Geographically Weighted Bivariate Log-Normal Regression (Studi Kasus: Indeks Kedalaman Kemiskinan dan Indeks Keparahan Kemiskinan di Provinsi Jawa Timur Tahun 2020)

Budinirmala, Kadek (2022) Geographically Weighted Bivariate Log-Normal Regression (Studi Kasus: Indeks Kedalaman Kemiskinan dan Indeks Keparahan Kemiskinan di Provinsi Jawa Timur Tahun 2020). Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6003201009-Master_Thesis.pdf Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Bivariate Log-Normal Regression (BLNR) merupakan regresi dengan dua variabel respon yang berkorelasi dan berdistribusi Log-Normal. Pemodelan ini menghasilkan taksiran parameter yang bersifat global untuk seluruh lokasi pengamatan. Jika unit penelitian berupa lokasi, maka memungkinkan terjadinya efek spasial, untuk itu diperlukan analisis yang dapat mencakup pengaruh lokasi tersebut yaitu dengan pemodelan Geographically Weigthed Bivariate Log-Normal Regression (GWBLNR). GWBLNR merupakan pengembangan dari BLNR dengan menambahkan efek spasial berupa koordinat lintang dan bujur sehingga menghasilkan penaksir parameter yang bersifat lokal untuk setiap lokasi pengamatan. Penelitian ini mengembangkan penaksiran parameter dan statistik uji untuk model BLNR dan GWBLNR. Pemodelan dilakukan pada Indeks Kedalaman Kemiskinan dan Indeks Keparahan Kemiskinan di Provinsi Jawa Timur tahun 2020 untuk mendapatkan faktor-faktor yang berpengaruh. Penaksiran parameter model menggunakan metode Maximum Likelihood Estimation (MLE) menunjukkan hasil yang tidak closed form sehingga diselesaikan dengan iterasi numerik Newton Raphson. Statistik uji untuk pengujian serentak menggunakan metode Maximum Likelihood Ratio Test (MLRT). Pemodelan menggunakan GWBLNR menghasilkan 8 kelompok kabupaten/kota berdasarkan variabel yang signifikan terhadap Indeks Kedalaman Kemiskinan dan 7 kelompok kabupaten/kota berdasarkan variabel yang signifikan terhadap Indeks Keparahan Kemiskinan. Variabel Rasio Tenaga Kesehatan berpengaruh secara signifikan terhadap Indeks Kedalaman Kemiskinan dan Indeks Keparahan Kemiskinan di semua kabupaten/kota kecuali di Kabupaten Sampang. Sementara itu, variabel Rasio Air Minum Layak, Tingkat Pengangguran Terbuka, Laju Pertumbuhan Ekonomi, dan Angka Melek Huruf memiliki signifikansi yang bervariasi antar lokasi. Kebaikan model diukur dengan Sum of Squared Errors (SSE). Nilai SSE model GWBLNR lebih kecil dibandingkan dengan model BLNR, sehingga disimpulkan bahwa GWBLNR lebih baik untuk memodelkan Indeks Kedalaman Kemiskinan dan Indeks Keparahan Kemiskinan di Provinsi Jawa Timur tahun 2020.
====================================================================================================================================
Bivariate Log-Normal Regression (BLNR) is a regression with two correlated response variables and Log-Normal distribution. This modeling produces global parameter estimates for all observation locations. If the research unit is a location, then it is possible for spatial effects to occur, for this reason, an analysis that can include the influence of the location is needed, namely by modeling Geographically Weigthed Bivariate Log-Normal Regression (GWBLNR). GWBLNR is the development of BLNR by adding spatial effects in the form of latitude and longitude coordinates so it will generate different parameter estimator values for each location. This research developed the parameter estimation and parameter testing for BLNR and GWBLNR model. This model was applied to data Poverty Gap Index and Poverty Severity Index of East Java Province in 2020 to obtain the influencing factors. The parameter estimation of BLNR and GWBLNR uses Maximum Likelihood Estimation (MLE) method showed results that were not closed form so it is solved by numerical iteration Newton Raphson. Hypothesis testing for the simultaneous test use the Maximum Likelihood Ratio Test (MLRT). Modeling using GWBLNR resulted in 8 groups of districts/cities based on variables that were significant for the Poverty Gap Index and 7 groups of districts/cities based on variables that were significant for the Poverty Severity Index. The variable Medical Personnel Ratio have the significance effect on Poverty Gap Index and Poverty Severity Index in all locations, except in Sampang district. Meanwhile, the significance of the Percentage of Drinking Water Usage Eligible, Unemployment Rate, Economic Growth Rate, and Literacy Rate varies among locations. The goodness of the model was measured using the Sum Squared of Errors (SSE). The SSE value of the GWBLNR model is smaller than the BLNR model, so it is concluded that GWBLNR is better for modeling Poverty Gap Index and Poverty Severity Index of East Java Province in 2020.

Item Type:	Thesis (Masters)
Additional Information:	RTSt 519.536 Bud g-1 2022
Uncontrolled Keywords:	BLNR, GWBLNR, MLE, MLRT, Kemiskinan, Poverty
Subjects:	Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression
Divisions:	Faculty of Mathematics, Computation, and Data Science > Statistics > 49101-(S2) Master Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	29 Apr 2026 07:13
Last Modified:	29 Apr 2026 07:13
URI:	http://repository.its.ac.id/id/eprint/132930

Actions (login required)

View Item