Garuda - Garba Rujukan Digital

ANALISIS BIPLOT UNTUK PEMETAAN KARAKTERISTIK KEMISKINAN PADA KABUPATEN/KOTA DI JAWA TIMUR anuraga, gangga
J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 7 No 1 (2015): J Statistika: Jurnal Imiah dan Aplikasi Statistika
Publisher : Fakultas Sains dan Teknologi Univ. PGRI Adi Buana Surabaya

Analisis biplot bertujuanmemperagakan suatumatriks dengan menum-pang tindihkan vektor-vektor yangmerepresentasikan vektor-vektor baris dengan vektor-vektor yangmerepresentasikan vektor-vektor kolom matriks tersebut.Biplot dilakukan dengan menguaraikan nilai singular atau singular value decomposition (SVD). SVD bertujuan untuk menguraikan nilai singular matrik Y yang merupakan matrik X berukuran n x p yang sudah dikoreksi dengan mean, dan kemudian dibangkitkan matriks dan .Hasil analisis faktor diketahui bahwa terbentuk tiga faktor utama yang mewakili variabel asal, yaitu dengan total keragaman yang dapat dijelaskan adalah sebesar 71,427%. Hasil biplot untuk faktor 1 adalah Kabupaten Jombang, Bangkalan, Blitar, Jember, Tuban, Madiun, Lumajang, Nganjuk, Sumenep, Trenggalek, Sampang, Pamekasan, Probolinggo dimana mempunyai kemiripan persentase rumah tangga yang pernah membeli beras raskin (X3) cukup tinggi. Kabupaten Tulungagung, Magetan, Lamongan, Pasuruan, Ngawi, Bojonegoro, Situbondo, Ponorogo, Pacitan, Bondowoso mem-punyai karakteristik persentasependudukmiskinusia 15 tahunkeatas yang bekerja di sektorpertanian (X2) dan persentaserumahtanggamiskin yang men-dapatkanpelayananjamkesmas (X15) yang relatif tinggi.Dan hasil biplot untuk kombinasi faktor 2 dan 3 dapat diketahui bahwa Kabupaten Sampang, Pamekasan, Sumenep, Kota Probolinggo, Kabupaten Malang, Lumajang, Banyuwangi, Bojonegoro, Pasuruan, Probolinggo, Situbondo, Bondowoso, Jember mempunyai kemiripan karakteristik dalam hal persentasependudukmiskinusia 15 tahunkeatas yang tidaktamat SD (X5) yang cukup tinggi. Kesesuaian (goodness of fit) pada biplot faktor 1 sebesar 0,6712 atau 67,12%, biplot pada faktor 2 dan 3 sebesar 0,7935 atau 79,35%.

HIERARCHICAL CLUSTERING MULTISCALE BOOTSTRAP UNTUK PENGELOMPOKAN KEMISKINAN DI JAWA TIMUR Gangga Anuraga
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 3, No 1 (2015): Jurnal Statistika
Publisher : Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muham

Kemiskinan di Jawa Timur merupakan problematika hingga sekarang. Berbagaiprogram telah direncanakan guna menanggulangi permasalahan tersebut. Agar program tersebut dapat terlaksana optimal, perlu strategi perencanaan yang mendalam terutama terkait pemetaan daerah dan karakteristik kemiskinannya. Metode hierarki complete linkage digunakan untuk mengelompokkan daerah-daerah berdasarkan kemiripan karakteristik. Penggunaan metode hierarki dengan teknik pengukuran jarak hanya memberikan satu solusi dalam penyelesaiannya, yaitu didasarkan pada ukuran kemiripan pada teknik jarak yang digunakan. Sehingga penelitian ini menggunakan pendekatan multiscale bootstrap untuk memberikan ukuran ketidaktentuan dalam metode pengelompokan klasik hierarchical clustering. Metode ini bekerja dengan pendekatan bootstrap resampling untuk setiap kelompok (cluster).Pendekatan multiscale bootstrap dalam Hierarchical Cluster Analysis memiliki kestabilan pada saat iterasi B = 500. Hal itu dapat diketahui dari signifikansi nilai AU (P-values) yang mendekati 0.95 dengan nilai standar error bootstrap yang kecil.Terdapat lima kelompok(cluster) yang terbentuk dengan kemiripan satu dengan yang lain dan signifikan dengan nilai AU (Approximately Unbiased) p_value0,95. Berdasarkan signifikansi Approximately unbiassed (AU) p-values0,95, kelompok kelima yang terdiri dari Kabupaten Jember, Kabupaten Bondowoso, Kabupaten Situbondo, Kabupaten Probolinggo, Kabupaten Pasuruan dapat dikatakan sebagai daerah yang masih cukup tinggi persentase kemiskinannya dibandingkan dengan kelompok 1, 2, 3,dan 4.Kata Kunci : Approximately Unbiassed (AU) p-values, clustering hierarki completelinkage, multiscale bootstrap, kemiskinan

PEMODELAN KEMISKINAN DI JAWA TIMUR DENGAN STRUCTURAL EQUATION MODELING-PARTIAL LEAST SQUARE Gangga Anuraga; Bambang Widjanarko Otok
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 1, No 2 (2013): Jurnal Statistika
Publisher : Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muham

