PEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL

Ukuran: px
Mulai penontonan dengan halaman:

Download "PEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL"

Transkripsi

1 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 Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya Abstrak Provinsi Jawa Timur merupakan provinsi dengan jumlah penduduk terbanyak kedua di Indonesia, sebanyak jiwa dengan penduduk laki-laki sebanyak jiwa dan jiwa untuk penduduk perempuan. Lebih banyak penduduk perempuan diharapkan lebih berpartisipasi dalam perekonomian. Indikator yang menunjukkan kesenjangan gender salah satunya adalah Indeks Pembangunan Gender. Sejalan dengan Indeks Pembangunan Manusia (IPM) Jawa Timur yang mengalami peningkatan dari tahun ke tahun, IPG Jawa Timur juga mengalami peningkatan dalam kurun waktu Meskipun IPM dan IPG sama-sama mengalami kenaikan dari tahun ke tahun, akan tetapi masih terdapat kesenjangan antara nilai IPG dan nilai IPM. Hal ini menunjukkan bahwa masih terjadi kesenjangan pembangunan manusia antara lakilaki dan perempuan. Dinamika disparitas gender menunjukkan bahwa dari tahun 2010 ke tahun 2011 kualitas penduduk perempuan meningkat tetapi masih di bawah penduduk laki-laki. Berdasarkan hasil regresi probit, faktorfaktor yang mempengaruhi disparitas gender adalah angka partisipasi sekolah (APS) tingkat SMP penduduk perempuan, persentase penduduk perempuan dengan pendidikan terakhir yang ditamatkan setingkat SMP, dan persentase penduduk perempuan yang bekerja di sektor formal. Kata Kunci Disparitas Gender, Indeks Pembangunan Gender, Regresi Probit Ordinal. I. PENDAHULUAN DISPARITAS gender atau kesenjangan gender merupakan salah satu masalah yang menjadi fokus pemerintah karena Indonesia bersama dengan 188 negara ikut menandatangani Millenium Development Goals (MDG) pada tahun 2000, dimana salah satu hal yang harus dicapai adalah kesetaraan dan pemberdayaan perempuan serta menghilangkan kesenjangan gender dalam pendidikan. Jawa Timur merupakan provinsi dengan jumlah penduduk sebanyak jiwa dengan penduduk laki-laki sebanyak jiwa dan jiwa untuk penduduk perempuan. Perbandingan jumlah penduduk perempuan dengan laki-laki di Jawa Timur yang tidak terlalu besar, seharusnya keterlibatan perempuan dalam proses pembangunan juga diperhitungkan. Partisipasi dan keterwakilan perempuan dalam lembaga legislatif masih rendah. Meskipun pemerintah telah membuat peraturan hukum untuk kuota gender sejak pemilu 2004, tetapi belum ada peningkatan signifikan dalam keterwakilan perempuan pada lembaga legislatif [1]. Gambaran tersebut mengindikasikan masih adanya pembedaan peran antara laki-laki dan perempuan. Bukti lain yang menunjukkan terjadinya kesenjangan gender dapat diketahui dari tingkat partisipasi angkatan kerja. Jumlah penduduk yang merupakan angkatan kerja di Provinsi Jawa Timur sebesar orang, di mana sejumlah 97 persen diantaranya bekerja, sedangkan sisanya merupakan pencari kerja. Dari hasil Sensus Penduduk 2010, Tingkat Partisipasi Angkatan Kerja (TPAK) di Provinsi Jawa Timur sebesar 66,44 persen, di mana TPAK laki-laki lebih tinggi daripada TPAK perempuan, yaitu masingmasing sebesar 82,35 persen dan 51,35 persen [2]. Akan tetapi, hal tersebut sangat wajar sebab pada umumnya lakilaki pencari nafkah terutama dalam keluarga, sedangkan perempuan mempunyai fungsi pokok sebagai istri dan ibu rumah tangga, melahirkan dan membesarkan anak[3]. Indikator yang menunjukkan kesenjangan gender salah satunya adalah Indeks Pembangunan Gender. IPG dapat digunakan untuk mengetahui kesenjangan pembangunan manusia antara laki laki dan perempuan. Kesetaraan gender terjadi apabila nilai IPG sama dengan IPM. Berdasarkan data BPS, IPG dan IPM mengalami peningkatan dalam kurun waktu Meskipun IPM dan IPG samasama mengalami kenaikan dari tahun ke tahun, akan tetapi masih terdapat kesenjangan antara nilai IPG dan nilai IPM. Hal ini menunjukkan bahwa masih terjadi kesenjangan pembangunan manusia antara laki-laki dan perempuan. IPG Jawa Timur tahun 2009 yang sebesar 63,48 juga masih dibawa rata-rata nasional yaitu 65,8. Posisi ini menduduki peringkat 5 dari enam provinsi di Pulau Jawa. Rendahnya IPG Jawa Timur disebabkan oleh beberapa faktor antara lain, rendahnya pendapatan, umur harapan hidup perempuan yang rendah, serta masih berkembangnya pemahaman di masyarakat khususnya masyarakat desa bahwa perempuan hanya bertugas mengurus keluarga dan tidak perlu memperoleh pendidikan yang tinggi. Berdasarkan uraian tersebut, perlu dilakukan analisis untuk mengetahui faktor yang mempengaruhi terjadinya disparitas gender dengan menggunakan pendekatan model probit. Akan tetapi, dalam penelitian ini tidak memperhatikan faktor budaya dan kondisi ekonomi. II. TINJAUAN PUSTAKA A Regresi Probit Ordinal Regresi probit adalah model regresi yang dapat digunakan untuk menjelaskan hubungan antara variabel respon yang merupakan variabel diskrit berskala ordinal dengan variabel bebas yang terdiri dari variabel kontinu, diskrit atau campuran antara keduanya. Pemodelan regresi probit ordinal diawali dengan memperhatikan model sebagai berikut [6]. (1) dimana Y * adalah variabel respon yang merupakan variabel kontinu, adalah vektor parameter koefisien dengan, x adalah vektor variabel bebas, dengan dan adalah error yang diasumsikan berdistribusi. Persamaan (1) ditransformasi ke dalam bentuk dimana. Selanjutnya, dilakukan pengategorian terhadap Y * secara ordinal sehingga diperoleh model regresi probit ordinal sebagai berikut. ( ) (2)

2 2 ( ) ( ) ( ) ( ) ( ) dimana Y = 0 untuk kategori terendah dan Y = j untuk kategori tertinggi. A.1 Penaksiran Parameter Regresi Probit Penaksiran parameter regresi probit biner menggunakan metode Maximum Likelihood Estimator (MLE). Penaksiran parameter regresi probit ordinal dengan metode maksimum likelihood diawali dengan membuat fungsi likelihood. Berdasarkan model regresi probit yang diperoleh, jika diambil sampel sebanyak n maka sampel randomnya adalah Y 1, Y 2,, Y n dimana untuk u = 1, 2,,n dan berdistribusi multinomial. Sehingga fungsi likelihood yang dapat ditulis sebagai berikut dan fungsi log-natural likelihoodnya adalah sebagai berikut n T n j 1 T 1 βx u j βx u ln L β y0u ln 1 yiu ln 1 u 1 u 1 i 0 n j 1 T T i 1 β x u i β x u yiu ln u 1 i 1 B Indeks Pembangunan Gender (IPG) Indeks Pembangunan Gender (IPG) adalah indeks pencapaian kemampuan dasar pembangunan manusia yang sama seperti IPM dengan memperhitungkan ketimpangan gender. IPG dapat digunakan untuk mengetahui kesenjangan pembangunan manusia antara laki laki dan perempuan. Kesetaraan gender terjadi apabila nilai IPM sama dengan IPG[1]. III. METODELOGI PENELITIAN A. Sumber Data dan Variabel Penelitian Data yang digunakan dalam penelitian ini adalah data sekunder yang diambil dari data Badan Pusat Statistika (BPS) Provinsi Jawa Timur, dimana data yang digunakan merupakan data tahun 2010 dan Variabel penelitian yang digunakan dalam penelitian ini terbagi menjadi dua, yaitu variabel-variabel yang dapat menjelaskan dinamika disparitas gender yang terjadi dan variabel-variabel yang diduga menjadi faktor yang mempengaruhi terjadinya disparitas gender. Tabel 1 Variabel Dinamika Disparitas Gender Jawa Timur Variabel Keterangan A 1 Indeks Pembangunan Gender (IPG) tahun Angka buta huruf tiap kabupaten/kota untuk laki-laki dan A 2 A 3 (3) (4) (5) (6) (7) perempuan tahun Rata-rata lama sekolah tiap kabupaten/kota untuk laki-laki dan perempuan tahun 2011 A 4 Angka Partisipasi Sekolah (APS) tingkat SMP tahun Variabel Keterangan Persentase penduduk laki-laki dan perempuan dengan A 5 pendidikan tertinggi yang ditamatkan tingkat SMP tahun Persentase penduduk laki-laki dan perempuan yang bekerja di A 6 sektor formal tahun 2011 Variabel yang diduga menjadi faktor yang mempengaruhi disparitas gender di Jawa Timur tertera pada Tabel 2. Variabel-variabel ini akan dianalisis dengan menggunakan regresi probit ordinal untuk mengetahui variabel mana yang berpengaruh signifikan terhadap disparitas gender. Tabel 2 Variabel Regresi Probit Ordinal Variabel Keterangan Indeks Pembangunan Gender (IPG) yang dikategorikan menjadi skala ordinal berdasarkan skala IPG internasional : Y = 0, untuk IPG 50 (Bawah) Y 1 Y = 1, untuk 50 < IPG 66 (Menengah Bawah) Y = 2, untuk 66 < IPG 88 (Menengah Atas) Y = 3, untuk IPG > 88(Atas) Indeks Pembangunan Gender (IPG) yang dikategorikan menjadi skala ordinal dimana : Y = 0, untuk IPG 59,0 (Bawah) Y 2 Y = 1, untuk 59,0 < IPG 64,5 (Menengah Bawah) Y = 2, untuk 64,5 < IPG 68,5 (Menengah Atas) Y = 3, untuk IPG > 68,5 (Atas) X 1 TPAK penduduk perempuan tahun 2011 Angka Partisipasi Sekolah (APS) tingkat SMP penduduk X 2 perempuan tahun 2011 Persentase penduduk perempuan dengan pendidikan terakhir X 3 yang ditamatkan tingkat SMP tahun 2011 Persentase penduduk perempuan yang putus sekolah pada X 4 tingkat SD dan SMP tahun 2011 Persentase penduduk perempuan yang bekerja di sektor X 5 formal tahun 2011 B. Langkah Analisis Langkah-langkah yang dilakukan dalam penelitian ini adalah sebagai berikut. 1. Melakukan analisis statistika deskriptif terhadap variabel A 1 sampai dengan A 6 untuk memberikan gambaran tentang dinamika kesenjangan gender yang terjadi di Jawa Timur. 2. Melakukan pemodelan dengan regresi probit ordinal untuk mengetahui faktor-faktor yang mempengaruhi disparitas gender pada kabupaten/kota di Jawa Timur. Adapun langkah-langkah yang dilakukan dalam regresi probit ordinal sebagai berikut : a. Menetukan model regresi probit dengan variabel respon (Y 1 ) dan variabel prediktornya yang digunakan yaitu variabel X 1 sampai X 5. b. Melakukan pengujian secara serentak dan parsial terhadap model lengkap. c. Melakukan pengujian secara serentak dan parsial terhadap model terbaik. d. Melakukan uji kesesuaian model. e. Menginterpretasikan model regresi probit yang diperoleh. Begitu pula langkah regresi probit yang dilakukan antara varibel respon (Y 2 ) dan variabel prediktor X 1 sampai X 5. IV. ANALISIS DAN PEMBAHASAN A. Dinamika Disparitas Gender yang Terjadi di Jawa Timur Dinamika disparitas gender merupakan gambaran tentang perubahan yang terjadi terhadap kesenjangan gender di Jawa Timur. Dinamika disparitas gender perlu diamati untuk melihat bagaimana perubahan disparitas gender, apakah terjadi penurunan atau makin terjadi peningkatan.

