ANALISIS JUMLAH KELAHIRAN MENGGUNAKAN STATISTIKA NONPARAMETRIK

Authors

  • Fadya Safitri Rahman Universitas Islam Negeri Sumatera Utara
  • Fitri Khoiroh Sayidah Harahap Universitas Islam Negeri Sumatera Utara
  • Nabila Ulkhaira Universitas Islam Negeri Sumatera Utara

DOI:

https://doi.org/10.63736/jbs.v3i1.129

Keywords:

CBR, Nonparametrik Spline Truncated, GCV

Abstract

Pada tahun 2012 terjadi 40.343 jumlah kelahiran, dimana angka ini mencerminkan pertumbuhan penduduk yang sangat tinggi. Pertumbuhan penduduk yang begitu pesat dikhawatirkan akan menyebabkan ledakan pertumbuhan penduduk. Pada penelitian ini memodelkan angka kelahiran kasar (CBR) dengan 5 variabel yang diduga berpengaruh. Pemodelan dilakukan dengan metode regresi nonparametrik Spline truncated. Metode ini dipilih karena Spline merupakan metode yang fleksibel, model ini cenderung mencari sendiri estimasi data. Dalam pemodelan ini terdapat titik knot, yaitu titik yang menunjukkan perubahan data. Pemilihan titik knot optimum dilakukan dengan cara memilih nilai Generalized Cross Validation (GCV) yang paling minimum. Berdasarkan penelitian yang telah dilakukan, 5 variabel dinyatakan berpengaruh terhadap CBR yaitu persentase kepala keluarga yang berstatus pendidikan tidak sekolah/belum tamat SD, persentase kepala keluarga yang berstatus tidak bekerja, persentase kepala keluarga yang menikah pada umur 15-19 tahun, angka perkawinan kasar, dan angka migrasi masuk. Model regresi nonparametrik Spline truncated yang terbentuk memiliki koefisien determinasi sebesar 94,3%, serta nilai MSE yaitu 0,44.

Downloads

Download data is not yet available.

References

Badan Pusat Statistika. (2010). Laporan Hasil Sensus Penduduk 2010 Data Agregat Per Provinsi. Jakarta: Badan Pusat Statistika.

Lucas, D., & Blake. (2005). Pengantar Kependudukan. Yogyakarta: UGM Press.

World Bank. (2011). Public Data. Retrieved, from https://www.google.com/publicdata/explore?ds=d5bncppjof8f9_&met_ y=sp_dyn_tfrt_in&idim=country:IDN&dl=id&hl=id&q=tingkat%20ke lahiran%20di%20indonesia#!ctype=l&strail=false&bcs=d&nselm=h& met_y=sp_dyn_cbrt_in&scale_y=lin&ind_y=false&rdim=region&idim =country:

Dinas Kependudukan dan Catatan Sipil Kota Surabaya. (2012). Buku Profil Perkembangan Kependudukan Kota Surabaya tahun 2012. Surabaya: Dinas Kependudukan dan Catatan Sipil Kota Surabaya.

Eubank. (1988). Spline Smoothing and Nonparametric Regression. Marcel Dekker New York.

Budiantara, I. N. (2009). Spline dalam Regresi Nonparametrik: Sebuah Pemodelan Statistika Masa Kini dan Masa Mendatang. Surabaya: Jurusan Statistika, Fakultas Matemetika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember

.

Sugiantari, A. P., & Bidiantara, I. N. (2013). Analisis Faktor-Faktor yang Mempengaruhi Angka Harapan Hidup di Jawa Timur Menggunakan Regresi Semiparametrik Spline. Surabaya: Tugas Akhir, Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember.

Eubank, R. L., & Thomas, W. (1993). Detecting Heterocedasticity in Nonparametric Regression. Journal of the American Statistical Association, 387-392.

Downloads

Published

2023-12-16

How to Cite

Rahman, F. S., Harahap, F. K. S., & Ulkhaira, N. (2023). ANALISIS JUMLAH KELAHIRAN MENGGUNAKAN STATISTIKA NONPARAMETRIK . Jurnal Bakti Sosial, 3(1), 54–62. https://doi.org/10.63736/jbs.v3i1.129

Issue

Section

Articles