(M.9) PENAKSIRAN UKURAN KEMISKINAN MENGGUNAKAN METODE POVMAP DAN COKRIGING UNTUK DESA HASIL PEMEKARAN WILAYAH
|
|
- Harjanti Hermawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 (M.9) PENAKSIRAN UKURAN KEMISKINAN MENGGUNAKAN METODE POVMAP DAN COKRIGING UNTUK DESA HASIL PEMEKARAN WILAYAH 1 Amiek Chamami, 2 Gandhi Pawitan, 3 Lienda Noviyanti 1 Mahasiswa Magister Statistika Terapan Universitas Padjadjaran 2 Dosen Universitas Parahyangan 3 Dosen Jurusan Statistika Universitas Padjadjaran 1 amiek_1909@yahoo.co.id 2 gandhip08@yahoo.com, 3 liendanoviyanti@yahoo.com Abstrak Pada tahun 2004 dan 2011, BPS melakukan estimasi ukuran kemiskinan untuk tingkat desa/kelurahan menggunakan SAE. Metode yang digunakan adalah ELL Method dengan menggunakan data Sensus, Susenas, dan Podes. Salah satu syarat penggunaan SAE agar didapatkan estimasi yang baik adalah data yang digunakan mempunyai referensi waktu survei yang sama. Salah satu masalah yang dihadapi jika menggunakan data yang mempunyai referensi waktu survei yang tidak sama adalah pemekaran wilayah pada tingkat wilayah desa/kelurahan, dan mengakibatkan estimasi ukuran kemiskinan pada desa hasil pemekaran wilayah tidak didapat dilakukan. Salah satu cara untuk mengatasi hal tersebut adalah dengan melakukan imputasi terhadap nilai-nilai peubah pada desa hasil pemekaran wilayah. Penelitian ini bermaksud menghasilkan ukuran kemiskinan pada wilayah-wilayah yang tidak terjadi pemekaran wilayah Kata kunci: Small Area Estimation, ELL Method, pemekaran wilayah, imputasi nilai 1. PENDAHULUAN Salah satu target dalam Tujuan Pembangunan Milenium atau Millenium Development Goals (MDGs) adalah pengurangan jumlah penduduk miskin tahun 1990 sampai dengan setengahnya pada tahun Pemerintah Republik Indonesia sudah meratifikasi MDG s dan melalui berbagai program pembangunan berusaha mencapai target tersebut. Salah satu kendala dalam perencanaan program pembangunan yang langsung menyentuh penduduk miskin adalah ketersediaan data. Badan Pusat Statistik (BPS) sebagai penyedia data untuk perencanaan program pembangunan, mempunyai berbagai macam data, yaitu data Survei Sosial Ekonomi Nasional (Susenas), yang digunakan sebagai dasar penghitungan jumlah penduduk miskin pada tingkat kabupaten/kota. BPS juga mempunyai data Sensus Penduduk (SP) dengan cakupan seluruh penduduk Indonesia tetapi informasi yang dikumpulkan terbatas. Selain itu BPS juga mempunyai data Potensi Desa (Podes) yang memuat karakteristik desa dan mencakup semua desa yang ada di Indonesia. Dengan adanya tiga jenis data yang masing-masing data mempunyai kelebihan dan kekurangan, maka hal itu dapat dimanfaatkan untuk mendapatkan 377
2 estimasi indikator pada tingkat agregasi yang lebih rendah. Salah satu alat statistik yang dapat digunakan untuk memanfaatkan kelebihan dari masing-masing data adalah Small Area Estimation (SAE). BPS sudah menggunakan metode SAE untuk melakukan estimasi dari ukuran kemiskinan sampai tingkat Desa/Kelurahan. Metode SAE yang digunakan adalah Poverty Mapping (Povmap) yang didasarkan kepada Elbers Lanjouw Lanjouw Method (ELL Method). Agar mendapatkan estimasi yang baik SAE mempunyai syarat data yang digunakan harus memiliki referensi waktu survei yang sama. Syarat ini sulit dipenuhi karena adanya pemekaran wilayah pada tingkat wilayah kecil, yang mengakibatkan perubahan pada identitas wilayah, keadaan geografis dan demografis. Untuk mengatasi hal tersebut, BPS melakukan imputasi pada wilayah hasil pemekaran. Imputasi dilakukan dengan menggunakan nilai wilayah induk dan nilai rata-rata kecamatan. Penelitian ini memberikan alternatif selain imputasi, yaitu dengan mengestimasi ukuran kemiskinan menggunakan ELL Method untuk desa yang bukan wilayah pemekaran, kemudian untuk desa hasil pemekaran wilayah ukuran kemiskinan diestimasi menggunakan metode cokriging. Makalah ini hanya menguraikan estimasi ukuran kemiskinan pada desa yang bukan wilayah pemekaran. 2. TINJAUAN PUSTAKA 2.1 Small Area Estimation Small Area Estimation (SAE) adalah suatu metode pendekatan untuk mendapatkan estimasi wilayah yang kecil. Istilah Small Area merujuk pada tingkat wilayah tertentu dengan ukuran sampel kecil yang jika menggunakan direct estimates akan mengurangi ketepatan estimasi karena standard error-nya menjadi besar. Menurut Rao (2003), ada dua model dalam SAE, yaitu 1. Basic Area Level (Type A) Model, yaitu model yang digunakan jika data yang digunakan hanya mempunyai auxiliary variables pada tingkat wilayah (area level). 2. Basic Unit Level (Type B) Model, yaitu model yang digunakan jika nilai berhubungan dengan individu yang spesifik dari auxiliary variables. SAE banyak digunakan untuk estimasi ukuran kemiskinan pada wilayah kecil, Quintano et al (2007) menggunakan metode Empirical Best Linear Unbiased Predictor (EBLUP) untuk mengestimasi kemiskinan pada sub national level di Italia dengan menggunakan pendekatan pendapatan (income). Tzavidis et al (2007) melakukan estimasi ukuran kemiskinan dengan pendekatan pendapatan di negara Albania menggunakan metode M-Quantile Model. 378
