analisis faktor-faktor yang mempengaruhi indeks...
Post on 06-Feb-2018
266 Views
Preview:
TRANSCRIPT
Analisis Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Gender (IPG) dengan Menggunakan Regresi Probit
Oleh:Ari Vanerlin Fitarisca1310 100 048
Dosen Pembimbing:Dr. Vita Ratnasari, S.Si, M.Si
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) SurabayaJuli 2014 1
OUTLINE
PENDAHULUAN
TINJAUAN PUSTAKA
METODELOGI PENELITIAN
ANALISIS DAN PEMBAHASAN
PENUTUP
2Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
BAB IPENDAHULUAN
MANFAAT PENELITIAN
BATASAN MASALAH
RUMUSAN MASALAH
LATAR BELAKANG
TUJUAN PENELITIAN
3Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
LATAR BELAKANG
BAB IPENDAHULUAN
RUMUSAN MASALAH
TUJUAN PENELITIAN
MANFAAT PENELITIAN
BATASAN MASALAH
4Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
BAB IPENDAHULUAN
5
GENDER adalah perbedaan peran, fungsi,dan tanggungjawab antara laki-laki dan perempuan yang merupakan
hasil konstruksi sosial dan dapat berubah menurut perkembangan jaman
BKKBN (2009)
PERAN PUBLIK
PERAN DOMESTIK
RUMUSAN MASALAH
TUJUAN PENELITIAN
MANFAAT PENELITIAN
BATASAN MASALAH
LATAR BELAKANG
Mengurus RT
Bersifat lemah
Berpikiran sempit
Selalu memakai perasaan
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
BAB IPENDAHULUAN
6
KESETARAAN GENDER
RUMUSAN MASALAH
TUJUAN PENELITIAN
MANFAAT PENELITIAN
BATASAN MASALAH
LATAR BELAKANG
Perempuan banyak yang memiliki bebanganda sebagai pengurus rumah tanggasekaligus pencari nafkah.
±13,9% RT di Indonesia dikepalai oleh perempuan.(Kementrian Pemberdayaan Perempuan danPerlindungan Anak, 2013)
Selama tahun 2012, berdasarkan Catatan TahunanKomisi Nasional (Komnas) Perempuan terdapat sekitar210.000 kasus kekerasan terhadap perempuan yangdilaporkan dan ditangani.
Kasus kekerasan yang paling sering terjadi : KDRT
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Pembangunan manusia secara kuantitatif dapat digambarkan dari angka IPM (IndeksPembangunan Manusia). Namun angka ini belum dapat menjelaskan perbedaancapaian kualitas hidup antara laki-laki dan perempuan.
7
BAB IPENDAHULUAN
suatu indeks yang mengukur pencapaian pembangunan kapabilitas dasar manusiapada bidang kesehatan, pendidikan, dan ekonomi di suatu wilayah denganmempertimbangkan kesetaraan antara laki-laki dan perempuan (KementrianPemberdayaan Perempuan dan Perlindungan Anak, 2013)
Melalui angka IPG, kesenjangan atau gap kemampuan dasar antara laki-laki danperempuan mampu dijelaskan dengan melihat rasio antara IPM dan IPG.
RUMUSAN MASALAH
TUJUAN PENELITIAN
MANFAAT PENELITIAN
BATASAN MASALAH
LATAR BELAKANG
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
8
BAB IPENDAHULUAN
68,6969,57
70,0870,59
71,1771,76
72,2772,77
73,29
63,94
65,13 65,2765,81
66,38 66,7767,2
67,868,52
62
64
66
68
70
72
74
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
Perkembangan IPM & IPG di Indonesia
IPM IPG
(Kementrian Pemberdayaan Perempuan dan Perlindungan Anak, 2013)
setiap tahun selalu ada selisih antara angka IPM dan IPG yang menandakan bahwamasih adanya kesenjangan antara laki-laki dan perempuan, dimana angka IPG < IPM
RUMUSAN MASALAH
TUJUAN PENELITIAN
MANFAAT PENELITIAN
BATASAN MASALAH
LATAR BELAKANG
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
9
BAB IPENDAHULUAN
Kesenjangan gender
Faktor-faktor? Regresi probit
salah satu metode regresi yang digunakan untukmenganalisis antara variabel respon yang merupakanvariabel diskrit dengan variabel prediktor yang berupavariabel diskrit, kontinyu, maupun campuran antarakeduanya.
Regresi probit
Hafizh (2013):Pemodelan Disparitas Gender di Jawa Timur dengan Pendekatan Model Regresi Probit Ordinal
Yulianti dan Ratnasari (2013) :Pemetaan dan Pemodelan Tingkat Partisipasi Angkatan Kerja Perempuan di Provinsi Jawa Timur dengan Pendekatan Model Probit
Faidah (2010): Pemodelan Regresi Probit Ordinal pada Indeks Pembangunan Manusia (IPM) di provinsi Sumatera Utara, Jawa Barat, Jawa Tengah, dan Jawa Timur
Dharmasari (2009): Perbandingan Model Logit dan Probit untuk Menganalisis Kecenderungan Siswa SMP Melanjutkan Pendidikan ke Jenjang SMA
Hakim (2014):Analisis Komponen IPG dengan GWMR Model di Kalimantan Timur & Kalimantan Selatan Tahun 2011
RUMUSAN MASALAH
TUJUAN PENELITIAN
MANFAAT PENELITIAN
BATASAN MASALAH
LATAR BELAKANG
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
BAB IPENDAHULUAN
1. Bagaimana karakteristik Indeks Pembangunan Gender (IPG) diIndonesia?
2. Apa saja faktor-faktor yang mempengaruhi Indeks PembangunanGender (IPG) di Indonesia dengan menggunakan metode regresiprobit?
