Garuda - Garba Rujukan Digital

Penggunaan Small Area Estimation dengan Fay-Herriot pada Angka Partisipasi Kasar Perguruan Tinggi di Provinsi Jawa Barat Tahun 2019. Putri Alifia Azzahra; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 2 No. 2 (2022): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Abstract. Education is one of the sustainable development goals (SDGs). To find out whether education can be said to be good, it can be calculated using one of the indicators, namely the Gross Enrollment Rate (GER). GER in Higher Education can show that people can take higher education. The Gross Higher Education Enrollment Rate (APK-PT) only reaches 30.28% of the 19-23 year old school-age population (BPS, 2019). If viewed according to province, West Java province has a fairly low value of the Higher Higher Education Gross Enrollment Rate (APK-PT) of 25.15%. In this study, the Small Area Estimation (SAE) method with the Fay Herriot method will be used. The Small Area Estimation method is used because this study only uses a small area. The purpose of this study was to determine the APK-PT equation model using SAE Fay Herriot, to know the comparison of estimates directly or indirectly, and to know the comparison of the coefficient of variation values to evaluate the predicted results. In conducting the research, the data to be used is secondary data obtained from the Central Statistics Agency (BPS). The results of this study indicate that the model of SAE Fay Herriot is Y = 15.659257+0.288636 (Number of Universities in West Java) with the coefficient of variation of the direct estimator being greater than the coefficient of variation of the indirect estimator. Abstrak. Pendidikan merupakan salah satu tujuan pembangunan berkelanjutan atau Suistainable Development Goals (SDGs). Untuk mengetahui apakah pendidikan dapat dikatakan dengan baik, maka dapat dihitung menggunakan salah satu indikator yaitu Angka Partisipasi Kasar (APK). APK pada Perguruan Tinggi dapat menunjukkan bahwa masyarakat dapat menempuh pendidikan tinggi. Angka Partisipasi Kasar Perguruan Tinggi (APK-PT) hanya mencapai 30.28% dari populasi penduduk usia sekolah 19-23 tahun (BPS, 2019). Jika dilihat sesuai provinsi, provinsi Jawa Barat memiliki nilai Angka Partisipasi Kasar Perguruan Tinggi (APK-PT) cukup rendah yaitu 25.15%. Dalam penelitian ini akan menggunakan metode Small Area Estimation (SAE) dengan metode Fay Herriot. Digunakannya metode Small Area Estimation ini karena penelitian ini hanya menggunakan suatu area kecil. Tujuan dari penelitian ini adalah untuk mengetahui model persamaan APK-PT dengan menggunakan SAE Fay Herriot, dapat mengetahui perbandingan pendugaan secara langsung maupun tidak langsung, dan dapat mengetahui perbandingan nilai koefisien variasi untuk mengevaluasi terhadap hasil dugaan. Dalam melakukan penelitian, data yang akan dipakai merupakan data sekunder yang didapat dari Badan Pusat Statistik (BPS). Hasil dari penelitian ini menunjukkan bahwa, model dari SAE Fay Herriot adalah Y ̂= 15.659257+0.288636 (Jumlah Perguruan Tinggi di Jawa Barat) dengan nilai koefisien variasi penduga langsung lebih besar dari koefisien variasi penduga tidak langsung.

Penerapan Metode Penduga Area Kecil untuk Menduga Jumlah Pengangguran di Provinsi Jawa Barat Tahun 2020 dengan Model Poisson Gamma Novita Sheisariana Fahira; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 2 No. 2 (2022): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Abstract. Small Area Estimation (SAE) is a statistical technique used to estimate the parameters of a small area. One of the SAE methods is Empirical Bayes (EB), where this method is used for binary or count data whose parameter estimators are more influenced by information from the data due to lack of information to determine the prior distribution. One application of the Empirical Bayes method is the Poisson-Gamma model. The purpose of this study is to estimate a small area of unemployment in West Java Province in 2020 using the empirical Bayes method based on the Poisson-Gamma model and to see the accuracy of the Small Area Estimation value based on the Mean Square Error (MSE) value using the Jackknife method. The results show that the empirical Bayes method based on the Poisson-Gamma model is good for estimating a small area for the number of unemployed in West Java because the MSE value obtained for estimating a small area using the empirical Bayes method is very small. Abstrak. Penduga area kecil atau Small Area Estimation (SAE) merupakan suatu teknik statistika yang digunakan untuk menduga parameter-parameter area kecil. Salah satu metode penduga area kecil yaitu Empirical Bayes (EB), dimana metode ini digunakan untuk data biner atau cacahan yang penduga parameternya lebih dipengaruhi oleh informasi dari data (empirik) karena kekurangan informasi untuk menentukan distribusi priornya. Salah satu penerapan metode Empirical Bayes yaitu model Poisson-Gamma. Tujuan dari penelitian ini yaitu untuk melakukan pendugaan area kecil pada jumlah pengangguran Provinsi Jawa Barat tahun 2020 dengan metode empirical Bayes berbasis model Poisson-Gamma serta melihat keakuratan dan ketepatan nilai pendugaan area kecil berdasarkan nilai Mean Square Error (MSE) menggunakan metode Jackknife. Hasil penelitian menunjukan bahwa metode empirical Bayes berbasis model Poisson-Gamma baik digunakan dalam pendugaan area kecil untuk jumlah pengangguran di Jawa Barat karena nilai MSE yang diperoleh untuk pendugaan area kecil dengan metode empirical Bayes sangat kecil.