3 2.2 ELL Method ELL Method merupakan salah satu metode yang digunakan untuk mengestimasi ukuran-ukuran kemiskinan pada wilayah kecil. Metode ini secara meluas banyak digunakan terutama pada negara-negara berkembang. Menurut Rao (2009), ELL Method dapat dikelompokan dalam synthetic estimator. ELL Method menggunakan pendekatan konsumsi (consumption approach) untuk menghitung ukuran kemiskinan. Ide dasar dari metode ini adalah misalkan W adalah suatu indikator dari kemiskinan atau ketidakmerataan yang didasarkan pada distribusi variabel yang mempengaruhinya pada level rumahtangga, y h. Berdasarkan data sampel yang kecil tetapi memuat informasi yang lengkap, diestimasi distribusi gabungan dari y h dan vektor covariatex h. Dengan menggunakan variabel penjelas (explanatory) yang dihubungkan dengan karakteristik yang ada pada rumahtangga di data sampel yang lebih besar atau sensus, distribusi gabungan hasil estimasi dapat digunakan untuk mendapatkan distribusi dari y h untuk sub populasi di sampel yang lebih besar atau sensus untuk karakteristik-karakteristik yang diteliti. Juga akan didapatkan distribusi bersyarat dari W, estimasi titiknya dan prediksi error-nya. 3. POVMAP 3.1 Model Pengeluaran Povmap menggunakan pendekatan konsumsi dalam mengestimasi ukuran kemiskinan. Model konsumsi merupakan suatu model empiris dari y, pengeluaran per kapita dari rumahtangga h pada klaster c. Pengeluaran per kapita ditaksir dengan menggunakan model berikut (Elbers et al, 2002): ln y = E[ln y x ] + μ (1) dengan c subskrip untuk klaster h subskrip untuk rumah tangga dalam klaster c y x c. pengeluaran per kapita rumah tangga h dalam klaster c karakteristik rumah tangga untuk rumah tangga h dalam klaster Menurut Elbers (2003), aproksimasi linier dari persamaan 1 dapat ditulis sebagai berikut yang biasa disebut model Beta ln y = x a + μ (2) 379
4 dengan x a μ matrik tranpos dari peubah x vektor dari k parameter error dan diasumsikan berdistribusi normal. Survei merupakan sub sampel dari keseluruhan populasi sehingga informasi mengenai lokasi (information location) tidak tersedia untuk semua wilayah dalam data sensus dan mengakibatkan tidak bisa secara nyata memasukkan variabel lokasi (locational variable) ke dalam model yang dibangun dari data survey. Sisaan (residual) dari persamaan 2 akan mengandung variansi locational variable, μ = π + ε. (3) Persamaan 3 menunjukkan bahwa π adalah komponen klaster dan ε ch adalah komponen rumah tangga. Dengan menggunakan arithmetic expectation dari persamaan 3 atas klaster c maka didapat: μ. = π + ε. (4) karena kedua komponen error tidak berkorelasi, maka σ τ E[μ ] = σ + var(ε. ) = σ + τ, dengan variansi dari klaster variansi rumahtangga pada klaster c Diasumsikan π dan ε berdistribusi normal dan independen satu sama lain, Elbers, et al (2002) memberikan suatu estimasi variansi dari distribusi locational effectπ : varσ π [a varµ. ) + b varτ 2[a {σ π + τ + 2 σ π τ } + b τ ], (5) n 1 Apabila locational effectπ tidak ada, persamaan 3.3 menjadi μ = ε. Sesuai dengan Elbers et al (2002), sisa residual ε dapat dijelaskan dengan suatu model logistik yang meregresikan transformasi ε dengan karakteristik rumah tangga: dengan A = 1,05 maxε e ln A e = Z α + r (6) 380
5 Estimator variansi untuk ε dapat dihitung dengan: dengan B = exp {Z α}. σ, = AB 1 + B V AB(1 B) ar(r) (7) (1 + B) 3.2 Estimator Ukuran Kemiskinan Misalkan ada M rumahtangga pada desa c dan rumahtangga h mempunyai m anggota rumahtangga, untuk mendapatkan estimator kesejahteraan sebagai suatu fungsi dari ukuran populasi diasumsikan karakteristik x dan ukuran anggota rumahtangga m dari masingmasing rumahtangga terpilih secara independen dari suatu desa dengan fungsi distribusi konstan yang spesifik, G (x, m), yang merupakan pendekatan super populasi. Misal W adalah suatu ukuran kesenjangan maka dapat ditulis W(m, X, β, u ) dengan m X u suatu vektor M, ukuran rumahtangga pada desa c suatu matrik ukuran M xk dari karakteristik yang terobservasi suatu vektor error dari M Karena vektor error dari populasi target, u, tidak diketahui, maka nilai ekspektasi dari W diestimasi dari karakteristik yang terobservasi dan model pengeluaran. Ekspektasi dari W dinotasikan μ = E{W m, X, ℶ }, dengan ℶ adalah vektor dari parameter model, termasuk di dalamnya distribusi dari error. Menurut Elbers (2003), ukuran kesenjangan W dapat ditulis sebagai penjumlahan terpisah fungsi rasio kesenjangan rumahtangga, w(x, β, u ), dan μ dapat ditulis: dengan H μ = 1 N m w (x, β, u ) F (u ) (8) himpunan dari seluruh rumahtangga pada desa c N m, jumlah seluruh individu F Distribusi marjinal dari error pada rumahtangga h di desa c. W merupakan ukuran kesenjangan sehingga kontribusi dari satu rumahtangga bergantung pada tingkat kesejahteraan rumahtangga lain, dan berakibat W tidak menjadi terpisah serta mempunyai bentuk umum: μ = W (m, X, β, u ) F u,, u (9) 381
6 dengan u,, u adalah error pada M rumahtangga pada desa c. Dalam membentuk suatu estimator dari μ, (Elbers, 2003), ℶ diganti dengan suatu estimator yang konsisten, ℶ, yang berasal dari tahap pertama model regresi pengeluaran. Sehingga ekspektasi dari W adalah: μ = EWm, X, ℶ (10) 4. HASIL DAN PEMBAHASAN Data yang digunakan ada 3 jenis data yaitu data SP 2010, Susenas 2010, dan Podes Tahap pertama dalam pengolahan data adalah manajemen data yaitu menyeleksi peubah-peubah yang ada di data SP 2010 dan data Susenas 2010, kemudian melakukan penggabungan data antara data SP 2010 dan data Podes 2008 (SP-PDS) serta data Susenas 2010 dan data Podes 2008 (SSN-PDS). Setelah itu record-record yang memuat missing value dihapus, sehingga didapat data SP-PDS dan SSN-PDS yang tidak memuat missing value. Tahap kedua adalah membuat suatu model pengeluaran menggunakan data SSN-PDS. Karena ada perbedaan nilai yang sangat besar dari antara peubah pengeluaran dan peubah bebas maka digunakan transformasi untuk peubah pengeluaran (ln). Peubah bebas dipilih dengan dasar peubah bebas harus ada di data SP-PDS dan SSN-PDS. Tahap ketiga adalah melakukan simulasi dengan menggunakan program aplikasi Povmap, dengan memasukkan peubah-peubah yang signifikan dalam pembentukan model pengeluaran pada tahap kedua. Pengolahan data menggunakan bantuan software SPSS untuk membentuk data gabungan SP-PDS dan SSN-PDS, Stata untuk pembentukan model pengeluaran, dan simulasi untuk mendapatkan ukuran kemiskinan pada wilayah kecil digunakan software Povmap 1.0 versi Beta. Gambar 1 memperlihatkan distribusi persentil dari pengeluaran rumahtangga di Propinsi Gorontalo dengan menggunakan data Susenas ,00 100,00 80,00 60,00 40,00 20, Gambar 1. Distribusi Persentil Pengeluaran Rumahtangga 382
