Pemodelan Persentase Penduduk Miskin dan Indeks Pembangunan Manusia di Kalimantan dengan Regresi Nonparametrik Birespon Spline Truncated
Penelitian ini menggunakan metode regresi nonparametrik birespon spline truncated. Spline truncated adalah potongan-potongan polinomial yang memiliki sifat tersegmen (piecewise polynomial) pada titik knot. Model birespon dapat diartikan bahwa pemodelan yang dilakukan menggunakan dua variabel respon, dimana kedua variabel respon ini memiliki hubungan secara teori maupun melalui pengujian secara statistik. Titik knot yang digunakan dalam penelitian ini adalah 1, 2 dan 3 yang akan dipilih untuk membentuk model terbaik. Pemilihan titik knot optimal berdasarkan nilai Generalized Cross Validation (GCV) minimum. Data yang dimodelkan dalam penelitian ini adalah persentase penduduk miskin dan indeks pembangunan manusia sebagai variabel respon, serta tingkat pengangguran terbuka, angka partisipasi kasar SMA dan upah minimum regional sebagai variabel prediktor. Berdasarkan pemilihan titik knot yang dilakukan, diperoleh model terbaik pada 2 titik knot dengan nilai GCV sebesar 0,001 dan R^2 sebesar 0,87147 yang berarti bahwa sebanyak 87,147% variasi yang terjadi pada persentase penduduk miskin dan indeks pembangunan manusia dipengaruhi oleh tingkat pengangguran terbuka, angka partisipasi kasar SMA dan upah minimum regional. Sedangkan sisanya yaitu 12,853% variasi yang terjadi pada persentase penduduk miskin dan indeks pembangunan manusia dipengaruhi oleh faktor lainnya yang belum diteliti.
Ketersediaan
Detail Information
Judul | Pemodelan Persentase Penduduk Miskin dan Indeks Pembangunan Manusia di Kalimantan dengan Regresi Nonparametrik Birespon Spline Truncated |
---|---|
Pengarang | Edayama Wahyu Sundari - Personal Name |
No. Panggil | SKRIPSI EDA p 2022 |
Subyek | regresi nonparametrik birespon spline truncated |
Bahasa | Indonesia |
Tempat Terbit | Universitas Mulawarman |
Tahun Terbit | 2022 |
Penerbit | Fakultas Matematika Dan Ilmu Pengetahuan Alam |
Jurusan | Statistika |
Lampiran Berkas | LOADING LIST... |
DIGITAL LIBRARY