Article Per Year (5 Year)
p-Index From 2021 - 2026
0
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Riset Kuantitatif Terapan 2017
Ghazali, Muhammad
Prosiding Seminar Nasional Riset Kuantitatif Terapan 2017
Education

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

Found 1 Documents
Search

 1 
PEMODELAN PENGARUH RATA-RATA LAMA SEKOLAH TERHADAP INDEKS KEDALAMAN KEMISKINAN DI INDONESIA MENGGUNAKAN SUPPORT VECTOR REGRESSION Fitriati, Ita; Ghazali, Muhammad
Prosiding Seminar Nasional Riset Kuantitatif Terapan 2017 Vol 1, No 1 (2017): Seminar Nasional Riset Kuantitatif Terapan 2017
Publisher : Prosiding Seminar Nasional Riset Kuantitatif Terapan 2017

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (215.179 KB)

Abstract

Indeks Kedalaman  Kemiskinan  merupakan  ukuran  rata-rata kesenjangan  penyebaran  pengeluaran  masing-masing  penduduk terhadap  garis  kemiskinan.  Banyak  faktor  yang  mempengaruhi indeks  kedalaman  kemiskinan,  baik  dari  indikator  kesehatan, SDM  maupun  ekonomi.  Oleh karena itu diperlukan sebuah pemodelan statistika untuk menganalisa faktor-faktor yang mempengaruhi indeks kedalaman kemiskinan di Indonesia. Dalam beberapa penelitian sebelumnya, salah satu variabel yang mempengaruhi Indeks Kedalaman Kemiskinan adalah variabel rata-rata lama sekolah di setiap kabupaten/kota di seluruh Indonesia. Data yang digunakan dalam penelitian ini bersumber dari data SUSENAS dengan individu pengamatan adalah seluruh kabupaten/kota di Indonesia tahun 2012. Pada penelitian ini digunakan metode Support Vector Regression (SVR) untuk menaksir Indeks Kedalaman Kemiskinan (Y) dengan menggunakan variabel prediktor Rata-rata lama sekolah (X). Model Support Vector Regression (SVR) pada penelitian ini menggunakan beberapa kernel berbeda yaitu kernel linear, polynomial dan RBF. Kriteria model terbaik adalah model yang menghasilkan MSE yang terkecil dan R2 terbesar. Model terbaik yang dihasilkan adalah model dengan menggunakan kernel RBF. Penelitian ini penting untuk menganalisa dengan lebih akurat terhadap faktor kemiskinan di Indonesia.Kata Kunci– Data Kemiskinan, SVR, Regresi, kernel.
Co-Authors Ita Fitriati