Implementasi Regresi Logistik Bayesian Pada Indeks Pembangunan Manusia

Abstract View: 233, PDF Download: 164

Authors

  • Nur Mahmudah Universitas Nahdlatul Ulama Sunan Giri
  • Ifa Khoiria Ningrum Universitas Nahdlatul Ulama Sunan Giri
  • Fifi Dayanti Universitas Nahdlatul Ulama Sunan Giri

DOI:

https://doi.org/10.32665/james.v7i1.2427

Keywords:

bayesian, Human Development Index, Indeks Pembangunan Manusia, Logistic Regression Link Function, Regresi Logistik Link Function

Abstract

Indeks Pembangunan Manusia merupakan suatu ukuran keberhasilan dalam meningkatkan kesejahteraan hidup manusia. Kegunaan IPM sebagai alat perancangan program dan evaluasi kebijakan pemerintah dalam mencapai target keberhasilan Pembangunan. Dalam meningkatkan IPM disuatu pemerintah membutuhkan sebuah program yang efektif dan komperensif sebagai data dalam pengambilan kebijakan seperti penggunaan metode regresi logistik bayesian. Penelitian ini untuk mengetahui faktor-faktor yang mempengaruhi IPM (Y) dengan melibatkan peubah rata-rata lama sekolah (X1), harapan lama sekolah (X2), pengeluaran perkapita (X3) dengan komputasi Markov Chains Monte Carlo-Gibbs Sampling. Metode ini merupakan salah satu Teknik komputasi algoritma yang efektif dimana melibatkan likelihood data dan prior yang menjadi parameter posterior model pada IPM di Jawa Timur. Model regresi logistik link function menghasilkan faktor yang berpengaruh signifikan terhadap IPM yaitu rata-rata lama sekolah (X1). Faktor ini menandakan bahwa rata-rata lama sekolah (X1) bernilai positif terhadap IPM dengan syarat faktor lain yang diamati konstan. Hasil analisis ini menyimpulkan bahwa rata-rata lama sekolah (X1) merupakan indikator yang penting dalam keberhasilan peningkatan IPM di Jawa Timur.

References

M. Fathurahman, M. Siringoringo, A. M. A. Satriya, and N. Sari Wulan, “Pemodelan regresi logistik dan regresi probit pada indeks pembangunan manusia kabupaten/kota di pulau Kalimantan,” Pros. Semin. Nas. Mat. Stat. dan Apl., vol. 1, no. Oktober, pp. 172–182, 2019.

I. Kemala and A. W. Wijayanto, “Perbandingan Kinerja Metode Bagging dan Non-Ensemble Machine Learning pada Klasifikasi Wilayah di Indonesia menurut Indeks Pembangunan Manusia,” J. Sist. dan Teknol. Inf., vol. 9, no. 2, p. 269, 2021, doi: 10.26418/justin.v9i2.44166.

E. D. Supandi, R. Yulianti, and Akhmad Fauzy, “Regresi Data Panel untuk Mengetahui Faktor-Faktor yang Mempengaruhi IPM di Kabupaten/Kota Provinsi DIY,” Stat. J. Theor. Stat. Its Appl., vol. 22, no. 2, pp. 157–163, 2022, doi: 10.29313/statistika.v22i2.1122.

M. Fikry, “… Decision Tree Algorithm Dan Metode Naive Bayes Mengidentifikasi Pertumbuhan Indeks Pembangunan Manusia (Ipm) Di Provinsi …,” JUTISAL J. Tek. Inform. Univers., vol. 1, no. 2, pp. 9–16, 2021, [Online]. Available: https://universal.ac.id/jurnal/index.php/jutisal/article/view/7

M. D. Wagho, R. D. Bekti, J. Statistika, F. S. Terapan, and C. Author, “MODEL PERSAMAAN SIMULTAN UNTUK ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PERSENTASE KEMISKINAN DAN INDEKS PEMBANGUNAN,” vol. 7, no. 1, pp. 60–70, 2022.

A. Isgiarahmah, R. Goejantoro, and Y. N. Nasution, “Estimasi Parameter Model Regresi Linier Berganda dengan Pendekatan Bayes Menggunakan Prior Pseudo (Studi Kasus Indeks Pembangunan Manusia (IPM) di Kalimantan Timur) Parameter Estimation of the Multiple Linear Regression Model with the Bayes Approach Using Prior Pseudo (Case Study of the Human Development Index (HDI) in East Kalimantan),” J. EKSPONENSIAL, vol. 12, no. 1, pp. 1–6, 2021.

I. Pramudya and S. Khoiriah, “Penerapan Analisis Regresi Ganda Untuk Mengidentifikasi Faktor-Faktor Yang Berasosiasi Terhadap Capaian IPM,” Pros. Semin. Nas. Mat. dan Pendidik. Mat. UMS, pp. 764–776, 2015.

