METODE MAXIMUM LIKELIHOOD DALAM PENAKSIRAN MODEL SPATIAL AUTOREGRESSIVE (Studi Kasus: Indeks Pembangunan Manusia Seluruh Provinsi di Indonesia pada Tahun 2016)

Henny Helmi
{"title":"METODE MAXIMUM LIKELIHOOD DALAM PENAKSIRAN MODEL SPATIAL AUTOREGRESSIVE (Studi Kasus: Indeks Pembangunan Manusia Seluruh Provinsi di Indonesia pada Tahun 2016)","authors":"Henny Helmi","doi":"10.26418/bbimst.v8i3.33585","DOIUrl":null,"url":null,"abstract":"Indeks Pembangunan Manusia (IPM) adalah suatu indikator tingkat kualitas hidup manusia melalui berbagai faktor yang mempengaruhi. Pembangunan manusia terus mengalami kemajuan seiring dengan meningkatnya Indeks Pembangunan Manusia (IPM). Data IPM setiap tahunnya pasti berbeda-beda, hal ini memungkinkan adanya saling ketergantungan dari faktor-faktor yang mempengaruhi IPM dengan terjadinya korelasi antardaerah. Permasalahan ini dapat dimodelkan dalam bentuk pemodelan spasial. Salah satu pemodelan spasial adalah model Spatial Autoregressive (SAR). Pada penelitian ini dilakukan pemodelan SAR dengan tujuan untuk menganalisis adanya dependensi spasial dari beberapa lokasi dan pengaruh faktor-faktor dari suatu variabel independen. Pada estimasi model SAR digunakan metode Maximum Likelihood dan diterapkan pada kasus IPM seluruh provinsi di Indonesia pada tahun 2016. Hasil penelitian diperoleh bahwa terdapat dependensi lag spasial antarprovinsi yang berarti provinsi yang berdekatan memiliki nilai yang cenderung mirip. Uji dependensi spasial dilakukan pada matriks pembobot dengan metode queen contiguity dan diperoleh nilai p-value signifikan pada 5%. Hal ini menunjukkan bahwa terdapat dependensi spasial antarprovinsi. Berdasarkan model yang telah diperoleh untuk masing-masing tetangga, disimpulkan bahwa semakin banyak jumlah tetangga sangat berpengaruh terhadap nilai estimasi persentase indeks pembangunan manusia seluruh provinsi di Indonesia pada tahun 2016. Kata Kunci : Regresi Spasial, Dependensi Spasial, IPM, Spatial Autoregressive. ","PeriodicalId":265420,"journal":{"name":"Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya","volume":"27 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2019-07-05","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.26418/bbimst.v8i3.33585","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Indeks Pembangunan Manusia (IPM) adalah suatu indikator tingkat kualitas hidup manusia melalui berbagai faktor yang mempengaruhi. Pembangunan manusia terus mengalami kemajuan seiring dengan meningkatnya Indeks Pembangunan Manusia (IPM). Data IPM setiap tahunnya pasti berbeda-beda, hal ini memungkinkan adanya saling ketergantungan dari faktor-faktor yang mempengaruhi IPM dengan terjadinya korelasi antardaerah. Permasalahan ini dapat dimodelkan dalam bentuk pemodelan spasial. Salah satu pemodelan spasial adalah model Spatial Autoregressive (SAR). Pada penelitian ini dilakukan pemodelan SAR dengan tujuan untuk menganalisis adanya dependensi spasial dari beberapa lokasi dan pengaruh faktor-faktor dari suatu variabel independen. Pada estimasi model SAR digunakan metode Maximum Likelihood dan diterapkan pada kasus IPM seluruh provinsi di Indonesia pada tahun 2016. Hasil penelitian diperoleh bahwa terdapat dependensi lag spasial antarprovinsi yang berarti provinsi yang berdekatan memiliki nilai yang cenderung mirip. Uji dependensi spasial dilakukan pada matriks pembobot dengan metode queen contiguity dan diperoleh nilai p-value signifikan pada 5%. Hal ini menunjukkan bahwa terdapat dependensi spasial antarprovinsi. Berdasarkan model yang telah diperoleh untuk masing-masing tetangga, disimpulkan bahwa semakin banyak jumlah tetangga sangat berpengaruh terhadap nilai estimasi persentase indeks pembangunan manusia seluruh provinsi di Indonesia pada tahun 2016. Kata Kunci : Regresi Spasial, Dependensi Spasial, IPM, Spatial Autoregressive. 
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
人类发展指数(IPM)是通过多种影响因素来衡量人类生活质量的指标。随着人口增长指数(IPM)的增加,人类发展仍在继续进步。IPM数据每年必须有所不同,这使得它允许相互依赖影响IPM与区域相关的因素。这些问题可以以空间建模的形式进行建模。空间建模之一是空间Autoregressive模型。本研究进行建模研究,目的是分析几个地点的空间偏差和独立变量因素的影响。截至2016年,SAR型号采用了最大的limum方法,并应用于印尼全省的IPM病例。研究表明,省之间存在空间滞后,这意味着相邻的省的值趋同。空间退化测试是用皇后的方法来实现权重矩阵,并以5%的速度获得p值值。这表明这是一个省间的空间退化。根据每个邻国获得的模型,得出的结论是,越来越多的邻国对2016年印尼整个人类发展指数的估计百分比产生了深远的影响。关键词:空间退化,空间退化,IPM,空间自动装置。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
PERAMALAN VOLATILITAS SAHAM MENGGUNAKAN MODEL THRESHOLD GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY ANALISIS DAMPAK PROGRAM TERAPI HIV-AIDS PADA MODEL PENYEBARAN PENYAKIT HIV-AIDS DENGAN POPULASI TERBUKA PENENTUAN GARIS KEMISKINAN PROVINSI MENGGUNAKAN METODE MULTIPLE CLASSIFICATION ANALYSIS METODE ANALISIS KORESPONDENSI BERGANDA UNTUK MENGIDENTIFIKASI KARAKTERISTIK MAHASISWA BIDIKMISI FMIPA UNTAN PENENTUAN MODEL TERBAIK PADA REGRESI SPLINE MENGGUNAKAN GENERALIZED CROSS VALIDATION (GCV)
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1