Pemodelan Indeks Keparahan Kemiskinan Indonesia Tahun 2020 Dengan Metode Regresi Nonparametrik Spline Truncated

Nurhayat, Vito Muhammad (2022) Pemodelan Indeks Keparahan Kemiskinan Indonesia Tahun 2020 Dengan Metode Regresi Nonparametrik Spline Truncated. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06211740000104-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2024. Download (1MB) | Request a copy

Abstract

Indeks Keparahan Kemiskinan adalah Indeks yang
memberikan informasi mengenai gambaran penyebaran
pengeluaran di antara penduduk miskin. Pada tahun 2020 Indeks
Keparahan Kemiskinan Indonesia meningkat sebesar 0,11%.
Meningkatnya indeks keparahan kemiskinan diduga disebabkan
oleh beberapa faktor dan untuk mengetahui faktor-faktor yang
menjadi penyebab naiknya angka Indeks Keparahan Kemiskinan
di Indonesia maka digunakan sebuah metode statistik. Metode
statistik yang digunakan untuk mengatasi masalah ini adalah
regresi nonparametrik. Metode ini digunakan karena indeks
keparahan 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
(3,3,2,3,3). Kelima variabel prediktor yang digunakan yaitu
variabel Laju PDRB, Indeks Gini, Rata-Rata Lama Sekolah,
Persentase Rumah Tangga Yang Memiliki Akses Terhadap
Sanitasi Layak dan Persentase Rumah Tangga Yang
Menggunakan Air Bersih berpengaruh signifikan terhadap indeks
keparahan kemiskinan di Indonesia. Pemodelan ini menghasilkan
koefisien determinasi sebesar 93,83%.
====================================================================================================
The Poverty Severity Index is An index that provides
information on the distribution of expenditure among the poor.
The higher the index value, the higher the disparity of expenditure
among the poor. In 2019 the Poverty Severity Index was 0.36%
while in 2020 Indonesia's Poverty Severity Index increased to
0.47%. The increase in the poverty severity index is thought to be
caused by several factors and to find out the factors that cause
the increase in the poverty severity 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 severity 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 (3,3,2,3,3). The five predictor
variables is GDP Rate, Gini Ratio, Average Length of School,
Percentage of Households With Access to Proper Sanitation and
Percentage of Households Using Clean Water have a significant
effect on the poverty severity index in Indonesia. This modeling
produces a coefficient of determination of 93.83%.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	GCV, Indeks keparahan kemiskinan, Regresi nonparametrik spline truncated GCV, Nonparametric spline truncated regression, Poverty Severity Index.
Subjects:	H Social Sciences > HA Statistics > HA29 Theory and method of social science statistics
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User:	Vito Muhammad Nurhayat
Date Deposited:	20 Feb 2022 04:33
Last Modified:	01 Nov 2022 03:52
URI:	http://repository.its.ac.id/id/eprint/94651

Actions (login required)

View Item