3 3 Untuk mengetahui disparitas gender digunakan analisis statistika deskriptif dengan membuat grafik terhadap variabel yang dapat menunjukkan adanya dinamika disparitas gender. Indeks yang dapat menunjukkan disparitas gender adalah Indeks Pembangunan Gender (IPG). Ketika IPG menunjukkan perubahan positif dan nilainya mendekati IPM maka hal ini menunjukkan bahwa tingkat disparitas gender yang terjadi semakin rendah. Karena pada dasarnya, kesetaraan gender terjadi apabila nilai IPG dan IPM setara. Gambar 1 menunjukkan perkembangan Indeks Pembangun Gender (IPG) tiap kabupaten/ kota di Jawa Timur pada tahun 2009 sampai tahun 2010 dan 2011, untuk angka buta huruf penduduk perempuan pada tahun 2011 lebih rendah dibandingkan pada tahun 2010 dimana penurunan angka buta huruf yang terjadi sekitar 2 persen. Sedangkan, angka buta huruf penduduk laki-laki pada tahun 2010 dan 2011 tidak menunjukkan adanya perubahan, jika pun terjadi penurunan angka buta huruf persentasenya sangat kecil. Rata-rata lama sekolah penduduk laki-laki dan perempuan untuk tiap kabupaten/kota di Jawa Timur tahun 2011 yang ditunjukkan oleh Gambar 4.3 memberikan informasi bahwa rata-rata lama sekolah penduduk perempuan lebih rendah jika dibandingkan dengan rata-rata lama sekolah penduduk laki-laki pada setiap kabupaten/kota yang ada di Jawa Timur. Hal ini juga berlaku untuk rata-rata lama sekolah penduduk perempuan secara keselururhan di Jawa Timur. Rata-rata lama sekolah penduduk perempuan untuk provinsi Jawa Timur yaitu selama 7,07 tahun, sedangkan rata-rata lama sekolah penduduk laki-laki yaitu selama 8,1 tahun. Gambar 1 Perkembangan IPG Tahun Gambar 1 menunjukkan bahwa kabupaten/kota yang memiliki nilai IPG terendah dan tertinggi pada tahun 2009 sampai 2011 adalah Kabupaten Probolinggo dan Kota Blitar dengan nilai IPG masing-masing sebesar 49,45 dan 73,14 pada tahun Untuk kabupaten/kota yang mempunyai perubahan nilai IPG yang cukup signifikan antara tahun 2009 dan 2011 adalah Kabupaten Probolinggo, Kabupaten Jember, Kabupaten Banyuwangi, Kabupaten Bondowoso, Kabupaten Sampang, Kabupaten Ponorogo, Kabupaten Sumenep, Kabupaten Tuban, Kota Probolinggo, Kabupaten Malang, Kabupaten Tulungagung, dan Kabupaten Lamongan. IPG dari Provinsi Jawa Timur juga mengalami peningkatan yang cukup signifikan dengan angka pertumbuhan sebesar 2,73 persen. Gambar 3 Rata-rata Lama Sekolah Tiap Kabupaten/Kota Tahun 2011 Indikator yang juga dapat menunjukkan dinamika disparitas adalah faktor yang mempengaruhi perubahan angka IPG. Faktor tersebut antara lain persentase penduduk laki-laki maupun perempuan yang bekerja di sektor formal dan Angka Partisipasi Sekolah (APS) tingkat SMP. Gambar 2 Perkembangan Angka Buta Huruf (Persen) Tahun Angka buta huruf merupakan persentase penduduk usia 10 tahun ke atas yang tidak dapat membaca maupun menulis baik huruf latin maupun huruf lainnya. Berdasarkan Gambar 2, dapat diketahui bahwa angka buta huruf setiap kabupaten/kota di Jawa Timur untuk penduduk perempuan lebih tinggi baik pada tahun 2010 maupun tahun Angka buta huruf Provinsi Jawa Timur jika dibanding antara Gambar 4 Persentase Penduduk Laki-laki dan Perempuan yang Bekerja di Sektor Formal Tahun 2011

4 4 Berdasarkan Gambar 4 dapat diketahui bahwa mayoritas di seluruh kabupaten/kota di Jawa Timur memiliki persentase penduduk laki-laki yang bekerja di sektor formal lebih besar, kecuali Kota Malang dan Kota Kediri. Persentase penduduk perempuan yang bekerja di sektor formal di Kota Malang dan Kota Kediri lebih besar dibandingkan dengan penduduk laki-laki. Beberapa daerah persentase penduduk laki-laki dan perempuan yang bekerja di sektor formal tidak menunjukkan perbedaan yang cukup besar meskipun persentase penduduk laki-laki tetap lebih tinggi. Daerah yang mengalami hal tersebut adalah Kota Surabaya, Kabupaten Sidoarjo, Kota Blitar, Kota Batu, dan Kabupaten Kediri. Untuk daerah-daerah yang berbasis pertanian atau daerah yang bukan berbasis sektor industri, serta perdagangan hotel dan restoran memiliki persentase penduduk yang bekerja di sektor formal relatif rendah baik untuk penduduk laki-laki maupun perempuan. Gambar 5 Perubahan APS Tingkat SMP Tiap Kabupaten/Kota di Jawa Timur Tahun Selisih antara APS tingkat SMP untuk penduduk perempuan dan laki-laki baik pada tahun 2010 maupun 2011 yang menunjukkan angka negatif (diagram mengarah ke bawah) pada Gambar 5 berarti APS tingkat SMP untuk penduduk laki-laki lebih tinggi dari penduduk perempuan. Ketika selisih menunjukkan angka positif atau diagram mengarah ke atas, berarti APS tingkat SMP untuk penduduk perempuan lebih tinggi dari penduduk laki-laki. Gambar 4.5 menunjukkan bahwa sebagian besar selisih antara APS tingkat SMP penduduk perempuan dan laki-laki bernilai negatif untuk tahun 2010 maupun tahun Hal ini berarti pada sebagian besar kabupaten/kota di Jawa Timur penduduk laki-laki yang menjalani pendidikan setingkat SMP lebih besar dari penduduk perempuan. B. Faktor-faktor yang Mempengaruhi Disparitas Gender di Jawa Timur Berdasarkan Skala Internasional Analisis regresi probit digunakan untuk menganalisis faktor-faktor yang mempengaruhi disparitas gender di provinsi Jawa Timur. Berdasarkan hasil regresi probit akan diketahui variabel apa saja yang berpengaruh terhadap disparitas gender. B.1.1 Uji Signifikansi Parameter Serentak Model Terbaik Pengujian secara serentak terhadap variabel prediktor dilakukan dengan menggunakan Likelihood Ratio Test dengan nilai statistik uji G sebesar 29,133. Untuk mendapatkan keputusan nilai statistik uji G dibandingkan dengan sebesar 6,25. Hasil pengujian menunjukkan bahwa statistik uji G lebih dari, sehingga diperoleh keputusan tolak H 0 yang berarti koefisien β secara serentak atau paling sedikit ada satu variabel prediktor yang berpengaruh signifikan terhadap disparitas gender. B.2 Uji Signifikansi Parsial Hasil uji parsial terhadap variabel prediktor dapat diketahui bahwa variabel yang berpengaruh signifikan secara parsial terhadap disparitas gender adalah TPAK perempuan (X 1 ), persentase perempuan dengan pendidikan terakhir SMP (X 3 ), dan persentase perempuan yang putus sekolah (X 4 ). Variabel-variabel tersebut berpengaruh signifikan karena mempunyai nilai Z lebih besar Z 0,95 yang sebesar 1,645 atau lebih kecil dari -Z 0,95 yang sebesar -1,645. Sehingga diperoleh estimasi parameter model probit terbaik yang sesuai untuk disparitas gender adalah B.3 Uji Kesesuaian Model Uji kesesuaian model dilakukan untuk mengetahui apakah model regresi yang terbentuk sudah sesuai atau tidak. Statistik uji yang digunakan adalah yang dibandingkan dengan nilai sebesar 86,635, Hasil uji kesesuaian model menyatakan tolak H 0 karena nilai sebesar 70,126 lebih kecil dari tabel. Hal ini berarti model telah sesuai menjelaskan seberapa besar pengaruh variabel prediktor terhadap disparitas gender atau tidak ada perbedaan antara observasi dengan kemungkinan hasil prediksi model. B.4 Interpretasi Model Berdasarkan model probit yang telah diperoleh, maka dapat dilakukan interpretasi model. Interpretasi model digunakan untuk melihat perubahan variabel prediktor terhadap probabilitas dari masing-masing kategori IPG, dengan melakukan permisalan. Jika sebuah kabupaten/kota mempunyai TPAK perempuan tingkat SMP sebesar 52 persen, persentase perempuan dengan tingkat pendidikan tertinggi ditamatkan setingkat SMP sebesar 20 persen, serta persentase perempuan yang putus sekolah sebesar 10 persen maka diperoleh probabilitas untuk setiap kategori sebagai berikut. Probabilitas yang diperoleh menunjukkan bahwa kabupaten/kota tersebut mempunyai peluang terbesar sebesar 99,96 % dalam kategori kabupaten/kota yang mempunya nilai IPG rendah atau disparitas gender tinggi. Pengaruh masing-masing variabel juga dapat dilihat melalui grafik probabilitas untuk kategori dengan nilai IPG tinggi atau tingkat disparitas gender rendah. Gambar 6 Grafik Hubungan antara Probabilitas Kategori Bawah dengan TPAK Gambar 6 menunjukkan bahwa probabilitas suatu kabupaten/kota memiliki nilai IPG rendah, atau tergolong dalam daerah dengan tingkat disparitas gender tinggi, akan semakin besar seiring dengan meningkatnya TPAK perempuan. Hal ini disebabkan karena pertumbuhan TPAK Laki-laki jauh lebih signifikan sehingga peran serta perempuan dalam ketenagakerjaan masih minim.

