PEMODELAN ANGKA PARTISIPASI KASAR PERGURUAN TINGGI DI PROVINSI JAWA TENGAH DENGAN PENDEKATAN PRINCIPAL COMPONENT GEOGRAPHICALLY WEIGHTED REGRESSION

MOHD SYAFRIZAL, . (2024) PEMODELAN ANGKA PARTISIPASI KASAR PERGURUAN TINGGI DI PROVINSI JAWA TENGAH DENGAN PENDEKATAN PRINCIPAL COMPONENT GEOGRAPHICALLY WEIGHTED REGRESSION. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

This is the latest version of this item.

[img] Text
COVER.pdf

Download (1MB)
[img] Text
BAB 1.pdf

Download (324kB)
[img] Text
BAB 2.pdf
Restricted to Registered users only

Download (828kB)
[img] Text
BAB 3.pdf
Restricted to Registered users only

Download (518kB)
[img] Text
BAB 4.pdf
Restricted to Registered users only

Download (711kB)
[img] Text
BAB 5.pdf
Restricted to Registered users only

Download (239kB)
[img] Text
DAFTAR PUSTAKA.pdf

Download (224kB)
[img] Text
LAMPIRAN.pdf
Restricted to Registered users only

Download (898kB)

Abstract

Pendidikan di suatu negara merupakan hal yang sangat penting dalam meningkatkan sumber daya manusia. Angka Partisipasi Kasar Perguruan Tinggi (APK-PT) merupakan salah satu indikator penting pemerintah dalam mengevaluasi pembangunan sektor pendidikan khususnya pendidikan tinggi. Adanya keragaman sosial budaya maupun pengaruh geografis membuat kondisi antara satu wilayah dengan wilayah yang lain berbeda, sehingga tiap wilayah mempunyai ciri dan karakteristik tersendiri atau yang disebut heterogenitas spasial. Geographically Weighted Regression (GWR) merupakan metode yang dapat mengatasi permasalahan heterogenitas spasial. Selain itu, permasalahan yang kerap ditemukan dalam pemodelan dengan melibatkan banyak variabel bebas adalah multikolinearitas yang menyebabkan hasil estimasi parameter regresi memiliki ragam yang besar dan menyebabkan penarikan kesimpulan yang tidak valid. Principal Component Analysis (PCA) merupakan suatu metode reduksi dimensi yang dapat mengatasi adanya multikolinearitas. Tujuan penelitian ini adalah memodelkan APK-PT di Jawa Tengah menggunakan GWR yang didahului dengan penanganan multikolinieritas menggunakan PCA. Selain itu penelitian ini juga bertujuan untuk menentukan faktor-faktor yang mempengaruhi APK-PT di Jawa Tengah. Hasil penelitian dengan menggunakan fungsi pembobot fixed Gaussian kernel menunjukkan pemodelan menggunakan PCA dengan GWR memiliki performa lebih baik dibandingkan hanya menggunakan metode Ordinary Least Square (OLS) dengan diperoleh nilai AIC sebesar 169,43 dan R2 sebesar 96,2%. ******* The education of a country is crucial in enhancing human resources. The Gross Enrollment Ratio (GER) is one of the important indicators for the government to evaluate the development of the education sector, especially higher education. The presence of socio-cultural diversity and geographical influences creates varying conditions between different regions, resulting in each region having its own distinct characteristics, known as spatial heterogeneity. Geographically Weighted Regression (GWR) is a method that can solve the challenges posed by spatial heterogeneity. Moreover, issues commonly encountered in modeling with multiple independent variables include multicollinearity, which leads to high variance in regression parameter estimates and invalid conclusions. Principal Component Analysis (PCA) is a dimensionality reduction method that can solve multicollinearity. The purpose of this research is to model the GER for higher education in Central Java using GWR, preceded by addressing multicollinearity through PCA. Additionally, this study also aims to determine the factors influencing APK-PT in Central Java. The research results, using a fixed Gaussian kernel, indicate that modeling PCA with GWR performs better compared to solely using the Ordinary Least Square (OLS) method, by evidenced AIC value is 169.43 and R2 is 96.2%.

Item Type: Thesis (Sarjana)
Additional Information: 1). Dra. Widyanti Rahayu, M.Si. ; 2). Dania Siregar, S.Stat., M.Si.
Subjects: Ilmu Sosial > Statistik
Ilmu Sosial > Demografi, Penduduk, Ilmu Kependudukan
Pendidikan > Pendidikan
Pendidikan > Teori, Penelitian Pendidikan
Sains > Sains, Ilmu Pengetahuan Alam
Sains > Matematika
Divisions: FMIPA > S1 Statistika
Depositing User: Users 22107 not found.
Date Deposited: 15 Feb 2024 00:55
Last Modified: 15 Feb 2024 00:55
URI: http://repository.unj.ac.id/id/eprint/44819

Available Versions of this Item

Actions (login required)

View Item View Item