Danendro, Brian Sotya (2021) Pemodelan Indeks Kedalaman Kemiskinan di Indonesia Menggunakan Metode Regresi Nonparametrik Spline Truncated. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
06211740000095-Undergraduate_Thesis.pdf - Accepted Version Download (1MB) | Preview |
Abstract
Indeks Kedalaman Kemiskinan adalah rata-rata kesenjangan pengeluaran masing-masing penduduk miskin terhadap garis kemiskinan. Semakin tinggi nilai indeks, semakin jauh rata-rata pengeluaran penduduk dari garis kemiskinan. Pada tahun 2019 Indeks Kedalaman Kemiskinan sebesar 1,50 % sedangkan pada tahun 2020 Indeks Kedalaman Kemiskinan Indonesia meningkat menjadi 1,61%. Meningkatnya indeks kedalaman kemiskinan diduga disebabkan oleh beberapa faktor dan untuk mengetahui faktor-faktor yang menjadi penyebab naiknya angka Indeks Kedalaman Kemiskinan di Indonesia maka digunakan sebuah metode statistik. Metode statistik yang digunakan untuk mengatasi masalah ini adalah regresi nonparametrik. Metode ini digunakan karena indeks kedalaman kemiskinan dan faktor-faktor yang diduga mempengaruhinya tidak membentuk pola data tertentu, sehingga metode yang digunakan adalah regresi nonparametrik spline truncated. Model terbaik didapatkan dari knot optimal berdasarkan nilai Generalized Cross Validation (GCV) paling optimal adalah dengan menggunakan kombinasi titik knot (1,2,1,3,3). Kelima variabel prediktor yang digunakan berpengaruh signifikan terhadap indeks kedalaman kemiskinan di Indonesia. Pemodelan ini menghasilkan koefisien determinasi sebesar 92,97%.
======================================================================================================
The Poverty Gap Index is the average expenditure gap of each poor population against the poverty line. The higher the index value, the farther the average population expenditure is from the poverty line. In 2019 the Poverty Gap Index was 1.50% while in 2020 Indonesia's Poverty Gap Index increased to 1.61%. The increase in the poverty gap index is thought to be caused by several factors and to find out the factors that cause the increase in the poverty gap index in Indonesia, a statistical method is used. The statistical method used to solve this problem is nonparametric regression. This method is used because the poverty gap index and the factors that are thought to influence it do not form a certain data pattern, so the method used is nonparametric spline truncated regression. The best model is obtained from optimal knots based on the Generalized Cross Validation (GCV) value, the most optimal is to use a combination of knot points (1,2,1,3,3). The five predictor variables used have a significant effect on the poverty gap index in Indonesia. This modeling produces a coefficient of determination of 92.97%.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Poverty Gap Index, Nonparametric spline truncated regression. Indeks kedalaman kemiskinan, Regresi nonparametrik spline truncated |
| Subjects: | H Social Sciences > HA Statistics > HA29 Theory and method of social science statistics H Social Sciences > HA Statistics > HA31.3 Regression. Correlation |
| Divisions: | Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49201-(S1) Undergraduate Thesis |
| Depositing User: | Brian Sotya Danendro |
| Date Deposited: | 10 Sep 2021 02:56 |
| Last Modified: | 15 Oct 2024 05:23 |
| URI: | http://repository.its.ac.id/id/eprint/91947 |
Actions (login required)
 |
View Item |