5 5 Gambar 7 Grafik Hubungan antara Probabilitas Kategori Bawah dengan Persentase Penduduk Perempuan Tamatan SMP Suatu kabupaten/kota akan mempunyai probabilitas memiliki nilai IPG rendah atau tergolong dalam daerah dengan tingkat disparitas tinggi, semakin kecil apabila persentase penduduk perempuan dengan tingkat pendidikan tertinggi yang ditamatkan setingkat SMP di kabupaten/kota tersebut semakin tinggi. Dikarenakan ketika perempuan memiliki pendidikan yang lebih tinggi maka perempuan telah ikut meningkatkan taraf hidup. Gambar 8 Grafik Hubungan antara Probabilitas Kategori Bawah dengan Persentase Penduduk Perempuan yang Putus sekolah Seperti halnya pengaruh persentase TPAK perempuan, persentase penduduk perempuan yang putus sekolah yang semakin meningkat akan meningkatkan pula probabilitas suatu kabupaten/kota termasuk dalam kategori nilai IPG rendah atau daerah dengan tingkat disparitas gender tinggi. Interpretasi model probit untuk melihat efek perubahan variabel prediktor terhadap probabilitas variabel respon, dilakukan dengan mengukur efek marginal dari variabel prediktor. Jika ingin mengetahui efek perubahan variabel persentase perempuan dengan tingkat pendidikan tertinggi yang ditamatkan setingkat SMP (X 3 ) dengan mengasumsikan variabel prediktor yang lain konstan (TPAK perempuan sebesar 52% dan persentase penduduk perempuan yang putus sekolah sebesar 20%), maka efek perubahan persentase perempuan yang bekerja di sektor formal adalah Efek marginal persentase penduduk perempuan yang bekerja di sektor formal terhadap P(Y=3) sebesar - 0,048artinya perubahan nilai persentase penduduk perempuan dengan tingkat pendidikan tertinggi yang ditamatkan setingkat SMP sebesar satu unit akan menurunkankan probabilitas dengan nilai IPG tinggi atau kategori disparitas gender rendah sebesar 0,048. C. Faktor-faktor yang Mempengaruhi Disparitas Gender di Jawa Timur Klasifikasi IPG berdasarkan skala internasional menunjukkan bahwa hampir semua kabupaten/kota yang ada di Jawa Timur terdapat di kategori menengah atas dan menengah bawah, kecuali Kabupaten Probolinggo yang masih berada di kategori bawah. Oleh karena itu, dibuat klasifikasi baru menjadi empat kategori dengan menggunakan kuartil sebagai batasan untuk tiap kategori. C.1.1 Uji Signifikansi Parameter Serentak Model Terbaik Pengujian secara serentak terhadap variabel prediktor dilakukan dengan menggunakan Likelihood Ratio Test dengan nilai statistik uji G sebesar 35,127. Untuk mendapatkan keputusan nilai statistik uji G dibandingkan dengan sebesar 6,25. Hasil pengujian menunjukkan bahwa statistik uji G lebih dari, sehingga diperoleh keputusan tolak H 0, berarti koefisien β secara serentak atau paling sedikit ada satu variabel prediktor yang berpengaruh signifikan terhadap disparitas gender. C.2 Uji Signifikansi Parsial Hasil uji parsial terhadap variabel prediktor menunjukkan bahwa variabel yang berpengaruh signifikan secara parsial terhadap disparitas gender adalah APS SMP perempuan (X 2 ), persentase perempuan dengan pendidikan terakhir SMP (X 3 ), dan persentase perempuan bekerja di sektor formal (X 5 ). Variabel-variabel tersebut berpengaruh signifikan karena mempunyai nilai Z lebih besar Z 0,95 yang sebesar 1,645 atau lebih kecil dari -Z 0,95 yang sebesar -1,645. Sehingga diperoleh estimasi parameter model probit terbaik yang sesuai untuk disparitas gender adalah C.3 Uji Kesesuaian Model Uji kesesuaian model menggunakan statistik uji yang dibandingkan dengan nilai sebesar 127,211, dimana keputusan tolak H 0 dapat diambil jika nilai lebih kecil dari 127,211. Hasil uji kesesuaian model menyatakan tolak H 0 karena nilai sebesar 70,126 lebih kecil dari tabel. Hal ini berarti model telah sesuai menjelaskan seberapa besar pengaruh variabel prediktor terhadap disparitas gender atau tidak ada perbedaan antara observasi dengan kemungkinan hasil prediksi model. C.4 Interpretasi Model Berdasarkan model probit yang telah diperoleh, maka dapat dilakukan interpretasi model. Interpretasi model digunakan untuk melihat perubahan variabel prediktor terhadap probabilitas dari masing-masing kategori IPG, dengan melakukan permisalan. Jika sebuah kabupaten/kota mempunyai angka partisipasi sekolah perempuan tingkat SMP sebesar 70 persen, persentase perempuan dengan tingkat pendidikan tertinggi ditamatkan setingkat SMP sebesar 20 persen, serta persentase perempuan yang bekerja di sektor formal sebesar 30 persen maka diperoleh probabilitas untuk setiap kategori sebagai berikut. Probabilitas yang diperoleh menunjukkan bahwa kabupaten/kota tersebut mempunyai peluang terbesar sebesar 71 % dalam kategori kabupaten/kota yang mempunya nilai IPG rendah atau disparitas gender tinggi. Pengaruh masing-masing variabel juga dapat dilihat melalui grafik probabilitas untuk kategori dengan nilai IPG tinggi atau tingkat disparitas gender rendah. Gambar 10 menunjukkan bahwa probabilitas suatu kabupaten/kota memiliki nilai IPG rendah, atau tergolong dalam daerah dengan tingkat disparitas gender tinggi, akan

