MODEL REGRESI PROBIT SPASIAL DENGAN PENDEKATAN RECURSIVE IMPORTANCE SAMPLING

Fajar Wahyu Nurcholis, NIM. 17106010030 (2022) MODEL REGRESI PROBIT SPASIAL DENGAN PENDEKATAN RECURSIVE IMPORTANCE SAMPLING. Skripsi thesis, UIN SUNAN KALIJAGA YOGYAKARTA.

Preview	Text (MODEL REGRESI PROBIT SPASIAL DENGAN PENDEKATAN RECURSIVE IMPORTANCE SAMPLING) 17106010030_BAB-I_IV-atau-V_DAFTAR-PUSTAKA.pdf - Published Version Download (2MB) | Preview
	Text (MODEL REGRESI PROBIT SPASIAL DENGAN PENDEKATAN RECURSIVE IMPORTANCE SAMPLING) 17106010030_BAB-II_sampai_SEBELUM-BAB-TERAKHIR.pdf - Published Version Restricted to Registered users only Download (8MB)

Abstract

Model regresi probit adalah model yang berfungsi untuk mengidentifikasi hubungan variabel respon yang sifatnya kategorik terhadap variabel prediktor yang sifatnya numerik, kategorik atau campuran dari keduanya. Dalam kasus ini, data yang diperoleh dari variabel respon pada regresi probit yang sifatnya kategorik juga bisa dipengaruhi dari kebiasaan daerah di sekitarnya karena adanya autokorelasi spasial. Apabila pengaruh dari autokorelasi spasial ini dilewatkan dan tetap memakai model probit standar, sehingga akan menghasilkan pendugaan parameter yang bias serta tidak konsisten. Demi mengatasi kasus ini. telah dikembangkan yaitu metode analisis probit memppertimbangkan faktor spasialnya adalah regresi probit spasial. Pada beberapa metode pendugaan yang memakai regresi probit spasial, kemudian metode recursive importance sampling (RIS) memiliki performa yang paling baik bahkan melebihi metode yang lainnya pada tingkat akurasinya. Metode itu selanjutnya diterapkan pada kasus indeks pembangunan manusia (IPM) di Jawa Tengah tahun 2020. Faktor yang paling berpengaruh signifikan pada pembentukan model regresi probit spasial pada indeks pembangunan manusia (IPM) di Jawa Tengah tahun 2020 yaitu usia harapan hidup, tingkat pengangguran terbuka, persentase penduduk miskin. Model itu mempunyai nilai akurasi yaitu 74,28 persen.>

Share this knowledge with your friends :

Actions (login required)

View Item