Model Generalized Poisson Regression (GPR) dan Penerapannya pada Angka Pengangguran bagi Penduduk Usia Kerja di Provinsi Sulawesi Selatan
(1) Jurusan Matematika FMIPA Universitas Negeri Makassar, 90224
(2) Jurusan Matematika FMIPA Universitas Negeri Makassar, 90224
(3) Jurusan Matematika FMIPA Universitas Negeri Makassar, 90224
(*) Corresponding Author
DOI: https://doi.org/10.35580/jmathcos.v3i2.19190
Abstract
Abstrak. Penelitian ini membahas tentang pembentukan model Generalized Poisson Regression (GPR) dan penerapannya pada angka pengangguran bagi penduduk usia kerja di Provinsi Sulawesi Selatan. Jenis penelitian ini adalah penelitian terapan yang menggunakan model regresi nonlinear, yaitu model regresi Poisson dan model GPR. Variabel respon yang digunakan adalah jumlah angka pengangguran pada usia kerja yang termasuk angkatan kerja di Provinsi Sulawesi Selatan pada tahun 2017. Adapun variabel-variabel prediktor yang digunakan yaitu persentase angkatan kerja terhadap penduduk usia kerja, Indeks Pembangunan Manusia, persentase bekerja terhadap angkatan kerja, kepadatan penduduk, dan pertumbuhan ekonomi. Penelitian menggunakan metode Maximum Likelihood Estimation (MLE) untuk mengestimasikan parameter dan menghasilkan sebuah model GPR. Variabel prediktor yang memberikan pengaruh secara signifikan adalah Indeks Pembangunan Manusia dan persentase bekerja terhadap angkatan kerja.
Kata kunci: Angka Pengangguran, Regresi Poisson, Overdispersi, Generalized Poisson Regression, Maximum Likelihood Estimation
Abstract. This study discusses the formation of the Generalized Poisson Regression (GPR) model and its application to the unemployment rate for the working age population in South Sulawesi Province. This type of research is applied research that uses the Poisson regression model, namely Poisson regression and GPR models. The response variabel used is the total unemployment rate at working age which includes the workforce in South Sulawesi Province in 2017. The predictor variables used are the percentage of the workforce on the working age population, the Human Development Index, the percentage of work on the labor force, population density, and economic growth. This research uses the Maximum Likelihood Estimation (MLE) method to estimate parameters and produce a GPR model. The predictor variables which have a significant influence are the Human Development Index and the percentage of work on the labor force.
Keywords: Unemployment Rate, Poisson Regression, Overdispersion, Generalized Poisson Regression, Maximum Likelihood EstimationFull Text:
PDFReferences
BPS. (2017). Keadaan Poisson dengan Generalized Poisson I. Jurnal Eksponensial, 2(2). 5-10
Famoye, F. (1993). Restricted Generalized Poisson Regression Model Comm. Satist.-Theor.&Math, 22(5). 1335-1354.
Ismunarti, D.H., R. Azizah, & R. Wasono. (2011). Analisis Regresi Poisson untuk Menjaga Hubungan Kelimpahan Makrobenthos dengan Parameter Perairan. Prosiding Seminar Nasional Statistika. Semarang, Indonesia: Universitas Diponegoro.
Putra, I. Y. E., Kencana, I. E., & Srinadi, I. A. (2013). Penerapan Regresi Generalized Poisson untuk Mengatasi Fenomena Overdispersi pada Kasus Regresi Poisson. E-Jurnal Matematika Universitas Udayana Bali, 2(2). 49-53.
Ruliana. (2015). Pemodelan Generalized Poisson Regression (GPR) untuk Mengatasi Pelanggaran Equidispersi pada Regresi Poisson Kasus Campak di Kota Semarang (Skripsi). Universitas Negeri Semarang, Semarang.
Rusianti. (2016). Penanganan Data Overdispersi Menggunakan Regresi Poisson Tergeneralisir (Kasus Persentase Kematian Ibu Di
Provinsi Sulawesi Tenggara 2012) (Skripsi). Universitas Haluoleo, Kendari.
Wang, W. & Famoye, F. (1997). Modeling Household Fertility Decision With Generalized Poisson Regression. Journal of Population Economics, 10(3). 273-283.
Yulianingsih, K. A., Sukarsa, K. G., & Suciptawati, L. (2012). Penerapan Regresi Poisson untuk Mengetahui Faktor-faktor yang Mempengaruhi Jumlah Siswa SMA/SMK yang Tidak Lulus UN di Bali. E-Jurnal Matematika Universitas Udayana, 1(1). 59-63.
Article Metrics
Abstract view : 2423 times | PDF view : 145 timesRefbacks
- There are currently no refbacks.
Copyright (c) 2021 Journal of Mathematics, Computations, and Statistics
Indexed by:
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.