10
LATAR BELAKANG
RUMUSAN MASALAH
TUJUAN PENELITIAN
MANFAAT PENELITIAN
BATASAN MASALAH
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
BAB IPENDAHULUAN
11
1. Mendeskripsikan karakteristik Indeks Pembangunan Gender (IPG)di Indonesia
2. Mendapatkan faktor-faktor yang mempengaruhi Indeks
Pembangunan Gender (IPG) di Indonesia dengan menggunakan
metode regresi probit
LATAR BELAKANG
RUMUSAN MASALAH
TUJUAN PENELITIAN
MANFAAT PENELITIAN
BATASAN MASALAH
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
1. Menambah pengetahuan peneliti tentang penerapan ilmustatistika dalam permasalahan sosial dalam masyarakat.
2. Menambah pengetahuan pembaca mengenai penerapan regresiprobit khususnya pada faktor-faktor yang mempengaruhi IndeksPembangunan Gender di Indonesia.
3. Memberikan tambahan informasi kepada pemerintah mengenaifaktor-faktor yang mempengaruhi Indeks Pembangunan Genderdi Indonesia.
BAB IPENDAHULUAN
12
LATAR BELAKANG
RUMUSAN MASALAH
TUJUAN PENELITIAN
MANFAAT PENELITIAN
BATASAN MASALAH
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
BAB IPENDAHULUAN
13
1. Data yang digunakan dalam penelitian merupakan datasekunder pada tahun 2012 yang diambil dari Badan PusatStatistika.
2. Metode yang digunakan dalam penelitian ini adalah regresiprobit.
3. Penelitian dilakukan dengan tidak memperhatikan faktorbudaya dari setiap provinsi yang ada di Indonesia.
4. Penelitian dilakukan dengan tidak memperhatikan pembagianwilayah administrasi pemerintahan, khususnya wilayahperkotaan dan pedesaan.
LATAR BELAKANG
RUMUSAN MASALAH
TUJUAN PENELITIAN
MANFAAT PENELITIAN
BATASAN MASALAH
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
BAB IITINJAUAN PUSTAKA
IPG
REGRESI PROBIT
PENAKSIRAN PARAMETER
PENGUJIAN PARAMETER
UJI KESESUAIAN MODEL
14Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
BAB IITINJAUAN PUSTAKA
Indeks Pembangunan Gender (IPG) adalah ukuran yangdigunakan untuk mengetahui pembangunan manusia (Asmanto,2008).
IPG mengukur tingkat pencapaian kemampuan dasarpembangunan manusia yang sama seperti IPM, yaitu harapanhidup, tingkat pendidikan, dan pendapatan namun denganmemperhitungkan ketimpangan gender.
IPG dapat digunakan untuk mengetahui kesenjanganpembangunan manusia antara laki-laki dan perempuan.Kesetaraan gender terjadi apabila angka IPG sama dengan IPM.
Apabila angka IPG lebih rendah dari IPM maka terjadikesenjangan gender. Kesenjangan gender dapat dilihat dariselisih antara IPM dan IPG. Semakin kecil selisih antara IPM danIPG maka dapat diartikan bahwa kesenjangan pembangunanantara laki-laki dan perempuan juga semakin kecil.
IPGREGRESI PROBIT
PENAKSIRAN PARAMETER
PENGUJIAN PARAMETER
UJI KESESUAIAN MODEL
15Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Dimensi Umur Panjang dan
Sehat
Pengetahuan Kehidupan yang Layak
Indikator AHH (P) AHH (L) AMH (P) MYS (P) AMH (L) MYS (L) Perkiraan
Pendapatan
(P)
Perkiraan
Pendapatan
(L)
Indeks
Dimensi
IHH (P) IHH (L) Indeks Pendidikan (P) Indeks Pendidikan (L) Indeks
Pendapatan
(P)
Indeks
Pendapatan
(L)
Indeks
Sebaran
Merata
IHH dengan
Sebaran Merata
Indeks Pendidikan dengan Sebaran Merata Indeks Pendapatan dengan
Sebaran Merata
Indeks Pembangunan Gender (IPG)
BAB IITINJAUAN PUSTAKA
16
IPGREGRESI PROBIT
PENAKSIRAN PARAMETER
PENGUJIAN PARAMETER
UJI KESESUAIAN MODEL
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
17
IPGREGRESI PROBIT
PENAKSIRAN PARAMETER
PENGUJIAN PARAMETER
UJI KESESUAIAN MODEL
BAB IITINJAUAN PUSTAKA
Pengkategorian IPG menurut UNDP
1. Kelompok tinggi, jika IPG ≥ 80
2. Kelompok menengah atas, jika IPG 66 ≤ x < 80
3. Kelompok menengah bawah, jika IPG 50 ≤ x <
66
4. Kelompok rendah, jika IPG < 50
RUMUS PERHITUNGAN IPG:
IPG = 1
3(Xede(1)+Xede(2)+Iinc-dis)
Keterangan:Xede(1) = Xede untuk harapan hidup
Xede(2) = Xede untuk tingkat pendidikanIinc-dis = Indeks distribusi pendapatan
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
“Probability Unit”BAB IITINJAUAN PUSTAKA
REGRESI PROBIT
variabel respon, berupa variabel diskrit
variabel bebas , berupa variabel diskrit, kontinyu, atau campuran keduanya
Pemodelan pada regresi probit :
dimana:𝑌∗ : variabel respon,𝜷 : vektor parameter koefisien dengan ,𝒙 ∶ vektor variabel bebas dengan , dan 𝜀 : merupakan error atau kesalahan yang diasumsikan berdistribusi normal standar
18
IPGREGRESI PROBIT
PENAKSIRAN PARAMETER
PENGUJIAN PARAMETER
UJI KESESUAIAN MODEL
XβT*y
Tp10 ββββ
p1 xx1X
1. Menentukan 𝑛 sampel random
2. Membentuk fungsi likelihood dari 𝑛 sampel random. Fungsi likelihoodnya adalah sebagai berikut:
3. Melakukan transformasi ln terhadap fungsi likelihood. Hal ini dikarenakan lebih mudah memaksimumkan dengan transformasi ln. Secara matematis dapat ditulis sebagai berikut:
BAB IITINJAUAN PUSTAKA
19
IPGREGRESI PROBIT
PENAKSIRAN PARAMETER
PENGUJIAN PARAMETER
UJI KESESUAIAN MODEL
ii
Y
i
i
Y
i ppL
1
1
)1()(β
i
i
Yn
i
YL
1
1
1)( XβXββ TT
)(βL
n
i
n
i
iYL11
1ln1
lnln XβXβ
Xββ TT
T
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
4. Mendapatkan penaksir untuk 𝜷 dengan memaksimumkan lnfungsi likelihood, yaitu dengan menurunkan ataumenderivatifkan ln fungsi likelihood
Berdasarkan hasil penaksiran untuk parameter 𝜷 denganmenggunakan metode MLE ternyata diperoleh fungsi yang implisitsehingga penaksir untuk 𝜷 tidak dapat langsung diperoleh. Olehkarena itu, digunakan metode Newton Raphson untuk mendapatkanpenaksir maksimum likelihood untuk 𝜷.
