Simulasi Power Test Spasial Dependensi Model Spasial Data Panel Dinamis Dan Aplikasinya Pada Rasio Gini Indonesia

Widyaningsari, Riska Aisyah (2026) Simulasi Power Test Spasial Dependensi Model Spasial Data Panel Dinamis Dan Aplikasinya Pada Rasio Gini Indonesia. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 2043221119-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Evaluasi kekuatan uji (power test) penting dilakukan untuk memastikan bahwa suatu model statistik mampu mendeteksi efek yang ada dan menghindari kesalahan Tipe II. Tantangan muncul ketika model yang digunakan bersifat kompleks, seperti model spasial data panel dinamis dengan kasus heteroskedastisitas. Oleh karena itu, penelitian ini menggunakan simulasi Monte Carlo untuk mengukur nilai power test dari parameter spasial dependensi (δ) pada model spasial panel dinamis dengan mempertimbangkan kasus heteroskedastisitas, serta menganalisis pengaruh variasi jumlah sampel pengamatan (n) dan panjang deret waktu (T) terhadap hasil power test. Model spasial data panel dinamis diaplikasikan untuk menganalisis faktor yang memengaruhi ketimpangan pendapatan di Indonesia berdasarkan indeks rasio gini. Hasil penelitian menunjukkan peningkatan jumlah sampel pengamatan (n) dan panjang deret waktu (T) yang digunakan menghasilkan nilai power test yang lebih baik. Aplikasi model spasial data panel dinamis menunjukkan bahwa rata-rata indeks rasio gini Indonesia cenderung menurun selama 2020-2024 dengan varians yang kecil, sedangkan indeks ketahanan pangan bersifat fluktuatif dengan varians yang besar. Terdapat autokorelasi spasial dan heteroskedastisitas pada data, sehingga estimasi parameter dilakukan menggunakan Generalized Method of Moment (GMM) Heteroskedastisitas. Estimasi parameter menyatakan bahwa ketimpangan pendapatan dipengaruh secara positif oleh lag waktu dan lag spasial, sementara indeks ketahanan pangan berpengaruh negatif terhadap indeks rasio gini. Uji dependensi spasial membuktikan adanya pengaruh yang signifikan dari seluruh parameter, sementara uji heteroskedastisitas setelah estimasi parameter menyatakan bahwa metode GMM Heteroskedastisitas mampu mengatasi heteroskedastisitas data. Model yang didapat memiliki nilai RMSE yang kecil, menunjukkan bahwa model memiliki tingkat kesalahan prediksi yang rendah.
================================================================================================================================
Evaluating the power of a test is important to ensure that a statistical model can detect existing effects and avoid Type II errors. Challenges arise when the model used is complex, such as a dynamic panel data spatial model with heteroskedasticity. Therefore, this study uses Monte Carlo simulation to measure the power test value of the spatial dependence parameter (δ) in the dynamic spatial panel model, considering the case of heteroskedasticity, and to analyze the effect of varying the number of observation units (n) and the length of the time series (T) on the power test results. In addition to evaluation thru simulation, the dynamic spatial panel data model is also applied to analyze factors influencing income inequality in Indonesia based on the Gini ratio index. The research results show that increasing the number of observations (n) and the length of the time series (T) used results in better test power values. The application of dynamic panel data spatial models shows that Indonesia's average index tends to decrease during 2020-2024 with small variance, while the food security index is fluctuating with large variance. There is spatial autocorrelation and heteroskedasticity in the data, which needs to be addressed thru parameter estimation using the Generalized Method of Moments (GMM) Heteroskedasticity. Parameter estimation indicates that income inequality is positively influenced by time lags and spatial lags, while the food security index negatively affects the Gini coefficient index. Spatial dependence tests proved the significant influence of all parameters, while heteroskedasticity tests after parameter estimation indicated that the GMM Heteroskedasticity method was able to address data heteroskedasticity. The model obtained has a small RMSE value, proving that the model has a low level of prediction error.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Panel Dinamis, Power Test, Rasio Gini, Simulasi Monte Carlo. Dynamic Panel, Gini Ratio, Monte Carlo Simulation, Power Test.
Subjects:	H Social Sciences > HA Statistics > HA30.6 Spatial analysis H Social Sciences > HA Statistics > HA31.3 Regression. Correlation. Logistic regression analysis. T Technology > T Technology (General) > T57.62 Simulation
Divisions:	Faculty of Vocational > 49501-Business Statistics
Depositing User:	Riska Aisyah Widyaningsari
Date Deposited:	29 Jan 2026 06:19
Last Modified:	29 Jan 2026 06:19
URI:	http://repository.its.ac.id/id/eprint/131004

Actions (login required)

View Item