Pemodelan Multivariate Adaptive Regression Spline (MARS) Pada Faktor-Faktor yang Mempengaruhi Kemiskinan di Provinsi Maluku dan Maluku Utara

 Abstract views: 128 ,  downloads: 133
  • Yahya Matdoan
Keywords: MARS, GCV, Kemiskinan, Provinsi Maluku, Provinsi Maluku Utara

Abstract

Penanggulangan kemiskinan di Provinsi Maluku dan Maluku Utara masih belum maksimal, hal ini karena masih terjadi peningkatan kemiskinan di daerah tersebut. Penelitian ini bertujuan untuk mengetahui faktor-faktor apa saja yang mempengaruhi kemiskinan di Provinsi Maluku dan Maluku Utara. MARS merupakan salah satu metode klasifikasi yang mampu menangani data ber-dimensi tinggi dengan pola data yang tidak diketahui sebelumnya, serta dapat diterapkan untuk melihat interaksi di antara variabel yang digunakan. Penelitian ini diperoleh hasil bahwa model MARS terbaik dengan kombinasi BF = 39, MI = 3 dan MO = 1 dan GCV sebesar 0.1728. Adapun variabel yang berpengaruh secara signifikan terhadap kemiskinin di Provinsi Maluku dan Maluku Utara yaitu variabel persentase lapangan pekerjaan kepala rumah tangga, persentase rumah tangga yang menggunakan jenis atap, persentase rumah tangga yang tidak menggunakan  dinding tembok,  persentase fasilitas penerangan yang digunakan, persentase penduduk yang sakit tetapi tidak berobat karena tidak memiliki biaya untuk berobat, persentase pendidikan terakhir kepala keluarga yang tidak/belum pernah sekolah dan persentase rumah tangga yang tidak memiliki fasilitas air minum

Downloads

Download data is not yet available.

References

Friedman, J.H. 1991. Multivariate Adaptive Regression Spline (With Discussion),The Annals of Statistics, Vol. 19, hal. 1-141.
Jurnal Riset dan Aplikasi Matematika. Vol. 4 No. 1 (2020) pp. 50-62. DOI: 10.26740/jram.v4n1.p51-62
Kishartini, Diah Safitri, Dwi Ispriyanti. 2014. Multivariate Adaptive Regression Splines (MARS) Untuk Klasifikasi Status Kerja Di Kabupaten Demak. Jurnal Gaussian, Volume 3, Nomor 4, Tahun 2014, Halaman 711 – 718. Diakses dari http://ejournal-s1.undip.ac.id/index.php/gaussian
Leathwick, J. R., Elith, J., & Hastie, T. 2006. Comparative Performance of Generalized Additive Models and Multivariate Adaptive Regression Splines for Statistical Modelling of Species Distributions. Ecological Modelling, 199(2), 188–196. Diakses dari https://doi.org/10.1016/j.ecolmodel.2006.05.022
Matdoan, M. Y. B. W. Otok, R.M. Atok. 2020. Modeling of Quantile Regression to Know the Factors Affecting the High Spread Api Malaria in Indonesia. Jurnal Matematika, Statistika dan Komputasi, 16(3), 417. https://doi.org/10.20956/jmsk.v16i3.8970
Matdoan, M. Y, B. W. Otok, R.M. Atok. 2020. Estimasi Parameter Regresi Quantil dengan Regresi Robust Least Trimmed Square (LTS) (Studi Kasus : Faktor-Faktor yang Mempengaruhi Penyebaran Penyakit Malaria di Indonesia).
Nuraziza Arfan dan I Nyoman Budiantara. 2014. Pendekatan Spline untuk Estimasi Kurva Regresi Nonparametrik (Studi Kasus pada Data Angka Kematian Maternal di Jawa Timur). Jurnal sains dan seni pomits Vol. 3, No.1, (2014) 2337-3520.
Published
2020-06-30
How to Cite
Matdoan, Y. (2020). Pemodelan Multivariate Adaptive Regression Spline (MARS) Pada Faktor-Faktor yang Mempengaruhi Kemiskinan di Provinsi Maluku dan Maluku Utara. J Statistika: Jurnal Ilmiah Teori Dan Aplikasi Statistika, 13(1), 8-14. https://doi.org/10.36456/jstat.vol13.no1.a3267