7 Tabel 1 memperlihatkan hasil dari pembentukan model pengeluaran: Dependent Variable: Log per capita expenditure Parameter Standard Variable estimates error Constant: 13,9815 0,08641 HHS (Ukuran rumahtangga) -0,3791 0,01628 HRMS (Rumahtangga dengan status rumah milik sendiri) 0,1862 0,01972 HFRT (Rumahtangga dengan fasilitas BAB sendiri) 0,0761 0,01621 HFRL (Rumahtangga dengan fasilitas listrik) 0,0745 0,0615 HKF (Rumahtangga dengan karakterikstiknya wanita) -0,0539 0,0016 HYSH (Rata-rata lama sekolah KRT) -0, ,0037 HYSS (Rata-rata lama sekolah pasangan KRT) -0, ,0021 HOSH1 (Sektor pekerjaan KRT pertanian) 0, ,0527 HOSH2 (Sektor pekerjaan KRT non pertanian) 0, ,0882 HWSH1 (Status pekerjaan KRT bekerja sendiri) 0,1862 0,00522 HWSH2 (Status pekerjaan KRT pegawai) 0, ,0101 H1565 (Proporsi penduduk berumur di bawah 15 tahun dan di atas 65 tahun) -0,1934 0,07619 VOC (Desa pantai) 0, ,0281 VOAH (Proposi rumahtangga pertanian di desa) -0,2397 0,0821 VOPSS (Keberadaan sekolah dasar di desa) -0,0632 0,0451 VOPMTP (Keberadaan alat transportasi bermotor) 0,0419 0,0873 Root MSE 0,4581 Adjusted R 2 0,5691 F-Test 45,19 Peubah-peubah pada Tabel 1 merupakan peubah yang signifikan dengan alpha=0,01. Setelah dilakukan pembentukan model, dengan menggunakan hasil dari pembentukan model tersebut dilakukan simulasi dengan menggunakan data gabungan SP- PDS dan SSN-PDS. Hasil simulasi tersebut sebagai berikut: 3.1. Distribusi Persentil Data Sensus Gambar 2 menunjukkan distribusi persentil data sampel dan data sensus (dengan imputasi dan tanpa imputasi). Ketiga garis dari distribusi persentil berimpit, hal ini menunjukkan model yang dibentuk sudah sesuai dengan ketiga data tersebut. Pola ketiga garis tersebut mengalami perubahan persentil ke , hal ini menunjukkan adanya pergeseran pola yang kemungkinan disebabkan peubah yang dipilih tidak sesuai dengan kelompok masyarakat dengan pengeluaran menengah ke atas. Penelitian ini lebih 383
8 memperhatikan kelompok masyarakat dengan pengeluaran 40% bawah (masyarakat miskin dan hampir miskin), pola untuk kelompok 40% bawah ini tidak berbeda. 120,00 100,00 80,00 60,00 40,00 20, Sampel Imputasi Tanpa Imputasi Gambar 2. Distribusi Persentil Data Sampel dan Data Sensus (dengan imputasi dan tanpa imputasi) Tabel 2 memperlihatkan perbandingan persentase penduduk miskin hasil simulasi dengan imputasi nilai peubah pada data Podes 2008 dan tanpa imputasi pada tingkat kecamatan, terlihat adanya kecenderungan persentase penduduk miskin tanpa imputasi lebih rendah dibandingkan dengan imputasi. Di kabupaten Gorontalo Utara dan Kota Gorontalo tidak terjadi pemekaran wilayah sehingga berakibat persentase penduduk miskin di kedua wilayah tidak berubah. 384
9 Tabel 2. Persentase Penduduk Miskin menurut Kecamatan di Propinsi Gorontalo Kecamatan Persentase penduduk miskin Dengan Imputas i Tanpa Imputas i Kecamatan Persentase penduduk miskin Dengan Imputasi Tanpa Imputasi MANANGGU (031) 15,17 14,27 TAPA (010) 10,79 10,09 TILAMUTA (040) 21,74 20,54 BULANGO UTARA (011) 15,17 14,27 DULUPI (041) 12,98 12,18 BULANGO SELATAN (012) 17,36 16,36 BOTUMOITO (042) 15,17 14,27 BULANGO TIMUR (013) 6,41 5,91 PAGUYAMAN (050) 43,65 41,45 BULANGO ULU (014) 10,79 10,09 WONOSARI (051) 30,51 28,91 KABILA (020) 21,74 20,54 PAGUYAMAN PANTAI 12,98 12,18 BOTU PINGGE (021) 12,98 12,18 TILONGKABILA (022) 21,74 20,54 BATUDAA PANTAI (010) 10,79 10,09 SUWAWA (030) 17,36 16,36 BILUHU (011) 8,60 8,00 SUWAWA SELATAN (031) 12,98 12,18 BATUDAA (020) 12,98 12,18 SUWAWA TIMUR (032) 19,55 18,45 BONGOMEME (021) 37,08 35,18 SUWAWA TENGAH(033) 8,60 8,00 TABONGO (022) 15,17 14,27 BONEPANTAI (040) 23,93 22,63 TIBAWA (030) 28,31 26,81 KABILA BONE (041) 15,17 14,27 PULUBALA (031) 17,36 16,36 BONE RAYA (042) 12,98 12,18 BOLIYOHUTO (040) 28,31 26,81 BONE (043) 23,93 22,63 MOOTILANGO (041) 17,36 16,36 BULAWA (044) 15,17 14,27 TOLANGOHULA (042) 15,17 14,27 ASPARAGA (043) 4,22 3,82 ATINGGOLA (010) 10,79 10,79 LIMBOTO (070) 21,74 20,54 GENTUMA RAYA (011) 6,41 6,41 LIMBOTO BARAT (071) 17,36 16,36 KWANDANG (020) 23,93 23,93 TELAGA (080) 15,17 14,27 ANGGREK (030) 17,36 17,36 TELAGA BIRU (081) 23,93 22,63 SUMALATA (040) 17,36 17,36 TILANGO (082) 10,79 10,09 TOLINGGULA (050) 19,55 19,55 TELAGA JAYA (083) 6,41 5,91 KOTA BARAT (010) 10,81 10,81 POPAYATO (010) 17,36 16,36 DUNGINGI (011) 6,91 6,91 POPAYATO BARAT (011) 10,79 10,09 KOTA SELATAN (020) 17,36 17,36 POPAYATO TIMUR (012) 10,79 10,09 KOTA TIMUR (021) 19,55 19,55 LEMITO (020) 12,98 12,18 KOTA UTARA (030) 17,36 17,36 WANGGARASI (021) 10,79 10,09 KOTA TENGAH (031) 8,60 8,60 MARISA (030) 12,98 12,18 PATILANGGIO (031) 8,60 8,00 BUNTULIA (032) 10,79 10,09 DUHIADAA (033) 15,17 14,27 RANDANGAN (040) 23,93 22,63 TALUDITI (041) 10,79 10,09 PAGUAT (050) 19,55 18,45 DENGILO (051) 6,41 5,91 385
10 5. KESIMPULAN Dari uraian di atas dapat disimpulkan bahwa ketepatan estimasi ukuran kemiskinan bergantung pada pembentukan model pengeluaran dan ketersediaan data yang digunakan, terutama kesamaan referensi waktu survei dari data yang digunakan. Penggunaan data dengan referensi waktu survei yang berbeda mengakibatkan adanya perbedaan keadaan demografis, geografis, sosial dan ekonomi terutama jika terjadi pemekaran wilayah pada wilayah kecil. 6. DAFTAR PUSTAKA Badan Pusat Statistik (BPS), 2010, Buku Panduan Petugas Susenas, Jakarta: BPS. Badan Pusat Statistik (BPS), 2010, Buku Panduan Petugas SP 2010, Jakarta: BPS. Badan Pusat Statistik (BPS), 2008, Buku Panduan Petugas Lapangan Podes, Jakarta: BPS. Elbers, C., Lanjouw, J.O., Lanjouw, P., 2000, Welfare in Villages and Towns: Micro-Level Estimation of Poverty and Inequality, Washington DC: The World Bank. Elbers, C., Lanjouw, J.O., Lanjouw, P., 2002, Micro-Level Estimation of Welfare, Washington DC: The World Bank. Elbers, C., Lanjouw P., Leite P.G., Brazil within Brazil: Testing the Poverty Map Methodology in Minas Gerais, The World Bank, Development Research Group, Poverty Team, Public Disclosure Authorized. Juan-Albacea, Z. V., Small Area Estimationof Sub-National Poverty Incidence. Journel, A.G. and Huijbergts, C. H., 1981, Mining Geostatistic: Academic Press. Kristjanson P., Radeny, M., Baltenweck, I., Ogutu, J., Notenbaert, A., 2005, Livelihood Mapping and Poverty Correlates at a Meso-Level in Kenya, International Livestock Research Institute: Elsevier. Rao, J.N.K., 2003, Small Area Estimation, John Wiley & Sons, New Jersey Rao, J.N.K., Molina, Isabel., 2009, Small Area Estimation of Poverty Indicators, Working Papers 09-15, Statistics and Econometrics Series 05: Universidad Carlos III De Madrid Widyanti, Wenefrida., 2003, Metoda dan Praktek Penyusunan Peta Kemiskinan. Jakarta: Lembaga Penelitian Smeru. 386