BAB IITINJAUAN PUSTAKA
20
IPGREGRESI PROBIT
PENAKSIRAN PARAMETER
PENGUJIAN PARAMETER
UJI KESESUAIAN MODEL
XβXβ
Xβββ
TT
T
T
1
ln
1
XY
L n
i
i
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
BAB IITINJAUAN PUSTAKA
UJI SERENTAK UJI PARSIAL
Hipotesis𝐻0: 𝛽1 = 𝛽2 = ⋯ = 𝛽𝑝 = 0
𝐻1: Paling sedikit ada satu 𝛽𝑗 ≠ 0
Statistik uji :
𝐺 = −2 ln 𝐿𝑢 − ln 𝐿𝑅
dimana:𝐿𝑢 = 𝑛 𝑃 ln𝑃 + 1 − 𝑃 ln(1 − 𝑃) ,𝑛 ∶ banyaknya sampel𝑃 ∶ proporsi pengamatan yang memiliki
variabel respon (Y) sama dengan 1 𝐿𝑅 ∶ fungsi log-likelihood tanpa variabel
prediktor 𝐿𝑢 : fungsi likelihood dengan variabel
prediktor Tolak 𝑯𝟎 apabila nilai Pvalue < 𝛼 atau nilai𝐺 < 𝛼 pada tingkat kepercayaan 𝛼
Hipotesis𝐻0: 𝛽𝑗 = 0
𝐻1: 𝛽𝑗 ≠ 0
dengan 𝑗 = 1, 2, … , 𝑝. Statistik uji :
𝑊𝑗 = 𝛽𝑗
𝑆 𝐸( 𝛽𝑗)~𝑁(0,1)
dimana: 𝛽𝑗 : penduga 𝛽𝑗
𝑆 𝐸( 𝛽𝑗) : penduga simpangan baku dari 𝛽𝑗.
𝐓𝐨𝐥𝐚𝐤 𝑯𝟎 apabila 𝑊𝑗 > 𝑍𝛼/2 atau
Pvalue < 𝛼 pada tingkat kepercayaan 𝛼.
21
IPGREGRESI PROBIT
PENAKSIRAN PARAMETER
PENGUJIAN PARAMETER
UJI KESESUAIAN MODEL
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
BAB IITINJAUAN PUSTAKA
Tujuan:mengetahui apakah terdapat perbedaan antara hasil observasi dengan
kemungkinan hasil prediksi.
Hipotesis:𝐻0: Tidak ada perbedaan antara hasil observasi dengan kemungkinan hasil
prediksi model (model sesuai)𝐻1: Ada perbedaan antara hasil observasi dengan kemungkinan hasil prediksi
model (model tidak sesuai)Statistik uji :
𝐷 = −2
𝑖=1
𝑛
𝑦𝑖𝑗 ln𝑃𝑖𝑗
𝑦𝑖𝑗+ 1 − 𝑦𝑖𝑗 ln
1 − 𝑃𝑖𝑗
1 − 𝑦𝑖𝑗
dengan 𝑃𝑖𝑗 = 𝑃𝑗(𝑥𝑖) merupakan peluang observasi ke-𝑖 pada kategori ke-𝑗.
Tolak 𝑯𝟎 apabila 𝐷 > 𝜒𝑑𝑏,𝛼2 pada tingkat kepercayaan 𝛼 dan 𝑑𝑏 merupakan
derajat bebas
22
IPGREGRESI PROBIT
PENAKSIRAN PARAMETER
PENGUJIAN PARAMETER
UJI KESESUAIAN MODEL
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
BAB IIIMETODELOGI PENELITIAN
SUMBERDATA
VARIABELPENELITIAN
LANGKAH PENELITIAN
DEFINISI OPERASIONAL
23Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
BAB IIIMETODELOGI PENELITIAN
SUMBERDATA
VARIABELPENELITIAN
LANGKAH PENELITIAN
DEFINISI OPERASIONAL
24
Badan Pusat Statistik (BPS)
2012
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
SUMBERDATA
VARIABELPENELITIAN
LANGKAH PENELITIAN
DEFINISI OPERASIONAL
BAB IIIMETODELOGI PENELITIAN
25
Variabel respon (Y) dalam penelitian ini adalah variabel IPG.Namun variabel ini dikelompokkan terlebih dahulu denganmenggunakan analisis cluster. Hasil dari pengelompokkandigunakan sebagai variabel respon. Sehingga variabel respon yangdigunakan dalam penelitian ini berdasarkan kondisi IPG yang adadi Indonesia saat ini. Untuk lebih jelasnya dapat dilihat pada babIV.
Penelitian dilakukan terhadap masing-masing data laki-laki danperempuan dengan variabel prediktor yang digunakan adalah 9variabel untuk data laki-laki dan 10 variabel untuk dataperempuan. Untuk data perempuan variabel yang digunakanditambah dengan variabel Total Fertility Rate (TFR) sebagaivariabel X10.
