Efektifitas Model Regresi OLS (Ordinary Least Square) dan Geographically Weighted Regression (GWR) pada Indeks Pembangunan Manusia (IPM) di Provinsi Jawa Timur

Main Article Content

Nur Azizah Henny Pramoedyo

Abstract

Indeks Pembangunan Manusia (IPM) merupakan indikator penting untuk menilai keberhasilan dalam upaya membangun kualitas hidup manusia (masyarakat/penduduk). Pembangunan manusia di Jawa Timur mengalami peningkatan selama periode 2011 hingga 2016. Oleh karena itu, peningkatan IPM tersebut perlu dijaga agar IPM di Provinsi Jawa Timur lebih meningkat. Peningkatan IPM berdampak kepada peningkatan kualitas hidup masyarakat di Provinsi Jawa Timur. Guna meningkatkan IPM, faktor-faktor yang berpengaruh terhadap peningkatan IPM perlu ditingkatkan. Penelitian ini bertujuan untuk memodelkan IPM di Provinsi Jawa Timur tahun 2016 menggunakan model regresi linier OLS (Ordinary Least Square) dan Geographically Weighted Regression (GWR), mengetahui variabel yang mempengaruhi IPM dan membandingkan efektifitas kedua model tersebut. Hasil penelitian disimpulkan bahwa metode regresi OLS lebih efektif dalam memodelkan IPM dibandingkan dengan model GWR berdasarkan nilai Akaike’s Information Criterion (AIC). Nilai AIC pada regresi OLS (77,78) lebih rendah dibandingkan dengan model GWR (190,5837). Variabel independen yang mempengaruhi nilai IPM berdasarkan regresi OLS yaitu angka partisipasi kasar SMU (X1), jumlah rata-rata pengeluaran per kapita sebulan untuk makanan (X2) dan angka kematian bayi (X3) dengan nilai R2 sebesar 78,86%. Hal ini menunjukkan bahwa keragaman yang dapat dijelaskan oleh model regresi OLS pada IPM di Jawa Timur tahun 2016 sebesar 78,86%.

Article Details

How to Cite
AZIZAH, Nur; PRAMOEDYO, Henny. Efektifitas Model Regresi OLS (Ordinary Least Square) dan Geographically Weighted Regression (GWR) pada Indeks Pembangunan Manusia (IPM) di Provinsi Jawa Timur. Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai-Nilai Islami), [S.l.], v. 3, n. 1, p. [061-071], feb. 2020. Available at: <http://conferences.uin-malang.ac.id/index.php/SIMANIS/article/view/909>. Date accessed: 07 apr. 2020.
Section
Islam and Mathematics Integration

References

[1] Melliana, A., Zain, I. (2013). Analisis Statistika Faktor yang Mempengaruhi Indeks Pembangunan Manusia di Kabupaten/Provinsi Jawa Timur dengan Menggunakan Regresi Panel. Jurnal Sains dan Seni Pomits, 23337-3520.
[2] Muqorrobin, M., Soejoto, A. (2017). Pengaruh Indeks Pembangunan Manusia (IPM) Terhadap Pertumbuhan Ekonomi Provinsi di Jawa Timur. Jurnal Pendidikan Ekonomi, 5(3).
[3] Irjaya, R. (2017). Analisis Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Manusia (IPM) di Provinsi Jawa Timur Tahun 2012-2014. Skripsi. Tidak dipublikasikan. Universitas Muhammadiyah Surakarta.
[4] Putra, D. M., Ratnasari, V. (2015). Pemodelan Indeks Pembangunan Manusia (IPM) Provinsi Jawa Timur dengan Menggunakan Metode Regresi Logistik Ridge. Journal Sains dan Seni ITS, 2337 – 3520.
[5] Walpole, R. E., Myers, R. H., Myers, S. L., Ye, K. (2012). Probability & Statistics for Engineers & Scientist. 9th Edition. Boston: Pearson Education, Inc.
[6] Gujarati, D. (2003). Basic Econometrics. 4th Edition. USA: TheMcGraw-Hill Companies, United States Military Academy, West Point.
[7] Judd, C. M., McClelland, G.H, Ryan, C. S. (2017). Data Analysis: A Model Comparison Approach to Regression, ANOVA, and Beyond. 3rd Edition. New York: Routledge.
[8] Draper N. R., Smith H. (1992). Analisis Regresi Terapan. Edisi Kedua. Sumantri B : Penerjemah. Terjemahan dari Applied Regression Analysis. Jakarta: Gramedia.
[9] Hair Jr., J. F., Black, W. C., Babin, B. J., Anderson, R. E. (2014). Multivariate Data Analysis.7thEdition. Harlow: Pearson Education Limited.
[10] Bivand, R. S. (2010). Handbook of Applied Spatial Analysis: Software Tools, Methods and Applications. Diedit oleh Fischer, M. M. & Getis, A. Germany: Springer.
[11] Pramoedyo, H. (2017). Analisis Spasial Dasar. Malang: Universitas Negeri Malang (UM Press).
[12] Bivand, R. S.; Pebesma, E., Gomez-Rubio, V. (2013). Applied Spatial Data Analysis in R. New York: Springer-Verlag.
[13] Konishi, S., Kitagawa, G. (2018). Information Criteria and Statistical Modeling. USA: Springer Science + Business Media, LLC.