REGRESI PROBIT ORDINAL UNTUK MEMODELKAN INDEKS PEMBANGUNAN MANUSIA DI INDONESIA
Regresi probit merupakan model regresi yang digunakan untuk mengetahui hubungan variabel prediktor dan variabel respon yang berbentuk kategori. Model regresi pada analisis ini menggunakan fungsi distribusi kumulatif normal. Regresi probit berdasarkan skala variabel responnya terbagi menjadi regresi probit biner dan regresi probit ordinal. Regresi probit ordinal merupakan model regresi yangdigunakan untuk memodelkan variabel respon yang berskala ordinal (bertingkat) dan variabel prediktor. Estimasi parameter model regresi probit ordinal padapenelitian ini menggunakan metode Maximum Likelihood Estimation (MLE). Pengujian signifikansi parameter menggunakan metode Likelihood Ratio Test danuji Wald. Penelitian ini bertujuan mendapatkan model regresi probit ordinal terbaik untuk memodelkan faktor-faktor yang berpengaruh terhadap IndeksPembangunan Manusia (IPM) di Indonesia tahun 2022. Penentuan model regresi probit ordinal terbaik dipilih berdasarkan nilai Akaike Information Criterion(AIC) terkecil. Terdapat lima variabel prediktor yang diduga memengaruhi IPM, yaitupersentase penduduk miskin, pertumbuhan ekonomi, angka partisipasi murni, jumlah penduduk dan tingkat pengangguran terbuka. Hasil penelitianmenunjukkan bahwa model regresi probit ordinal terbaik mempunyai dua variabel prediktor, yaitu persentase penduduk miskin dan angka partisipasi murni denganketepatan klasifikasi sebesar 79,41%.
Ketersediaan
Detail Information
Judul | REGRESI PROBIT ORDINAL UNTUK MEMODELKAN INDEKS PEMBANGUNAN MANUSIA DI INDONESIA |
---|---|
Pengarang | Paulus Felippe Buiney - Personal Name |
No. Panggil | SKRIPSI PAU r 2023 |
Subyek | Akaike Information Criterion (AIC) Indeks Pembangunan Manusia(IPM) Maximum Likelihood Estimation (MLE) Regresi probit ordinal |
Bahasa | Indonesia |
Tempat Terbit | Universitas Mulawarman |
Tahun Terbit | 2023 |
Penerbit | Fakultas Matematika Dan Ilmu Pengetahuan Alam |
Jurusan | Statistika |
Lampiran Berkas | LOADING LIST... |
DIGITAL LIBRARY