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
SUMBERDATA
VARIABELPENELITIAN
LANGKAH PENELITIAN
DEFINISI OPERASIONAL
26
BAB IIIMETODELOGI PENELITIAN
Variabel Keterangan Tipe Variabel
X1 Angka Partisipasi Sekolah (APS) SD/Sederajat Kontinyu
X2 Angka Partisipasi Sekolah (APS)SMP/Sederajat
Kontinyu
X3 Angka Partisipasi Sekolah (APS)SMA/Sederajat
Kontinyu
X4 Persentase penduduk pendidikan terakhiryang ditamatkan adalah SMP
Kontinyu
X5 Tingkat partisipasi angkatan kerja (TPAK) Kontinyu
X6 Persentase Penduduk Mempunyai Keluhan Kesehatan
Kontinyu
X7 Purchasing Power Parity (PPP)/Daya Beli Diskrit
X8 Rasio Jenis Kelamin Kontinyu
X9 Rasio Jenis Kelamin Saat Lahir Kontinyu
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
SUMBERDATA
VARIABELPENELITIAN
LANGKAH PENELITIAN
DEFINISI OPERASIONAL
27
BAB IIIMETODELOGI PENELITIAN
Variabel Definisi Operasional
Angka Partisipasi Sekolah (APS)
Proporsi dari semua anak yang masih sekolah pada suatukelompok umur tertentu terhadap penduduk dengan kelompokumur yang sesuai
Persentase penduduk dengan Pendidikan Terakhir SMP
proporsi antara jumlah penduduk yang pendidikan terakhir yangditamatkan adalah SMP, ditandai dengan memilikiijazah/sertifikat, terhadap jumlah penduduk di suatu wilayah.
Tingkat Partisipasi Angkatan Kerja (TPAK)
Tingkat Partisipasi Angkatan Kerja (TPAK) merupakan persentase jumlah angkatan kerja terhadap penduduk usiakerja.
Penduduk yang Mempunyai Keluhan Kesehatan
Keluhan kesehatan adalah keadaan seseorang yang merasaterganggu oleh kondisi kesehatan, kejiwaan, kecelakaan atauhal lain. Seseorang yang menderita penyakit kronis dianggapmempunyai keluhan kesehatan walaupun pada waktu survei(satu bulan terakhir) yang bersangkutan tidak kambuhpenyakitnya. Semakin banyak penduduk yang mengalamikeluhan kesehatan berarti semakin rendah derajat kesehatandari masyarakat yang bersangkutan
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
SUMBERDATA
VARIABELPENELITIAN
LANGKAH PENELITIAN
DEFINISI OPERASIONAL
28
BAB IIIMETODELOGI PENELITIAN
Variabel Definisi Operasional
PPP (Purchasing Power Parity)/daya beli
PPP memungkinkan dilakukannya perbandingan harga-harga riil antarprovinsi maupun antarkabupaten, mengingatnilai tukar yang biasa digunakan dapat menurunkan ataumenaikkan nilai daya beli yang terukur dari konsumsi perkapita yang telah disesuaikan. PPP dihitung berdasarkanpengeluaran riil per kapita setelah disesuaikan denganindeks harga konsumen dan penurunan kegunaan marginal.
Rasio Jenis Kelamin perbandingan antara jumlah penduduk laki-laki dan jumlahpenduduk perempuan pada suatu daerah dan pada waktutertentu. Data mengenai rasio jenis kelamin berguna untukpengembangan perencanaan pembangunan yangberwawasan gender, terutama yang berkaitan denganperimbangan laki-laki dan perempuan secara adil.
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
SUMBERDATA
VARIABELPENELITIAN
LANGKAH PENELITIAN
DEFINISI OPERASIONAL
29
BAB IIIMETODELOGI PENELITIAN
Variabel Definisi Operasional
Rasio Jenis Kelamin Saat Lahir
PPperbandingan antara bayi laki-laki dengan bayiperempuan yang lahir dalam setahun.
TFR (Total Fertitily Rate)
Angka Kelahiran Total merupakan rata-rata jumlah anakyang dilahirkan seorang perempuan dari usia 15 - 49 tahun.Perbandingan TFR antar daerah dapat menunjukkankeberhasilan daerah dalam melaksanakan pembangunansosial ekonominya. TFR yang tinggi merupakan cerminanrata-rata usia kawin yang rendah, tingkat pendidikan yangrendah terutama perempuannya, tingkat sosial ekonomirendah atau tingkat kemiskinan yang tinggi.
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
BAB IIIMETODELOGI PENELITIAN
1. Menentukan variabel dan mendapatkan data yang mendukung.
2. Melakukan analisis cluster terhadap variabel IPG untuk mendapatkan variabel responyang digunakan dalam penelitian.
3. Mengecek multikolinieritas data. Apabila terjadi multikolinieritas maka harus diatasiterlebih dahulu, salah satunya dengan menghilangkan variabel yang menyebabkanmultikolinieritas terjadi.
4. Melakukan pemodelan dengan menggunakan regresi probit terhadap faktor-faktoryang mempengaruhi IPG di Indonesia dengan langkah-langkah sebagai berikut:
Menentukan model regresi probit dengan variabel respon dan variabel prediktoryang digunakan dalam penelitian.
Melakukan uji signifikansi parameter regresi probit secara serentak dan parsialuntuk mengetahui variabel prediktor yang berpengaruh signifikan terhadapvariabel respon.
Menginterpretasikan model regresi probit terbaik yang diperoleh.
Melakukan uji kesesuaian model.
Menghitung ketepatan klasifikasi model regresi probit.
