Pemodelan Angka Partisipasi Kasar Perguruan Tinggi di Indonesia Menggunakan Regresi Data Panel

Elvira, Elsa (2024) Pemodelan Angka Partisipasi Kasar Perguruan Tinggi di Indonesia Menggunakan Regresi Data Panel. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 2043211051-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2027. Download (4MB) | Request a copy

Abstract

Salah satu indikator statistik yang dapat digunakan untuk menentukan seberapa besar partisipasi pendidikan tinggi di suatu wilayah adalah Angka Partisipasi Kasar Perguruan Tinggi (APK PT). Tinggi atau rendahnya nilai APK PT menunjukkan seberapa mudah pendidikan tinggi diakses oleh masyarakat. APK PT di Indonesia masih rendah dan belum memenuhi target yang ditetapkan pemerintah. Selain itu, pencapaiannya tidak merata antar provinsi, mencerminkan perbedaan karakteristik wilayah dan perubahan dari waktu ke waktu. Untuk mengatasi masalah tersebut, penggunaan metode regresi data panel dapat menjadi solusi efektif untuk menganalisis variasi antar provinsi dan dinamika waktu secara bersamaan. Penelitian ini bertujuan untuk memodelkan APK PT di Indonesia tahun 2021–2023 serta faktor-faktor yang diduga memengaruhinya menggunakan metode regresi data panel. Analisis dilakukan dengan melihat empat faktor yang diduga memengaruhi perubahan APK PT yaitu PDRB per kapita, persentase siswa yang menyelesaikan pendidikan tingkat SMA/Sederajat, jumlah penduduk miskin, dan rata-rata lama sekolah. Berdasarkan hasil analisis yang dilakukan, didapatkan kesimpulan bahwa APK PT di Indonesia pada 2021–2023 mencerminkan pergeseran capaian pendidikan tinggi antar provinsi setiap tahun, dengan faktor yang memiliki pengaruh signifikan negatif adalah PDRB per kapita dan persentase siswa yang menyelesaikan pendidikan tingkat SMA/Sederajat, serta faktor yang memiliki pengaruh signifikan positif yaitu rata-rata lama sekolah. Model terbaik adalah Fixed Effect Model (FEM) antar individu dengan kebaikan model 99,74%.

======================================================================================================================================

One of the statistical indicators used to measure the level of higher education participation in a region is the Gross Enrollment Rate for Higher Education (APK PT). The APK PT value reflects how accessible higher education is to the public, with higher or lower values indicating ease or difficulty of access. In Indonesia, the APK PT remains low and has not met the government's target. Additionally, the achievements vary across provinces, highlighting regional disparities and changes over time. To address this issue, the use of panel data regression methods offers an effective solution for analyzing both inter-provincial variations and temporal dynamics simultaneously. This study aims to model the APK PT in Indonesia from 2021 to 2023 and identify the factors influencing it using panel data regression. The analysis focuses on four suspected factors influencing changes in APK PT: GDP per capita, the percentage of students completing high school or equivalent, the number of people living in poverty, and the average years of schooling. The analysis concludes that the APK PT in Indonesia during 2021–2023 reflects shifts in higher education achievements across provinces each year. Factors found to have a significant negative effect are GDP per capita and the percentage of students completing high school or equivalent, while the average years of schooling has a significant positive effect. The best model identified is the Fixed Effect Model (FEM) across individuals, with a goodness-of-fit of 99.74%.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Angka Partisipasi Kasar Perguruan Tinggi, Indonesia, Regresi Data Panel, Gross Enrollment Rate for Higher Education, Indonesia, Panel Data Regression
Subjects:	L Education > L Education (General) Q Science > QA Mathematics Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression
Divisions:	Faculty of Vocational > 49501-Business Statistics
Depositing User:	Elsa Elvira
Date Deposited:	25 Jan 2025 12:27
Last Modified:	25 Jan 2025 12:27
URI:	http://repository.its.ac.id/id/eprint/116851

Actions (login required)

View Item