AbstrakKanker serviks atau kanker leher rahim adalah jenis penyakit kanker yang terjadi pada daerah leher rahim, yaitu bagian rahim yang terletak di bawah yang membuka ke arah liang vagina. Berawal dari leher rahim, apabila telah memasuki tahap lanjut, kanker ini bisa menyebar ke organ-organ lain di seluruh tubuh. Regresi logistik biner merupakan salah satu pendekatan model matematis yang digunakan untuk menganalisis hubungan beberapa faktor dengan sebuah variabel yang bersifat dikotomus (biner). Tujuan dari penelitian ini adalah menentukan faktor-faktor yang mempengaruhi penyebab kanker leher rahim di kota Ambon dengan menggunakan regresi logistik biner. Hasil penelitian menunjukan bahwa faktorfaktor yang mempengaruhi kanker leher rahim di kota Ambon dengan menggunakan regresi logistik biner adalah usia ( 1 ) dan frekuensi menikah ( 4 ) dengan ketepatan pengklasifikasian penderita dan non penderita kanker leher rahim berturut-turut adalah 57,14% dan 66,67%. Secara keseluruhan, model regresi logistik yang telah diperoleh dapat mengklasifikasikan responden sebesar 61,9%. AbstractCervical cancer is a type of cancer that occurs in the cervical region that is part of the uterus that is located under the opening to the vagina. Starting from the cervix if it has entered the stage, this cancer can spread to other organs throughout the body. Binary logistic regression is one approach used a mathematical model to analyze the relationship of several factors with a variable is dichotomous (binary). The purpose of this study is to determine the factors that influence the cause of cervical cancer in the city of Ambon by using binary logistic regression. The results showed that the factors that affect cervical cancer in the city of Ambon by using binary logistic regression are age ( 1 ) and frequency married ( 4 ) with the accuracy of the classification of patients and non-patients respectively was 57.14% and 66.67%. Overall, the logistic regression model that has been obtained can classify respondents of 61.9%.

Matriks didefinisikan sebagai susunan persegi panjang dari elemen-elemen yang diatur dalam baris dan kolom. Matriks dengan elemen-elemen penyusunnya merupakan bilangan kompleks dikenal dengan matriks bilangan kompleks. Salah satu bentuk khusus dari matriks bilangan kompleks adalah matriks Skew Hermitian beserta sifat-sifatnya yang menjadikan matriks tersebut berbeda dengan matriks real. Penelitian ini membahas bagaimana mengetahui bentuk dari matriks Skew Hermitian, serta sifat-sifat aljabar matriks yang berlaku pada matriks Skew Hermitian, dengan tahapan penelitian sebagai berikut: mengubah matriks Hermitian menjadi matriks Skew Hermitian dengan cara mengenakan operasi pergandaan skalar 𝑖 (bilangan imajiner) pada matriks Hermitian, menyusun sifat-sifat dasar matriks Skew Hermitian berdasarkan sifat dan definisi dari elemen-elemen penyusunnya. Hasil penelitian menunjukan bahwa sebuah matriks bujursangkar merupakan matriks Skew Hermitian jika setiap elemen-elemen penyusunnya merupakan bilangan kompleks beserta transpose konjugatnya dan matriks tersebut identik dengan negatif matriks transpose konjugatnya. Keterkaitannya dengan bentuk matriks lainnya juga merupakan suatu sifat yang berlaku pada matriks Skew Hermitian.

Poverty is a condition where there is a condition where there is an inability of the community to meet basic needs such as food, clothing, shelter, education and health. MTB regency is one of the regions in Moluccas Province with a relatively high percentage of the poor population reaching 28.31%. The purpose of this study is to conduct poverty analysis in MTB using the MARS method. The problem of poverty is thought to be very much influenced by many factors, therefore the selection of the MARS method is considered very appropriate because it has the advantage of being able analyze high-dimensional data. The results showed the best MARS model was a combination BF=18, MI=3 and MO=0 with a minimum GCV value at 69.587. Variables that have a significant effect are the percentage RTM that do not have public toilet facilities (X5), the variable percentage of RTM that is the type of floor of a residential building made of poor quality soil / bamboo / wood (X4), and the percentage of RTM that does not own the building (X1).

The Autoregressive Integrated Moving Average (ARIMA) model is often used to forecast time series data. In the era of globalization, rapidly progressing times, one of them in the field of transportation. The aircraft is one of the transportation that the residents can use to support their activities, both in business and tourism. The objective of the research is to know the forecasting of the number of passengers of airplanes at the arrival gate of Pattimura Ambon International Airport using ARIMA Box-Jenkins method. The best model selection is ARIMA (0, 1, 3) because it has significant parameter value and MSE value is smaller.

Kesejahteraan merupakan tujan utama pembangunan sebuah Negara. Salah satu aspek penting yang dapat digunakan untuk mengukur tingkat kesejahteraan adalah kualitas fisik penduduk itu sendiri, dua diantaranya adalah angka kematian bayi dan status gizi buruk. Angka kematian bayi dan status gizi buruk di suatu daerah dapat di pengaruhi oleh lebih dari satu variabel. Model regresi multivariat adalah model regresi dengan lebih dari satu variabel respon yang saling berkorelasi dan satu atau lebih variabel prediktor. Tujuan dari penelitian ini adalah untuk mengetahui model terbaik pada analisis regresi linier multivariat dengan kriteria AIC dan juga untuk mengetahi faktor-faktorkematian bayi dan status gizi buruk masyarakat setiap Kabupaten di Provinsi Maluku serta mengetahui faktor-faktor apa saja yang sangat mempengaruhi angka kematian bayi dan status gizi buruk di Provinsi Maluku dengan menggunakan regresi linier multivariat. Berdasarkan hasil penelitian menunjukan bahwa  presentase angka kematian bayi tertinggi yaitu di Kabupaten Maluku Tenggara Barat dan presentase status gizi buruk tertinggi di Kabupaten Kepulauan Aru. Berdasarkan pemilihan model terbaik dengan kriteria AIC maka didapatkan model terbaiknya dengan nilai terkecil adalah Y1 = -614,5540 + 1,141434X1 – 0.419444X2 + 2,681898X3 + 0,091133X4 + 0,252735X5 dan Y2 = 0,158916 – 0,022150X1 + 0,003662X2 – 0,008223X3 – 0,004964X4 – 0,028160X5 Sedangkan faktor-faktor yang  mempengaruhi angka kematian bayi dan status gizi buruk di Provinsi Maluku dengan menggunakan regresi multivariat yaitu persentase ASI Ekslusif (X1), persentase kunjungan ibu hamil ke puskesmas untuk memeriksa kandungan (X3), persentase jumlah sarana kesehatan (X4) dan persentase penduduk miskin (X5).