5. Menarik kesimpulan.
SUMBERDATA
VARIABELPENELITIAN
LANGKAH PENELITIAN
DEFINISI OPERASIONAL
30Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
BAB IVANALISIS DAN PEMBAHASAN
30
KARAKTERISTIK PEMBANGUNAN GENDER DI INDONESIA
PERKEMBANGAN & PENCAPAIAN KOMPONEN PEMBENTUK INDEKS PEMBANGUNAN GENDER DI INDONESIA
PENGELOMPOKKAN IPG INDONESIA TAHUN 2012 MENGGUNAKAN ANALISIS CLUSTER
PENGUJIAN MULTIKOLINIERITAS PADA VARIABEL INDEPENDEN
PEMODELAN REGRESI PROBIT UNTUK DATA LAKI-LAKI
PEMODELAN REGRESI PROBIT UNTUK DATA PEREMPUAN
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
BAB IVANALISIS DAN PEMBAHASAN
31
IPM DAN IPG SELALU MENINGKAT SETIAP TAHUNNYA MENUNJUKKAN
BAHWA PEMBANGUNAN MANUSIA DI INDONESIA SEMAKIN BAIK
SETIAP TAHUN SELALU ADA SELISIH ANTARA ANGKA IPM DAN IPG YANGMENANDAKAN BAHWA MASIH ADANYA KESENJANGAN ANTARA LAKI-LAKI DANPEREMPUAN, DIMANA ANGKA IPG < IPM
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
KARAKTERISTIK PEMBANGUNAN GENDER DI INDONESIA
BAB IVANALISIS DAN PEMBAHASAN
32
IPG Menurut Provinsi di Indonesia Tahun 2012
KARAKTERISTIK PEMBANGUNAN GENDER DI INDONESIA
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
BAB IVANALISIS DAN PEMBAHASAN
33
Provinsi yang termasuk ke dalam
kelompok menengah atas antara lain provinsi Aceh, Sumatera
Utara, Sumatera Barat, Riau, Sumatera Selatan, Bengkulu, DKI
Jakarta, Jawa Tengah, D.I Yogyakarta, Jawa Timur, Bali, Kalimantan Selatan, Sulawesi
Utara, Sulawesi Barat, Maluku, dan Maluku Utara.
Provinsi yang berada pada kelompok
menengah bawah antaralain
provinsi Jambi, Lampung, Kepulauan Bangka Belitung, Kepulauan Riau,
Jawa Barat, Banten, Nusa Tenggara Barat, Nusa Tenggara Timur,
Kalimantan Barat, Kalimantan Timur, Sulawesi Tengah, Sulawesi Selatan,
Sulawesi Tenggara, Gorontalo, Papua Barat, dan Papua.
KARAKTERISTIK PEMBANGUNAN GENDER DI INDONESIA
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
BAB IVANALISIS DAN PEMBAHASAN
35
ANGKA HARAPAN HIDUP (AHH)
PERKEMBANGAN DAN PENCAPAIAN KOMPONEN INDEKS PEMBANGUNAN GENDER DI INDONESIA
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
BAB IVANALISIS DAN PEMBAHASAN
36
ANGKA MELEK HURUF (AMH)
PERKEMBANGAN DAN PENCAPAIAN KOMPONEN INDEKS PEMBANGUNAN GENDER DI INDONESIA
Perkembangan yang pesat dari
AMH perempuan semakin
memperkecil disparitas
kemampuan baca tulis yang terjadi
di Indonesia
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
BAB IVANALISIS DAN PEMBAHASAN
37
RATA-RATA LAMA SEKOLAH (MYS)
PERKEMBANGAN DAN PENCAPAIAN KOMPONEN INDEKS PEMBANGUNAN GENDER DI INDONESIA
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
BAB IVANALISIS DAN PEMBAHASAN
38
SUMBANGAN PENDAPATAN
PERKEMBANGAN DAN PENCAPAIAN KOMPONEN INDEKS PEMBANGUNAN GENDER DI INDONESIA
Sumbangan pendapatan penduduk
perempuan fluktuatif namun
cenderung menurun
Angkatan kerja
Upah yang
diterima
Proporsi angkatan kerja perempuan di Indonesia pd thn 2012 sekitar 38,62% dari total
120,41 juta angkatan kerja
Rata-rata pah yang diterima laki-laki (1,55 jt) masih lebih tingi dari perempuan (1,25 jt)
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
BAB IVANALISIS DAN PEMBAHASAN
39
Kelompok Anggota Kelompok
1
Sumatera Utara, Sumatera Barat, Sumatera Selatan,
Bengkulu, DKI Jakarta, D.I Yogyakarta, Bali, Kalimantan
Tengah, Sulawesi Utara, Maluku
2
Aceh, Riau, Jambi, Lampung, Kep. Bangka Belitung, Kep.
Riau, Jawa Barat, Jawa Tengah, Jawa Timur, Banten. NTB,
NTT, Kalimantan Barat, Kalimantan Selatan, Kalimantan
Timur, Sulawesi Tengah, Sulawesi Tenggara, Gorontalo,
Sulawesi Barat, Maluku Utara, Papua Barat, Papua
PENGELOMPOKKAN IPG INDONESIA TAHUN 2012 MENGGUNAKAN ANALISIS CLUSTER
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
BAB IVANALISIS DAN PEMBAHASAN
40
PENGUJIAN MULTIKOLINIERITAS PADA VARIABEL INDEPENDEN
Variabel (L) VIF Variabel (P) VIF
X1 4,07 X1 6,82
X2 5,10 X2 10,07
X3 3,13 X3 3,19
X4 1,72 X4 2,24
X5 1,71 X5 2,14
X6 1,83 X6 1,68
X7 1,41 X7 1,74
X8 1,59 X8 1,51
X9 2,06 X9 1,59
X10 2,09
terjadi multikolinieritas pada data laki-laki dan perempuan karena nilai VIF > 5.Langkah selanjutnya adalah mengatasi multikolinieritas tersebut, salah satunyadengan menghilangkan variabel yang menyebabkan multikolinieritas terjadi. Padadata laki-laki, variabel yang menyebabkan terjadinya multikolinieritas adalah variabelX2, sedangkan pada data perempuan adalah variabel X1 dan X2. Maka, untuk analisisselanjutnya, variabel X1 dan X2 tidak diikutsertakan.
