Pemodelan Regresi Logistik Bayesian Indikator Skala Kategorik dengan Pendekatan Principal Component Analysis Nonlinier

Rohmah, Devi Azarina Manzilir and Dr. Dra. Ani Budi Astuti,, M.Si. and Achmad Efendi, S.Si., M.Sc., Ph.D (2023) Pemodelan Regresi Logistik Bayesian Indikator Skala Kategorik dengan Pendekatan Principal Component Analysis Nonlinier. Magister thesis, Universitas Brawijaya.

Abstract

Regresi logistik biner pada umumnya digunakan dalam penelitian untuk memahami hubungan antara beberapa variabel independen dan variabel dependen yang bersifat biner. Dalam pemodelan regresi logistik, estimasi parameter dianggap sebagai tahapan penting. Kinerja estimasi ini sering kali dipengaruhi oleh ukuran sampel dan karakteristik data, dan untuk mengatasi masalah ini, maka dapat menggunakan metode Bayesian sebagai estimasi. Penelitian ini bertujuan untuk menggunakan Regresi Logistik Bayesian yang dipadukan dengan Principal Component Analysis Nonlinier untuk mengetahui determinan status migran risen di Daerah Istimewa Yogyakarta tahun 2021, di mana migran risen Yogyakarta pada tahun 2021 menempati posisi pertama di Indonesia, sedangkan kota ini memiliki upah minimum regional terendah di Indonesia. Data yang digunakan pada penelitian ini merupakan data dari Survei Sosial Ekonomi Nasional Kor Maret 2021. Metode Bayesian digunakan dalam penelitian ini untuk mendapatkan estimasi yang lebih baik dibandingkan penelitian sebelumnya yang menggunakan metode Maximum Likelihood Estimation atau MLE, karena Bayesian bersifat tidak bias untuk kasus unbalanced yang sering ditemukan pada regresi logistik. Hasil penelitian menunjukkan bahwa variabel usia, status kegiatan utama, status kepemilikan tempat tinggal, dan sarana prasarana mempunyai pengaruh yang signifikan terhadap keputusan penduduk untuk bermigrasi ke Daerah Istimewa Yogyakarta, Indonesia.

English Abstract

Binary logistic regression is utilized in research to understand the relationship between multiple independent variables and a binary response variable. In logistic regression modelling, parameter estimation is regarded as a vital stage. The performance of this estimation is often affected by the sample size and data characteristics, and to deal with this problem, the Bayesian method can be employed as an estimation. This research aims to use Bayesian Regression Logistic combined with Nonlinear Principal Component Analysis to figure out the determinant of recent inmigrants status in Special Region of Yogyakarta 2021, where Yogyakarta’s recent inmigrants in 2021 took the first position in Indonesia, whereas this city has the lowest regional minimum wage in Indonesia. The Bayesian method was used in this study to obtain a better estimate than previous studies using maximum likelihood estimation, because Bayesian is unbiased for unbalanced cases which are often found in logistic regression. This research results show that particular variables such as resident age, the status of main activities, the status of residential ownership, and infrastructure have significant effect on resident migrating to Special Region of Yogyakarta, Indonesia.

Item Type:	Thesis (Magister)
Identification Number:	0424090001
Uncontrolled Keywords:	Bayesian, Migrasi, Regresi Logistik, Principal Component Analysis Nonlinier, Yogyakarta.
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika
Depositing User:	Unnamed user with username nova
Date Deposited:	24 Jan 2024 04:27
Last Modified:	24 Jan 2024 04:27
URI:	http://repository.ub.ac.id/id/eprint/213406

Text (DALAM MASA EMBARGO) Devi Azarina Manzilir Rohmah.pdf Restricted to Registered users only Download (9MB)

Actions (login required)

View Item