Skripsi

Implementasi regresi robust estimasi generalized type maximum likelihood (gm) pada tingkat pengangguran terbuka di Jawa Timur / Siti Nur Lailia

Abstrak
Tingkat pengangguran merupakan permasalahan yang menjadi perhatian utama di setiap negara dan harus segera diatasi. Beberapa faktor yang memiliki pengaruh terhadap tingkat pengangguran terbuka adalah tingkat partisipasi angkatan kerja jumlah penduduk upah minimum kabupaten/kota dan angka harapan hidup. Beberapa faktor tersebut memiliki outlier dan terdapat satu asumsi yang tidak terpenuhi sehingga pemodelan tingkat pengangguran terbuka dengan Metode Kuadrat Terkecil (MKT) kurang tepat dilakukan. Regresi robust estimasi GM merupakan solusi untuk pelanggaran asumsi yang disebabkan adanya outlier. Tujuan dari penelitian ini adalah untuk memodelkan tingkat pengangguran terbuka di Jawa Timur dengan regresi robust estimasi GM dan menentukan faktor yang berpengaruh secara signifikan. Pada model tingkat pengangguran terbuka di Jawa Timur dengan regresi robust estimasi GM menunjukkan bahwa kenaikan tingkat pengangguran terbuka disebabkan adanya penurunan jumlah tingkat partisipasi angkatan kerja () maupun peningkatan jumlah penduduk () upah minimum kabupaten/kota () dan angka harapan hidup (). Hasil penelitian ini menunjukkan bahwa tingkat pengangguran terbuka dipengaruhi seluruh variabel independen secara signifikan dengan nilai sebesar 83 84%. Hasil penelitian menyatakan bahwa seluruh variabel independen secara signifikan berpengaruh terhadap tingkat pengangguran terbuka dengan nilai sebesar 83 84%.

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Matematika, 2023.

Deskripsi Fisik

vii, 18 hlm. : ilus.

Bahasa

Indonesia

No Reg

5485/RS/23

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2023

Subjek

1. STATISTIK DESKRIPTIF - REGRESI - ROBUST ESTIMASI GENERALIZED
2. PENGANGGURAN TERBUKA - FAKTOR
3. DESCRIPTIVE STATISTICS - REGRESSION - ROBUST GENERALIZED ESTIMATION

Pembimbing

1. Azizah, S.Pd, M.Si

Lampiran Berkas