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil Penelitian 4.1.1 Deskripsi profil sekolah a. Akreditasi sekolah Dari keseluruhan sampel sekolah menengah atas (SMA) yang diteliti, terdapat sebanyak 11
Lebih terperinciDATA DASAR PUSKESMAS PROVINSI GORONTALO
DATA DASAR PROVINSI GORONTALO KONDISI DESEMBER 2014 KEMENTERIAN KESEHATAN REPUBLIK INDONESIA JAKARTA, 2015 JUMLAH MENURUT KABUPATEN/KOTA (KEADAAN 31 DESEMBER 2014) PROVINSI GORONTALO KAB/KOTA RAWAT INAP
Lebih terperinciLampiran I.75 PENETAPAN DAERA H PEMILIHAN DAN JUMLAH KURSI ANGGO TA DEWAN PERWAKILAN RAKYAT DAERAH PRO VINSI DALAM PEMILIHAN UMUM TAHUN 2014
Lampiran I.75 : Keputusan Komisi Pemilihan Umum Nomor Tanggal : 0/Kpts/KPU/T AHUN 0 : 9 MARET 0 ANGGO TA DEWAN PERWAKILAN RAKYAT DAERAH PRO VINSI DALAM PEMILIHAN UMUM TAHUN 0 No DAERAH PEMILIHAN JUMLAH
Lebih terperinciPENDEKATAN HIERARCHICAL BAYES SMALL AREA ESTIMATION (HB SAE) DALAM MENGESTIMASI ANGKA MELEK HURUF KECAMATAN DI KABUPATEN INDRAMAYU
PENDEKATAN HIERARCHICAL BAYES SMALL AREA ESTIMATION (HB SAE) DALAM MENGESTIMASI ANGKA MELEK HURUF KECAMATAN DI KABUPATEN INDRAMAYU Ari Shobri B 1), Septiadi Padmadisastra 2), Sri Winarni 3) 1) Mahasiswa
Lebih terperinciSTATUS DESA BERDASARKAN INDEKS DESA MEMBANGUN
75001 BOALEMO 1201260 MANANGGU 75001311 MANANGGU 0,6269 Berkembang 75001 BOALEMO 1201260 MANANGGU 75001312 TABULO 0,6672 Berkembang 75001 BOALEMO 1201260 MANANGGU 75001313 BENDUNGAN 0,5340 Tertinggal 75001
Lebih terperinciPENDUGAAN AREA KECIL TERHADAP ANGKA MELEK HURUF DI KABUPATEN KUTAI KARTANEGARA DENGAN METODE EMPIRICAL BAYES BERBASIS MODEL BETA-BINOMIAL
PENDUGAAN AREA KECIL TERHADAP ANGKA MELEK HURUF DI KABUPATEN KUTAI KARTANEGARA DENGAN METODE EMPIRICAL BAYES BERBASIS MODEL BETA-BINOMIAL Norlatifah 1), Gandhi Pawitan 2), Enny Supartini 3) 1) Mahasiswa
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Lokasi, Obyek dan Subyek Penelitian 3.1.1 Lokasi Penelitian Penelitian ini akan dilakukan di Provinsi Gorontalo dengan unit analisis Sekolah Menengah Atas (SMA) baik yang
Lebih terperinciPENERAPAN METODE PENDUGAAN AREA KECIL (SMALL AREA ESTIMATION) PADA PENENTUAN PROPORSI RUMAH TANGGA MISKIN DI KABUPATEN KLUNGKUNG
E-Jurnal Matematika Vol. 2, No.3, Agustus 2013, 35-39 ISSN: 2303-1751 PENERAPAN METODE PENDUGAAN AREA KECIL (SMALL AREA ESTIMATION) PADA PENENTUAN PROPORSI RUMAH TANGGA MISKIN DI KABUPATEN KLUNGKUNG PUTU
Lebih terperinci2. Undang-undang Nomor 29 Tahun 1959 tentang Pembentukan Daerah-Daerah Tingkat II di Sulawesi (Lembaran Negara Republik
UNDANG-UNDANG REPUBLIK INDONESIA NOMOR 6 TAHUN 2003 TENTANG PEMBENTUKAN KABUPATEN BONE BOLANGO DAN KABUPATEN POHUWATO DI PROVINSI GORONTALO DENGAN RAHMAT TUHAN YANG MAHA ESA PRESIDEN REPUBLIK INDONESIA,
Lebih terperinciSMALL AREA ESTIMATION PENGELUARAN PER KAPITA DI KABUPATEN BANGKALAN DENGAN METODE HIERARCHICAL BAYES
Statistika, Vol., No., November 5 SMALL AREA ESTIMATION PENGELUARAN PER KAPITA DI KABUPATEN BANGKALAN DENGAN METODE HIERARCHICAL BAYES Andi Muhammad Ade Satriya, Nur Iriawan, Brodjol Sutijo S. U,, Program
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Kemiskinan Berdasarkan pendekatan kebutuhan dasar, ada tiga indikator kemiskinan yang digunakan, Pertama Head Count Index (HCI- P0) yaitu persentase penduduk yang dibawah garis
Lebih terperinciDari Gorontalo Untuk Indonesia
Dari Gorontalo Untuk Indonesia PENGANTAR Laporan eksekutif Hasil Sensus Penduduk (SP) 2010 Angka sementara Kabupaten Pohuwato ini menyajikan agregat data dasar penduduk yang diperoleh dari pelaksanaan
Lebih terperinciPENDUGAAN ANGKA PUTUS SEKOLAH DI KABUPATEN SEMARANG DENGAN METODE PREDIKSI TAK BIAS LINIER TERBAIK EMPIRIK PADA MODEL PENDUGAAN AREA KECIL SKRIPSI
PENDUGAAN ANGKA PUTUS SEKOLAH DI KABUPATEN SEMARANG DENGAN METODE PREDIKSI TAK BIAS LINIER TERBAIK EMPIRIK PADA MODEL PENDUGAAN AREA KECIL SKRIPSI Disusun Oleh: NANDANG FAHMI JALALUDIN MALIK NIM. J2E 009
Lebih terperinciBAB 4 : KEUANGAN DAERAH
BAB 4 KEUANGAN DAERAH BAB 4 : KEUANGAN DAERAH Realisasi penyerapan belanja APBD Pemerintah Provinsi Gorontalo triwulan IV-2010 cenderung lebih rendah dibandingkan periode yang sama tahun sebelumnya. Lambatnya
Lebih terperinciPENDUGAAN PENGELUARAN PER KAPITA DI KABUPATEN BREBES
PENERAPAN METODE EMPIRICAL BEST LINEAR UNBIASED PREDICTION (EBLUP) PADA MODEL PENDUGA AREA KECIL DALAM PENDUGAAN PENGELUARAN PER KAPITA DI KABUPATEN BREBES SKRIPSI Disusun Oleh : RAHAYU NINGTYAS 24010211130042
Lebih terperinci(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG)
(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG) 1Agus Muslim, 2 Sutawanir Darwis, 3 Achmad Zanbar Soleh 1Mahasiswa Magister Statistika Terapan, Universitas Padjadjaran,
Lebih terperinciBAB I PENDAHULUAN. Otonomi daerah menyebabkan adanya pergeseran ketatanegaraan di
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Otonomi daerah menyebabkan adanya pergeseran ketatanegaraan di Indonesia dari sentralisasi ke desentralisasi, dimana pemerintah daerah lebih leluasa dalam mengatur
Lebih terperinciPERTANIAN PANGAN / SULAWESI
