolerance of mothers towards diarrhea, is one ofthe obstacles in decreasing the diarrhea frequency.

Hence, the effort to change the perception of mothers with toddlers under S years old towards diarrhea is one of the key to improve the intervention. However, factors that influence the perception of mothers towards the seriousness of diarrhea have never been exploited intensively.

Using cross sectional design, this research aims to ind the relation between knowledge, contact experience, and belief about diarrhea on toddler under 5 years old with the perception of mothers towards the seriousness of diarrhea.

The research population is mothers with toddlers under 5 years old in the district of Bekasi Utara, and |75 subjects are selected randomly across 6 regions (kelurahan). The research population is mothers with toddlers under 5 years old in the district of Bekasi Utara, and 175 subjects are selected randomly across 6 regions (kelurahan). This research showed that knowledge, contact experience and belief have signiticant relation with the perception towards the seriousness of diarrhea on toddler under 5 years old.

Multivariate analysis (logistic regression multivariate with risk factor model) showed that relation between knowledge and belief variables to the perception do not interact with other variables, while contact experience interacts with education variable.

After conducted risk factor model logistic regression analysis, the relation between independent variable and dependent variable showed significant result. Mothers with toddler under 5 years old who had limited knowledge had chance 2,5 times to percept that diarrhea was not serious more than mothers who had wide knowledge (OR: 2,535; 95%CI: 1,32I) after education variable was controlled.

Mothers with toddler under 5 years old who had experience with diarrhea had chance almost 5 times to percept that diarrhea was not serious more than mothers who had experience (OR: 4_76l; 95%CI: 1.853 - l2.235)- Mothers with toddler under 5 years old who had low belief had chance 0.5 times to percept that diarrhea was not serious more than mothers who had high belief (OR: 0392; 95%Cl: 0.195 - 0_765) after the number of toddler under 5 years old was controlled.

The effort to improve the perception of mothers with toddlers under 5 years old towards diarrhea can be conducted by improving the program to promote the health, such as enhancing the knowledge/awareness, creating contact experience by simulation model, and by rationalize belief about diarrhea within the people. "

"Pendahuluan. Indonesia merupakan negara yang masih banyak layanan kesehatannya terletak di daerah perifer dengan fasilitas minim dan jarang memiliki tenaga ahli untuk memprediksi berat bayi saat dilahirkan. Metode. Penelitian ini menggunakan desain studi cross sectional. Kriteria inklusi ibu melahirkan anak terakhir, bayi lahir hidup, dan bayi tunggal, didapatkan sampel sebanyak 23.689. Hasil. Variabel yang menjadi faktor risiko kejadian BBLR adalah usia kehamilan (POR 2,01), umur (POR 1,28), paritas (POR 1,56), tinggi ibu (POR 1,48), komplikasi (POR 1,46). Analisis ROC didapatkan area under curve untuk mengidentifikasi kejadian BBLR sebesar 0,602. Nilai titik potong untuk skoring prediksi 4 dan sensitivitas 59,8%. Kesimpulan. Usia kehamilan, umur, paritas, tinggi ibu, dan komplikasi merupakan faktor risiko dan dapat digunakan untuk memprediksi bayi yang akan dilahirkan berisiko BBLR.

---

Introduction. Indonesia is a country that still many health services located in peripheral areas with minimal facilities and rarely have experts to predict the weight of the baby at birth.

Methods. This study using cross sectional study design. The inclusion criteria maternal last child, a baby was born alive, and a single baby, obtained a sample of 23.689.

Results. Variables are a risk factor for LBW is gestational age (POR 2,01), age (POR 1,28), parity (POR 1,56), maternal height (POR 1,48) and complications (POR 1,46). ROC analysis obtained an area under the curve to identify the LBW of 0,602. Value cut-off point for scoring 4 prediction and sensitivity of 59,8%.