I. Azagi, Erfiani, Indahwati, Anwar Fitrianto, and Reni Amelia, “Pemodelan Regresi Logisitik Biner pada Faktor-Faktor yang Memengaruhi Indeks Pembangunan Manusia di Pulau Jawa,” J. Stat. dan Apl., vol. 6, no. 1, pp. 1–11, 2022, doi: 10.21009/jsa.06101.

F. Syafitri and R. Goejantoro, “Logistic Regression with Bayesian Method for The Modelling of Human Development Index Districts/Cties in Kalimantan Island,” J. Eksponensial, vol. 12, no. 2, pp. 103–110, 2021.

Y. Ding-Genggchen and H. Tzong-Ruutsaiieditors, “Emerging Topics in Statistics and Biostatistics Bayesian Inference and Computation in Reliability and Survival Analysis.”

F. Korner-Nievergelt, T. Roth, S. von Felten, J. Guélat, B. Almasi, and P. Korner-Nievergelt, Bayesian Data Analysis in Ecology Using Linear Models with R, BUGS, and Stan. 2015. doi: 10.1016/C2013-0-23227-X.

K. de Groot, PERBAINDINGAN METODEESTIMASI PARAMETER MAXIMUM LIKELIHOOD DAN BAYESIAN PADA REGRESI RIDGE, vol. 1, no. 1. 2018.

C. A. Stone and X. Zhu, Bayseian Analysis of Item Response Theory Models Using SAS ®. 2015. [Online]. Available: https://www.sas.com/store/books/series/analytics/bayesian-analysis-of-item-response-theory-models-using-sas-/prodBK_67262_en.html

J. Barry, “Doing Bayesian Data Analysis: A Tutorial with R and BUGS,” Eur. J. Psychol., vol. 7, no. 4, 2011, doi: 10.5964/ejop.v7i4.163.

H. Crc and X. Wang, Computer Science and Data Analysis Series BAYESIAN REGRESSION Baruch College , The City University of New York.

N. Mahmudah and F. Anggraini, “on Computational Bayesian Ordinal Logistic Regression Link Function in Cases of Cervical Cancer in Tuban,” BAREKENG J. Ilmu Mat. dan Terap., vol. 16, no. 3, pp. 909–918, 2022, doi: 10.30598/barekengvol16iss3pp909-918.

T. Ten, M. Books, and O. Bayesian, R ev iew s o f B a y es ’ R ule : A T u torial In trod u ction.

N. Mahmudah and F. Anggraeni, “Bayesian Survival Dagum 3 Parameter Link Function Models in the Suppression of Dengue Fever in Bojonegoro,” IAENG Int. J. Appl. Math., vol. 51, no. 3, pp. 1–7, 2021.

S. Cohen, “Bayesian analysis in natural language processing, second edition,” Synth. Lect. Hum. Lang. Technol., vol. 12, no. 1, pp. 1–343, 2019, doi: 10.2200/S00905ED2V01Y201903HLT041.

F. Anggraeni and N. Mahmudah, “Bayesian Spatial Survival Lognormal 3 Parameter Models for Event Processes Dengue Fever in Tuban,” IAENG Int. J. Appl. Math., vol. 51, no. 4, pp. 1–8, 2021.

N. Mahmudah and P. E. Yuwita, “Journal of Mathematics Education Aplikasi komputasi Bayesian Regresi Dummy Pada kasus,” no. c, 2022.

N. Mahmudah et al., “BAYESIAN REGRESI SURVIVAL PADA PROSES KEJADIAN HIV / AIDS DI JAWA TIMUR”.

N. Mahmudah and H. Pramoedyo, “Pemodelan Spasial Survival Weibull-3 Parameter dengan Frailty Berdistribusi Conditionally Autoregressive ( CAR ),” Nat. B, vol. 3, no. 1, pp. 93–102, 2015.

S. K. Au, Operational modal analysis: Modeling, bayesian inference, uncertainty laws. 2017. doi: 10.1007/978-981-10-4118-1.

D. W. Hosmer, S. Lemeshow, and R. X. Sturdivant, Applied Logistic Regression: Third Edition. 2013. doi: 10.1002/9781118548387.

Downloads

Published

2024-04-29

How to Cite

[1]
N. Mahmudah, I. K. Ningrum, and F. Dayanti, “Implementasi Regresi Logistik Bayesian Pada Indeks Pembangunan Manusia”, JaMES, vol. 7, no. 1, pp. 85–91, Apr. 2024.

Issue

Vol. 7 No. 1 (2024): Journal of Mathematics Education and Science

Section

Articles

Categories

License

Copyright (c) 2024 Journal of Mathematics Education and Science

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Authors who publish with this journal agree to the following terms:

  1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
  2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) before and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work
Abstract View: 233, PDF Download: 164