Koridor : Sulawesi Fokus Kegiatan : Pertanian Terpadu LAPORAN TAHUNAN PENELITIAN PRIORITAS NASIONAL MASTERPLAN PERCEPATAN DAN PERLUASAN PEMBANGUNAN EKONOMI INDONESIA 2011 2025 (PENPRINAS MPEI 2011 2025)
Lebih terperinciSMALL AREA ESTIMATION UNTUK PEMETAAN ANGKA MELEK HURUF DI KABUPATEN REMBANG. Program Studi Statistika, UNIMUS
SMALL AREA ESTIMATION UNTUK PEMETAAN ANGKA MELEK HURUF DI KABUPATEN REMBANG Moh Yamin Darsyah 1, Iswahyudi Joko Suprayitno 2 1 Program Studi Statistika, UNIMUS Email: mydarsyah@unimus.ac.id 2 Program Studi
Lebih terperinciBAB 5 : SISTEM PEMBAYARAN
BAB 5 SISTEM PEMBAYARAN BAB 5 : SISTEM PEMBAYARAN Transaksi sistem pembayaran tunai di Gorontalo pada triwulan I-2011 diwarnai oleh net inflow dan peningkatan persediaan uang layak edar. Sementara itu,
Lebih terperinciKEMENTERIAN AGAMA RI KANTOR WILAYAH PROVINSI GORONTALO
Nomor Lampiran Perihal KEMENTERIAN AGAMA RI KANTOR WILAYAH PROVINSI GORONTALO JalanPoigar No. 123 MolosifatLJTelp. (0435 ) 831943-831942 Fax 831941 Website :www.gorontalo.kemenag.go.id email gorontalo@kemenag.go.id
Lebih terperinciPERTANIAN PANGAN / SULAWESI
Koridor : Sulawesi Fokus Kegiatan : Pertanian Terpadu LAPORAN TAHUNAN PENELITIAN PRIORITAS NASIONAL MASTERPLAN PERCEPATAN DAN PERLUASAN PEMBANGUNAN EKONOMI INDONESIA 2011 2025 (PENPRINAS MPEI 2011 2025)
Lebih terperinciPENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR
PENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR Neser Ike Cahyaningrum 1307100012 Dosen Pembimbing Dr. Dra. Ismaini Zain, M.Si AGENDA
Lebih terperinciPengaruh Modal Sosial Terhadap Kemiskinan Di Indonesia Dengan Menggunakan Metode Two Stage Least Square
Pengaruh Modal Sosial Terhadap Kemiskinan Di Indonesia Dengan Menggunakan Metode Two Stage Least Square Eko Yulian 1, Yusep Suparman 2, Bertho Tantular 3 Departemen Statistika Universitas Padjajaran okeyulian@gmail.com
Lebih terperinciPENENTUAN PETA KEMISKINAN JAWA TENGAH DENGAN MENGGUNAKAN METODE SMALL AREA ESTIMATION
PENENTUAN PETA KEMISKINAN JAWA TENGAH DENGAN MENGGUNAKAN METODE SMALL AREA ESTIMATION Oleh EKO YULIASIH M0105003 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana
Lebih terperinciBAB 3 METODOLOGI PENELITIAN. Obyek dari penelitian yang akan diteliti dalam penelitian ini adalah besarnya
BAB 3 METODOLOGI PENELITIAN 3.1 Obyek Penelitian Obyek dari penelitian yang akan diteliti dalam penelitian ini adalah besarnya yield to maturity (YTM) dari obligasi negara seri fixed rate tenor 10 tahun
Lebih terperinciV. HASIL DAN PEMBAHASAN Analisis Faktor yang Memengaruhi Tabungan Rumah Tangga
53 V. HASIL DAN PEMBAHASAN 5.1. Analisis Faktor yang Memengaruhi Tabungan Rumah Tangga Analisis ini dilakukan dengan memasukkan variabel-variabel independen yang diduga memengaruhi variabel dependen (tabungan
Lebih terperinciPertemuan 4-5 ANALISIS REGRESI SEDERHANA
Pertemuan 4-5 ANALISIS REGRESI SEDERHANA Metode Kuadrat Terkecil (OLS) Persoalan penting dalam membuat garis regresi sampel adalah bagaimana kita bisa mendapatkan garis regresi yang baik yaitu sedekat
Lebih terperinciIII. METODE PENELITIAN. Penelitian dilakukan di Provinsi Lampung yang terdiri dari 14 kabupaten/kota
41 III. METODE PENELITIAN 3.1. Tempat dan Waktu Penelitian dilakukan di Provinsi Lampung yang terdiri dari 14 kabupaten/kota meliputi rumah tangga miskin yang dijadikan sampel Susenas di Provinsi Lampung
Lebih terperinciIII. METODE PENELITIAN
21 III. METODE PENELITIAN 3.1 Lokasi dan Waktu Penelitian Penelitian ini dilaksanakan di Desa Babakan Kecamatan Dramaga Kabupaten Bogor. Pemilihan tersebut dengan pertimbangan bahwa wilayah tersebut merupakan
Lebih terperinciLAPORAN PENELITIAN KONTRIBUSI PEMECAHAN MASALAH KE PEMDA PROPINSI GORONTALO DANA BOPTN TAHUN ANGGARAN 2012
LAPORAN PENELITIAN KONTRIBUSI PEMECAHAN MASALAH KE PEMDA PROPINSI GORONTALO DANA BOPTN TAHUN ANGGARAN 2012 Analisis dan Pemetaan Tenaga Kesehatan Propinsi Gorontalo Menggunakan Sistem Informasi Geografis
Lebih terperinciKarakteristik Pendugaan Emperical Best Linear Unbiased Prediction (EBLUP) Pada Pendugaan Area Kecil
Prosiding Semirata FMIPA Universitas Lampung, 2013 Karakteristik Pendugaan Emperical Best Linear Unbiased M. Adi Sidauruk, Dian Kurniasari, Widiarti Jurusan Matematika, FMIPA Universitas Lampung E-mail:
Lebih terperinciMETODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 3 (2014), hal 163-168. METODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER
Lebih terperinciANALISIS PENDUDUK BEKERJA BERDASARKAN SEKTOR PEKERJAAN DAN JAM KERJA MENGGUNAKAN REGRESI PROBIT BIVARIAT DI PROVINSI ACEH
ANALISIS PENDUDUK BEKERJA BERDASARKAN SEKTOR PEKERJAAN DAN JAM KERJA MENGGUNAKAN REGRESI PROBIT BIVARIAT DI PROVINSI ACEH Rizal Rahmad 1, Toni Toharudin 2, Anna Chadijah 3 Prodi Master Statistika Terapan,
Lebih terperinciBAB I PENDAHULUAN. perhatian utama pemerintah di negara manapun. Banyak aspek penting yang
BAB I PENDAHULUAN 1.1 Latar Belakang Kemiskinan dan pengangguran merupakan dua masalah yang saling terkait. Masalah kemiskinan merupakan salah satu persoalan utama yang menjadi perhatian utama pemerintah
Lebih terperinciPERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO
Perbandingan Model ARIMA... (Alia Lestari) PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO Alia Lestari Fakultas Teknik Universitas
Lebih terperinci(R.15) PERTIMBANGAN PENTING YANG MENDASARI PENGGUNAAN METODE SMALL AREA ESTIMATION
(R.15) PERTIMBANGAN PENTING YANG MENDASARI PENGGUNAAN METODE SMALL AREA ESTIMATION 1Nurul Hasanudin, 2 Septiadi Padmadisastra, 3 Nusar Hajarisman Program Pendidikan Magister Program Studi Statistika Terapan
Lebih terperinciBAB III METODOLOGI PENELITIAN. berbentuk time series selama periode waktu di Sumatera Barat
BAB III METODOLOGI PENELITIAN A. Sumber Data Metode penelitian dilakukan dengan mengumpulkan data sekunder yang berbentuk time series selama periode waktu 2005-2015 di Sumatera Barat yang diperoleh dari
Lebih terperinciNOM0R 72O lkpts /KPU/TAHUN Menimbang