Conclusion. Gestational age, age, parity, height, and complications are risk factors and can be used to predict the baby to be born at risk of LBW"

"ABSTRAKIndonesia mengalami penuaan penduduk yang sangat cepat. Diperkirakan populasipenduduk lansia di Indonesia akan mencapai 28,8 juta (11,3%) pada tahun 2020dan mencapai 100 juta (28,68%) pada tahun 2050. Perhatian mengenai bagaimanapenuaan sukses dan determinanya menjadi sebuah isu penting yang harusdieksplorasi sebagai dukungan informasi bagi penentu kebijakan dalammerancang kebijakan dan intervensi efektif untuk meningkatkan kualitas hiduplansia di Indonesia. Tujuan penelitian ini adalah untuk mengeksplorasi aspekmultidimensional penuaan sukses dan memperoleh model prediksi penuaan suksespada lansia di Indonesia.Penelitian ini menggunakan desain studi kohort retrospektif menggunakan dataIFLS (Indonesian Family Life Survey) dengan mengikuti individu selama tujuhtahun yaitu pada titik waktu pengukuran survei IFLS 2000 dan IFLS 2007. Jumlahsampel penelitian ini adalah 2.344 lansia (≥ 53 tahun). Model pengukuran penuaansukses diuji dan dianalisis menggunakan comfirmatory factor analysis (CFA).Analisis regresi logistik ganda digunakan untuk memperoleh model prediksipenuaan sukses.Penelitian ini menghasilkan konsep model penuaan sukses multidimensional yangmemiliki kriteria kecocokan model yang baik serta validitas dan reliabilitas yangcukup baik dengan kontribusi masing-masing yaitu keberfungsian mental (78%),keterlibatan aktif (64%), keberfungsian fisik (62%), spiritualitas (2,7%) dan bebasdari penyakit (0,1%). Hasil model prediksi penuaan sukses terdiri dari tujuhvariabel meliputi faktor individu (usia, jenis kelamin, pendidikan, aktivitas fisikdan waist circumference) dan faktor lingkungan (tingkat pengeluaran nabati danpartisipasi program dana sehat). Kelompok usia 60-69 tahun memiliki peluangsukses 2,211 (95% CI=1,077-4,539), kelompok usia 53-59 tahun sebesar 3,568(95%CI=1,765-7,216). Lansia laki-laki memiliki peluang 1,595 (95%CI=1,133-2,247), lansia dengan pendidikan rendah memiliki peluang 2,805 (95%CI=1,776-4,429), pendidikan menengah/tinggi 4,128 (95%CI=2,272-7,500). Lansia denganaktivitas fisik sedang memiliki peluang sukses 4,258 (95%CI=2,352-7,709),aktivitas ringan 3,964 (95%CI=2,228-7,052) dan aktivitas berat 3,675(95%CI=2,054-6,576). Lansia dengan Waist Circumference tidak berisikomemiliki peluang sukses 1,688 (95%CI=1,092-2,610). Lansia dengan tingkatpengeluaran nabati tinggi memiliki peluang sukses 1,384 (95%CI=1,010-1,898),lansia yang berpastisipasi dalam program dana sehat berpeluang sukses 1,779(95%CI=1,181-2,680). Implikasi hasil penelitian terhadap kebijakan berupa tigapilar utama yang menentukan penuaan sukses yaitu partisipasi, kesehatan danjaminan sosial. Selain ketiga pilar tersebut, gender juga merupakan determinanapenting penuaan sukses. Oleh karena itu kesetaraan gender perlu dipertimbangkandalam setiap pilar kebijakan

