Regresi Nonparametrik Spline Truncated untuk Memodelkan Indeks Pembangunan Gender (IPG) di Sumatera Utara

Kamilah, Ghina Syifa (2024) Regresi Nonparametrik Spline Truncated untuk Memodelkan Indeks Pembangunan Gender (IPG) di Sumatera Utara. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5003201182-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (2MB) | Request a copy

Abstract

Indeks Pembangunan Gender (IPG) merupakan bahan ukur tingkat keberhasilan pembangunan yang sudah mengakomodasi persoalan gender seperti mengukur sejauh mana perempuan dan laki – laki memiliki akses yang sama terhadap sumber daya, kesempatan, dan keputusan dalam suatu masyarakat. Semakin tinggi persentase IPG di suatu daerah maka semakin rendah pula kesenjangan pembangunan antara perempuan dan laki – laki. IPG di Sumatera Utara mengalami kenaikan dari tahun 2021 sampai dengan 2022 dengan IPG pada tahun 2021 sebesar 90,73% dan IPG pada tahun 2022 sebesar 91,06%. Namun, jika dilihat dalam tiga tahun kebelakang, posisi IPG Provinsi Sumatera Utara jika dibandingkan dengan provinsi lain di Indonesia tidak mengalami peningkatan. Tiga tahun belakangan, Provinsi Sumatera Utara stagnan menduduki perangkat 17 dari 38 provinsi di Indonesia. Pada penelitian ini memodelkan persentase IPG di Sumatera Utara dengan empat variabel yang diduga berpengaruh menggunakan Regresi Nonparametrik Spline Truncated. Metode ini digunakan karena pola hubungan antara IPG dan faktor – faktor yang diduga memengaruhinya tidak mengikuti pola data tertentu. Model spline terbalik diperoleh dengan menggunakan titik knot optimal berdasarkan nilai Generalized Cross Validation (GCV) terkecil. Hasil penelitian mengindikasikan bahwa model terbaik dengan tiga variabel untuk pemilihan titik knot optimum menggunakan kombinasi knot (3,2,3). Hal ini disebabkan karena variabel sumbangan pendapat perempuan tidak memberikan pengaruh yang signifikan terhadap IPG di Provinsi Sumatera Utara sehingga tidak dimasukkan ke dalam model. Koefisien determinasi dari model ini mencapai 77,34%.
============================================================
The Gender Development Index serves as a measure of development success that accommodates gender issues, such as measuring the extent to which women and men have equal access to resources, opportunities, and decisions in a society. The higher the GDI percentage in a region, the lower the development gap between women and men. In North Sumatra, the GDI increased from 2021 to 2022, with the GDI in 2021 at 90.73% and in 2022 at 91.06%. However, when observed over the past three years, the position of North Sumatra's GDI compared to other provinces in Indonesia has not improved. For the last three years, North Sumatra has stagnantly ranked 17th out of 38 provinces in Indonesia. This study models the GDI percentage in North Sumatra using four variables presumed to influence it, employing the Truncated Nonparametric Spline Regression. This method is used because the pattern of the relationship between the GDI and the factors influencing it does not follow any specific data pattern. The inverse spline model is obtained using optimal knot points based on the smallest Generalized Cross Validation (GCV) value. The research results indicate that the best model with three variables for selecting the optimal knot points uses a knot combination of (3,2,3). This is because the variable representing women's opinion contribution does not significantly influence the Gross Regional Domestic Product (GRDP) in North Sumatra Province, and therefore it is not included in the model. The coefficient of determination for this model reaches 77,34%.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Generalized Cross Validation, Gender Development Index, Truncated Nonparametric Spline Regression, North Sumatra, Generalized Cross Validation, Indeks Pembangunan Gender, Regresi Nonparametrik Spline Truncated, Sumatera Utara
Subjects:	H Social Sciences > HA Statistics > HA31.3 Regression. Correlation
Divisions:	Faculty of Mathematics, Computation, and Data Science > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User:	Ghina Syifa Kamilah
Date Deposited:	08 Aug 2024 12:25
Last Modified:	08 Aug 2024 12:25
URI:	http://repository.its.ac.id/id/eprint/114996

Actions (login required)

View Item