z-logo
open-access-imgOpen Access
METODE MAXIMUM LIKELIHOOD DALAM PENAKSIRAN MODEL SPATIAL AUTOREGRESSIVE (Studi Kasus: Indeks Pembangunan Manusia Seluruh Provinsi di Indonesia pada Tahun 2016)
Author(s) -
Henny Priandini Amalia,
Yundari Yundari,
. Helmi
Publication year - 2019
Publication title -
bimaster: buletin ilmiah matematika, statistika dan terapannya
Language(s) - Bosnian
Resource type - Journals
ISSN - 2302-9854
DOI - 10.26418/bbimst.v8i3.33585
Subject(s) - physics , mathematics , statistics
Indeks Pembangunan Manusia (IPM) adalah suatu indikator tingkat kualitas hidup manusia melalui berbagai faktor yang mempengaruhi. Pembangunan manusia terus mengalami kemajuan seiring dengan meningkatnya Indeks Pembangunan Manusia (IPM). Data IPM setiap tahunnya pasti berbeda-beda, hal ini memungkinkan adanya saling ketergantungan dari faktor-faktor yang mempengaruhi IPM dengan terjadinya korelasi antardaerah. Permasalahan ini dapat dimodelkan dalam bentuk pemodelan spasial. Salah satu pemodelan spasial adalah model Spatial Autoregressive (SAR). Pada penelitian ini dilakukan pemodelan SAR dengan tujuan untuk menganalisis adanya dependensi spasial dari beberapa lokasi dan pengaruh faktor-faktor dari suatu variabel independen. Pada estimasi model SAR digunakan metode Maximum Likelihood dan diterapkan pada kasus IPM seluruh provinsi di Indonesia pada tahun 2016. Hasil penelitian diperoleh bahwa terdapat dependensi lag spasial antarprovinsi yang berarti provinsi yang berdekatan memiliki nilai yang cenderung mirip. Uji dependensi spasial dilakukan pada matriks pembobot dengan metode queen contiguity dan diperoleh nilai p-value signifikan pada 5%. Hal ini menunjukkan bahwa terdapat dependensi spasial antarprovinsi. Berdasarkan model yang telah diperoleh untuk masing-masing tetangga, disimpulkan bahwa semakin banyak jumlah tetangga sangat berpengaruh terhadap nilai estimasi persentase indeks pembangunan manusia seluruh provinsi di Indonesia pada tahun 2016. Kata Kunci : Regresi Spasial, Dependensi Spasial, IPM, Spatial Autoregressive. 

The content you want is available to Zendy users.

Already have an account? Click here to sign in.
Having issues? You can contact us here