Claim Missing Document
Check
Articles

Found 4 Documents
Search

MULTIVARIATE ADAPTIVE REGRESSION SPLINES MODELING FOR HOUSEHOLD FOOD SECURITY IN CENTRAL BORNEO PROVINCE 2017 Wibowo, Ananto
Global Science Education Journal Vol 1 No 1 (2019): Mei
Publisher : Sains Global Institut

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (611.987 KB)

Abstract

This study aims to make a model household food security with social, economic and demographic variables in Central Borneo Province using nonparametric regression, Multivariate Adaptive Regression Splines (MARS). The source of data was 2017 Socioeconomic Survey (SUSENAS) from Central Bureau of Statistics. The model shows that all variables have significant to affect household food security with importance level: area type (100%), age (99.47%), the amount of people in a household (88.57%), access to credit (81.01%), head of household education (19.74%), and gender (11.08%). In addition, there are four basic functions with no variable interaction, two basic functions with two variable interactions and two basic functions with three variable interactions on the MARS model specification.
Pemodelan Mars dan Regresi Logistik Rumah Tangga Miskin Kalimantan Tengah Tahun 2016 Wibowo, Ananto
JMPM: Jurnal Matematika dan Pendidikan Matematika Vol 3 No 1: Maret
Publisher : Prodi Pendidikan Matematika Universitas Pesantren Tinggi Darul Ulum Jombang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/jmpm.v3i1.1023

Abstract

Kemiskinan merupakan masalah multidimensi yang dapat menyebabkan berbagai persoalan baik secara ekonomi, sosial budaya dan politik. Oleh karena itu, pemerintah berupaya merumuskan kebijakan yang sesuai untuk mengatasi hal tersebut. Upaya pemerintah perlu didukung dengan analisis ekonomi menggunakan model statistik yang akurat. Studi ini bertujuan untuk menganalisis variabel-variabel yang signifikan berpengaruh terhadap rumah tangga miskin Kalimantan Tengah dengan regresi logistik dan Multivariate Adaptive Regression Splines (MARS) serta membandingkan performa kedua metode tersebut. Data yang digunakan adalah data SUSENAS Tahun 2016 bersumber dari Badan Pusat Statistik (BPS). Hasil kedua metode menunjukkan bahwa variabel jumlah anggota rumah tangga memiliki peran terbesar sebagai penentu kemiskinan rumah tangga. Selain itu, regresi logistik juga dianggap memiliki performa yang lebih baik dalam pemodelan dibandingkan metode MARS karena mempunyai nilai APER yang lebih kecil dan jumlah variabel signifikan yang lebih banyak.
Perbaikan Asumsi Autokorelasi Menggunakan Metode Cochrane-Orcutt (Studi Apakah Minyak Dan Gas Merupakan Berkah Atau Musibah) Wibowo, Ananto
JMPM: Jurnal Matematika dan Pendidikan Matematika Vol 5 No 1: March - August 2020
Publisher : Prodi Pendidikan Matematika Universitas Pesantren Tinggi Darul Ulum Jombang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/jmpm.v5i1.1926

Abstract

Indonesia merupakan salah satu negara berkembang dengan potensi Sumber Daya Alam (SDA) yang melimpah. Namun, terdapat dugaan paradoks keberlimpahan dimana negara kaya akan SDA tidak selalu dapat dimanfaatkan dengan baik oleh daerah yang memilikinya. Studi ini bertujuan untuk mengetahui apakah kutukan minyak dan gas sedang terjadi di Indonesia dengan perbaikan asumsi autokorelasi pada model yang terbentuk menggunakan metode Cochrane-Orcutt. Sumber data berasal dari Badan Pusat Statistik (BPS) dengan series tahun 2000 triwulan 1 hingga 2019 triwulan 4. Hasil menunjukkan bahwa pelanggaran asumsi autokorelasi terjadi pada model sehingga dilakukan perbaikan menggunakan metode Cochrane-Orcutt sebanyak dua kali iterasi. Share migas justru memberikan efek negatif terdahap pertumbuhan PDB tanpa migas. Dengan kata lain, migas bukan merupakan berkah melainkan kutukan di dalam perekonomian Indonesia.
Comparison of Logistic Regression Model and MARS Using Multicollinearity Data Simulation Wibowo, Ananto; Ridha, M. Rismawan
JTAM (Jurnal Teori dan Aplikasi Matematika) Vol 4, No 1 (2020): April
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (904.62 KB) | DOI: 10.31764/jtam.v4i1.1801

Abstract

There are several statistical methods used to model the effect of predictor variables on categorical response variables, namely logistic regression and Multivariate Adaptive Regression Splines (MARS). However, neither MARS nor logistic regression allows multicollinearity on any predictor variables. This study applies the use of both methods to the simulation data with principal component analysis as an improvement in multicollinearity to find out which regression has better performance. The result of the analysis shows that MARS is very powerful in modeling research simulation data. Besides, based on the criteria of the number of significant major components, accuracy, sensitivity, and specificity values, MARS has more appropriate performance than logistic regression.