PEMODELAN JUMLAH PENDUDUK MISKIN DENGAN PENDEKATAN REGRESI NONPARAMETRIK ESTIMATOR KERNEL NADARAYA-WATSON

Dewi, Nadya Permata Tungga, B2A014008 (2018) PEMODELAN JUMLAH PENDUDUK MISKIN DENGAN PENDEKATAN REGRESI NONPARAMETRIK ESTIMATOR KERNEL NADARAYA-WATSON. Sarjana / Sarjana Terapan (S1/D4) thesis, ["eprint_fieldopt_institution_Universitas Muhammadiyah Semarang" not defined].

Preview	Text 3. ABSTRAK.pdf Download (463kB) | Preview
Preview	Text 4. BAB 1.pdf Download (805kB) | Preview
Preview	Text 5. BAB 2.pdf Download (811kB) | Preview
	Text 6. BAB 3.pdf Restricted to Repository staff only Download (756kB) | Request a copy
	Text 7. BAB 4.pdf Restricted to Repository staff only Download (1MB) | Request a copy
Preview	Text 8. BAB 5.pdf Download (701kB) | Preview
Preview	Text 9. DAFTAR PUSTAKA.pdf Download (683kB) | Preview

Abstract

Regresi nonparametrik dapat digunakan apabila hubungan antara variabel respon dan variabel prediktor memiliki bentuk pola yang tidak diketahui kurva regresinya. Salah satu fungsi yang dapat digunakan untuk menduga bentuk regresi nonparametrik adalah fungsi kernel Gaussian. Pada regresi kernel, terdapat beberapa jenis estimator yang dapat digunakan untuk memodelkan jumlah penduduk miskin di Jawa Tengah, salah satunya adalah estimator NadarayaWatson. Kemiskinan merupakan persoalan mendasar dan menjadi perhatian serius dari pemerintah dalam menyusun strategi pembangunan. Data dalam penelitian ini merupakan data sekunder mengenai kemiskinan di Kabupaten/Kota di Jawa Tengah tahun 2015 yang diperoleh dari Badan Pusat Statistik (BPS) dengan variabel responnya adalah jumlah penduduk miskin. Variabel prediktor yang digunakan adalah Angka Partisipasi Sekolah, Rata-rata Lama Sekolah, Tingkat Pengangguran Terbuka dan Laju Pertumbuhan Ekonomi. Dalam analisis regresi kernel, diperlukan bandwidth yang optimal untuk mengontrol kemulusan kurva yang diestimasi. Salah satu cara untuk mendapatkan nilai bandwith yang optimal adalah dengan Generalized Cross Validation (GCV) dan metode estimasi parameter yang digunakan adalah Weighted Least Square (WLS). Output yang dihasilkan program R menunjukkan bahwa nilai koefisien determinasi (R 2 ) sebesar 0.88646 dan nilai MSE yang diperoleh adalah sebesar 664.0642 dilihat dari nilai bandwidth optimal sebesar 0,006 dengan GCV minimumnya sebesar 938.9475.

Actions (login required)

View Item