KOrrtlSl PEM il ihiij LiMii[i KEPUTUSAN KOMISI PEMILIHAN UMUM NOM0R 72O lkpts /KPU/TAHUN 2013 TENTANG PENETAPAN DAERAH PEMILIHAN DAN ALOKASI KURSI SETIAP DAERAH PEMITIHAN ANGGOTA DEWAN PERWAKILAN RAKYAT
Lebih terperinciIII. METODE PENELITIAN. topik penelitian secara keseluruhan. Dalam kaitannya dengan hal ini, metode
III. METODE PENELITIAN Metode penelitian merupakan pendekatan umum untuk membangun topik penelitian secara keseluruhan. Dalam kaitannya dengan hal ini, metode penelitian merupakan sistem atas peraturan-peraturan
Lebih terperinciPENDUGAAN AREA KECIL TERHADAP PENGELUARAN PER KAPITA DI KABUPATEN SRAGEN DENGAN PENDEKATAN KERNEL SKRIPSI
PENDUGAAN AREA KECIL TERHADAP PENGELUARAN PER KAPITA DI KABUPATEN SRAGEN DENGAN PENDEKATAN KERNEL SKRIPSI Disusun Oleh : BITORIA ROSA NIASHINTA 24010211120021 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciPENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Pada Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 697-704 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL
Lebih terperinciPeta Kemiskinan dan Penghidupan Indonesia
Peta Kemiskinan dan Penghidupan Indonesia Pendahuluan Metodologi Tentang Portal Web Cara Menggunakan w w w. s m e r u. o r. i d w w w.fo rd fo u n d a ti o n. o r g w w w. u n i c e f. o r. i d Pendahuluan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Sejarah singkat kabupaten Pohuwato dibentuk berdasarkan undangundang
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1. Hasil Penelitian 4.1.1 Gambaran Umum Lokasi Penelitian Sejarah singkat kabupaten Pohuwato dibentuk berdasarkan undangundang No 6 tahun 2003 tentang pembentukan
Lebih terperinciTINJAUAN PUSTAKA Profil Kabupaten Jember Pengeluaran Per kapita
TINJAUAN PUSTAKA Profil Kabupaten Jember Berdasarkan data BPS (2009), Kabupaten Jember secara geografis terletak pada 113 0 30-113 0 45 Bujur Timur dan 8 0 00-8 0 30 Lintang Selatan. Wilayah Kabupaten
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 4, ahun 2015, Halaman 977-986 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENERAPAN MEODE EMPIRICAL BES LINEAR UNBIASED PREDICION (EBLUP)
Lebih terperinci(M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT
Univeitas Padjadjaran, 3 November 00 (M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT Vita Ratnasari, Purhadi, Ismaini, Suhartono Mahasiswa S3 Jurusan Statistika
Lebih terperinciAPROKSIMASI BOOTSTRAP PARAMETRIK PADA PENDUGAAN SELANG PREDIKSI STATISTIK AREA KECIL LA ODE ABDUL RAHMAN
APROKSIMASI BOOTSTRAP PARAMETRIK PADA PENDUGAAN SELANG PREDIKSI STATISTIK AREA KECIL LA ODE ABDUL RAHMAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 SURAT PERNYATAAN MENGENAI TESIS DAN SUMBER
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Deret Fourier Dalam bab ini akan dibahas mengenai deret dari suatu fungsi periodik. Jenis fungsi ini sering muncul dalam berbagai persoalan fisika, seperti getaran mekanik, arus
Lebih terperinciBAB III DATA DAN METODOLOGI
BAB III DATA DAN METODOLOGI 3.1. Pengumpulan Data Data yang sesuai dengan kebutuhan penelitian ini adalah data Survei Sosial Ekonomi Nasional (Susenas) KOR Kabupaten Bogor tahun 2005 dan data hasil survey
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Tinjauan Pustaka Brecklin dan Chambers [2], memperkenalkan analisis Regresi M-kuantil yang merupakan suatu analisis regresi yang mempelajari cara mengetahui hubungan antara variabel
Lebih terperinciANALISIS REGRESI NONPARAMETRIK SPLINE MULTIVARIAT UNTUK PEMODELAN INDIKATOR KEMISKINAN DI INDONESIA
E-Jurnal Matematika Vol. 5 (3), Agustus 2016, pp. 111-116 ISSN: 2303-1751 ANALISIS REGRESI NONPARAMETRIK SPLINE MULTIVARIAT UNTUK PEMODELAN INDIKATOR KEMISKINAN DI INDONESIA Desak Ayu Wiri Astiti 1, I
Lebih terperinciABSTRAK PENDAHULUAN. Kata kunci : Komoditi Unggulan, Spesialisasi, Lokalisasi dan Lokasi (LQ)
Julian Mukhtar 00, 0. Analisis Keunggulan Komoditi Jagung Dengan Pendekatan Ekonomi Wilayah Di Kabupaten Pohuwato Provinsi Gorontalo. Jurusan Agribisnis Fakultas Pertanian Universitas Negeri Gorontalo
Lebih terperinciESTIMASI PARAMETER DAN INTERVAL KREDIBEL DENGAN MODEL REGRESI LINIER BERGANDA BAYESIAN
ESTIMASI PARAMETER DAN INTERVAL KREDIBEL DENGAN MODEL REGRESI LINIER BERGANDA BAYESIAN Vania Mutiarani a, Adi Setiawan b, Hanna Arini Parhusip c a Program Studi Matematika FSM UKSW Jl. Diponegoro 52-6
Lebih terperinciRegresi Cox pada Survei Kompleks (Studi Kasus: Lama Pemberian ASI)
Regresi Cox pada Survei Kompleks (Studi Kasus: Lama Pemberian ASI) Endah Budiarti 1 Septiadi Padmadisastra 2 Bertho Tantular 3 1,2,3 ProgramMagister Statistika Terapan, FMIPA, Universitas Padjadjaran Email:
Lebih terperinciDeteksi Pencilan dengan Pendekatan Bayesian pada Regresi Linear (Studi Kasus Hubungan Pengeluaran Rumah Tangga dengan PDRB di Jawa Barat Tahun 2013)
Deteksi Pencilan dengan Pendekatan Bayesian pada Regresi Linear (Studi Kasus Hubungan Pengeluaran Rumah Tangga dengan PDRB di Jawa Barat Tahun 2013) Dwiningrum Prihastiwi, Dadang Juandi, Nar Herrhyanto
Lebih terperinci(DS.5) MODEL SPASIAL BAYES DALAM PENDUGAAN AREA KECIL DENGAN PEUBAH RESPON BINER
(DS.5) MODEL SPASIAL BAYES DALAM PENDUGAAN AREA KECIL DENGAN PEUBAH RESPON BINER (Kasus : Pendugaan Proporsi Keluarga Miskin Di kabupaten Jember Jawa Timur) Etis Sunandi 1), Khairil A Notodiputro 2), Anik
Lebih terperinciPEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL
1 PEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL Uaies Qurnie Hafizh, Vita Ratnasari Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis statistika pada dasarnya merupakan suatu analisis terhadap sampel yang kemudian hasilnya akan digeneralisasi untuk menggambarkan suatu karakteristik populasi.
Lebih terperinciBAB 3 METODE PENELITIAN. 3.1 Desain Penelitian Penelitian ini menggunakan pendekatan penelitian kuantitatif dengan menggunakan data panel (pool data).