Implementasi Zero Inflated Beta Regression Model pada Proporsi Kematian Ibu di Kota Bandung Tahun 2020 Labana Kaulika; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 3 No. 2 (2023): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v3i2.7879

Abstract. Zero inflated beta is a mixture of the continous distribution on (0, 1) and the generated distribution which can produce a non-negative probability to 0. Zero Inflated Beta Regression (BeZI) is a method that can handle or model data that has a high proportion of zeros or there are excess zeros in the data. In this study, the response variable y has a mix between the beta distribution and the point mass at zero. Estimation of the regression parameters from the zero inflated beta regression model uses the Maximum Likelihood Estimation (MLE), where the estimation process is solved numerically. The numerical method used is the Fisher’s scoring method based on the score vector and the Fisher Information matrix to estimate the parameters of the maternal mortality rate in the city of Bandung in 2020. The results of the research on the count regression model show that the percentage variable K1 has a negative effect on the proportion of maternal deaths in Bandung City in 2020, while in the zero inflation model it is found that there are no variables that have an influence on the proportion when maternal deaths do not occur. Abstrak. Zero inflated beta merupakan campuran distribusi kontinu pada (0, 1) dan distribusi yang dibangkitkan dimana dapat menghasilkan probabilitas non-negatif ke 0. Zero Inflated Beta Regression (BeZI) merupakan metode yang dapat menangani atau memodelkan suatu data yang memiliki proporsi nol yang tinggi atau terdapat excess zero dalam data. Dalam skripsi ini, variabel respon memiliki percampuran antara distribusi beta dan titik massa pada nol. Penaksiran parameter regresi dari model regresi zero inflated beta menggunakan Maximum Likelihood Estimation (MLE), dimana proses penaksirannya diselesaikan secara numerik. Metode numerik yang digunakan yaitu metode Fisher’s scoring berdasarkan pada vektor skor dan matriks informasi Fisher untuk menaksir parameter dari angka kematian ibu di kota bandung tahun 2020. Hasil penelitian pada model count regression diperoleh bahwa variabel persentase K1 memiliki pengaruh negatif terhadap proporsi kematian ibu Kota Bandung tahun 2020, sedangkan pada model zero inflation diperoleh bahwa tidak ada variabel yang memiliki pengaruh terhadap proporsi pada saat tidak terjadinya kematian ibu.

Pendekatan Baru dari Transformasi Box-Cox untuk Mengatasi Masalah Ketidaknormalan pada Variabel Respon Dwi Andini Juniawati; Nusar Hajarisman
Bandung Conference Series: Statistics Vol. 3 No. 2 (2023): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v3i2.8553

Abstract. Regression analysis is used to model between two quantitative variables. When doing regression modeling it is often found that the data is not normally distributed, the way to overcome this is to do a transformation. One of the transformations used is the Box-Cox transformation. Box and Cox consider a single-parameter transformation class, namely the parameter λ with respect to Y so that with λ is the parameter to be estimated. Estimation of the parameter λ uses a maximum likelihood estimator. In general, the value of λ is assumed to be known, but some values of λ (called ) the assumption of normality are not met. This has an impact on the problem of parameter estimation based on maximum likelihood to be inappropriate so that another alternative is needed to obtain the value of λ, namely using a new approach method which is carried out by means of a grid search combined with normality testing. In this study a new approach to the Box-Cox transformation method will involve the response variable, namely the amount of poverty and the predictor variables, namely the Open Unemployment Rate, Human Development Index, and Minimum Wage. In this study, we wanted to find out the factors that influence the amount of poverty in West Java Province in 2022. The data used is secondary data sourced from the Central Statistics Agency and the West Java Province Website. From the analysis results, the optimum λ estimation is 0.5 and the regression model is y^3/5 = (0.0168^5/3 + (1.2410^(5/3)X1) - (2.3160^(5/3)X2) + (0.00000066^(5/3)X3) Abstrak. Analisis regresi digunakan untuk memodelkan di antara dua variabel kuantitatif. Ketika melakukan pemodelan regresi sering kali ditemukan data tidak berdistribusi normal, cara untuk mengatasinya dapat melakukan transformasi. Salah satu transformasi yang digunakan adalah transformasi Box-Cox. Box dan Cox mempertimbangkan kelas transformasi berparameter tunggal yaitu parameter λ terhadap Y sehingga menjadi dengan λ adalah parameter yang harus diduga. Pendugaan parameter λ menggunakan penduga kemungkinan maksimum. Pada umumnya nilai λ diasumsikan sudah diketahui, namun beberapa nilai dari λ (disebut ) asumsi kenormalan tidak terpenuhi. Hal ini berdampak pada masalah pendugaan parameter yang didasarkan pada kemungkinan maksimum menjadi tidak tepat sehingga perlu alternatif lain untuk memperoleh nilai λ yaitu menggunakan metode pendekatan baru yang dilakukan dengan cara pencarian secara grid yang dikombinasikan dengan pengujian kenormalan. Dalam penelitian ini pendekatan baru metode transformasi Box-Cox akan melibatkan variabel respon yaitu Jumlah kemiskinan dan variabel prediktor yaitu Tingkat Pengangguran Terbuka, Indeks Pembangunan Manusia, dan Upah Minimum Kerja. Pada penelitian ini ingin mengetahui faktor-faktor yang mempengaruhi jumlah kemiskinan di Provinsi Jawa Barat tahun 2022. Data yang digunakan adalah data sekunder yang bersumber dari Badan Pusat Statistika dan Website Provinsi Jawa Barat. Dari hasil analisis didapat pendugaan λ yang optimum yaitu 0.5 dan model regresi y^3/5 = (0.0168^5/3 + (1.2410^(5/3)X1) - (2.3160^(5/3)X2) + (0.00000066^(5/3)X3)

Title

Found 4 Documents
Search

Abstract

Abstract

Abstract

Abstract

Title Search

Found 4 Documents Search

Abstract

Abstract

Abstract

Abstract

Title

Found 4 Documents
Search