Pemodelan Regresi Logistik Biner Pada Faktor-faktor yang Mempengaruhi Status Penerimaan Bansos Rastra (Bantuan Sosial Beras Sejahtera) di Jawa Timur

Ramadhanti, Anisa (2023) Pemodelan Regresi Logistik Biner Pada Faktor-faktor yang Mempengaruhi Status Penerimaan Bansos Rastra (Bantuan Sosial Beras Sejahtera) di Jawa Timur. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06211640000094-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (11MB) | Request a copy

Abstract

Kemiskinan menjadi salah satu masalah serius di berbagai negara, terutama di negara berkembang, salah satunya Indonesia. Pada 2019, penduduk miskin di Indonesia mencapai 24,79 juta, dimana angkanya menurun jika dibandingkan dengan data pada Maret 2019. Pemerintah memiliki peran tertinggi untuk membuat kebijakan serta program untuk mensejahterakan masyarakat. Untuk mengurangi permasalahan kemiskinan yang ada, pemerintah telah merancang program bantuan sosial untuk melindungi hak asasi warganya, salah satunya program Bantuan Sosial Beras Sejahtera (Bansos Rastra). Dalam penelitian ini, akan dilakukan pemodelan faktor penerimaan Bansos Rastra di Jawa Timur menggunakan logistik biner. Dalam penelitian ini yang menjadi variabel respon adalah status penerimaan rumah tangga terhadap Bansos Rastra. Unit dalam penelitian ini adalah rumah tangga dengan data yang diambil dari SUSENAS 2019 dengan sampel sebanyak 30.021 rumah tangga di Jawa Timur. Terdapat sembilan variabel prediktor pada penelitian ini, dimana terdiri dari dua variabel berskala rasio dan tujuh variabel berskala nominal dengan dua kategori. Penelitian ini menghasilkan model regresi logistik biner dari sembilan variabel yang signifikan dengan ketepatan klasifikasi sebesar 95%. Terdapat satu variabel yang tidak signifikan yaitu pada variabel jenis lantai rumah karena tidak memenuhi asumsi uji parsial sehingga tidak dimasukkan ke dalam model.
====================================================================================================================================
Poverty is a serious problem in various countries, especially in developing ones, which one of them is Indonesia. In 2019, poverty in Indonesia has reached 24.79 million, where the number actually decreased compared to data in March 2019. The government has a major role in making policies and programs for their people. To help reducing the poverty problem, the government has designed different social assistance programs to protect the human rights of its citizens, such as BPNT (Non-Cash Food Assistance), PKH (Family Hope Program), Cash Social Assistance, Bansos Rastra (National Food Aid Program), etc. The Bansos Rastra program’s main goal is to give the beneficiaries (KPM) the 10kg of medium quality of rice supplies per month without charge. In this study, modeling of the Bansos Rastra acceptance factor will be carried out using binary logistics regression. There are nine predictor variables in this study, which consist of two ratio scale variables and seven nominal scale variables with two categories. This study produced a binary logistic regression model of nine significant variables with a classification accuracy of 95%. There is one variable that is not significant, which is the variable of the material of house floor because it does not meet the assumptions of the partial test, so it is not included in the model.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Bantual Sosial, Kemiskinan, Keluarga Penerima Manfaat, Regresi Logistik Biner, Social Assistance Programs, Beneficiaries, Binary Logistics Regression, Poverty, SUSENAS.
Subjects:	H Social Sciences > HA Statistics H Social Sciences > HA Statistics > HA31.3 Regression. Correlation Q Science Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User:	Anisa Ramadhanti
Date Deposited:	16 Aug 2023 02:58
Last Modified:	16 Aug 2023 02:58
URI:	http://repository.its.ac.id/id/eprint/104701

Actions (login required)

View Item