31 BAB 3 METODE PENELITIAN 3.1 Desain Penelitian Penelitian ini menggunakan pendekatan penelitian kuantitatif dengan menggunakan data panel (pool data). 3.2 Metode Analisis Data 3.2.1 Analisis Weighted
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini membahas tentang pengaruh inflasi, kurs, dan suku bunga kredit
BAB III METODE PENELITIAN A. Ruang Lingkup Penelitian Penelitian ini memiliki ruang lingkup ekspor mebel di Kota Surakarta, dengan mengambil studi kasus di Surakarta dalam periode tahun 1990-2014. Penelitian
Lebih terperinciINDIKASI PROGRAM UTAMA LIMA TAHUNAN RTRW PROVINSI GORONTALO
LAMPRAN.1 PERATURAN DAERAH PROPNS GORONTALO N O M O R : 4 TAHUN 2011 TANGGAL : 29 DESEMBER 2011 NDKAS PROGRAM UTAMA LMA TAHUNAN RTRW PROVNS GORONTALO USULAN PROGRAM UTAMA LOKAS NSTANS V PERWUJUDAN STRUKTUR
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Kerangka Pikiran Untuk memilih suatu saham, biasanya seorang investor harus mengetahui faktor-faktor fundamental apa saja yang dapat mempengaruhi harga saham itu sendiri
Lebih terperinciSTATISTIKA INDUSTRI 2 TIN 4004
STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 8 Outline: Simple Linear Regression and Correlation Multiple Linear Regression and Correlation Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and
Lebih terperinciREGRESI LINIER BERGANDA
REGRESI LINIER BERGANDA 1. PENDAHULUAN Analisis regresi merupakan salah satu teknik analisis data dalam statistika yang seringkali digunakan untuk mengkaji hubungan antara beberapa variabel dan meramal
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman 101-110 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENDUGAAN ANGKA PUTUS SEKOLAH DI KABUPATEN SEMARANG DENGAN METODE
Lebih terperinciDosen Jurusan Matematika FMIPA Universitas Bengkulu, Bengkulu ABSTRACT
ESTIMASI TINGKAT KEMISKINAN PADA LEVEL DESA DI KABUPATEN MUKOMUKO DENGAN MENGGUNAKAN SMALL AREA ESTIMATION (ESTIMATION OF POVERTY RATE IN VILLAGE LEVEL AT MUKOMUKO DISTRICT USING SMALL AREA ESTIMATION)
Lebih terperinciMEMPERKUAT KAPASITAS PEMERINTAH DAERAH DALAM MENGHADAPI PERUBAHAN IKLIM. Prof. Dr. Ir. Nelson Pomalingo, M.Pd Bupati Kabupaten Gorontalo
MEMPERKUAT KAPASITAS PEMERINTAH DAERAH DALAM MENGHADAPI PERUBAHAN IKLIM Prof. Dr. Ir. Nelson Pomalingo, M.Pd Bupati Kabupaten Gorontalo ASPARAGA 10 Desa TOLANGOHULA 15 Desa MOOTILANGO PULUBALA 10 Desa
Lebih terperinciBAB III METODE PENELITIAN. Objek dari penelitian ini adalah perilaku prosiklikalitas perbankan di
BAB III METODE PENELITIAN A. Objek Penelitian Objek dari penelitian ini adalah perilaku prosiklikalitas perbankan di Indonesia pada tahun 2007M01 2016M09. Pemilihan pada periode tahun yang digunakan adalah
Lebih terperinci3. METODE PENELITIAN 3.1 Jenis dan Sumber Data
3. METODE PENELITIAN 3.1 Jenis dan Sumber Data Penelitian ini menggunakan data sekunder yang diperoleh dari Badan Pusat Statistik (BPS), Perusahaan Listrik Negara (PLN) dan Departemen Kesehatan. Data yang
Lebih terperinciTaksiran Titik Parameter Populasi pada Small Area dengan Metode Spatial Empirical Bayes Berdasarkan Model Tingkat Area
Taksiran Titik Parameter Populasi pada Small Area dengan Metode Spatial Empirical Bayes Berdasarkan Model Tingkat Area Yudistira 1, Titin Siswantining 2 1. Departemen Matematika, FMIPA, Universitas Indonesia,
Lebih terperinciMETODE BOOTSTRAP AGGREGATING REGRESI LOGISTIK BINER UNTUK KETEPATAN KLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI KOTA PATI
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 121-130 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian METODE BOOTSTRAP AGGREGATING REGRESI LOGISTIK BINER UNTUK KETEPATAN
Lebih terperinciLAYANAN KURIR DAN LEAD TIME CABANG MANADO
Manado Boalemo Botumoito Gorontalo RAW 4 Manado Boalemo Dulupi Gorontalo RAW 4 Manado Boalemo Mananggu Gorontalo RAW 4 Manado Boalemo Paguyaman Gorontalo RAW 4 Manado Boalemo Paguyaman Pantai Gorontalo
Lebih terperinciBAB III METODE PENELITIAN
33 BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Penelitian ini dilakukan berdasarkan data series bulan yang dipublikasikan oleh Bank Indonesia (BI) dan Badan Pusat Statistik (BPS), diantaranya adalah
Lebih terperinciUNDANG-UNDANG REPUBLIK INDONESIA NOMOR 6 TAHUN 2003 TENTANG PEMBENTUKAN KABUPATEN BONE BOLANGO DAN KABUPATEN POHUWATO DI PROVINSI GORONTALO
UNDANG-UNDANG REPUBLIK INDONESIA NOMOR 6 TAHUN 2003 TENTANG PEMBENTUKAN KABUPATEN BONE BOLANGO DAN KABUPATEN POHUWATO DI PROVINSI GORONTALO DENGAN RAHMAT TUHAN YANG MAHA ESA PRESIDEN REPUBLIK INDONESIA,
Lebih terperinciBAB III METODOLOGI PENELITIAN. 1. Apakah investasi mempengaruhi kesempatan kerja pada sektor Industri alat
43 BAB III METODOLOGI PENELITIAN A. Tujuan Penelitian Berdasarkan masalah-masalah yang telah peneliti rumuskan, maka tujuan penelitian ini adalah untuk mengetahui: 1. Apakah investasi mempengaruhi kesempatan
Lebih terperinciESTIMASI PARAMETER REGRESI RANK BERDISTRIBUSI EKSPONENSIAL DENGAN MENGGUNAKAN METODE KUADRAT TERKECIL TERBOBOTI
ESTIMASI PARAMETER REGRESI RANK BERDISTRIBUSI EKSPONENSIAL DENGAN MENGGUNAKAN METODE KUADRAT TERKECIL TERBOBOTI Megawati 1, Anisa 2, Raupong. 3 Abstrak Regresi kuadrat terkecil berdasarkan plot peluang,
Lebih terperinciPROSIDING ISBN :
S - 10 APLIKASI METODE FULL INFORMATION MAXIMUM LIKELIHOOD (FIML) PADA PENYELESAIAN SISTEM PERSAMAAN SIMULTAN (Studi Kasus : Data Stok Uang, PDRB, dan Konsumsi Rumah Tangga Di DIY) Eka Septiana 1, Retno
Lebih terperinciUNDANG-UNDANG REPUBLIK INDONESIA NOMOR 6 TAHUN 2003 TENTANG PEMBENTUKAN KABUPATEN BONE BOLANGO DAN KABUPATEN POHUWATO DI PROVINSI GORONTALO
1 UNDANG-UNDANG REPUBLIK INDONESIA NOMOR 6 TAHUN 2003 TENTANG PEMBENTUKAN KABUPATEN BONE BOLANGO DAN KABUPATEN POHUWATO DI PROVINSI GORONTALO DENGAN RAHMAT TUHAN YANG MAHA ESA PRESIDEN REPUBLIK INDONESIA,
Lebih terperinciPENDUGAAN AREA KECIL TERHADAP PENGELUARAN PER KAPITA DI KABUPATEN SRAGEN DENGAN PENDEKATAN KERNEL
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 71-80 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENDUGAAN AREA KECIL TERHADAP PENGELUARAN PER KAPITA DI KABUPATEN
Lebih terperinciBAB II LANDASAN TEORI. landasan pembahasan pada bab selanjutnya. Pengertian-pengertian dasar yang di
5 BAB II LANDASAN TEORI Bab ini membahas pengertian-pengertian dasar yang digunakan sebagai landasan pembahasan pada bab selanjutnya. Pengertian-pengertian dasar yang di bahas adalah sebagai berikut: A.