---

ABSTRACTIndonesia experienced rapid population aging. It is estimated that the elderlypopulation in Indonesia will reach 28.8 million (11.3%) in 2020 and 100 million(28.68%) in 2050. Caution regarding how successful aging and its determinantbecome an important issue that should be explored as support information forpolicy makers in designing effective policies and interventions to improve thequality of life of the elderly in Indonesia. The objective of this study was toexplore the multidimensional aspects of successful aging and obtain predictivemodels successful aging in the elderly in Indonesia.This study used a retrospective cohort study design using the data IFLS(Indonesian Family Life Survey) by following people for seven years, namely atthe point of measurement time survey IFLS IFLS 2000 and 2007. The amount ofthe sample is 2,344 elderly (≥ 53 years). Successful aging measurement modelwas tested and analyzed using Comfirmatory Factor Analysis (CFA). Multiplelogistic regression analysis is used to derive predictive model of successful aging.This research resulted in the concept of multidimensional models of successfulaging that has good validity and reliability. Each contribution were mentalfunctioning (78%), active involvement (64%), physical functioning (62%),spirituality (2.7%) and free of the disease (0.1%). Successful aging predictionmodels resulting from this study consisted of seven variables include individualfactors (age, gender, education, physical activity and waist circumference) andenvironmental factors (level of expenditure vegetable and healthy fund programparticipation). Age group 60-69 years had a chance of success 2.211 (95% CI =1.077 to 4.539), age group 53-59 years amounted to 3.568 (95% CI = 1.765 to7.216). Elderly men had chances 1.595 (95% CI = 1.133 to 2.247), elderly peoplewith low education had a chance 2.805 (95% CI = 1.776 to 4.429), secondaryeducation / high 4.128 (95% CI = 2.272 to 7.500). Elderly with moderate physicalactivity had a chance of success 4.258 (95% CI = 2.352 to 7.709), light activities3.964 (95% CI = 2.228 to 7.052) and strenuous activities 3,675 (95% CI = 2.054to 6.576). Elderly with no risk of waist circumference had a chance of success1.688 (95% CI = 1.092 to 2.610). Elderly with a high level of expenditurevegetable has a chance of success 1.384 (95% CI = 1.010 to 1.898), elderly whoparticipates in the healthy fund program likely to succeed 1.779 (95% CI = 1.181to 2.680). Implications of the results of research on policy in the form of the threemain pillars that determine successful aging, namely participation, health andsocial security. In addition to the three pillars, gender is also an importantdeterminana successful aging. Therefore, gender equality need to be considered inany policy pillars"

"ABSTRACTBig data or Data driven farming have been the latest improvement in agricultural sector. Data driven farming allows farmers to maximize the output of harvest by processing any significant data gathered regarding the crop. With the data of the crop available, it opens the possibility of evaluating the data to make a model for the crop. This model will allow predictions to be made which would improve the data driven farming to an extent. This project is based on improving Farmbot, a data driven farming tool, to allow the makings of a prediction based on sensor readings gathered by the tool. Several machine learning algorithms have been evaluated which takes account two sensor reading of the plant, and performances have been discussed. These parameters include soil moisture and light exposure level and the performance level gauged are predictability and interpretability. Based on the said parameters, Decision Tree Machine Learning Algorithm have been deemed the best method of prediction for a 2 class problem. This is based on its ability to make a prediction with relatively high confidence level with the addition of having high interpretability about how the algorithm come to the said conclusion. Decision Trees current state may be improved by implementing tree pruning method to omit unnecessary splits.

---

ABSTRACTBig-Data Farming atau pertanian berbasis data merupakan perkembangan mutakhir pada sektor agrikultur. Dengan berbasis data mengenai asupan cahaya dan tingkat kelembaban, petani dapat memaksimalkan hasil panen dari suatu tanaman dengan memproses data mengenai tanaman tersebut. Dengan menyediakan data mengenai tanaman, hal ini memungkinkan pengolahan data dan membuat model yang menggambarkan pengaruh data ndash; data yang diperoleh dengan hasil panen suatu tanaman. Proyek ini dilaksanakan atas dasar mengembangkan sistem Farmbot, sebuah alat tanam automatis berbasis data, untuk menyediakan prediksi tentang bagaimana hasil panen tanaman tersebut berdasarkan data yang diperoleh dari sensor yang terdapat pada alat tersebut. Kemampuan Farmbot untuk melakukan perdiksi tersebut bisa dilakukan dengan mengimplementasikan algoritma Machine Learning, Dengan adanya berbagai macam algoritma Machine Learning, pemilihan algoritma yang paling tepat untuk implementasi Farmbot juga merupakan salah satu bahan pembahasan. Berhubung 2 parameter yang telah disebutkan merupakan kunci dari pembuatan model prediksi, algoritma Decision Tree dianggap sebagai algoritma yang paling optimal untuk diimplementasikan. Keputusan ini berdasarkan kemampuan Decision Tree dalam membuat prediksi dengan tingkat keyakinan yang tinggi dan juga berkemampuan untuk menggambarkan langkah langkah yang ditempuh untuk mencapai suatu prediksi. Algoritma Decision Tree yang telah diimplementasikan pada Farmbot dapat ditingkatkan dengan mengimplementasikan metode Tree Pruning untuk menghilangkan perpisahan yang tidak dibutuhkan."

