Regresi Kuantil Dengan Estimasi Parameter Menggunakan BCa Bootstrap Resampling Pada Pemodelan Tingkat Pengangguran Terbuka Di Indonesia

Ummah, Solehatul (2019) Regresi Kuantil Dengan Estimasi Parameter Menggunakan BCa Bootstrap Resampling Pada Pemodelan Tingkat Pengangguran Terbuka Di Indonesia. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 06211750010006-Master_Thesis.pdf Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Estimasi parameter pada pemodelan regresi linier menggunakan metode Ordinary Least Square (OLS) kurang tepat dalam menganalisis data yang mengandung pencilan. Hal ini dikarenakan pencilan dapat menyebabkan hasil estimasi parameter yang tidak stabil. Selain itu, keberadaan pencilan pada data seringkali menyebabkan residual semakin besar, sehingga varians pada residual tidak konstan atau terjadi heteroskedastisitas. Salah satu pemodelan yang mampu mengatasi keberadaan pencilan adalah regresi kuantil. Regresi kuantil dapat memodelkan data dengan sebaran yang tidak homogen. Dalam penelitian ini didapatkan estimasi beserta selang kepercayaan pada model regresi kuantil. Metode yang digunakan untuk mendapatkan selang kepercayaan adalah metode BCa Bootstrap Resampling. Aplikasi pada penelitian ini adalah Tingkat Pengangguran Terbuka di Indonesia . Nilai kuantil yang digunakan dalam penelitian ini yaitu kuantil ke- τ=0,05; τ=0,5; τ=0,95 dengan resampling 1500 pada BCa bootstrap resampling. Lebih lanjut diperoleh hasil bahwa faktor-faktor yang mempengaruhi model TPT tahun 2017 yaitu pada kuantil ke-τ=0,05 adalah
persentase jumlah pemuda dan persentase tingkat partisipasi angkatan kerja (TPAK), sedangkan pada kuantil ke-τ=0,50 hanya persentase TPAK dan pada kuantil ke-τ=0,95 adalah persentase jumlah pemuda, persentase laju pertumbuhan ekonomi, dan persentase tingkat partisipasi angkatan kerja.
==================================================================================================================================
Parameter estimation in the linear regression model using ordinary least square (OLS) method is less precise to analyze data containing outliers. It is be-cause outliers can cause unstable parameter estimate. In addition, the existence of outliers causes residuals to be larger so that the residual’s variance is not constant (heteroscedasticity). One model that is able to overcome the effect of outliers is quantile regression because it can accommodate the non-homogeneous variances in modeling. In this study, the confidence interval of the parameter estimate in the quantile regression model was obtained, i.e., the Bias-Corrected and accelerated (BCa) bootstrap method. The proposed method was applied in modeling the open unemployment rate in Indonesia. The quantile value used in this study is quantile 0.05, 0.5, and 0.95 with 1500 resampling in BCa-bootstrap approach. Further results were obtained that the factors that influence model at quantile 0.05 shows that is the percentage of the number of youth and the percentage of the labor force participation rate have a significant effect on the open unemployment rate in
Indonesia, at quantile 0.50 shows that only the percentage of the labor force participation rate has a significant effect on the open unemployment rate in Indonesia, and at quantile 0.95 is the percentage of the number of youth, the
percentage of the rate of economic growth, and the percentage of the labor force participation rate have a significant effect on the open unemployment rate in Indonesia.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	BCa bootstrap resampling, regresi kuantil, tingkat pengangguran terbuka
Subjects:	Q Science
Divisions:	Faculty of Mathematics, Computation, and Data Science > Statistics > 49101-(S2) Master Thesis
Depositing User:	Ummah Solehatul
Date Deposited:	23 Jul 2026 03:56
Last Modified:	23 Jul 2026 03:56
URI:	http://repository.its.ac.id/id/eprint/67648

Actions (login required)

View Item