Pemodelan Tingkatan Status Angkatan Kerja Provinsi Banten Dengan Pendekatan Zero Inflated Ordered Logit (ZIOL)

Marshiela, Jessie Reyna (2025) Pemodelan Tingkatan Status Angkatan Kerja Provinsi Banten Dengan Pendekatan Zero Inflated Ordered Logit (ZIOL). Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6003241017_Master_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Analisis tingkatan status angkatan kerja di Provinsi Banten dilakukan menggunakan model Zero Inflated Ordered Logit (ZIOL), yang dirancang untuk mengatasi keterbatasan regresi ordinal konvensional dalam menangani data. Model ZIOL mengombinasikan logit biner untuk memodelkan komponen inflate dan logit ordinal untuk menggambarkan tingkatan status kerja. Provinsi Banten tercatat memiliki tingkat pengangguran terbuka tertinggi di Indonesia sebesar 7,52%. Estimasi parameter dilakukan melalui metode Maximum Likelihood Estimation (MLE) dengan algoritma BHHH. Parameter β digunakan untuk komponen inflate, sedangkan δ untuk komponen ordinal. Uji Likelihood Ratio dan uji Wald menunjukkan bahwa sebagian besar parameter signifikan terhadap tingkatan status angkatan kerja. Nilai uji Vuong sebesar 5.01 mengindikasikan bahwa model ZIOL lebih unggul dibandingkan model logit ordinal biasa. Hasil odds ratio menunjukkan bahwa tempat tinggal di perkotaan, pengalaman kerja, dan tingkat pendidikan yang lebih tinggi meningkatkan peluang bekerja. Selain itu, ZIOL mampu mengestimasi probabilitas transisi dari kondisi setengah pengangguran ke status bekerja, memberikan informasi tambahan yang tidak tersedia dalam model logistik ordinal.
Kata kunci: Angkatan kerja, Regresi Logistik Ordinal, Analisis Regresi, ZIOL.
==================================================================================================================================
The analysis of labor force status levels in Banten Province was carried out using the Zero Inflated Ordered Logit (ZIOL) model, which is designed to address the limitations of conventional ordinal regression in handling data with zero inflation. The ZIOL model combines binary logistic regression to model the inflate component and ordinal logistic regression to describe the ordered categories of employment status. Banten Province recorded the highest open unemployment rate in Indonesia at 7.52%. Parameter estimation was performed using the Maximum Likelihood Estimation (MLE) method with the BHHH algorithm. The parameter β is used for the inflate component, while δ is used for the ordinal component. The Likelihood Ratio and Wald tests indicate that most parameters significantly affect labor force status. The Vuong test value of 5.01 suggests that the ZIOL model outperforms the conventional ordinal logistic model. The odds ratio results show that urban residence, work experience, and higher education levels increase the likelihood of being employed. In addition, ZIOL can estimate the transition probability from underemployment to employment, providing additional information not available in ordinal logistic models.
Keywords: Labor force, Ordinal Logistic Regression, Regression analysis, ZIOL.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Angkatan kerja, Regresi Logistik Ordinal, Analisis Regresi; ZIOL,Labor force, Ordinal Logistic Regression, Regression analysis, ZIOL.
Subjects:	H Social Sciences > HA Statistics > HA31.3 Regression. Correlation. Logistic regression analysis. H Social Sciences > HA Statistics > HA31.7 Estimation
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49101-(S2) Master Thesis
Depositing User:	Jessie Reyna Marshiela
Date Deposited:	01 Aug 2025 06:06
Last Modified:	01 Aug 2025 06:06
URI:	http://repository.its.ac.id/id/eprint/124988

Actions (login required)

View Item