Pemodelan Ketahanan Pangan di Indonesia Menggunakan Regresi Probit Ordinal dengan Efek Interaksi

Laksamana, Hardan Tri (2021) Pemodelan Ketahanan Pangan di Indonesia Menggunakan Regresi Probit Ordinal dengan Efek Interaksi. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

Text 06211740000100_ Undergraduate_ Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (1MB) | Request a copy

Abstract

Menjaga ketahanan pangan merupakan kewajiban yang harus dipenuhi oleh pemerintah Indonesia. Hasil Sensus Penduduk 2010 mencatat bahwa jumlah penduduk Indonesia sebesar 237 juta jiwa. Jumlah tersebut diproyeksikan akan terus meningkat, yaitu pada tahun 2035 penduduk Indonesia akan mencapai 305,65 juta jiwa. Selain itu, pergeseran penduduk desa-kota dan gaya hidup juga ikut mempengaruhi upaya pemenuhan kebutuhan pangan masyarakat. Pada tahun 2010, persentase penduduk kota sebesar 49,8 persen. Angka tersebut meningkat pada tahun 2015 menjadi 53,3 persen dan diproyeksikan akan mencapai lebih dari 60 persen pada tahun 2035. Penelitian ini bertujuan untuk Mendapatkan hasil ketepatan klasifikasi ketahanan pangan di Indonesia. Salah satu analisis yang mampu menjelaskan pengaruh- pengaruh faktor diatas terhadap pengklasifikasian status prioritas ketahanan pangan adalah analisis regresi. Pada penelitian ini variabel dependennya adalah status prioritas ketahanan pangan di tiap provinsi di Indonesia yang bersifat kategorik, maka model regresi yang dapat menjelaskan hubungan antara variabel respon dan variabel prediktor adalah model probit. Berdasarkan hasil pemodelan didapatkan hasil bahwa Model regresi probit ordinal terbaik yang didapatkan untuk wilayah provinsi di Indonesia adalah model regresi probit ordinal dengan 6 variabel prediktor dan satu variabel interaksi yang signifikan terhadap model. Ukuran kebaikan yang diperoleh dari nilai R2 McFadden adalah sebesar 56,8 % dengan ketepatan klasifikasi sebesar 73,52 %. ======================================================================================================
Maintaining food security is a responsibility that must be fulfilled by the Indonesian government. The results of the 2010 Population Census noted that the total population of Indonesia was 237 million people. This number is projected to continue to increase, namely by 2035 Indonesia's population will reach 305.65 million people. In addition, the shift in rural-urban population and lifestyle also affects efforts to meet the food needs of the community. In 2010, the percentage of the city's population was 49.8 percent. This figure increased in 2015 to 53.3 percent and is projected to reach more than 60 percent by 2035. This study aims to obtain accurate results of the classification of food security in regencies/cities in Indonesia. One analysis that is able to explain the effects of the above factors on the classification of priority status of food security is regression analysis. In this study, the dependent variable is the priority status of food security in each province in Indonesia which is categorical. can explain the relationship between response variables and predictor variables are probit model Based on the modeling results, it is found that the best ordinal probit regression model for the provinces in Indonesia is the ordinal probit regression model with 6 predictor variables and one significant interaction variable with the model. The measure of goodness obtained from McFadden's R2 value is 56.8% with a classification accuracy of 73,52%.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	FSVA, Indonesia, Interaksi, Ketahanan Pangan, Regresi Probit Ordinal;FSVA, Indonesia, Interaction, Food Resilience, Ordinal Probit Regression.
Subjects:	Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User:	Hardan Tri Laksamana
Date Deposited:	02 Sep 2021 02:48
Last Modified:	02 Sep 2021 02:48
URI:	http://repository.its.ac.id/id/eprint/91339

Actions (login required)

View Item