https://aboutmusicschools.com https://slotmgc.com https://300thcombatengineersinwwii.com https://mobilephonesource.co.uk https://discord-servers.io https://esmark.net https://slotmgc.com https://nikeshoesinc.us https://ellisislandimmigrants.org https://holidaysanthology.com https://southaventownecenter.net https://jimgodfreydesign.com https://mckinneypaintingpros.com https://enchantedmansion.org https://mckinneypaintingpros.com https://laurabrodieauthor.com https://holidaysanthology.com https://ardictionary.com https://113.30.151.116 https://103.252.118.20 https://206.189.83.174 https://157.230.39.109 https://128.199.85.208 https://172.104.51.149 https://174.138.21.250 https://157.245.50.183 https://152.42.239.189 https://188.166.210.125 https://152.42.178.155 https://192.53.172.202 https://172.104.188.91 https://103.252.118.157 https://63.250.61.107 https://165.22.104.74

Pemodelan Umur Harapan Hidup di Jabar Tahun 2021 Menggunakan Spatial Durbin Model

Authors

  • Ratih Nurfitri Statistika, Universitas Islam Bandung
  • Teti Sofia Yanti Statistika, Universitas Islam Bandung

DOI:

https://doi.org/10.29313/jrs.v3i2.3023

Keywords:

Regresi Spasial, Spatial Durbin Model (SDM), Umur Harapan Hidup.

Abstract

Abstract. Linear regression analysis is a technique in statistics to form a model of the relationship between response variables with one or more predictor variables, but linear regression becomes less specific if the data used has a location aspect because the modeling does not take into account the proximity factor between regions. Therefore there was a development of linear regression into spatial regression where the location aspect is also considered, one of the spatial regression analysis is spatial Durbin Model (SDM) or a type of spatial regression analysis that considers the influence of the proximity of the region on the response variables and predictor variables. In this study, life expectancy modeling will be carried out to determine the factors that affect life expectancy in West Java province in 2021 with the predictive variables being the average length of school, the percentage of households behaving clean and healthy, the number of Posyandu, the percentage of poor people and adjusted per capita expenditure. From the results of the study, the factors that have a significant effect on life expectancy are the average length of schooling and the percentage of adjusted per capita expenditure, with the value of the coefficient of determination (R2) is 73.002 % which can be interpreted that the life expectancy model in West Java in 2021 can be explained by the model of 73.002%, while.

Abstrak. Analisis regresi linier adalah teknik dalam statistika untuk membentuk model hubungan antara variabel respon dengan satu atau lebih variabel prediktor, namun regresi linier menjadi kurang spesifik jika data yang digunakan memiliki aspek lokasi karena dalam pemodelannya tidak memperhitungkan faktor kedekatan antar wilayah. Oleh karena itu terjadilah pengembangan regresi linier menjadi regresi spasial dimana aspek lokasi juga ikut diperhatikan, salah satu analisis regresi spasial adalah Spatial Durbin Model (SDM) atau jenis analisis regresi spasial yang memperhatikan pengaruh kedekatan daerah pada variabel respon maupun variabel prediktornya. Pada penelitian ini akan dilakukan pemodelan Umur Harapan Hidup untuk mengetahui faktor-faktor yang mempengaruhi Umur Harapan Hidup yang ada di provinsi Jawa Barat pada tahun 2021 dengan variabel predikornya adalah Rata-rata Lama Sekolah, Persentase Rumah Tangga Berperilaku Hidup Bersih dan Sehat, Jumlah Posyandu, Persentase Jumlah Penduduk Miskin dan Pengeluaran Perkapita yang Disesuaikan. Dari hasil penelitian, faktor-faktor yang berpengaruh signifikan terhadap umur harapan hidup adalah rata-rata lama sekolah dan persentase pengeluaran perkapita yang disesuaikan, dengan nilai koefisien determinasi (R2) adalah  73,002 % yang dapat diartikan bahwa model umur harapan hidup di Jawa Barat tahun 2021 dapat dijelaskan oleh model sebesar 73,002%, sedangkan sisanya 26.998% dijelaskan oleh variabel lain diluar model.

References

L. Anselin, Spatial Econometrics: Methods and Models, vol. 4. Dordrecht: Springer Netherlands, 1988. doi: 10.1007/978-94-015-7799-1.

SILAKIP Kota Bandung, Analisis Pencapaian Sasaran 2 Tahun 2019 Meningkatnya Derajat Kesehatan Masyarakat Indikator. 2019.

E. Anggraeni, “Faktor-faktor yang mempengaruhi kualitas penduduk lanjut usia laki-laki di Kelurahan Kranjingan Kecamatan Sumbersari Kabupaten Jember,” 2007.

L. Anisa and N. A. K. Rifai, “Analisis Regresi Logistik Biner dengan Metode Penalized Maximum Likelihood pada Penyakit Covid-19 di RSUD Pringsewu,” Jurnal Riset Statistika, pp. 129–136, Dec. 2022, doi: 10.29313/jrs.v2i2.1425.

J. P. LeSage and R. K. Pace, Introduction to Spatial Econometrics. R Press. Boca Ration., 2009.

R. Rahmawati, D. Safitri, and O. Fairuzdhiya, “Analisis Spasial Pengaruh Tingkat Pengangguran Terhadap Kemiskinan Di Indonesia (Studi Kasus Provinsi Jawa Tengah,” vol. 8, pp. 23–30, 2015.

A. R. Kumboro, S. Martha, and B. Prihandono, “Identifikasi autokorelasi spasial pada penyebaran anak terlantar di kabupaten ketapang dengan indeks moran,” Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster), vol. xx, no. X, pp. 1–6, 2016.

A. D. Cliff and J. K. Ord, Spatial and Temporal Analysis: Autocorrelation in Space and Time, Quantitati. Routledge & Kegan Paul, London, 1981.

A. R. Hakim, H. Yasin, and A. Rusgiyono, “Modeling Life Expectancy in Central Java Using Spatial Durbin Model,” Media Statistika, vol. 12, no. 2, p. 152, 2019, doi: 10.14710/medstat.12.2.152-163.

Downloads

Published

2023-12-25