6 6 semakin kecil seiring dengan meningkatnya APS tingkat SMP untuk perempuan. perubahan persentase perempuan yang bekerja di sektor formal adalah Gambar 10 Grafik Hubungan antara Probabilitas Kategori Bawah dengan APS Hal ini disebabkan karena pendidikan merupakan salah satu komponen yang diukur dalam IPG, semakin tinggi partisipasi penduduk perempuan pada jenjang pendidikan yang lebih tinggi berarti disparitas gender dalam bidang pendidikan berkurang. Efek marginal persentase penduduk perempuan yang bekerja di sektor formal terhadap P(Y=3) sebesar -0,00395 artinya perubahan nilai persentase penduduk perempuan yang bekerja di sektor formal sebesar satu unit akan menurunkankan probabilitas dengan nilai IPG tinggi atau kategori disparitas gender rendah sebesar 0,0051. V. KESIMPULAN DAN SARAN Gambar 11 Grafik Hubungan antara Probabilitas Kategori Bawah dengan Persentase Penduduk Perempuan Tamatan SMP Hal ini berarti pengaruh persentase penduduk perempuan dengan pendidikan tertinggi yang ditamatkan setingkat SMP berbanding terbalik dengan probabilitas suatu kabupaten /kota tergolong dalam kategori daerah dengan nilai IPG rendah atau disparitas gender tinggi. Sehingga ketika perempuan memiliki pendidikan yang lebih tinggi maka perempuan telah ikut meningkatkan taraf hidup. Gambar 12 Grafik Hubungan antara Probabilitas Kategori Bawah dengan Persentase Penduduk Perempuan yang Bekerja di Sektor Formal Seperti halnya pengaruh APS perempuan tingkat SMP dan persentase penduduk perempuan dengan tingkat pendidikan tertinggi yang ditamatkan setingkat SMP, persentase penduduk perempuan yang bekerja di sektor formal yang semakin mening-kat akan meningkatkan pula probabilitas suatu kabupaten/kota termasuk dalam kategori nilai IPG tinggi atau daerah dengan tingkat disparitas gender rendah. Hal ini menunjukkan bahwa sektor formal berpengaruh terhadap tinggi atau rendahnya disparitas gender. Semakin banyak tenaga kerja perempuan yang terserap di sektor formal berarti kedudukan antara perempuan dan lakilaki dalam dunia kerja dianggap sejajar. Selain itu, semakin banyak penduduk perempuan lebih tepatnya tenaga kerja perempuan yang bekerja di sektor formal menunjukkan bahwa perempuan mampu bersaing dengan laki-laki untuk mendapatkan pekerjaan. Interpretasi model probit untuk melihat efek perubahan variabel prediktor terhadap probabilitas variabel respon, dilakukan dengan mengukur efek marginal dari variabel prediktor. Jika ingin mengetahui efek perubahan variabel persentase perempuan yang bekerja di sektor formal (X 5 ) dengan mengasumsikan variabel prediktor yang lain konstan (APS tingkat SMP sebesar 95% dan persentase penduduk perempuan dengan tingkat pendidikan tertinggi yang ditamatkan setingkat SMP sebesar 20%), maka efek A. Kesimpulan Berdasarkan hasil analisa dan pembahasan yang telah dilakukan, maka dari penelitian ini dapat disimpulkan sebagai berikut. 1. Dinamika disparitas gender menunjukkan bahwa terjadi penurunan disparitas gender dari tahun 2010 ke tahun 2011 dengan meningkatnya angka IPG, angka buta huruf, rata-rata lama sekolah, serta persentase variabel pendukung lainnya.akan tetapi, kualitas perempuan masih lebih rendah dibandingkan dengan laki-laki dan disparitas gender masih terjadi. 2. Klasifikasi berdasarkan skala internasional menghasilkan faktor yang mempengaruhi disparitas gender secara signifikan adalah persentase TPAK, persentase penduduk perempuan dengan tingkat pendidikan tertinggi yang ditamatkan setingkat SMP, dan persentase penduduk perempuan yang putus sekolah. Sedangkan, faktor yang mempengaruhi disparitas gender di Jawa Timur secara signifikan berdasarkan kuartil yaitu Angka Partisipasi Sekolah (APS) tingkat SMP penduduk perempuan, persentase penduduk perempuan dengan tingkat pendidikan tertinggi yang ditamatkan setingkat SMP, serta persentase penduduk perempuan yang bekerja di sektor formal. B. Saran Saran yang dapat disampaikan berdasarkan hasil dan pembahasan yang telah dilakukan yaitu untuk kelanjutan penelitian mendatang sebaiknya menggunakan metode regresi spasial atau menggunakan klasifikasi berdasarkan kesamaan karakteristik daerah. DAFTAR PUSTAKA [1] Badan Pusat Statistik Provinsi Jawa Timur. (2012). Statistika Gender Jawa Timur Surabaya: Badan Pusat Statistik Provinsi Jawa Timur. [2] Gayatri, Fitri. (2008). Faktor dan Dampak Ketimpangan Pendidikan Perempuan dalam Kehidupan Perempuan. Bogor: Institut Pertanian Bogor. [3] Greene, W.H. (2008). Econometric Analysis, Fouth Edition. New Jersey : Prentice Hall Inc. [4] Agresti, A. (2007). An Introduction to Categorical Data Analysis. New Jersey: John Wiley & Sons, Inc. Aldrich, J.H., dan Nelson, F.D. (1984). Linear Probability, Logit, and Probit Models. California : Sage. [5] Hosmer, D., & Lemeshow. (2000). Applied Logistic Reggreaion. USA : John Wiley and Sons.

Model Probit Untuk Ordinal Response

Model Probit Untuk Ordinal Response SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY Model Probit Untuk Ordinal Response S - 4 Defi Yusti Faidah, Resa Septiani Pontoh, Departemen Statistika FMIPA Universitas Padadaran defi.yusti@unpad.ac.id

Lebih terperinci

Pemodelan Angka Putus Sekolah Tingkat SLTP dan sederajat di Jawa Timur Tahun 2012 dengan Menggunakan Analisis Regresi Logistik Ordinal

Pemodelan Angka Putus Sekolah Tingkat SLTP dan sederajat di Jawa Timur Tahun 2012 dengan Menggunakan Analisis Regresi Logistik Ordinal Pemodelan Angka Putus Sekolah Tingkat SLTP dan sederajat di Jawa Timur Tahun 2012 dengan Menggunakan Analisis Regresi Logistik Ordinal Oleh: DELTA ARLINTHA PURBASARI 1311030086 Dosen Pembimbing: Dr. Vita

Lebih terperinci

Analisis Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Gender (IPG) dengan Menggunakan Regresi Probit

Analisis Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Gender (IPG) dengan Menggunakan Regresi Probit Analisis Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Gender (IPG) dengan Menggunakan Regresi Probit Oleh: Ari Vanerlin Fitarisca 1310 100 048 Dosen Pembimbing: Dr. Vita Ratnasari, S.Si, M.Si Juli

Lebih terperinci

SEMINAR HASIL TUGAS AKHIR. Presented by Rizky Amalia Yulianti Dosen Pembimbing : Dr. Vita Ratnasari, S.Si, M.Si

SEMINAR HASIL TUGAS AKHIR. Presented by Rizky Amalia Yulianti Dosen Pembimbing : Dr. Vita Ratnasari, S.Si, M.Si SEMINAR HASIL TUGAS AKHIR Presented by Rizky Amalia Yulianti 1309 100 076 Dosen Pembimbing : Dr. Vita Ratnasari, S.Si, M.Si Agenda 1. 2. 3. 4. 5. Pendahuluan Tinjauan Metodelogi Hasil dan Kesimpulan 1.

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman Online di: ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 111-120 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN

Lebih terperinci

SEMINAR TUGAS AKHIR 16 JANUARI Penyaji : I Dewa Ayu Made Istri Wulandari Pembimbing : Prof.Dr.Drs. I Nyoman Budiantara, M.

SEMINAR TUGAS AKHIR 16 JANUARI Penyaji : I Dewa Ayu Made Istri Wulandari Pembimbing : Prof.Dr.Drs. I Nyoman Budiantara, M. 16 JANUARI ANALISIS FAKTOR FAKTOR YANG MEMPENGARUHI PENDUDUK MISKIN DAN PENGELUARAN PERKAPITA MAKANAN DI JAWA TIMUR DENGAN METODE REGRESI NONPARAMETRIK BIRESPON SPLINE Penyaji : I Dewa Ayu Made Istri Wulandari

Lebih terperinci

JURUSAN STATISTIKA - FMIPA INSTITUT TEKNOLOGI SEPULUH NOPEMBER. Ayunanda Melliana Dosen Pembimbing : Dr. Dra. Ismaini Zain, M.

JURUSAN STATISTIKA - FMIPA INSTITUT TEKNOLOGI SEPULUH NOPEMBER. Ayunanda Melliana Dosen Pembimbing : Dr. Dra. Ismaini Zain, M. JURUSAN STATISTIKA - FMIPA INSTITUT TEKNOLOGI SEPULUH NOPEMBER Seminar hasil TUGAS AKHIR Ayunanda Melliana 1309100104 Dosen Pembimbing : Dr. Dra. Ismaini Zain, M.Si PENDAHULUAN Latar Belakang Rumusan Masalah

Lebih terperinci

(M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT

(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 terperinci

Pemetaan dan Pemodelan Tingkat Partisipasi Angkatan Kerja (TPAK) Perempuan di Provinsi Jawa Timur dengan Pendekatan Model Probit

Pemetaan dan Pemodelan Tingkat Partisipasi Angkatan Kerja (TPAK) Perempuan di Provinsi Jawa Timur dengan Pendekatan Model Probit 1 Pemetaan dan Pemodelan Tingkat Partisipasi Angkatan Kera (TPAK) Perempuan di Provinsi Jawa Timur dengan Pendekatan Model Probit Rizky Amalia Yulianti*, Vita Ratnasari*. Jurusan Statistika, FMIPA, Institut

Lebih terperinci

Pemetaan dan Pemodelan Tingkat Partisipasi Angkatan Kerja (TPAK) Perempuan di Provinsi Jawa Timur dengan Pendekatan Model Probit

Pemetaan dan Pemodelan Tingkat Partisipasi Angkatan Kerja (TPAK) Perempuan di Provinsi Jawa Timur dengan Pendekatan Model Probit JURNAL SAINS DAN SENI POMITS Vol. 2, No. 2, (2013) ISSN: 2337-3520 (2301-928X Print) D-159 Pemetaan dan Pemodelan Tingkat Partisipasi Angkatan Kera (TPAK) Perempuan di Provinsi Jawa Timur dengan Pendekatan

Lebih terperinci

ANALISIS 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 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 terperinci

INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA Seminar Hasil Tugas Akhir

INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA Seminar Hasil Tugas Akhir INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2014 Seminar Hasil Tugas Akhir 1 PEMODELAN DAN PEMETAAN RATA-RATA USIA KAWIN PERTAMA WANITA DENGAN PENDEKATAN REGRESI LOGISTIK ORDINAL DI PROVINSI JAWA TIMUR

Lebih terperinci

Analisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit

Analisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit Analisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit Nama : Margareth G. Shari NRP : 1307 100 026 JURUSAN STATISTIKA

Lebih terperinci

LOGO. Prof. Dra. Susanti Linuwih, M.Stat, PhD Wibawati, S.Si, M.Si

LOGO. Prof. Dra. Susanti Linuwih, M.Stat, PhD Wibawati, S.Si, M.Si LOGO Prof. Dra. Susanti Linuwih, M.Stat, PhD Wibawati, S.Si, M.Si PENDAHULUAN 1 2 3 4 Latar Belakang Tujuan Manfaat Batasan Masalah Latar Belakang Kesempatan memperoleh pendidikan merupakan prioritas utama

Lebih terperinci

Pemodelan Faktor-Faktor yang Mempengaruhi Kemiskinan Kabupaten/Kota di Jawa Timur Menggunakan Regresi Data Panel

Pemodelan Faktor-Faktor yang Mempengaruhi Kemiskinan Kabupaten/Kota di Jawa Timur Menggunakan Regresi Data Panel JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (016) 337-350 (301-98X Print) D-45 Pemodelan Faktor-Faktor yang Mempengaruhi Kemiskinan Kabupaten/Kota di Jawa Timur Menggunakan Regresi Data Panel Nur Fajriyah

Lebih terperinci

Laporan Eksekutif Pendidikan Provinsi Jawa Timur 2013 Berdasarkan Data Susenas 2013 BADAN PUSAT STATISTIK PROVINSI JAWA TIMUR Laporan Eksekutif Pendidikan Provinsi Jawa Timur 2013 Nomor Publikasi : 35522.1402