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
BAB IVANALISIS DAN PEMBAHASAN
41
PEMODELAN REGRESI PROBIT UNTUK DATA LAKI-LAKI
PENGUJIAN SERENTAK PENGUJIAN PARSIAL
Berdasarkan hasil uji parsial didapatkan bahwa parameter yang signifikan terhadap adalah variabel
X9 (rasio jenis kelamin saat lahir. Parameter pada variabel tersebut
signifikan pada taraf 𝛼 = 20%.
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Berdasarkan hasil pengujian secara
serentak, didapatkan informasi bahwa
nilai P-value (0,125) yang kurang dari
nilai 𝛼(20%) sehingga keputusan yang
diperoleh adalah tolak H0. Jadi, dapat
disimpulkan bahwa terdapat paling
sedikit satu variabel prediktor yang
berpengaruh terhadap IPG.
BAB IVANALISIS DAN PEMBAHASAN
42
PEMODELAN REGRESI PROBIT UNTUK DATA LAKI-LAKI
MODEL TERBAIK
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Pemilihan model terbaik dilakukan dengan menggunakan metode Backward.Berdasarkan metode Backward, didapatkan bahwa model regresi probitterbaik adalah model dengan variabel prediktor X1 yaitu APS SD/sederajatdan X9 yaitu rasio jenis kelamin saat lahir.
Variabel Coef P-value
X1 -0,775 0,022*
X9 0,324 0,103*
Sehingga, persamaan model regresi probit terbaik untuk data laki-laki adalah sebagai
berikut:
𝑦∗ = 42,269 − 0,775𝑋1 + 0,324𝑋9
Persamaan diatas dapat diinterpretasikan bahwa APS SD/sederajat berpenaruhnegatif terhadap probabilitas suatu provinsi termasuk dalam kelompok IPG rendah.Sedangkan rasio jenis kelamin saat lahir berpengaruh positif terhadap probabilitassuatu provinsi termasuk dalam kelompok IPG rendah.
BAB IVANALISIS DAN PEMBAHASAN
43
PEMODELAN REGRESI PROBIT UNTUK DATA LAKI-LAKI
PENGUJIAN SERENTAK MODEL TERBAIK
PENGUJIAN PARSIALMODEL TERBAIK
Berdasarkan hasil uji parsialdidapatkan bahwa didapatkaninformasi bahwa dengan 𝛼 = 20%,seluruh parameter pada variabel X1
dan X9 masing-masing berpengaruhsignifikan terhadap variabel respon.
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Berdasarkan hasil pengujian secaraserentak, didapatkan informasi bahwanilai P-value (0,005) yang kurang darinilai 𝛼 (20%) sehingga keputusan yangdiperoleh adalah tolak H0. Jadi, dapatdisimpulkan bahwa terdapat palingsedikit satu variabel prediktor yangberpengaruh terhadap IPG.
PEMODELAN REGRESI PROBIT UNTUK DATA LAKI-LAKI
BAB IVANALISIS DAN PEMBAHASAN
44
INTERPRETASI EFEK MARGINAL
Apabila diambil data dari salah satu provinsi, misalkan untuk provinsi Papua Barat, dengan X1 = 95,31; dan X9 = 105,72; maka:𝑃 𝑌 = 1= 1− Φ −42,269 + 0,775𝑋1 − 0,324𝑋9
𝑃 𝑌 = 1 = 1 − Φ −2,65703𝑃 𝑌 = 1 = 1 −0,00394𝑃 𝑌 = 1 = 0,99606Jadi, probabilitas provinsi Papua Baratmasuk ke dalam kelompok IPG rendahdengan nilai-nilai tersebut adalahsebesar 0,99606. Sedangkanprobabilitas provinsi Papua Baratmasuk ke dalam kelompok IPG tinggi𝑃 𝑌 = 0 adalah sebesar 0,00394.
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
𝜕 𝑃(𝑌 = 1)
𝜕𝑋9= 𝛽9𝜙(𝛾 − 𝜷𝑻𝑿)
𝜕 𝑃(𝑌 = 1)
𝜕𝑋9= 0,324𝜙(−2,65703)
𝜕 𝑃(𝑌 = 1)
𝜕𝑋9= 0,324(0,01169)
𝜕 𝑃(𝑌 = 1)
𝜕𝑋9= 0,00379
Artinya bahwa setiap perubahan rasiojenis kelamin saat lahir sebesar 1% makaakan meningkatkan probabilitas suatuprovinsi masuk ke dalam kategori IPGkelompok rendah sebesar 0,00379.
BAB IVANALISIS DAN PEMBAHASAN
45
PEMODELAN REGRESI PROBIT UNTUK DATA LAKI-LAKI
KESESUAIAN MODEL TERBAIK
Berdasarkan hasil pengujian didapatkan nilaiP-value sebesar 0,463 yang berarti P-value >0,20 sehingga keputusan yang diambil adalahgagal tolak 𝐻0. Jadi, dapat disimpulkan bahwatidak ada perbedaan antara hasil observasidengan kemungkinan hasil prediksi model.Atau dengan kata lain model telah sesuai.
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
BAB IVANALISIS DAN PEMBAHASAN
46
PENGUJIAN SERENTAK PENGUJIAN PARSIAL
Berdasarkan hasil uji parsialdidapatkan bahwa parametervariabel yang signifikan terhadapvariabel respon adalah variabel X3
(APS SMA/sederajat), X4 (persentasependuduk dengan pendidikanterakhir yang ditamatkan adalahSMP), X5 (TPAK), X8 (rasio jeniskelamin) dan variabel X9 (rasio jeniskelamin saat lahir).
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Berdasarkan hasil pengujian secaraserentak, didapatkan informasi bahwanilai P-value sebesar 0,005 yang kurangdari nilai 𝛼 (20%) sehingga keputusanyang diperoleh adalah tolak H0. Jadi,dapat disimpulkan bahwa terdapatpaling sedikit satu variabel prediktoryang berpengaruh terhadap IPG diIndonesia.
