REGRESI KUANTIL PENDEKATAN BOOTSTRAP UNTUK PEMODELAN KEMISKINAN DI PULAU JAWA

Gangga Anuraga(1*), Permadina K. Arieska(2)


(1) 
(2) 
(*) Corresponding Author

Abstract


Kemiskinan merupakan masalah multidimensi dan lintas sektor yang dipengaruhi oleh berbagai faktor yang saling berkaitan, antara lain tingkat pendapatan, kesehatan, pendidikan, akses terhadap barang dan jasa, lokasi, geografis, gender, dan kondisi
lingkungan. Untuk itu, dalam rangka menunjang keberhasilan pelaksanaan program pembangunan terutama yang berkaitan dengan penanggulangan kemiskinan di Indonesia khususnya di Pulau Jawa, diperlukan suatu penelitian yang dapat mengetahui
informasi mengenai faktor-faktor yang berpengaruh terhadap kemiskinan.Penelitian ini menggunakan regresi kuantil dengan pendekatan bootstrap, metode ini memiliki kelebihan dapat mengatasi masalah pencilan (outlier) dan heteroskedastisitas. Nilai kuantil yang digunakan dalam penelitian yaitu kuantil ke-? = 0,25; ? = 0,5; ? = 0,75 dan ? = 0,99 denganresampling 500 pada bootstrap standard error.Hasil regresi kuantil pada masing-masing kuantil dengan resampling 500 bootstrap standard error menunjukkan bahwa kuantil ? = 0,25memiliki standar error yang relatif lebih kecil daripada kuantil? = 0,5, ? = 0,75 dan ? = 0,99. Model regresi kuantil dalam penelitian ini mengindikasikan adanya multikolinieritas, sehingga dengan nilai pseudo R 2 sebesar 61,4% terdapat banyak variable yang tidak signifikan dalam model pada ke? = 0,25.
Kata Kunci : Bootstrap standard error, Heteroskedastisitas, Kemiskinan, Regresi Kuantil

Full Text:

PDF

Article Metrics

Abstract view : 646 times
PDF - 263 times

DOI: https://doi.org/10.26714/jsunimus.4.2.2016.%25p

Refbacks

  • There are currently no refbacks.


Copyright (c) 2017 Jurnal Statistika

Editorial Office:
Department of Statistics
Faculty Of Mathematics And Natural Sciences
 
Universitas Muhammadiyah Semarang

Jl. Kedungmundu No. 18 Semarang Indonesia



Published by: 
Department of Statistics Universitas Muhammadiyah Semarang

View My Stats

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License