Lebih terperinci

BINARY LOGISTIC REGRESSION (BLR) TERHADAP STATUS BEKERJA DI KOTA SURABAYA

BINARY LOGISTIC REGRESSION (BLR) TERHADAP STATUS BEKERJA DI KOTA SURABAYA BINARY LOGISTIC REGRESSION (BLR) TERHADAP STATUS BEKERJA DI KOTA SURABAYA Moh. Yamin Darsyah 1 Arianto Wijaya 2 1,2 Program Studi S1 Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas

Lebih terperinci

Analisis Faktor-Faktor Yang Mempengaruhi Remitan TKI Jawa Timur Dengan Menggunakan Regresi Tobit

Analisis Faktor-Faktor Yang Mempengaruhi Remitan TKI Jawa Timur Dengan Menggunakan Regresi Tobit Seminar Hasil Tugas Akhir Analisis Faktor-Faktor Yang Mempengaruhi Remitan TKI Jawa Timur Dengan Menggunakan Regresi Tobit Oleh Sri Kindrana S 1306. 100. 022 Pembimbing Dr. Dra. Ismaini Zain, M.Si JURUSAN

Lebih terperinci

Pemodelan Logit, Probit dan Complementary Log-Log pada Studi Kasus Partisipasi Perempuan dalam Pembangunan Ekonomi di Kalimantan Selatan

Pemodelan Logit, Probit dan Complementary Log-Log pada Studi Kasus Partisipasi Perempuan dalam Pembangunan Ekonomi di Kalimantan Selatan D181 Logit, Probit dan Complementary Log-Log pada Studi Kasus Partisipasi Perempuan dalam Pembangunan Ekonomi di Kalimantan Selatan Rizfanni Cahya Putri dan Vita Ratnasari Jurusan Statistika, Fakultas

Lebih terperinci

PENDEKATAN 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 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 terperinci

ANALISIS REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR

ANALISIS REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR ANALISIS REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR 1 Mei Puspita Rini, 2 Ismaini Zain, 3 Dwiatmono Agus Widodo 1,2,3 Jurusan Statistika

Lebih terperinci

EKO ERTANTO PEMBIMBING

EKO ERTANTO PEMBIMBING UJIAN TUGAS AKHIR Faktor-faktor yang Mempengaruhi Kelengkapan Pemberian Imunisasi Untuk Bayi Dengan Metode Regresi Logistik (Kasus di Kelurahan Keputih Surabaya) YUDHA EKO ERTANTO 1307030054 PEMBIMBING

Lebih terperinci

FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS KESEHATAN KABUPATEN DAN KOTA DI PROVINSI JAWA TIMUR

FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS KESEHATAN KABUPATEN DAN KOTA DI PROVINSI JAWA TIMUR FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS KESEHATAN KABUPATEN DAN KOTA DI PROVINSI JAWA TIMUR Oleh AUDDIE VIENEZA M. NRP 1310030043 DOSEN PEMBIMBING Dr. Vita Ratnasari,M.Si DOSEN PENGUJI Dr. Dra. Ismaini

Lebih terperinci

Pemodelan Ketahanan Pangan Rumah Tangga Penderita Tuberkulosis Paru Menggunakan Regresi Logistik Biner

Pemodelan Ketahanan Pangan Rumah Tangga Penderita Tuberkulosis Paru Menggunakan Regresi Logistik Biner SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 017 Pemodelan Ketahanan Pangan Rumah Tangga Penderita Tuberkulosis Paru Menggunakan Regresi Logistik Biner S - 1 Ayu Febriana Dwi Rositawati 1, Sri Pingit

Lebih terperinci

PEMODELAN REGRESI PROBIT ORDINAL PADA PERSENTASE SEKOLAH TERKLASIFIKASI HITAM MENURUT POLA JAWABAN UN

PEMODELAN REGRESI PROBIT ORDINAL PADA PERSENTASE SEKOLAH TERKLASIFIKASI HITAM MENURUT POLA JAWABAN UN PEMODELAN REGRESI PROBI ORDINAL PADA PERSENASE SEKOLAH ERKLASIFIKASI HIAM MENURU POLA JAWABAN UN Karlina Rachmasita dan Ismaini Zain Mahasiswa Jurusan Statistika FMIPA-IS e-mail: karlinanee@yahoo.com Dosen

Lebih terperinci

Pemodelan Angka Putus Sekolah Usia SMA di Jawa Timur dengan Pendekatan Regresi Spline Multivariabel

Pemodelan Angka Putus Sekolah Usia SMA di Jawa Timur dengan Pendekatan Regresi Spline Multivariabel Seminar Hasil Tugas Akhir Pemodelan Angka Putus Sekolah Usia SMA di Jawa Timur dengan Pendekatan Regresi Spline Multivariabel Mega Pradipta 1309100038 Pembimbing I : Dra. Madu Ratna, M.Si Pembimbing II

Lebih terperinci

Analisis Biplot pada Kabupaten/Kota di Provinsi Jawa Timur Berdasarkan Variabel-variabel Komponen Penyusun Indeks Pembangunan Manusia (IPM)

Analisis Biplot pada Kabupaten/Kota di Provinsi Jawa Timur Berdasarkan Variabel-variabel Komponen Penyusun Indeks Pembangunan Manusia (IPM) Sidang Tugas Akhir Surabaya, 15 Juni 2012 Analisis Biplot pada Kabupaten/Kota di Provinsi Jawa Timur Berdasarkan Variabel-variabel Komponen Penyusun Indeks Pembangunan Manusia (IPM) Wenthy Oktavin Mayasari

Lebih terperinci

Pemodelan Regresi Probit Ordinal Pada Kasus Penentuan Predikat Kelulusan Mahasiswa FMIPA Universitas Mulawarman Tahun 2014

Pemodelan Regresi Probit Ordinal Pada Kasus Penentuan Predikat Kelulusan Mahasiswa FMIPA Universitas Mulawarman Tahun 2014 Prosiding Seminar Sains dan Teknologi FMIPA Unmul Pemodelan Regresi Probit Ordinal Pada Kasus Penentuan Predikat Kelulusan Mahasiswa FMIPA Universitas Mulawarman Tahun 2014 Dewi Andriani 1, Sri Wahyuningsih

Lebih terperinci

Jurnal Gradien Vol 8 No 2 Juli 2012: Yuli Andriani, Uxti Mezulianti, dan Herlina Hanum

Jurnal Gradien Vol 8 No 2 Juli 2012: Yuli Andriani, Uxti Mezulianti, dan Herlina Hanum Jurnal Gradien Vol 8 No 2 Juli 2012:809-814 Model Tingkat Kelancaran Pembayaran Kredit Bank Menggunakan Model Regresi Logistik Ordinal (Studi Kasus: Bank Rakyat Indonesia Tbk Unit Pasar Bintuhan) Yuli

Lebih terperinci

PEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal)

PEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) PEMODELAN DENGAN REGRESI LOGISTIK 1. Data Biner Data biner merupakan data yang hanya memiliki dua kemungkinan hasil. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) dengan peluang masing-masing

Lebih terperinci

Dosen Pembimbing : Dr. Purhadi, M.Sc

Dosen 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 terperinci

REGRESI LOGISTIK UNTUK PEMODELAN INDEKS PEMBANGUNAN KESEHATAN MASYARAKAT KABUPATEN/KOTA DI PULAU KALIMANTAN

REGRESI LOGISTIK UNTUK PEMODELAN INDEKS PEMBANGUNAN KESEHATAN MASYARAKAT KABUPATEN/KOTA DI PULAU KALIMANTAN REGRESI LOGISTIK UNTUK PEMODELAN INDEKS PEMBANGUNAN KESEHATAN MASYARAKAT KABUPATEN/KOTA DI PULAU KALIMANTAN M. Fathurahman Jurusan Matematika, Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan

Lebih terperinci

E-Jurnal Matematika Vol. 4 (2), Mei 2015, pp ISSN:

E-Jurnal Matematika Vol. 4 (2), Mei 2015, pp ISSN: PENERAPAN REGRESI PROBIT BIVARIAT UNTUK MENDUGA FAKTOR-FAKTOR YANG MEMENGARUHI KELULUSAN MAHASISWA (Studi Kasus: Mahasiswa Fakultas MIPA Unversitas Udayana) Ni Gusti Ketut Trisna Pradnyantari 1, I Komang

Lebih terperinci

ANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK

ANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK LAPORAN TUGAS AKHIR ANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK Latar Belakang Katarak Indonesia Klinik

Lebih terperinci

BAB IV GAMBARAN UMUM PROVINSI JAWA TIMUR. Provinsi Jawa Timur membentang antara BT BT dan

BAB IV GAMBARAN UMUM PROVINSI JAWA TIMUR. Provinsi Jawa Timur membentang antara BT BT dan BAB IV GAMBARAN UMUM PROVINSI JAWA TIMUR 4. 1 Kondisi Geografis Provinsi Jawa Timur membentang antara 111 0 BT - 114 4 BT dan 7 12 LS - 8 48 LS, dengan ibukota yang terletak di Kota Surabaya. Bagian utara

Lebih terperinci

BAB V KESIMPULAN DAN SARAN

BAB V KESIMPULAN DAN SARAN BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Berdasarkan hasil analisis dan pembahasan dapat diambil kesimpulan sebagai berikut, 1. Karakteristik perempuan yang bekerja di bidang informal mayoritas pada perempuan

Lebih terperinci

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL J u r n a l E K B I S / V o l. V I / N o. / e d i s i M a r e t 2 0 2 379 ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL

Lebih terperinci

Tabel 2.26 Pertumbuhan Ekonomi di Provinsi Jawa Timur Tahun Keterangan

Tabel 2.26 Pertumbuhan Ekonomi di Provinsi Jawa Timur Tahun Keterangan 2.2. Aspek Kesejahteraan Masyarakat Kondisi Kesejahteraan Masyarakat Jawa Timur dapat dielaborasi kedalam tiga fokus utama, yaitu Fokus Kesejahteraan Masyarakat dan Pemertaan Ekonomi, Fokus Kesejahteraan

