Klasifikasi Kabupaten tertinggal di Jawa Timur dengan metode multivariate adaptive regression spline (MARS)

Anggraini, Reny Fahmi (2021) Klasifikasi Kabupaten tertinggal di Jawa Timur dengan metode multivariate adaptive regression spline (MARS). ['eprint_fieldopt_thesis_type_undergraduate' not defined] thesis, UIN Sunan Ampel Surabaya.

[thumbnail of Reny Fahmi Anggraini_H72217059.pdf] Text
Reny Fahmi Anggraini_H72217059.pdf

Download (12MB)

Abstract

Pembangunan daerah tertinggal merupakan upaya terencana pemerintah untuk mengubah daerah dengan berbagai permasalahan ekonomi dan keterbatasan fisik menjadi daerah yang maju dengan daerah indonesia yang lain. Penentuan daerah tertinggal dilakukan permerintah melalui perbandingan daerah yang relatif tertinggal di seluruh negara. Dasar penentuan daerah tertinggal tahun 2015-2019 didasarkan pada 6 indikator yaitu ekonomi masyarakat, kualitas sumber daya manusia, infrastruktur, kemampuan keuangan daerah, aksesibilitas, dan karakteristik daerah. Pada Rencana Pembangunan Jangka Menengah (RPJM) selama periode 2014-2019, terdapat 62 daerah tertinggal yang menjadi fokus pemerintah dalam menangani daerah tertinggal yang sebagian besar berada di Sumatera dan Jawa. Pemerintah telah menetapkan 4 daerah di Provinsi Jawa Timur yang tergolong daerah tertinggal. Penelitian ini bertujuan untuk mengetahui hasil pengklasifikasian kabupaten tertinggal dengan menggunakan metode Multivariate Adaptive Regression Spline (MARS). Penelitian ini menghasilkan model MARS dengan kombinasi fungsi basis (BF) = 42, maksimum interaksi (MI) = 2, dan Minimum observasi (MO) = 2 yang memilik kriteria GCV dan MSE paling minimum sebesar 0,001 dan 0,00015 serta nilai R-Square maksimal yaitu 0,999. Terdapat 5 dari 21 variabel prediktor yang mempengaruhi secara signifikan terhadap model klasifikasi. Variabel yang berpengaruh yaitu Angka Harapan Hidup, Angka Melek Huruf, Jumlah Prasarana Kesehatan per 1000 Penduduk, Jarak Kabupaten ke Ibu Kota Provinsi, dan Presentase Desa terkena Tanah Longsor. Evaluasi ketepatan klasifikasi sebesar 90%, kesalah klasifikasi sebesar 10% dan dapat dipergunakan untuk melakukan prediksi ketertinggalan kabupaten. Berdasarkan model MARS, maka pada periode RPJM berikutnya diprediksikan terjadi transisi yang signifikan dari kabupaten dengan kondisi tertinggal menjadi tidak tertinggal serta terdapat beberapa kabupaten yang diindikasikan salah klasifikasi. Kabupaten yang terbebas dari ketertinggalan, setelah dilakukan perhitungan dengan metode MARS adalah Kabupaten Situbondo, Kabupaten Sampang, dan Kabupaten Pamekasan. Nilai Press’ Q juga menunjukkan hasil yang cukup bagus yaitu 19.2 dan klasifikasi status kabupaten dianggap stabil dan konsisten secara statistik.

Item Type: Thesis (['eprint_fieldopt_thesis_type_undergraduate' not defined])
Uncontrolled Keywords: Kabupaten Tertinggal; Jawa Timur; Multivariate Adaptive Regression Spline (MARS).
Subjects: Kebijakan Publik
Matematika
Sumber Daya Manusia
Divisions: Fakultas Sains dan Teknologi > Studi Matematika
Depositing User: Reny Fahmi Anggraini
Date Deposited: 15 Aug 2021 05:04
Last Modified: 15 Aug 2021 05:04
URI: http://digilib.uinsby.ac.id/id/eprint/49522

Actions (login required)

View Item
View Item