PEMODELAN REGRESI PROBIT UNTUK DATA PEREMPUAN
BAB IVANALISIS DAN PEMBAHASAN
47
MODEL TERBAIK
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Pemilihan model terbaik dilakukan dengan menggunakan metode Backward.Berdasarkan metode Backward, didapatkan bahwa model regresi probitterbaik adalah model dengan variabel prediktor X3 yaitu APS SMA/sederajat,X5 yaitu TPAK, X7 yaitu PPP, dan X9 yaitu rasio jenis kelamin saat lahir
Sehingga, persamaan model regresi probit terbaik untuk data perempuan adalah sebagaiberikut:
𝑦∗ = −6,459 − 0,101𝑋3 − 0,121𝑋5 − 0,00005𝑋7 + 0,462𝑋9
Persamaan diatas dapat diinterpretasikan bahwa APS SMA/sederajat, TPAK, dan PPPberpengaruh negatif terhadap probabilitas suatu provinsi termasuk dalam kelompok IPGrendah. Sedangkan rasio jenis kelamin saat lahir berpengaruh positif terhadap probabilitassuatu provinsi termasuk dalam kelompok IPG rendah.
PEMODELAN REGRESI PROBIT UNTUK DATA PEREMPUAN
Variabel Coef P-value
X3 -0,101 0,033*
X5 -0,121 0,016*
X7 -0,00005 0,081*
X9 0,462 0,059*
BAB IVANALISIS DAN PEMBAHASAN
48
PENGUJIAN SERENTAK MODEL TERBAIK
PENGUJIAN PARSIALMODEL TERBAIK
Berdasarkan hasil uji parsialdidapatkan bahwa didapatkaninformasi bahwa dengan 𝛼 = 20%,dengan 𝛼 = 20%, seluruh parameterpada variabel X3, X5, X7, dan X9
masing-masing berpengaruhsignifikan terhadap variabel respon.
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Berdasarkan hasil pengujian secaraserentak, didapatkan informasi bahwanilai P-value (0,004) yang kurang darinilai 𝛼 (20%) sehingga keputusan yangdiperoleh adalah tolak H0. Jadi, dapatdisimpulkan bahwa terdapat palingsedikit satu variabel prediktor yangberpengaruh terhadap IPG.
PEMODELAN REGRESI PROBIT UNTUK DATA PEREMPUAN
BAB IVANALISIS DAN PEMBAHASAN
49
INTERPRETASI EFEK MARGINAL
Apabila diambil data dari salah satuprovinsi, misalkan untuk provinsi Papua,dengan X3 = 48,23; X5 = 68,36; X7 =611990; dan X9=110,13 maka:
𝑃 𝑌 = 1= 1− Φ 6,459 + 0,101𝑋3 + 0,121𝑋5
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
𝜕 𝑃(𝑌 = 1)
𝜕𝑋9= 𝛽9𝜙(𝛾 − 𝜷𝑻𝑿)
𝜕 𝑃(𝑌 = 1)
𝜕𝑋9= 0,324𝜙(−2,65703)
𝜕 𝑃(𝑌 = 1)
𝜕𝑋9= 0,324(0,01169)
𝜕 𝑃(𝑌 = 1)
𝜕𝑋9= 0,00379
Artinya bahwa setiap perubahanvariabel TPAK sebesar 1% maka akanmenurunkan probabilitas suatu provinsimasuk ke dalam kategori IPG kelompokrendah sebesar 0,038.
PEMODELAN REGRESI PROBIT UNTUK DATA PEREMPUAN
BAB IVANALISIS DAN PEMBAHASAN
50
KESESUAIAN MODEL TERBAIK
Berdasarkan hasil pengujian, didapatkan nilaiP-value sebesar 0,630 yang berarti P-value >0,20. Sehingga keputusan yang diambil adalahgagal tolak 𝐻0 . Maka, dapat disimpulkanbahwa tidak ada perbedaan antara hasilobservasi dengan kemungkinan hasil prediksimodel. Atau dengan kata lain model telahsesuai.
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
PEMODELAN REGRESI PROBIT UNTUK DATA PEREMPUAN
BAB IVANALISIS DAN PEMBAHASAN
51
KETEPATAN KLASIFIKASI MODEL REGRESI PROBIT (LAKI-LAKI)
KETEPATAN KLASIFIKASI MODEL REGRESI PROBIT (PEREMPUAN)
Ketepatan klasifikasiyang diprediksi darimodel regresi probityang didapat yaitu
sebesar 80%.
Ketepatan klasifikasiyang diprediksi darimodel regresi probityang didapat yaitu
sebesar 86,1%.
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
SARANKESIMPULANBAB V
PENUTUP
52Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
BAB VPENUTUP
53
1. Perkembangan Indeks Pembangunan Gender (IPG) di Indonesiasecara keseluruhan dari tahun 2004-2012 selalu mengalamipeningkatan. Hal ini menjelaskan bahwa pencapaianpembangunan gender di Indonesia dari waktu ke waktu semakinmembaik. Namun, masih terdapat kesenjangan atau gap antarapenduduk laki-laki dan perempuan di seluruh provinsi diIndonesia. Kesenjangan tersebut dapat dilihat diberbagai bidangatau komponen pembentuk IPG itu sendidi yaitu, pada bidangpendidikan, kesehatan, dan sumbangan pendapatan. Berdasarkanhasil perhitungan diketahui bahwa rata-rata IPG pada tahun 2012secara keseluruhan adalah sebesar 66,02. Nilai varians sebesar15,31 menjelaskan mengenai keragaman data. Provinsi denganIPG terkecil adalah provinsi Nusa Tenggara Barat yaitu sebesar57,58 dan provinsi dengan IPG terbesar adalah provinsi DKIJakarta yaitu sebesar 74,66.
