Claim Missing Document
Check
Articles

Found 2 Documents
Search

Pemodelan Regresi Logistik Ordinal Pada Indeks Pembangunan Manusia (IPM) Di Jawa Timur Tahun 2020 Muhammad Arif Budiman; Nita Cahyani
Jurnal Statistika dan Komputasi Vol. 1 No. 2 (2022): Jurnal Statistika dan Komputasi
Publisher : Universitas Nahdlatul Ulama Sunan Giri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (354.664 KB) | DOI: 10.32665/statkom.v1i2.1169

Abstract

Latar Belakang: Pemerintah terus menerus melakukan pembangunan di segala aspek yaitu aspek pendidikan, kesehatan, dan kehidupan yang layak. Untuk mengukur keberhasilan pembangunan, salah satunya digunakan indikator yaitu Indeks Pembangunan Manusia (IPM). Untuk menganalisis IPM, perlu digunakan pemodelan statistik yang bisa memberikan analisis faktor-faktor penyebab yang mempengaruhi IPM. Tujuan: Menganalisis faktor-faktor yang mempengaruhi IPM di Jawa Timur pada tahun 2020 dengan pemodelan Regresi Logistik Ordinal. Metode: Digunakan  metode penelitian kuantitatif dengan menngunakan metode Regresi logistik dengan menggunakan bantuan software SPSS. Data yang digunakan berasal dari BPS provinsi Jawa Timur berupa data IPM yang berskala ordinal. Faktor-faktor berpengaruh yang diamati yaitu Jumlah Tenaga Pendidik, Jumlah Tenaga Kesehatan, Persentase Rumah Tangga yang Mempunyai Fasilitas Buang Air Besar, Laju Pertumbuhan Penduduk, PDRB per Kapita, dan Tingkat Partisipasi Angkatan Kerja yang berskala rasio. Hasil: Diperoleh nilai ketepatan klasifikasi relatif pada pemodelan IPM di Jawa Timur dengan model Regresi Logistik Ordinal sebesar 76,3%. Diperoleh faktor-faktor yang signifikan mempengaruhi IPM di Jawa Timur pada tahun 2020 adalah Persentase Rumah Tangga yang Mempunyai Fasilitas Buang Air Besar dan Tingkat Partisipasi Angkatan Kerja. Kesimpulan: Persentase Rumah Tangga yang Mempunyai Fasilitas Buang Air Besar dan Tingkat Partisipasi Angkatan Kerja mempengaruhi Indeks Pembangunan Manusia (IPM) di Jawa Timur tahun 2020. Model regresi logistil ordinal juga memiliki keakuratan yang baik dalam klasifikasi IPM.  
Pemodelan Regresi Logistik Ordinal Pada Indeks Pembangunan Manusia (IPM) Di Jawa Timur Tahun 2020 Muhammad Arif Budiman; Nita Cahyani
Jurnal Statistika dan Komputasi Vol. 1 No. 2 (2022): Jurnal Statistika dan Komputasi
Publisher : Universitas Nahdlatul Ulama Sunan Giri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32665/statkom.v1i2.1169

Abstract

Latar Belakang: Pemerintah terus menerus melakukan pembangunan di segala aspek yaitu aspek pendidikan, kesehatan, dan kehidupan yang layak. Untuk mengukur keberhasilan pembangunan, salah satunya digunakan indikator yaitu Indeks Pembangunan Manusia (IPM). Untuk menganalisis IPM, perlu digunakan pemodelan statistik yang bisa memberikan analisis faktor-faktor penyebab yang mempengaruhi IPM. Tujuan: Menganalisis faktor-faktor yang mempengaruhi IPM di Jawa Timur pada tahun 2020 dengan pemodelan Regresi Logistik Ordinal. Metode: Digunakan  metode penelitian kuantitatif dengan menngunakan metode Regresi logistik dengan menggunakan bantuan software SPSS. Data yang digunakan berasal dari BPS provinsi Jawa Timur berupa data IPM yang berskala ordinal. Faktor-faktor berpengaruh yang diamati yaitu Jumlah Tenaga Pendidik, Jumlah Tenaga Kesehatan, Persentase Rumah Tangga yang Mempunyai Fasilitas Buang Air Besar, Laju Pertumbuhan Penduduk, PDRB per Kapita, dan Tingkat Partisipasi Angkatan Kerja yang berskala rasio. Hasil: Diperoleh nilai ketepatan klasifikasi relatif pada pemodelan IPM di Jawa Timur dengan model Regresi Logistik Ordinal sebesar 76,3%. Diperoleh faktor-faktor yang signifikan mempengaruhi IPM di Jawa Timur pada tahun 2020 adalah Persentase Rumah Tangga yang Mempunyai Fasilitas Buang Air Besar dan Tingkat Partisipasi Angkatan Kerja. Kesimpulan: Persentase Rumah Tangga yang Mempunyai Fasilitas Buang Air Besar dan Tingkat Partisipasi Angkatan Kerja mempengaruhi Indeks Pembangunan Manusia (IPM) di Jawa Timur tahun 2020. Model regresi logistil ordinal juga memiliki keakuratan yang baik dalam klasifikasi IPM.