Mochammad Reza Habibi
Departemen Statistika Bisnis, Fakultas Vokasi, Institut Teknologi Sepuluh Nopember, Kampus ITS Sukolilo-Surabaya, 60111

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

ANALISIS TINGKAT KESEJAHTERAAN NELAYAN DI KECAMATAN BULAK, KOTA SURABAYA Fausania Hibatullah; Dwi Endah Kusrini; Mochammad Reza Habibi; Rizka Widya B; Athaya Raihan Z; Aisyah Amalia S; Labiba Safaalma S; Aditya Bagas S; Azzahra Sabrinaninda P
Journal of Innovation Research and Knowledge Vol. 3 No. 7: Desember 2023
Publisher : Bajang Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Selain menjadi kota metropolitan terbesar kedua di Indonesia, Surabaya juga merupakan kota pesisir yang memiliki potensi tinggi di sektor perikanan dan kelautan. Banyak warga Surabaya mencari nafkah sebagai nelayan yang tersebar di 9 kecamatan. Namun, sayangnya, masih banyak nelayan yang mengalami rendahnya tingkat kesejahteraan, termasuk nelayan di Kecamatan Bulak. Tingkat kesejahteraan ini dapat dipengaruhi oleh berbagai faktor. Oleh karena itu, penelitian ini bertujuan untuk menganalisis faktor-faktor yang diduga memengaruhi tingkat kesejahteraan nelayan di Kecamatan Bulak menggunakan metode regresi logistik biner. Data yang digunakan dalam penelitian ini bersumber dari survei langsung kepada para nelayan di Kecamatan Bulak, dengan pengambilan sampel menggunakan metode klaster satu tahap. Data kemudian dideskripsikan dalam tabel kontingensi untuk semua variabel prediktor yang berbentuk kategori. Selanjutnya, dilakukan uji independensi dan analisis menggunakan regresi logistik biner, yang melibatkan uji signifikansi parameter secara serentak dan parsial, pembentukan model, kesesuaian parameter, odds ratio, dan ketepatan klasifikasi. Hasil penelitian menunjukkan bahwa lamanya waktu melaut dan jarak tempuh melaut saling berhubungan dengan tingkat kesejahteraan nelayan. Keduanya memiliki pengaruh signifikan pada uji parameter secara serentak dan parsial. Model yang terbentuk dianggap sesuai, dengan persentase ketepatan klasifikasi sebesar 66,2%.