"Tuberkulosis (TB) merupakan penyakit menular yang disebabkan oleh bakteri M. tuberculosis yang merebak ketika penderita TB melepas bakteri tersebut ke udara. TB diperkirakan telah ada sejak lima ribu tahun sebelum Masehi dan diperkirakan sekitar seperempat populasi dunia telah terinfeksi. Faktor iklim merupakan salah satu faktor lingkungan terpenting dalam penyebaran TB, karena dapat menentukan kelangsungan hidup M. tuberculosis dan mempengaruhi kondisi host. Tercatat sejak 2010 hingga 2019, Indonesia memiliki tren peningkatan prevalensi TB. Kasus TB paru di Kabupaten Serang memiliki tren peningkatan selama 2017-2019 dan menduduki peringkat pertama kasus baru TB BTA+ di Provinsi Banten pada tahun 2019. Penelitian ini bertujuan untuk mengetahui hubungan jumlah kasus baru TB bulanan dengan faktor iklim bulanan (suhu rata-rata, kelembaban rata-rata, total curah hujan, kecepatan angin rata-rata, dan lama penyinaran matahari rata-rata) berdasarkan data tahun 2014-2020 serta model prediksi jumlah kasus baru TB berdasarkan faktor iklim di Kabupaten Serang. Penelitian ini merupakan penelitian kuantitatif dengan rancangan studi ekologi tren waktu. Hasil uji korelasi rank spearman menunjukkan bahwa kelembaban (nilai-p = 0,010; r = -0,279), curah hujan, (nilai-p = 0,004; r = -0,312) dan lama penyinaran matahari (nilai-p = 0,007; r = 0,293) memiliki hubungan signifikan dengan jumlah kasus baru TB. Sedangkan suhu dan kecepatan angin tidak memiliki hubungan signifikan dengan jumlah kasus baru TB (nilai-p > 0,05). Hasil uji regresi liner berganda membentuk model prediksi dengan persamaan Jumlah Kasus Baru TB= 107,799 + 14,310(Suhu) – 3,940(Kelembaban) + 0,060(Curah Hujan) + 0,554(Lama Penyinaran Matahari) + e dengan nilai R2= 0,164. Dinas Kesehatan Kabupaten Serang dapat menggunakan model prediksi tersebut dalam perencanaan upaya pengendalian TB.

---

Tuberculosis (TB) is an infectious disease caused by M. tuberculosis which spreads when a TB patient releases the bacteria into the air. TB was estimated to have existed since five thousand years BC and about a quarter of the world's population has been infected. Climate factors are one of the most important environmental factors in transmission of TB, because they can determine survival time of M. tuberculosis and affect the condition of the host. Recorded data from 2010 to 2019, Indonesia had upward trend of TB prevalence. Pulmonary TB cases in Serang Regency had upward trend during 2017-2019 and were ranked first in the new AFB+ TB cases in Banten Province in 2019. The purpose of this research is to analyze the correlation of the number of new TB cases monthly with monthly climate factors (average temperature, average humidity, total rainfall, average wind speed, and average sunshine duration) based on 2014-2020 data and the prediction model for the number of new TB cases based on climate factors in Serang Regency. This research is a quantitative study with a time trend ecological study design. Spearman rank test results showed that humidity (p-value = 0.010; r = -0.279), rainfall (p-value = 0.004; r = -0.312) and sunshine duration (p-value = 0.007; r = 0.293 ) had a significant correlation with new TB cases. Temperature and wind speed were not correlate with new TB cases (p-value > 0.05). The results of multiple linear regression test showed predictive model with the equation: Number of New Cases TB = 107.799 + 14.310(Temperature) – 3.940(Humidity) + 0.060(Rainfall) + 0.554(Sunshine Duration) + e with R2 = 0.164. The Serang District Health Office can use this prediction model in planning TB control program."