Structural Equation Modeling (SEM) menggambarkan hubungan kausalitas antarvariabel yang tidak bisa dijelaskan pada analisis regresi biasa, sehingga dapat diketahui seberapa baik suatu variabel indikator menentukan variabel laten. Seringkali dalam pengamatan di suatu lokasi bergantung pada pengamatan di lokasi lain yang berdekatan(neighboring). Sehingga untuk mengatasinya, efek lokasi dimasukkan dalam model. Didapatkan bahwa semua indikator yang terboboti pada setiap variabel laten adalah valid dan signifikan, dengan reliability yang baik pada semua variabel laten kemiskinan, ekonomi, SDM, kesehatan. Nilai R-square (R2) untuk SDM sebesar 0.988 yang artinya model mampu menjelaskan variasi dari SDM pada kasus kemiskinan di Provinsi Jatim sebesar 98.8%, Ekonomi sebesar 0.986 atau 98.6% dan model kemiskinan sebesar 0,925 atau 92.5%. Kata Kunci : Kemiskinan, neighboring, Partial Least Square, Structural EquationModeling (SEM)

AUTOKORELASI SPASIAL UNTUK PEMETAAN KARAKTERISTIK INDEKS PEMBANGUNAN KESEHATAN MASYARAKAT (IPKM) PADA KABUPATEN/KOTA DI JAWA TIMUR Gangga Anuraga; Edy Sulistiyawan
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 5, No 2 (2017): Jurnal Statistika
Publisher : Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muham

Indeks Pembangunan Kesehatan Masyarakat (IPKM) merupakan kumpulan indikator kesehatan yang dapat dengan mudah dan langsung diukur untuk menggambarkan masalah kesehatan suatu daerah. Beberapa penelitian seringkali ditemukan keterlibatan aspek kewilayahan (spasial) dalam suatu variabel, sehingga dalam pengembangannya perlu dipertimbangkan aspek spasial tersebut. Penelitian ini menggunakan Moran’s I dan Local Moran’s I (LISA) untuk mengetahui pola spasial dan asosiasi spasial pada data IPKM 2013 di 38 Kabupaten/Kota Jawa Timur. Hasil analisis Moran’s I didapatkan IPKM (Y), Indeks Kesehatan Balita (X1), Indeks Kesehatan Reproduksi (X2), Indeks Perilaku Kesehatan (X4), Indeks Penyakit Tidak Menular (X5), Indeks Penyakit Menular (X6) dan Indeks Kesehatan Lingkungan (X7) lebih kecil dari α = 0,05, artinya ada autokorelasi antar lokasi secara keseluruhan. Indikator kesehatan Indeks Pelayanan Kesehatan (X3) tidak signifikan atau tidak terjadi autokorelasi spasial antar lokasi karena probabilitas atau p_value Moran’s I lebih besar dari α = 0,05. Hasil analisis LISA untuk indikator kesehatan Indeks Penyakit Menular (X6), kabupaten/kota yang mengelompok dan memiliki karakteristik Indeks Penyakit Menular (X6) tinggiatau terletak pada kuadran High-High,kabupaten nganjuk, kabupaten madiun, kabupaten magetan, kabupaten ponorogo, kabupaten trenggalek, kabupaten tulungagung dan kabupaten pacitan. Sedangkan kabupaten/kota yang mengelompok atau terletak pada kuadran Low-Low adalah kabupaten pamekasan dan kabupaten sumenep, kabupaten probolinggo. Kata Kunci: Asosiasi Spasial, IPKM, Local Moran’s I, Moran’s I, Pola Spasial

REGRESI KUANTIL PENDEKATAN BOOTSTRAP UNTUK PEMODELAN KEMISKINAN DI PULAU JAWA Gangga Anuraga; Permadina K. Arieska
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 4, No 2 (2016): Jurnal Statistika
Publisher : Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muham

Kemiskinan merupakan masalah multidimensi dan lintas sektor yang dipengaruhi oleh berbagai faktor yang saling berkaitan, antara lain tingkat pendapatan, kesehatan, pendidikan, akses terhadap barang dan jasa, lokasi, geografis, gender, dan kondisilingkungan. Untuk itu, dalam rangka menunjang keberhasilan pelaksanaan program pembangunan terutama yang berkaitan dengan penanggulangan kemiskinan di Indonesia khususnya di Pulau Jawa, diperlukan suatu penelitian yang dapat mengetahuiinformasi mengenai faktor-faktor yang berpengaruh terhadap kemiskinan.Penelitian ini menggunakan regresi kuantil dengan pendekatan bootstrap, metode ini memiliki kelebihan dapat mengatasi masalah pencilan (outlier) dan heteroskedastisitas. Nilai kuantil yang digunakan dalam penelitian yaitu kuantil ke-? = 0,25; ? = 0,5; ? = 0,75 dan ? = 0,99 denganresampling 500 pada bootstrap standard error.Hasil regresi kuantil pada masing-masing kuantil dengan resampling 500 bootstrap standard error menunjukkan bahwa kuantil ? = 0,25memiliki standar error yang relatif lebih kecil daripada kuantil? = 0,5, ? = 0,75 dan ? = 0,99. Model regresi kuantil dalam penelitian ini mengindikasikan adanya multikolinieritas, sehingga dengan nilai pseudo R 2 sebesar 61,4% terdapat banyak variable yang tidak signifikan dalam model pada ke? = 0,25.Kata Kunci : Bootstrap standard error, Heteroskedastisitas, Kemiskinan, Regresi Kuantil

Title

Found 5 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 5 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 5 Documents
Search