Dewanto, Taufiq Fajar (2018) Model Regresi Probit Spasial Dengan Pendekatan Recursive Importance Sampling (Studi Kasus: Indeks Kesehatan Tahun 2016 di Pulau Papua). Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
131620707-Master_Thesis.pdf - Accepted Version Download (2MB) | Preview |
Abstract
Model regresi probit merupakan model yang digunakan untuk menganalisis hubungan antara variabel respon yang bersifat kategorik, dengan variabel prediktor yang bersifat numerik, kategorik ataupun gabungan dari keduanya. Pada beberapa kasus, data yang dihasilkan pada variabel respon dalam regresi probit yang bersifat kategorik dapat juga dipengaruhi oleh kebiasaan ataupun opini dari wilayah di sekitarnya yaitu adanya autokorelasi spasial. Apabila pengaruh autokorelasi spasial ini diabaikan dan tetap menggunakan model probit yang standar, maka akan menghasilkan estimasi parameter yang bias dan tidak konsisten. Untuk menangani hal tersebut telah dikembangkan sebuah metode analisis probit yang telah memperhitungkan unsur spasial di dalamnya yaitu regresi probit spasial. Dari beberapa metode estimasi dengan menggunakan regresi probit spasial, metode recursive importance sampling (RIS) melakukan yang terbaik atau mengungguli metode lainnya dalam hal akurasi. Metode tersebut kemudian akan diaplikasikan dalam kasus indeks kesehatan di Pulau Papua karena beberapa alasan. Hasil evaluasi dari pencapaian target MDGs pada tahun 2015 menunjukkan bahwa masih terdapat 3 target tujuan MDGs yang masih belum dicapai oleh Indonesia, dimana target tersebut berkaitan tentang bidang kesehatan. Indeks kesehatan merupakan salah satu komponen penyusun IPM yang menunjukkan keberhasilan pembangunan pada dimensi kesehatan. Pulau Papua memiliki disparitas indeks kesehatan yang terbesar yaitu antara 53,08 - 79,85 dan jika dilihat lebih dalam, wilayah kabupaten/kota dengan peringkat 10 terendah, 8 diantaranya berasal dari Pulau Papua yaitu Provinsi Papua dan Papua Barat, serta adanya kemiripan nilai indeks kesehatan antar wilayah yang berdekatan secara geografis diduga akibat adanya autokorelasi spasial. Variabel prediktor yang signifikan dalam membentuk model regresi probit spasial terhadap indeks kesehatan adalah pengeluaran per kapita, persentase rumah tangga yang memiliki sumber air minum layak, persentase penduduk yang memiliki kebiasaan merokok, rata-rata lama sekolah, dan rasio fasilitas kesehatan terhadap jumlah desa. Model tersebut memiliki nilai akurasi sebesar 61,90 persen. ========== Probit regression model is a model used to analyze the relation between categorical response variable
s and numerical predictor variables or the
combination of both. In some cases, the result of response variables data in categorical probit regression can be influenced by habits and or public opinion in
the certain region which there is spatial autocorrela
tion. If the effect of spatial autocorrelation ignored and still using the standard probit model, it will produce
a bias and inconsistent parameter estimation. To handle the case, a probit analysis method that considers the spatial element in it, which called spatial probit regression, has been developed. From several estimation methods that using spatial probit regression, the recursive importance sampling (RIS) method
works optimally or surpass other methods in terms of accuracy.
This method will be applied in case of health index on Papua Island for several reasons. The evaluation results of the MDGs target achievement by 2015, indicate that there are 3 MDGs targeted goals have not been achieved by Indonesia, in which the target is concerned on health. The health index is one of the IPM components that shows the succession of development on the health dimension. Papua Island has the largest health disparity index between 53,08 – 79,85. If it’s seen more comprehensively, by the region of districts with the lowest ranking of 10, 8 of them belongs to Papua Island. Those are Provinsi Papua and Papua Barat and the similarity of the health index values between geographically adjacent areas allegedly due to spatial autocorrelation. Predictor Variables that is sign
ificant in developing spatial probit regression on the health index are; the cost per capita, percentage of household with decent drinking water source, percentage of population with smoking habits, average length of experiencing school , and ratio of heal
th facility to village amount. The model has accuracy value of 61,90 percent.
| Item Type: | Thesis (Masters) |
|---|---|
| Additional Information: | RTSt 519.536 Dew m |
| Uncontrolled Keywords: | Regresi Probit; Regresi Probit Spasial; RIS; Indeks Kesehatan; Probit Regression; Spatial Probit Regression; RIS; Health Index |
| Subjects: | H Social Sciences > HA Statistics 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: | Dewanto Taufiq Fajar |
| Date Deposited: | 01 Feb 2018 04:48 |
| Last Modified: | 10 Sep 2020 07:05 |
| URI: | http://repository.its.ac.id/id/eprint/50963 |
Actions (login required)
 |
View Item |