Lebih terperinci

BAB IV ANALISA DATA SEKUNDER DAN KARAKTERISTIK RUMAH TANGGA PROPINSI SUMATERA BARAT

BAB IV ANALISA DATA SEKUNDER DAN KARAKTERISTIK RUMAH TANGGA PROPINSI SUMATERA BARAT BAB IV ANALISA DATA SEKUNDER DAN KARAKTERISTIK RUMAH TANGGA PROPINSI SUMATERA BARAT Analisa deskriptif digunakan untuk memberikan gambaran tentang keadaan pendidikan di Sumatera Barat. 4.1. Karakteristik

Lebih terperinci

SEMINAR TUGAS AKHIR. Oleh : Arief Yudissanta ( ) Pembimbing : Dra. Madu Ratna, M.Si

SEMINAR TUGAS AKHIR. Oleh : Arief Yudissanta ( ) Pembimbing : Dra. Madu Ratna, M.Si Oleh : Arief Yudissanta (1310 105 018) Pembimbing : Dra. Madu Ratna, M.Si Analisis Pemakaian Kemoterapi Pada Kasus Kanker Payudara dengan Menggunakan Metode Regresi Logistik Multinomial (Studi Kasus Pasien

Lebih terperinci

Kegiatan Anak Usia Tahun di Jawa Timur Menggunakan Regresi Logistik Multinomial: Suatu Peranan Urutan Kelahiran

Kegiatan Anak Usia Tahun di Jawa Timur Menggunakan Regresi Logistik Multinomial: Suatu Peranan Urutan Kelahiran Kegiatan Anak Usia 10-15 Tahun di Jawa Timur Menggunakan Regresi Logistik Multinomial: Suatu Peranan Urutan Kelahiran Rudi Salam Badan Pusat Statistik, Tinggi Ilmu Statistik, Jakarta, Indonesia rudisalam@stis.ac.id

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN

BAB IV HASIL DAN PEMBAHASAN BAB IV HASIL DAN PEMBAHASAN 4.1 Identifikasi Variabel Prediktor pada Model MGWR Setiap variabel prediktor pada model MGWR akan diidentifikasi terlebih dahulu untuk mengetahui variabel prediktor yang berpengaruh

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Menurut Kamus Besar Bahasa Indonesia, Kesejahteraan adalah hal atau keadaan sejahtera, keamanan, keselamatan, ketentraman. Dalam istilah umum, sejahtera menunjuk ke

Lebih terperinci

Kata Kunci: Model Regresi Logistik Biner, metode Maximum Likelihood, Demam Berdarah Dengue

Kata Kunci: Model Regresi Logistik Biner, metode Maximum Likelihood, Demam Berdarah Dengue Jurnal Matematika UNAND Vol. VI No. 1 Hal. 9 16 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI KEJADIAN DBD (DEMAM BERDARAH DENGUE) MENGGUNAKAN REGRESI LOGISTIK

Lebih terperinci

Tabel 2.25 Pertumbuhan Ekonomi Jawa Timur Tahun Keterangan (1) (2) (3) (4) (5) (6)

Tabel 2.25 Pertumbuhan Ekonomi Jawa Timur Tahun Keterangan (1) (2) (3) (4) (5) (6) 2.2. Aspek Kesejahteraan Rakyat Kondisi Kesejahteraan Masyarakat Jawa Timur dapat dielaborasi kedalam tiga fokus utama, yaitu Fokus Kesejahteraan Masyarakat dan Pemertaan Ekonomi, Fokus Kesejahteraan Masyarakat,

Lebih terperinci

FAKTOR-FAKTOR YANG MEMPENGARUHI RUMAH TANGGA NELAYAN BERPERILAKU HIDUP BERSIH DAN SEHAT DENGAN ANALISIS REGRESI LOGISTIK

FAKTOR-FAKTOR YANG MEMPENGARUHI RUMAH TANGGA NELAYAN BERPERILAKU HIDUP BERSIH DAN SEHAT DENGAN ANALISIS REGRESI LOGISTIK FAKTOR-FAKTOR YANG MEMPENGARUHI RUMAH TANGGA NELAYAN BERPERILAKU HIDUP BERSIH DAN SEHAT DENGAN ANALISIS REGRESI LOGISTIK Oleh: Agista Dyah Prabawati (1308 100 026) Dosen Pembimbing: Dra. Destri Susilaningrum,

Lebih terperinci

Dosen Pembimbing : Ir. Mutiah Salamah, M. Kes Dra. Destri Susilaningrum, MSi. Oleh : Firda Velayati

Dosen Pembimbing : Ir. Mutiah Salamah, M. Kes Dra. Destri Susilaningrum, MSi. Oleh : Firda Velayati Dosen Pembimbing : Ir. Mutiah Salamah, M. Kes Dra. Destri Susilaningrum, MSi Oleh : Firda Velayati 307 00 05 PENDAHULUAN LATAR BELAKANG Ekonomi masyarakat Pesisir Pendapatan nelayan dinaikkan Penelitian

Lebih terperinci

pendekatan regresi logistik biner Oleh :Wida Suliasih ( )

pendekatan regresi logistik biner Oleh :Wida Suliasih ( ) Analisis kepuasan karyawan pt. x dengan pendekatan regresi logistik biner Oleh :Wida Suliasih (1308 030 059) Pembimbing : Wibawati, S.Si, M.Si 1 2 Latar belakang permasalahan Tujuan manfaat Batasan penelitian

Lebih terperinci

Kata Kunci Keparahan Korban Kecelakaan Lalu Lintas, Model Log Linier, Regresi Logistik Multinomial. H 1 Ada hubungan antara dua variabel yang diamati

Kata Kunci Keparahan Korban Kecelakaan Lalu Lintas, Model Log Linier, Regresi Logistik Multinomial. H 1 Ada hubungan antara dua variabel yang diamati Pemodelan Faktor Penyebab Keparahan Korban Kecelakaan Lalu Lintas Dengan Metode Regresi Logistik Multinomial (Studi Kasus Kecelakaan Lalu Lintas di Provinsi DKI Jakarta) Weny Rahmayanti, dan Vita Ratnasari

Lebih terperinci

ANALISIS STATISTIK FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI (IP) MAHASISWA DIPLOMA PENERIMA BEASISWA BIDIK MISI DI SURABAYA TAHUN 2010

ANALISIS STATISTIK FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI (IP) MAHASISWA DIPLOMA PENERIMA BEASISWA BIDIK MISI DI SURABAYA TAHUN 2010 ANALISIS STATISTIK FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI (IP) MAHASISWA DIPLOMA PENERIMA BEASISWA BIDIK MISI DI SURABAYA TAHUN 2010 Disusun Oleh: Hanna Silia Karti (1308030043) Dosen Pembimbing:

Lebih terperinci

Analisis Cluster Average Linkage Berdasarkan Faktor-Faktor Kemiskinan di Provinsi Jawa Timur

Analisis Cluster Average Linkage Berdasarkan Faktor-Faktor Kemiskinan di Provinsi Jawa Timur Analisis Cluster Average Linkage Berdasarkan Faktor-Faktor Kemiskinan di Provinsi Jawa Timur Qonitatin Nafisah, Novita Eka Chandra Jurusan Matematika Fakultas MIPA Universitas Islam Darul Ulum Lamongan

Lebih terperinci

BAB I PENDAHULUAN. Pembangunan ekonomi harus di pandang sebagai suatu proses yang saling

BAB I PENDAHULUAN. Pembangunan ekonomi harus di pandang sebagai suatu proses yang saling BAB I PENDAHULUAN A. Latar Belakang Pembangunan Ekonomi merupakan suatu proses yang menyebabkan kenaikan pendapatan riil per kapita penduduk suatu negara dalam jangka panjang yang disertai oleh perbaikan

Lebih terperinci

BAB III METODE PENELITIAN. kabupaten induknya yaitu Kabupaten Bandung Barat dan Kota Cimahi ke

BAB III METODE PENELITIAN. kabupaten induknya yaitu Kabupaten Bandung Barat dan Kota Cimahi ke BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder periode tahun 2001-2008 yang mencakup wilayah kabupaten dan kota di Provinsi Jawa Barat.

Lebih terperinci

PEMODELAN DAN PEMETAAN ANGKA BUTA HURUF PROVINSI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPASIAL. Bertoto Eka Firmansyah 1 dan Sutikno 2

PEMODELAN DAN PEMETAAN ANGKA BUTA HURUF PROVINSI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPASIAL. Bertoto Eka Firmansyah 1 dan Sutikno 2 PEMODELAN DAN PEMETAAN ANGKA BUTA HURUF PROVINSI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPASIAL Bertoto Eka Firmansyah dan Sutikno Mahasiswa Jurusan Statistika, ITS, Surabaya Dosen Pembimbing, Jurusan Statistika,

Lebih terperinci

PEMODELAN DAN PEMETAAN FAKTOR UNMET NEED KB DI JAWA TIMUR SEBAGAI PERENCANAAN MENCEGAH LEDAKAN PENDUDUK DENGAN REGRESI LOGISTIK BINER

PEMODELAN DAN PEMETAAN FAKTOR UNMET NEED KB DI JAWA TIMUR SEBAGAI PERENCANAAN MENCEGAH LEDAKAN PENDUDUK DENGAN REGRESI LOGISTIK BINER PEMODELAN DAN PEMETAAN FAKTOR UNMET NEED KB DI JAWA TIMUR SEBAGAI PERENCANAAN MENCEGAH LEDAKAN PENDUDUK DENGAN REGRESI LOGISTIK BINER Anita Trias Anggraeni 1), Destri Susilaningrum 2) 1)2) Statistika,

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN 1 BAB 3 METODE PENELITIAN 3.1 Sumber Data Sumber data yang digunakan adalah data hasil survei demografi dan kesehatan Indonesia (SDKI) tahun 2007. SDKI merupakan survei yang dilaksanakan oleh badan pusat

Lebih terperinci

ESTIMASI EROR STANDAR PARAMETER REGRESI LOGISTIK MENGGUNAKAN METODE BOOTSTRAP

ESTIMASI EROR STANDAR PARAMETER REGRESI LOGISTIK MENGGUNAKAN METODE BOOTSTRAP ESTIMASI EROR STANDAR PARAMETER REGRESI LOGISTIK MENGGUNAKAN METODE BOOTSTRAP PADA DATA PASIEN HIPERKOLESTEROLEMIA DI BALAI LABORATORIUM KESEHATAN YOGYAKARTA Fransiska Grase S.W, Sri Sulistijowati H.,

