Estimasi Parameter pada Model Marked Log-Gaussian Cox Process dengan Marked Berdistribusi Log-Normal (Aplikasi pada Pemodelan Pengeluaran Per Kapita di Kabupaten Poso Sulawesi Tengah

Roosyidah, Nila Ayu Nur (2023) Estimasi Parameter pada Model Marked Log-Gaussian Cox Process dengan Marked Berdistribusi Log-Normal (Aplikasi pada Pemodelan Pengeluaran Per Kapita di Kabupaten Poso Sulawesi Tengah. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6003211034-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 September 2025. Download (3MB) | Request a copy

Abstract

Salah satu indikator penting yang dapat menjadi proxy tingkat kesejahteraan adalah pengeluaran per kapita rumah tangga. Pencatatan informasi koordinat lokasi tempat tinggal rumah tangga tersampel pada Susenas memungkinan untuk melakukan prediksi pengeluaran per kapita pada wilayah spasial dengan resolusi lebih tinggi menggunakan marked point process. Salah satu pemodelan marked point process yang populer adalah log-Gaussian Cox Process (LGCP). Pada penelitian ini lokasi dan pengeluaran per kapita diasumsikan bersifat independen sehingga keduanya dimodelkan terpisah. Point pattern koordinat rumah tangga tersampel dimodelkan menggunakan Log-Gaussian Cox Process (LGCP) untuk memprediksi alamat rumah tangga secara keseluruhan. Kemudian, pengeluaran per kapita dimodelkan menggunakan analisis regresi untuk mendapatkan prediksi di luar titik yang tersampel. Informasi peluang terpilihnya rumah tangga dari desain sampling Susenas dapat digunakan untuk mendapatkan estimasi di seluruh Kabupaten Poso. Penelitian ini bertujuan untuk: (1) melakukan kajian prosedur estimasi parameter marked LGCP, (2) mendapatkan model pengeluaran per kapita rumah tangga per bulan menggunakan marked LGCP, dan (3) mendapatkan hasil estimasi jumlah rumah tangga miskin pada level kecamatan. Dari penelitian ini diperoleh bahwa pada LGCP diterapkan metode estimasi dua tahap, yakni tahap pertama menggunakan first-order composite likelihood dan tahap kedua menggunakan second-order composite likelihood. Kemudian, estimasi parameter model marked dilakukan mengikuti tahapan estimasi regresi. Model terbaik untuk memodelkan sebaran pengeluaran per kapita adalah marked LGCP dengan marked dimodelkan menggunakan regresi log-normal. Lebih lanjut, model marked LGCP memiliki keunggulan dapat melakukan prediksi jumlah rumah tangga secara keseluruhan maupun rumah tangga miskin di seluruh wilayah Kabupaten Poso. Hasil penelitian menunjukkan bahwa marked LGCP dapat melakukan prediksi jumlah rumah tangga dengan sangat baik pada sampel maupun populasi secara keseluruhan. Kemudian, prediksi rumah tangga miskin menunjukkan bahwa kondisi pemusatan kemiskinan di Kabupaten Poso terdapat pada Kecamatan Lage, Lore Tengah, dan Lore Selatan.
==================================================================================================================================
One of important indicator that can be a proxy for the level of welfare is per capita spending. Recording information on the coordinates of the sampled household's residential buildings in Susenas makes it possible to predict per capita expenditure down to the higher spatial resolution by using marked point process. One of the popular point process models is Log Gaussian Cox Process (LGCP). In this study the coordinates of household residence and per capita expenditure are assumed to be independent so that can be modeled separately. The coordinate pattern of the sampled households is modeled using the LGCP to predict the overall household address. Then, per capita expenditure along with the accompanying variables is modeled using regression analysis to obtain predictions outside the sampled point. The information on the probability of selecting each household obtained from the Susenas sampling design can be used to estimate the entire area of Poso Regency. This study aims: (1) to study the procedure of parameter estimation of marked LGCP, (2) to obtain a best model of per capita household expenditure using the marked LGCP, and (3) to obtain the prediction of the number of poor households at the district level throughout Poso Regency. From this research it can be obtained that the marked LGCP model estimation procedure is carried out separately, namely each on the LGCP model and the marked model. In the LGCP model, a two-stage estimation method is applied, namely the first stage uses first-order composite likelihood and the second stage uses second-order composite likelihood. Then, the estimation of marked model parameters is carried out following the regression estimation stages. The best model that is used to make a prediction of household per capita expenditure in unit level is marked LGCP which marked is modeled by using log-normal regression. Furthermore, the marked LGCP model has the advantage of being able to predict the total number of households as well as poor households. This study found that the proposed model can predict the amount of household well, both in sample and population condition. Furthermore, the result stated that the poor households are concentrated in Lage, Lore Tengah, dan Lore Selatan district.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	pengeluaran per kapita, regresi log-normal, resolusi tinggi, spasial beresolusi tinggi, Susenas; higher spatial resolution, log-normal regression, marked LGCP, per capita expenditure, Susenas, marked LGCP,
Subjects:	H Social Sciences > HA Statistics > HA30.6 Spatial analysis
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49101-(S2) Master Thesis
Depositing User:	NILA AYU NUR ROOSYIDAH
Date Deposited:	26 Sep 2023 02:09
Last Modified:	26 Sep 2023 02:09
URI:	http://repository.its.ac.id/id/eprint/104244

Actions (login required)

View Item