Salah satu upaya pemerintah untuk menanggulangi masalah penganggu-ran adalah dengan menunjang terbentuknya usaha mandiri masyarakat. Salah satuperwujudan upaya tersebut adalah dengan meningkatkan minat kewirausahaan padamasyarakat terutama mahasiswa melalui berbagai kegiatan kewirausahaan. Banyak fak-tor yang melatarbelakangi tinggi rendahnya minat berwirausaha pada mahasiswa diantaranya karakteristik, lingkungan keluarga, lingkungan sekitar, kepribadian dan motifberwirausaha. Faktor-faktor tersebut ada yang dapat diukur secara langsung dan adayang tidak. Salah satu analisis statistika yang dapat menganalisis hubungan faktor-faktortersebut adalah Structural Equation Modeling (untuk selanjutnya, ditulis SEM). SEMdapat menganalisis hubungan antara peubah terukur dengan peubah tak terukur melaluianalisis faktor konrmatori dan hubungan antar faktor baik langsung ataupun tidaklangsung melalui analisis jalur. Dari hasil analisis terhadap faktor-faktor yang melatar-belakangi tinggi rendahnya minat berwirausaha, diperoleh kesimpulan bahwa faktor yangpaling berpengaruh terhadap minat berwirausaha mahasiswa Universitas Andalas adalahmotif berwirausaha. Sedangkan faktor kedua yang paling berperan adalah lingkungansekitar termasuk lingkungan pendidikan.

Abstrak. Kasus kematian ibu adalah kasus kematian perempuan pada saat hamil ataukematian perempuan dalam kurun waktu 42 hari sejak terminasi kehamilan. Pada tahun2014 Indonesia belum mampu mencapai target MDGs yaitu penurunan kematian ibu.Kasus jumlah kematian ibu termasuk peristiwa yang dikategorikan kedalam variabeldiskrit dan berdistribusi poisson oleh karena itu penelitian tentang jumlah kematianibu dapat dilakukan dengan pendekatan regenerasi Poisson. Pada penelitian ini vari-abel prediktor yang signikan pada model regresi poisson untuk variabel respon angkakematian ibu adalah rasio jumlah puskesmas.Kata Kunci: Angka Kematian Ibu, MGDs, Poisson, Regresi Poisson

Analisis regresi spasial merupakan pengembangan dari analisis regresi linier klasik dengan melibatkan unsur lokasi ke dalam model. Pada penelitian ini dibentuk model untuk menentukan faktor yang mempengaruhi jumlah penduduk miskin menurut kabupaten/kota di Provinsi Sumatera Barat dengan menggunakan analisis regresi spasial. Pemodelan ini didahului oleh pengujian autokorelasi spasial dengan uji Getis-Ord G. Berdasarkan koefisien autokorelasi Getis-Ord G diperoleh bahwa pada data jumlah penduduk miskin terdapat autokorelasi positif. Selanjutnya dilakukan analisis regresi spasial menggunakan Spatial Error Model (SEM) dengan parameter λ = −0, 723224, yang menunjukkan bahwa jika suatu wilayah yang dikelilingi oleh wilayah lain sebanyak n, maka pengaruh dari masing-masing wilayah yang mengelilinginya dapat diukur sebesar 0, 723224. Hasil analisis menunjukkan bahwa variabel bebas yang mempengaruhi jumlah penduduk miskin di Provinsi Sumatera Barat adalah jumlah penduduk, persentase laju pertumbuhan ekonomi, dan Produk Domestik Regional Bruto (PDRB) atas dasar harga konstan.Kata Kunci: Autokorelasi spasial, Uji Getis-Ord G, Spatial Error Model

Demam Berdarah Dengue (DBD) adalah penyakit infeksi yang disebabkan oleh virus Dengue melalui gigitan nyamuk Aedes. Penelitian ini bertujuan untuk memperoleh model dengan metode regresi Poisson untuk jumlah kasus DBD yang meninggal di Kota Padang dan mengetahui faktor apa saja yang mempengaruhinya. Regresi Poisson ini digunakan untuk kejadian yang relatif jarang terjadi. Faktor yang diduga mempengaruhi DBD tersebut adalah faktor lingkungan, diantaranya persentase rumah sehat, persentase sarana air bersih yang memenuhi syarat, persentase rumah ber-Prilaku Hidup Bersih Sehat (ber-PHBS), persentase pengelolaan sampah yang memenuhi syarat dan persentase jamban yang memenuhi syarat. Kriteria pemilihan model terbaik yang digunakan adalah AIC dan BIC. Faktor yang berpengaruh terhadap jumlah kasus DBD yang meninggal adalah Persentase rumah sehat dan persentase rumah ber-Prilaku Hidup Bersih Sehat (ber-PHBS).Kata Kunci: Regresi Poisson, Demam Berdarah Dengue (DBD), Maximum Likelihood Estimator(MLE)

Kesejahteraan rakyat pada suatu daerah dapat dilihat dari indikator-indikator yang mampu mengukur kesejahteraan rakyat. Kesejahteraan rakyat pada masing-masing daerah berbeda-beda. Oleh karena itu dapat dilakukan pengelompokan daerah di Indonesia untuk melihat kemiripan kondisi kesejahteraan rakyat di suatu daerah dengan daerah lain sehingga dapat membantu pemerintah dalam menyusun dan menentukan prioritas pembangunan. Data indikator kesejahteraan berupa data campuran. Metode pengelompokan yang dapat digunakan untuk menangani data campuran yaitu metode cluster ensemble dengan menggunakan algoritma CEBMDC (Cluster Ensemble Based Mixed Data Clustering) dengan melakukan pengelompokan untuk data numerik dan data kategorik secara terpisah, selanjutnya hasil pengelompokan digabungkan. Objek pengamatan pada penelitian ini adalah 34 provinsi di Indonesia. pengelompokan untuk data numerik menggunakan metode hirarki agglomerative menghasilkan pengelompokan terbaik dengan nilai CP terkecil diperoleh pada metode Ward dengan 2 cluster. pengelompokan data kategorik menggunakan metode ROCK (Robust Clustering Using Links) dengan nilai CP∗ terbesar diperoleh pada θ = 0.30 yang menghasilkan 4 cluster. Tahap penggabungan (ensemble) menggunakan metode ROCK menghasilkan pengelompokan terbaik pada θ = 0.30 dengan nilai CP∗ terbesar yang menghasilkan 4 cluster yang terdiri dari 1 provinsi pada cluster 1, 19 provinsi pada cluster 2, 10 provinsi pada cluster 3, dan 4 provinsi pada cluster 4.Kata Kunci: Cluster Ensemble, CEBMDC, ROCK, CP, CP∗