Lebih terperinci

PEMODELAN RISIKO PENYAKIT PNEUMONIA PADA BALITA DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION

PEMODELAN RISIKO PENYAKIT PNEUMONIA PADA BALITA DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION E-Jurnal Matematika Vol. 4 (2), Mei 2015, pp. 31-36 ISSN: 2303-1751 PEMODELAN RISIKO PENYAKIT PNEUMONIA PADA BALITA DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION

Lebih terperinci

ANALISIS REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAHTANGGA UNTUK MAKANAN BERPROTEIN TINGGI. Abstrak

ANALISIS 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 terperinci

Analisis Pengelompokkan Berdasarkan Indikator Partisipasi Perempuan di Propinsi Jawa Timur

Analisis Pengelompokkan Berdasarkan Indikator Partisipasi Perempuan di Propinsi Jawa Timur Nama : Analisis Pengelompokkan Berdasarkan Indikator Partisipasi Perempuan di Propinsi Jawa Timur Dimas Okky S. (1307030006) Dosen Pembimbing : Dr.Dra.Ismaini Zain, MSi PENDAHULUAN LATAR BELAKANG Partisipasi

Lebih terperinci

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN DALAM PEREKONOMIAN RUMAH TANGGA DI KOTA SEMARANG MENGGUNAKAN REGRESI TOBIT

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN DALAM PEREKONOMIAN RUMAH TANGGA DI KOTA SEMARANG MENGGUNAKAN REGRESI TOBIT Analisis Faktor-Faktor yang Mempengaruhi Partisipasi Perempuan dalam Perekonomian Rumah Tangga di Kota Semarang Menggunakan Regresi Tobit ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN

Lebih terperinci

ANALISIS PELUANG STATUS GIZI ANAK DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL BERBASIS KOMPUTER

ANALISIS PELUANG STATUS GIZI ANAK DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL BERBASIS KOMPUTER ANALISIS PELUANG STATUS GIZI ANAK DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL BERBASIS KOMPUTER Kimmy Octavian Yongharto Binus University, DKI Jakarta, Jakarta, Indonesia Abstrak Salah satu

Lebih terperinci

PENERAPAN ANALISIS REGRESI LOGISTIK PADA PEMAKAIAN ALAT KONTRASEPSI WANITA

PENERAPAN ANALISIS REGRESI LOGISTIK PADA PEMAKAIAN ALAT KONTRASEPSI WANITA Saintia Matematika Vol. 1, No. 1 (2013), pp. 51 61. PENERAPAN ANALISIS REGRESI LOGISTIK PADA PEMAKAIAN ALAT KONTRASEPSI WANITA (Studi kasus di desa Dolok Mariah Kabupaten Simalungun) Oktani Haloho, Pasukat

Lebih terperinci

BAB V SIMPULAN DAN SARAN. Simpulan yang dapat diambil dari hasil penelitian ini sebagai berikut.

BAB V SIMPULAN DAN SARAN. Simpulan yang dapat diambil dari hasil penelitian ini sebagai berikut. BAB V SIMPULAN DAN SARAN 5.1. Simpulan Simpulan yang dapat diambil dari hasil penelitian ini sebagai berikut. 1. Berdasarkan Tipologi Klassen periode 1984-2012, maka ada 8 (delapan) daerah yang termasuk

Lebih terperinci

MODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS

MODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS Jurnal Matematika UNAND Vol. VI No. 1 Hal. 33 41 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND MODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS

Lebih terperinci

BERITA RESMI STATISTIK BPS PROVINSI JAWA TIMUR

BERITA RESMI STATISTIK BPS PROVINSI JAWA TIMUR BERITA RESMI STATISTIK BPS PROVINSI JAWA TIMUR No. 25/04/35/Th. XV, 17 April 2016 INDEKS PEMBANGUNAN MANUSIA (IPM) JAWA TIMUR TAHUN 2016 IPM Jawa Timur Tahun 2016 Pembangunan manusia di Jawa Timur pada

Lebih terperinci

METODE BOOTSTRAP AGGREGATING REGRESI LOGISTIK BINER UNTUK KETEPATAN KLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI KOTA PATI

METODE 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 terperinci

MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL. Jln. Prof. H. Soedarto, S.H., Tembalang, Semarang.

MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL. Jln. Prof. H. Soedarto, S.H., Tembalang, Semarang. MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL Winda Faati Kartika 1, Triastuti Wuryandari 2 1, 2) Program Studi Statistika Jurusan Matematika FMIPA Universitas Diponegoro

Lebih terperinci

Generalized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017

Generalized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017 Prosiding Statistika ISSN: 2460-6456 Generalized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017 Generalized Ordinal Logistic

Lebih terperinci

INDEKS PEMBANGUNAN MANUSIA (IPM) KOTA PROBOLINGGO TAHUN 2016

INDEKS PEMBANGUNAN MANUSIA (IPM) KOTA PROBOLINGGO TAHUN 2016 No. 010/06/3574/Th. IX, 14 Juni 2017 INDEKS PEMBANGUNAN MANUSIA (IPM) KOTA PROBOLINGGO TAHUN 2016 IPM Kota Probolinggo Tahun 2016 Pembangunan manusia di Kota Probolinggo pada tahun 2016 terus mengalami

Lebih terperinci

ANALISIS PENGARUH STATUS BEKERJA TERHADAP JENIS KELAMIN DAN UMUR DENGAN PENDEKATAN BINARY LOGISTIC REGRESSION

ANALISIS PENGARUH STATUS BEKERJA TERHADAP JENIS KELAMIN DAN UMUR DENGAN PENDEKATAN BINARY LOGISTIC REGRESSION ANALISIS PENGARUH STATUS BEKERJA TERHADAP JENIS KELAMIN DAN UMUR DENGAN PENDEKATAN BINARY LOGISTIC REGRESSION Syamsul Rizal 1, Imaroh Izzatun Nisa 2, Moh. Yamin Darsyah 3 1,2,3 Program Studi S1 Statistika

Lebih terperinci

KETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI DI KOTA SEMARANG MENGGUNAKAN BOOSTSTRAP AGGREGATTING REGRESI LOGISTIK MULTINOMIAL

KETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI DI KOTA SEMARANG MENGGUNAKAN BOOSTSTRAP AGGREGATTING REGRESI LOGISTIK MULTINOMIAL ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman 11-20 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI DI KOTA SEMARANG

Lebih terperinci

MODEL REGRESI LOGISTIK BINER DENGAN METODE PENALIZED MAXIMUM LIKELIHOOD. Edi Susilo, Anna Islamiyati, Muh. Saleh AF. ABSTRAK

MODEL REGRESI LOGISTIK BINER DENGAN METODE PENALIZED MAXIMUM LIKELIHOOD. Edi Susilo, Anna Islamiyati, Muh. Saleh AF. ABSTRAK MODEL REGRESI LOGISTIK BINER DENGAN METODE PENALIZED MAXIMUM LIKELIHOOD Edi Susilo, Anna Islamiyati, Muh. Saleh AF. ABSTRAK Analisis regresi logistik biner dengan metode penalized maximum likelihood digunakan

Lebih terperinci

Masalah Overdispersi dalam Model Regresi Logistik Multinomial

Masalah Overdispersi dalam Model Regresi Logistik Multinomial Statistika, Vol. 16 No. 1, 29 39 Mei 2016 Masalah Overdispersi dalam Model Regresi Logistik Multinomial Annisa Lisa Nurjanah, Nusar Hajarisman, Teti Sofia Yanti Prodi Statistika, Fakultas Matematika dan

Lebih terperinci

BADAN PUSAT STATISTIK PROVINSI KEPRI

BADAN PUSAT STATISTIK PROVINSI KEPRI BADAN PUSAT STATISTIK PROVINSI KEPRI No. xxx/05/21/th. V, 10 Mei 2010 KEADAAN KETENAGAKERJAAN DI PROVINSI KEPULAUAN RIAU SAMPAI DENGAN FEBRUARI 2010 TINGKAT PENGANGGURAN KEPRI TERENDAH DALAM EMPAT TAHUN

Lebih terperinci

Kata kunci---beras Keluarga Miskin, regresi logistik biner. I. PENDAHULUAN

Kata kunci---beras Keluarga Miskin, regresi logistik biner. I. PENDAHULUAN 1 Analisis Regresi Logistik Biner Untuk Mengidentifikasi Faktor-Faktor Yang Mempengaruhi Status Penerimaan Beras Keluarga Miskin (Raskin) Di Kecamatan Gunung Anyar Faiz Ramadhani Rahman, Ismaini Zain Jurusan

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA A. Keberhasilan Belajar 1. Pengertian Keberhasilan Belajar Dalam kamus besar bahasa Indonesia, keberhasilan itu sendiri adalah hasil yang telah dicapai (dilakukan, dikerjakan dan

Lebih terperinci

INDEKS PEMBANGUNAN MANUSIA (IPM) JAWA TIMUR TAHUN 2015

INDEKS PEMBANGUNAN MANUSIA (IPM) JAWA TIMUR TAHUN 2015 BPS PROVINSI JAWA TIMUR No. 40/06/35/Th. XIV, 15 Juni 2016 INDEKS PEMBANGUNAN MANUSIA (IPM) JAWA TIMUR TAHUN 2015 IPM Jawa Timur Tahun 2015 Pembangunan manusia di Jawa Timur pada tahun 2015 terus mengalami

Lebih terperinci

MASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG)

MASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG) MASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG) Shaifudin Zuhdi, Dewi Retno Sari Saputro Fakultas Matematika dan Ilmu Pengetahuan

Lebih terperinci

1 BAB I 2 PENDAHULUAN. sangat diperlukan dalam kehidupan sehari-hari. Begitu pula dalam penelitian

1 BAB I 2 PENDAHULUAN. sangat diperlukan dalam kehidupan sehari-hari. Begitu pula dalam penelitian 1 BAB I 2 PENDAHULUAN A. Latar Belakang Masalah Statistika merupakan salah satu disiplin ilmu yang penerapannya hampir di semua aspek kehidupan. Hal ini menunjukkan bahwa peranan statistika sangat diperlukan