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
BAB VPENUTUP
54
Faktor-faktor yang mempengaruhi IPG pada penduduk laki-laki antaralain APSSD/sederajat dan rasio jenis kelamin saat lahir, dengan model regresi probit yangdidapatkan yaitu:
𝑦∗ = 42,269 − 0,775𝑋1 + 0,324𝑋9
Persamaan diatas dapat diinterpretasikan bahwa APS SD/sederajat berpenaruhnegatif terhadap probabilitas suatu provinsi termasuk dalam kelompok IPG rendah.Sedangkan rasio jenis kelamin saat lahir berpengaruh positif terhadap probabilitassuatu provinsi termasuk dalam kelompok IPG rendah. Sedangkan faktor yangmempengaruhi IPG pada penduduk perempuan yaitu yaitu APS SMA/sederajat, TPAK,PPP, dan rasio jenis kelamin saat lahir, dengan model regresi probit yang didapatkanadalah sebagai berikut:
𝑦∗ = −6,459 − 0,101𝑋3 − 0,121𝑋5 − 0,00005𝑋7 + 0,462𝑋9
Persamaan diatas dapat diinterpretasikan bahwa APS SMA/sederajat, TPAK, dan PPPberpengaruh negatif terhadap probabilitas suatu provinsi termasuk dalam kelompokIPG rendah. Sedangkan rasio jenis kelamin saat lahir berpengaruh positif terhadapprobabilitas suatu provinsi termasuk dalam kelompok IPG rendah
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Saran yang diberikan oleh penulis untuk pemerintah agar lebihmemperhatikan pencapaian kapabilitas dasar penduduk laki-laki danperempuan agar kesenjangan antara keduanya tidak menjadi besar.
BAB VPENUTUP
55Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
DAFTAR PUSTAKA
Asmanto, Priadi. 2008. Evaluasi Millenium Development Goals (MDGs) Indonesia:Kesetaraan Gender dan Pemberdayaan Perempuan. Tersedia di SSRN:http://ssrn.com/abstract=1996301, diakses pada 30 Januari 2014.
BKKBN. 2009. Modul 2 Konsep dan Teori Gender. Jakarta: BKKBN
Dharmasari, Ayu. 2009. Perbandingan Model Logit dan Probit untuk MenganalisisKecenderungan Siswa SMP Melanjutkan Pendidikan ke Jenjang SMA (Studi KasusData Susenas Kabupaten Situbondo, Jawa Timur). Tugas Akhir S1 yang tidakdipublikasikan. Jurusan Statistika FMIPA Institut Teknologi Sepuluh Nopember.
Faidah, D. Y. 2010. Pemodelan Regresi Probit Ordinal pada Indeks PembangunanManusia (IPM) di provinsi Sumatera Utara, Jawa Barat, Jawa Tengah, dan Jawa Timur.Tugas Akhir S1 yang tidak dipublikasikan. Jurusan Statistika FMIPA Institut TeknologiSepuluh Nopember.
Greene, W. H. 2008. Econometric Analysis. USA: Pearson Prentice Hall.
Gujarati, D. N. 2004. Basic Econometrics, Fourth Edition. New York: McGraw-Hill.
56Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Hafizh, Q. U. 2013. Pemodelan Disparitas Gender di Jawa Timur denganPendekatan Model Regresi Probit Ordinal. Tugas Akhir S1 yang tidakdipublikasikan. Jurusan Statistika FMIPA Institut Teknologi Sepuluh Nopember.
Hakim, L. J. 2014. Analisis Komponen Indeks Pembangunan Gender denganGeographically Weighted Multivariate Regression Model di Provinsi KalimantanTimur dan Kalimantan Selatan Tahun 2011. Tesis S2 yang tidak dipublikasikan.Jurusan Statistika FMIPA Institut Teknologi Sepuluh Nopember Surabaya.
Hosmer, D.W & Lemeshow, Stanley. 2000. Applied Logistic Regression SecondEdition. USA: John Wiley & Sons.
Johnson, R. A & Wichern, D. W. 2007. Applied Multivariate Statistical Analysis,Sixth Edition. New Jersey: Pearson Prentice Hall.
Kementrian Pemberdayaan Perempuan dan Perlindungan Anak. 2012.Pembangunan Manusia Berbasis Gender 2012. Jakarta: Kementrian PemberdayaanPerempuan dan Perlindungan Anak.
57
DAFTAR PUSTAKA
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
___________. 2013. Pembangunan Manusia Berbasis Gender 2013. Jakarta:Kementrian Pemberdayaan Perempuan dan Perlindungan Anak.
___________. 2012. Profil Anak Indonesia 2012. Jakarta: Kementrian PemberdayaanPerempuan dan Perlindungan Anak.
MDGs Support Unit United Nations Development Programme. 2006. Komik MDGs.Tersedia di: www.undp.or.id/pubs/docs/Komik%20MDGs.pdf, diakses pada 28 Januari2014.
Tempo.co. 2013. Linda Gumelar: Pembangunan Gender Masih Tertinggal. Tersedia dihttp://www.tempo.co/read/news/2013/07/16/173496886/Linda-Gumelar-Pembangunan-Gender-Masih-Tertinggal, diakses pada 28 Januari 2014.
Wulandari, Evi. 2013. Model Regresi Probit untuk Mengetahui Faktor-Faktor yangMempengaruhi Jumlah Penderita Diare di Jawa Timur. Tugas Akhir S1 yang tidakdipublikasikan. Jurusan Matematika FMIPA Universitas Negeri Surabaya.
Yulianti, R. A & Ratnasari, Vita. 2013. Pemetaan dan Pemodelan Tingkat PartisipasiAngkatan Kerja Perempuan Di Provinsi Jawa Timur. Jurnal Sains dan Seni POMITS. Vol2, hal 159-164.
DAFTAR PUSTAKA
58Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Analisis Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Gender (IPG) dengan Menggunakan Regresi Probit
Oleh:Ari Vanerlin Fitarisca1310 100 048
Dosen Pembimbing:Dr. Vita Ratnasari, S.Si, M.Si
59Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya
top related