A mixture process variable (MPV) design consists of mixture design and process variable(s). The problem in MPV experiment is the number of experiment runs will be larger if the process variable increases. An optimal design can be a solution to produce a good design with a certain criterion and a limited number of runs. In practice, the compositions of the mixture design are running on each level of the process variable(s). It has a consequence that the randomization is restricted. A split-plot design can be an alternative to overcome the problem. In this research, the whole plots of the split-plot design were the levels of the process variable(s) and the subplots were the compositions of the mixture experiments. In addition, two optimality criteria were used: D-optimality and I-optimality criterion. The D-optimal design is searching a design by minimizing covariance of model parameters meanwhile the I-optimal design is seeking a design by minimizes average of the prediction variance. The study case was a baking experiment in which consisted of three flours and a process variable. It is surprised that the D-optimal design out performed compared to the I-optimal design in terms of the variance prediction in this case.

Stability of a measuring tool is very important. It is necessary to get measurement results that have high precision. This research was conducted to see the stability of Non-Invasive Blood Glucose Measurement Tool. Data of this research is data research from "Pengembangan dan Uji Klinis Purwarupa Alat Pemantauan Kadar Glukosa Darah Non-Invasif Institut Pertanian Bogor". This research used analysis of statistical process control using Individual Moving Range control chart. The results obtained indicate stability process on each respondent. However, among respondents who are one with other respondents has an unstable process despite glucose levels the blood of the respondents is the same.

No abstract

Sektor pertanian memiliki sumbangsih besar dalam perekonomian Indonesia, tetapi menjadi sektor yang seringkali diidentikkan dengan kemiskinan. Hingga saat ini, pembangunan sektor pertanian belum mampu sepenuhnya meningkatkan kesejahteraan rumah tangga petani. Provinsi Sulawesi Tenggara selama 2013-2021 tercatat memiliki Indeks Nilai Tukar Petani (NTP) untuk subsektor tanaman pangan, stabil di bawah 100. Indeks NTP di bawah 100 menunjukkan bahwa kesejahteraan petani belum begitu baik. Penelitian ini bertujuan menentukan faktor determinan kesejahteraan rumah tangga petani tanaman pangan di Provinsi Sulawesi Tenggara. Status kesejahteraan merupakan peubah respon berskala ordinal dengan tiga kategori yaitu miskin, rentan miskin, dan tidak miskin. Metode regresi yang sesuai untuk peubah respon berskala ordinal adalah regresi ordinal, dengan beberapa kemungkinan fungsi hubung. Dalam kajian ini menggunakan fungsi hubung logit dan probit. Hasil analisis regresi menunjukkan bahwa umur kepala rumah tangga (X3), kepemilikan telepon seluler (X6), sumber penghasilan utama rumah tangga (X9), akses terhadap kredit usahatani (X11), dan keberadaan jaminan sosial rumah tangga (X13) berpengaruh positif dan signifikan terhadap status kesejahteraan rumah tangga petani tanaman pangan, sedangkan jumlah anggota rumah tangga (X4) dan usia kawin pertama (X5) berpengaruh negatif dan signifikan. Dengan membandingkan nilai R2 dan balanced accuracy model logit dan probit, disimpulkan bahwa model logit lebih baik dalam mengidentifikasi faktor determinan kesejahteraan rumah tangga petani tanaman pangan di Provinsi Sulawesi Tenggara daripada model probit.

Indeks pembangunan manusia (IPM) merupakan salah satu masalah yang terjadi di Indonesia saat ini. Pertumbuhan IPM di Indonesia tahun 2021 tidak mereta di semua Kabupaten/Kota dan memiliki kesenjangan yang tinggi. Tujuan penelitian ini mengetahui gambaran data IPM, mendapatkan model terbaik untuk mengetahui faktor-faktor yang signifikan mempengaruhi IPM Kabupaten/Kota di Indonesia tahun 2021 dan mengidentifikasi hasil ketepatan klasifikasi dari model terbaik. Peubah bebas yang digunakan pada penelitian ini adalah rata-rata lama sekolah, tingkat pengangguran terbuka, laju pertumbuhan penduduk, kepadatan penduduk, persentase penduduk miskin dan rasio jenis kelamin. Peubah bebas pada penelitian ini mengandung missing value sehingga ditangani menggunakan imputasi k-nearest neighbour (KNN) dan dilanjutkan pemodelan menggunakan regresi logistik ordinal dengan menggunakan teknik backward elimination untuk mendapatkan faktor-faktor yang signifikan. Hasil penelitian menunjukkan proporsi kategori IPM rendah 4,28%, kategori IPM sedang 48,64% dan kategori IPM tinggi 47,08%. Peubah bebas rata-rata lama sekolah (X1), kepadatan penduduk (X4), presentase penduduk miskin (X5) dan rasio jenis kelamin (X6) merupakan faktor-faktor yang signifikan mempengaruhi IPM Kabupaten/Kota di Indonesia tahun 2021 berdasarkan model terbaik. Nilai akurasi dari ketepatan klasifikasi data latih dan data uji IPM Kabupaten/Kota di Indonesia tahun 2021 secara berturut-turut sebesar 83,46% dan 86,61% yang artinya model terbaik regresi logistik ordinal baik untuk dilakukan prediksi.