Lebih terperinciESTIMASI PENGELUARAN PER KAPITA DI KABUPATEN REMBANG DENGAN PENDEKATAN SAE-NONPARAMETRIK. Program Studi Pendidikan Matematika, UNIMUS 2
ESTIMASI PENGELUARAN PER KAPITA DI KABUPATEN REMBANG DENGAN PENDEKATAN SAE-NONPARAMETRIK Iswahyudi Joko Suprayitno 1, Moh Yamin Darsyah 2, Budiharto 3 1 Program Studi Pendidikan Matematika, UNIMUS 2 Program
Lebih terperinciPenerapan Metode Empirical Best Linear Unbiased Prediction (EBLUP) pada Model Fay-Herriot Small Area Estimation (SAE)
Prosiding I MaNIs (eminar Nasional Integrasi Matematika dan Nilai Islami) Vol.1, 1, Juli 017, Hal. 31-319 p-in: 580-4596; e-in: 580-460X Halaman 31 Penerapan Metode Empirical Best Linear Unbiased Prediction
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT KEMISKINAN DI PROVINSI JAWA TIMUR TAHUN
FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT KEMISKINAN DI PROVINSI JAWA TIMUR TAHUN 2008-2012 Disusun oleh : Agustina Mega Puspitasari Putri NPM : 10 11 18448 Pembimbing D. Sriyono Program Studi Ilmu Ekonomi
Lebih terperinciPENGARUH PENDUGAAN RAGAM PENARIKAN CONTOH PADA SMALL AREA ESTIMATION
PENGARUH PENDUGAAN RAGAM PENARIKAN CONTOH PADA SMALL AREA ESTIMATION Anang Kurnia Khairil A. Notodiputro Departemen Statistika - IPB Center for Statistics and Public Opinions 1. Pendahuluan Otonomi daerah
Lebih terperinciGeneralized Linear Model
5 Generalized Linear Model Estimasi Loss Reserve Incurred But Not Reported (IBNR) dengan General Linear Model Menggunakan Gauss Markov Elsa Emeliana 1,a), Lienda Noviyanti 2, b), Achmad Zanbar Soleh 1
Lebih terperinciPEMODELAN PROPORSI PENDUDUK MISKIN KABUPATEN DAN KOTA DI PROVINSI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY AND TEMPORALLY WEIGHTED REGRESSION
PEMODELAN PROPORSI PENDUDUK MISKIN KABUPATEN DAN KOTA DI PROVINSI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY AND TEMPORALLY WEIGHTED REGRESSION SKRIPSI Disusun Oleh : Khusnul Yeni Widiyanti 24010210130070
Lebih terperinciAtina Ahdika. Universitas Islam Indonesia 2015
Atina Ahdika Universitas Islam Indonesia 2015 Pada materi sebelumnya, kita telah belajar tentang koefisien korelasi, yaitu suatu ukuran yang menyatakan tentang kuat tidaknya hubungan linier antara dua
Lebih terperinciANALISIS KOMPONEN UTAMA DENGAN MENGGUNAKAN MATRIK VARIAN KOVARIAN YANG ROBUST
ANALISIS KOMPONEN UTAMA DENGAN MENGGUNAKAN MATRIK VARIAN KOVARIAN YANG ROBUST Irwan Sujatmiko, Susanti Linuwih, dan Dwi Atmono A.W. Jurusan Statistika ITS Kampus ITS Sukolilo Surabaya 6 Abstract. The present
Lebih terperinciBAB IV METODELOGI PENELITIAN
BAB IV METODELOGI PENELITIAN 4. 1 4.1.1 Jenis dan Teknik Analisis Data Jenis Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data yang diperlukan dalam penelitian ini dikumpulkan
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan metode analisis data yang telah diterapkan
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan metode analisis data yang telah diterapkan secara luas pada berbagai bidang penelitian, sebagai contoh penelitian-penelitian dalam ilmu pengetahuan
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilakukan terhadap perusahaan manufaktur sektor
BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini dilakukan terhadap perusahaan manufaktur sektor industri barang konsumsi dan sektor aneka industri yang terdaftar di Bursa Efek Indonesia
Lebih terperinciANALISIS REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAHTANGGA UNTUK MAKANAN BERPROTEIN TINGGI. Abstrak
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 ANALISIS REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAHTANGGA UNTUK MAKANAN BERPROTEIN TINGGI 1
Lebih terperinciDosen Pembimbing : Dr. Purhadi, M.Sc
Citra Fatimah Nur / 1306 100 065 Dosen Pembimbing : Dr. Purhadi, M.Sc Outline 1 PENDAHULUAN TINJAUAN PUSTAKA 3 METODOLOGI PENELITIAN 4 ANALISIS DAN PEMBAHASAN 5 KESIMPULAN Latar Belakang 1960-1970 1970-1980
Lebih terperinciKAJIAN METODE IMPUTASI DALAM MENANGANI MISSING DATA. Triyani Hendrawati Staf Pengajar Statistika Universitas Padjadjaran
KAJIAN METODE IMPUTASI DALAM MENANGANI MISSING DATA Triyani Hendrawati Staf Pengajar Statistika Universitas Padjadjaran triyani.hendrawati@gmail.com ABSTRAK. Pada sebuah survey, adakalanya tidak semua
Lebih terperinciRegresi Linier Berganda dan Korelasi Parsial
Regresi Linier Berganda dan Korelasi Parsial Atina Ahdika, S.Si, M.Si Universitas Islam Indonesia 2015 Regresi Linier Berganda Korelasi Regresi Linier Sederhana Variabel X dan Variabel Y Contoh: X: pendapatan
Lebih terperinciBAB III METODE PENELITIAN. Permintaan Beras di Kabupaten Kudus. Faktor-Faktor Permintaan Beras. Analisis Permintaan Beras
19 BAB III METODE PENELITIAN 3.1. Kerangka Pemikiran Permintaan Beras di Kabupaten Kudus Faktor-Faktor Permintaan Beras Harga barang itu sendiri Harga barang lain Jumlah penduduk Pendapatan penduduk Selera
Lebih terperinciBAB III METODE PENELITIAN. tercatat secara sistematis dalam bentuk data runtut waktu (time series data). Data
24 BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data 3.1.1 Jenis Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder atau kuatitatif. Data kuantitatif ialah data yang diukur dalam
Lebih terperinciBAB III METODOLOGI PENELITIAN. menganalisis data, penulis menggunakan alat bantu komputer seperti paket
49 BAB III METODOLOGI PENELITIAN A. Jenis Penelitian Penelitian yang dilakukan penulis adalah penelitian kuantitatif dengan menggunakan metode regresi linier berganda sebagai alat analisis data. Dalam
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN 3.1 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder berupa data panel (pooled data) yang merupakan gabungan data silang (cross section)
Lebih terperinci