Regresi Data Longitudinal Dengan Estimasi Generalized Method Of Moments Pada Pemodelan Penduduk Miskin Di Indonesia Tahun 2008-2012

Ghazali, Muhammad (2016) Regresi Data Longitudinal Dengan Estimasi Generalized Method Of Moments Pada Pemodelan Penduduk Miskin Di Indonesia Tahun 2008-2012. Masters thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
1311201006-Master_Thesis.pdf - Accepted Version

Download (1MB) | Preview

Abstract

Indeks kedalaman kemiskinan merupakan ukuran rata-rata kesenjangan penyebaran pengeluaran masing-masing penduduk terhadap garis kemiskinan. Banyak faktor yang mempengaruhi indeks kedalaman kemiskinan, baik dari indikator kesehatan, SDM maupun ekonomi. Oleh karena itu diperlukan sebuah pemodelan statistika untuk menganalisa faktor-faktor yang mempengaruhi indeks kedalaman kemiskinan di Indonesia. Data kemiskinan yang digunakan pada penelitian ini bersumber dari data SUSENAS yang berupa data longitudinal dengan individu pengamatan adalah seluruh kabupaten/kota di Indonesia dari tahun 2008 sampai 2012. Analisis data longitudinal tidak cukup menggunakan OLS karena beberapa asumsi OLS seperti homokedastisitas dan tidak ada autokorelasi sulit terpenuhi pada analisa data longitudinal karena cendurung adanya pengaruh antar individu dan antar waktu pengamatan dalam model. Untuk mengatasi hal tersebut digunakan metode Generalized Method of Moment (GMM) yang digunakan untuk menaksir parameter model data longitudinal. GMM adalah metode penaksiran parameter yang fokus utamanya adalah meminimalkan fungsi kuadratik untuk mencari parameter . Analisis GMM untuk data longitudinal pada penelitian ini dibagi menjadi 3 metode yaitu metode Common Effect, Fixed Effect dan Random Effect. Untuk memilih model terbaik dari 3 metode tersebut digunakan uji Chow, uji Lagrange Multiplier dan uji Hausman. Pada kasus penelitian ini, Model terbaik yang diperoleh adalah model Fixed Effect. Kesimpulan yang diperoleh adalah semakin tinggi Rata-rata lama sekolah (X1) dan Angka harapan hidup (X6) maka indeks kedalaman kemiskinan akan semakin kecil. Sedangkan jika semakin tinggi Persentase pengeluaran non makanan (X2) dan persentase rumah tangga yang pernah membeli beras raskin (X4) maka indeks kedalaman kemiskinan juga semakin tinggi. ================================================================================================================== Poverty gap index is the average size of population distribution the poor people between the poverty line. There’s many factors that affect the poverty gap index such as healthy factors or economics factors. Therefore it is necessary to find good statistics models to find to analyze the factors affecting the poverty gap index in Indonesia. The data is used in this study are the SUSENAS poverty data in Indonesia from 2008 to 2012, which is a longitudinal data. There is why weed need a good statistics modeling for a longitudinal data. One of the longitudinal data analyzing methods is Generalized Method of Moment (GMM). Generalized Method of Moments (GMM) is a generic method for estimating parameters in statistical models. The GMM estimators are known to be consistent, asymptotically normal, and efficient in the class of all estimators that do not use any extra information aside from that contained in the moment conditions. The estimator is defined by minimizing . In this study, we used 3 model of longitudinal data regression : Common Effect Models, Fixed Effect Models and Random Effect Model. We used 3 test mehtods : Chow-test, Lagrange Multiplier test and Hausman test to find the best of those 3 models. We found that the best models for poverty data in Indonesia is Fixed Effect models. The conclusion was if the higher average length of school (X1) and life expectancy (X6), then the poverty gap index will be smaller. Meanwhile, if the higher percentage of non-food expenses (X2) and the percentage of households that never buy cheapest rice or raskin (X4), then the poverty gap index will also higher

Item Type: Thesis (Masters)
Additional Information: RTSt 519.536 Gha r
Uncontrolled Keywords: SDM, SUSENAS, OLS, GMM, Parameter, Indeks
Subjects: Q Science > QA Mathematics > QA278.2 Regression Analysis
Divisions: Faculty of Mathematics and Science > Statistics > 49101-(S2) Master Thesis
Depositing User: ansi aflacha
Date Deposited: 10 Aug 2020 01:16
Last Modified: 10 Aug 2020 01:16
URI: https://repository.its.ac.id/id/eprint/77347

Actions (login required)

View Item View Item