"Propel Funeral Partners (ASX: PFP) adalah penyedia layanan pemakaman terbesar kedua di Australia, menawarkan berbagai layanan dan produk di industri perawatan kematian. Didirikan pada tahun 2012 dan terdaftar di Bursa Efek Australia (ASX) pada tahun 2017, perusahaan ini dimiliki bersama oleh Fraser Henderson dan Albin Kurti, masing-masing memiliki saham sebesar 14,8%. Propel beroperasi di 144 lokasi di seluruh Australia dan Selandia Baru, menyediakan rumah duka, pemakaman, krematorium, dan aset terkait di berbagai negara bagian dan Selandia Baru. Perusahaan ini fokus pada layanan pemakaman seperti pengarahan pemakaman, layanan kremasi, dan layanan peringatan, serta menawarkan produk yang disesuaikan dengan preferensi pribadi, agama, atau etnis. Propel telah mengalami pertumbuhan yang stabil, dengan pendapatan meningkat dari $145,2 juta di FY22 menjadi $168,5 juta di FY23, dan proyeksi pendapatan sebesar $212,4 juta di FY24. Kinerja keuangan perusahaan dipengaruhi oleh faktor-faktor seperti volume kematian selama musim flu dan langkah-langkah jarak sosial. Perusahaan ini mencapai pertumbuhan penjualan sebesar 15,93% untuk FY23 dibandingkan FY22 dan 20,59% untuk FY22 dibandingkan FY21. Marjin laba untuk tahun 2023 adalah 14,032% sementara marjin laba untuk tahun 2022 adalah 0,185%. Analisis DuPont pertama menunjukkan Propel mencapai spread positif sebesar 3,32% pada FY 2023, menunjukkan peluang untuk meningkatkan pengembalian ekuitas pemegang saham dengan meningkatkan leverage keuangan dalam struktur modalnya. Perusahaan menghasilkan OI positif (setelah pajak) sebesar 24.124,20, tetapi ini terlampaui oleh peningkatan besar dalam NOA sebesar 53.494,34, menghasilkan FCF negatif. Sensitivitas valuasi menunjukkan bahwa dengan WACC sebesar 7% dan TGR sebesar 4,25-5%, rekomendasi bergeser menjadi membeli saham Propel.

---

Propel Funeral Partners (ASX: PFP) is the second largest funeral service provider in Australia, offering a variety of services and products in the death care industry. Established in 2012 and listed on the Australian Securities Exchange (ASX) in 2017, the company is co-owned by Fraser Henderson and Albin Kurti, each with a 14.8% stake. Propel operates in 144 locations across Australia and New Zealand, providing funeral homes, cemeteries, crematoria, and related assets in various states and New Zealand. The company focuses on funeral services such as funeral directing, cremation services, and memorial services, and offers products tailored to personal, religious, or ethnic preferences. Propel has experienced steady growth, with revenue increasing from $145.2 million in FY22 to $168.5 million in FY23, and a projected revenue of $212.4 million in FY24. The company's financial performance is influenced by factors such as death volumes during flu seasons and social distancing measures. The company achieved sales growth of 15.93% for FY23 compared to FY22 and 20.59% for FY22 compared to FY21. The profit margin for 2023 is 14.032% while the profit margin for 2022 is 0.185%. The first DuPont analysis shows Propel achieved a positive spread of 3.32% in FY 2023, indicating an opportunity to enhance return on common shareholders' equity by increasing financial leverage in its capital structure. The company generated positive OI (after-tax) of 24,124.20, but this was overwhelmed by a large increase in NOA of 53,494.34, resulting in negative FCF. Valuation sensitivity shows that with a WACC of 7% and TGR of 4.25-5%, the recommendation shifts to buying Propel shares."