Lebih terperinci

BERITA RESMI STATISTIK

BERITA RESMI STATISTIK BERITA RESMI STATISTIK BPS KABUPATEN LAMONGAN PROFIL KEMISKINAN DI LAMONGAN MARET 2016 No. 02/06/3524/Th. II, 14 Juni 2017 RINGKASAN Jumlah penduduk miskin (penduduk dengan pengeluaran per kapita per bulan

Lebih terperinci

Analisis Indikator Tingkat Kemiskinan di Jawa Timur Menggunakan Regresi Panel

Analisis Indikator Tingkat Kemiskinan di Jawa Timur Menggunakan Regresi Panel JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Print) D-65 Analisis Indikator Tingkat Kemiskinan di Jawa Timur Menggunakan Regresi Panel Almira Qattrunnada Qurratu ain dan Vita Ratnasari Jurusan

Lebih terperinci

BAB I PENDAHULUAN. Dewasa ini, program pembangunan lebih menekankan pada penggunaan

BAB I PENDAHULUAN. Dewasa ini, program pembangunan lebih menekankan pada penggunaan BAB I PENDAHULUAN 1.1 LATAR BELAKANG Dewasa ini, program pembangunan lebih menekankan pada penggunaan pendekatan regional dalam menganalisis karakteristik daerah yang berbeda-beda. Hal tersebut dikarenakan,

Lebih terperinci

PENERAPAN REGRESI LOGISTIK ORDINAL MULTILEVEL TERHADAP NILAI AKHIR METODE STATISTIKA FMIPA IPB IIN MAENA

PENERAPAN REGRESI LOGISTIK ORDINAL MULTILEVEL TERHADAP NILAI AKHIR METODE STATISTIKA FMIPA IPB IIN MAENA PENERAPAN REGRESI LOGISTIK ORDINAL MULTILEVEL TERHADAP NILAI AKHIR METODE STATISTIKA FMIPA IPB IIN MAENA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR

Lebih terperinci

BAB 3 METODE PENELITIAN. disajikan pada Gambar 3.1 dan koordinat kabupaten/kota Provinsi Jawa Timur disajikan

BAB 3 METODE PENELITIAN. disajikan pada Gambar 3.1 dan koordinat kabupaten/kota Provinsi Jawa Timur disajikan BAB 3 METODE PENELITIAN 3.1 Gambaran Umum Objek Wilayah Provinsi Jawa Timur meliputi 29 kabupaten dan 9 kota. Peta wilayah disajikan pada Gambar 3.1 dan koordinat kabupaten/kota Provinsi Jawa Timur disajikan

Lebih terperinci

BAB III REGRESI TERSENSOR (TOBIT) Model regresi yang didasarkan pada variabel terikat tersensor disebut

BAB III REGRESI TERSENSOR (TOBIT) Model regresi yang didasarkan pada variabel terikat tersensor disebut BAB III REGRESI TERSENSOR (TOBIT) 3.1 Model Regresi Tersensor (Tobit) Model regresi yang didasarkan pada variabel terikat tersensor disebut model regresi tersensor (tobit). Untuk variabel terikat yang

Lebih terperinci

2.2 EVALUASI PELAKSANAAN PROGRAM DAN KEGIATAN RKPD SAMPAI DENGAN TAHUN 2013 DAN REALISASI RPJMD

2.2 EVALUASI PELAKSANAAN PROGRAM DAN KEGIATAN RKPD SAMPAI DENGAN TAHUN 2013 DAN REALISASI RPJMD 143 2.2 EVALUASI PELAKSANAAN PROGRAM DAN KEGIATAN RKPD SAMPAI DENGAN TAHUN 2013 DAN REALISASI RPJMD 2.2.1 Evaluasi Indikator Kinerja Utama Pembangunan Daerah Kinerja pembangunan Jawa Timur tahun 2013 diukur

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Seiring dengan kemajuan ilmu pengetahuan dan teknologi mendorong masyarakat untuk semakin memperlihatkan derajat kesehatan demi peningkatan kualitas hidup yang lebih

Lebih terperinci

(R.2) KAJIAN PREDIKSI KLASIFIKASI OBYEK PADA VARIABEL RESPON BINER

(R.2) KAJIAN PREDIKSI KLASIFIKASI OBYEK PADA VARIABEL RESPON BINER (R.2) KAJIAN PREDIKSI KLASIFIKASI OBYEK PADA VARIABEL RESPON BINER Drs. Soekardi Hadi P. Prodi Matematika Fakultas Sains dan Teknologi Universitas Islam As-Syafi iyah Email : s.hadip@yahoo.co.id Abstrak

Lebih terperinci

BAB 4 ANALISA DAN PEMBAHASAN. faktor faktor yang mempengaruhi, model regresi global, model Geographically

BAB 4 ANALISA DAN PEMBAHASAN. faktor faktor yang mempengaruhi, model regresi global, model Geographically BAB 4 ANALISA DAN PEMBAHASAN Pada bab ini dibahas tentang pola penyebaran angka buta huruf (ABH) dan faktor faktor yang mempengaruhi, model regresi global, model Geographically Weighted Regression (GWR),

Lebih terperinci

Statistika ITS Surabaya

Statistika ITS Surabaya SEMINAR TUGAS AKHIR POLA HUBUNGAN ANTARA STATUS GIZI BALITA DAN FAKTOR- FAKTOR SOSIAL EKONOMI TERHADAP TINGKAT KESEJAHTERAAN KELUARGA PADA KELUARGA NELAYAN DI SURABAYA TIMUR Oleh : Rindyanita Rizky K.

Lebih terperinci

Tabel 2.19 Pertumbuhan Ekonomi Jawa Timur Tahun

Tabel 2.19 Pertumbuhan Ekonomi Jawa Timur Tahun 41 2.1.2 Aspek Kesejahteraan Masyarakat 2.1.2.1 Fokus Kesejahteraan dan Pemerataan Ekonomi 2.1.2.1.1 Otonomi Daerah, Pemerintahan Umum, Administrasi Keuangan Daerah, Perangkat Daerah, Kepegawaian dan Persandian

Lebih terperinci

Universitas Negeri Malang

Universitas Negeri Malang IMPLEMENTASI REGRESI LOGISTIK ORDINAL PADA FAKTOR- FAKTOR YANG MEMPENGARUHI PERMINTAAN ASURANSI JIWA (Studi Kasus di AJB Bumiputera 1912 Cabang Malang Dieng) Universitas Negeri Malang E-mail: rramadhayanti@gmail.com

Lebih terperinci

MODEL REGRESI LOGISTIK MULTINOMIAL UNTUK MENENTUKAN PILIHAN SEKOLAH LANJUTAN TINGKAT ATAS PADA SISWA SMP

MODEL REGRESI LOGISTIK MULTINOMIAL UNTUK MENENTUKAN PILIHAN SEKOLAH LANJUTAN TINGKAT ATAS PADA SISWA SMP MODEL REGRESI LOGISTIK MULTINOMIAL UNTUK MENENTUKAN PILIHAN SEKOLAH LANJUTAN TINGKAT ATAS PADA SISWA Puji Subekti Mahasiswa Program Magister Matematika Universitas Brawijaya Malang Telp : 8564963425; Email

Lebih terperinci

Model Regresi Multivariat untuk Menentukan Tingkat Kesejahteraan Kabupaten dan Kota di Jawa Timur

Model Regresi Multivariat untuk Menentukan Tingkat Kesejahteraan Kabupaten dan Kota di Jawa Timur JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Model Regresi Multivariat untuk Menentukan Tingkat Kesejahteraan Kabupaten dan Kota di Jawa Timur M.Fariz Fadillah Mardianto,

Lebih terperinci

Pemodelan Angka Putus Sekolah Usia Wajib Belajar Menggunakan Metode Regresi Spasial di Jawa Timur

Pemodelan Angka Putus Sekolah Usia Wajib Belajar Menggunakan Metode Regresi Spasial di Jawa Timur JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (203) 2337-3520 (230-928X Print) D-7 Pemodelan Angka Putus Sekolah Usia Wajib Belajar Menggunakan Metode Regresi Spasial di Jawa Timur Bagus Naufal Fitroni, dan

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 17 BAB III METODE PENELITIAN 3.1.Waktu dan Tempat Penelitian ini dilaksanakan pada bulan februari 2009-Juni 2009 di beberapa wilayah terutama Jakarta, Depok dan Bogor untuk pengambilan sampel responden

Lebih terperinci

PEMODELAN KEMISKINAN DI PROVINSI JAWA TIMUR DENGAN METODE SEEMINGLY UNRELATED REGRESSION (SUR) SPASIAL

PEMODELAN KEMISKINAN DI PROVINSI JAWA TIMUR DENGAN METODE SEEMINGLY UNRELATED REGRESSION (SUR) SPASIAL PEMODELAN KEMISKINAN DI PROVINSI JAWA TIMUR DENGAN METODE SEEMINGLY UNRELATED REGRESSION (SUR) SPASIAL Dibyo Adi Wiboao 1), Setiawan 2), dan Vita Ratnasari 3) 1) Program Studi Magister Statistika, Institut

Lebih terperinci

Oleh : Nita Indah Mayasari Dosen Pembimbing : Dra. Ismaini Zain, M.Si

Oleh : Nita Indah Mayasari Dosen Pembimbing : Dra. Ismaini Zain, M.Si Oleh : Nita Indah Mayasari - 1305 100 024 Dosen Pembimbing : Dra. Ismaini Zain, M.Si Jawa Timur Angka Rawan Pangan 19,3 % STATUS EKONOMI SOSIAL Rumah Tangga Pedesaan Rumah Tangga Perkotaan Perbedaan pengeluaran

Lebih terperinci

SKRIPSI. Disusun Oleh : RAHMA NURFIANI PRADITA

SKRIPSI. Disusun Oleh : RAHMA NURFIANI PRADITA PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN MANUSIA KABUPATEN/ KOTA DI JAWA TIMUR MENGGUNAKAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION SKRIPSI Disusun Oleh : RAHMA NURFIANI

Lebih terperinci