Hasil Pencarian  ::  Simpan CSV :: Kembali

"Salah satu indikator penting untuk mengetahui miskin atau tidaknya suatu rumah tangga adalah jumlah pengeluaran rumah tangga tersebut per bulan. Tugas akhir mi membandingkan kontribusi pengeluaran pangan dan non pangan pada pengeluaran per bulan dengan memperhatikan karakteristik-karakteristik demografis dan sosial rumah tangga. Metode analisis yang digunakan adalah model regresi linier berganda, berdasarkan data rumah tangga hasil Survei Sosial Ekonomi Nasional 1990 (BPS 1990) untuk wilayah propinsi Jawa Barat. Beberapa model regresi di buat untuk rumah tangga miskin dan tidak miskin baik di kota maupun di desa. Hasil yang didapat adalah adanya perbedaan kontribusi pengeluaran pangan maupun non pangan pada pengeluaran rumah tangga per bulan antara rumah tangga miskin dan tidak miskin baik di kota maupun di desa. Kontribusi pengeluaran pangan pada rumah tangga miskin lebih besar dibandingkan rumah tangga tidak miskin, di kota maupun di desa. Sedangkan kontribusi pengeluaran non pangan pada rumah tangga tidak miskin lebih besar dibandingkan rumah tangga miskin, di kota maupun di desa. Karakteristik-karakteristjk yang diperhatikan dalam model adalah jenis kelamin kepala keluarga, sumber penghasilan utama, status pekerjaan, tingkat pendidikan kepala keluarga, jumlah pekerja dan jumlah anggota rumah tangga."

"Regresi linier merupakan suatu metode yang dapat digunakan untuk memodelkan hubungan antara suatu variabel terikat terhadap satu atau lebih variabel penjelas. Terdapat beberapa asumsi yang harus dipenuhi pada model regresi linier, yaitu komponen error berdistribusi normal dengan mean nol, variansi error konstan (homoskedastis), dan error antar observasi saling bebas. Pada saat menganalisis data spasial dengan menggunakan model regresi linier, asumsi homoskedastis terkadang tidak dapat terpenuhi karena kondisi data pada satu lokasi berbeda dengan kondisi data pada lokasi lainnya. Model Geographically Weighted Regression (GWR) dapat digunakan untuk mengatasi masalah heterogenitas spasial. Parameter model GWR dapat ditaksir dengan menggunakan dasar metode Weighted Least Squares (WLS) dimana bobotnya merupakan fungsi pembobot kernel. Fungsi pembobot kernel yang digunakan pada penelitian ini adalah fungsi pembobot kernel Gaussian. Pada bagian akhir penulisan, diberikan contoh aplikasi model GWR dengan menggunakan data klaim rawat inap peserta asuransi kesehatan PT. XYZ untuk melihat hubungan antara total biaya rawat inap terhadap lamanya pasien dirawat inap dan kelas kamar rumah sakit yang ditempati pasien selama menjalani rawat inap untuk diagnosa tipes, DBD, dan diare. Dari hasil penelitian, hanya diagnosa tipes dan DBD yang dapat dianalisis dengan GWR. Berdasarkan peta penyebaran hasil taksiran parameter model GWR dan taksiran rata-rata total biaya rawat inap pasien dengan diagnosa tipes dan DBD, terlihat adanya variasi biaya di rumah sakit yang satu dengan rumah sakit lainnya.

---

Linear regression is a method that can be used to model the relationship between a dependent variable to one or more explanatory variables. There are some assumptions that must be fulfilled in the linear regression model, such as the error term is normally distributed with mean zero, a constant variance (homoscedastic), and independent among observations. When analyzing spatial data using a linear regression model, sometimes the homoscedastic assumption cannot be fulfilled because data condition on one location differ compared to others.

Geographically Weighted Regression (GWR) model is used to overcome the spatial heterogeneity problem. Parameters of GWR model can be estimated using Weighted Least Squares (WLS) method as the basic of estimating parameters using kernel weighting function. The kernel weighting function used here is Gaussian kernel weighting function. At the last chapter, there is an example of the GWR model application by using inpatient claims data of PT. XYZ members to see the relationship between the total inpatient cost to length of stay and hospital’s room rate for typhoid, DBD, and diarrhea.

From the result, only typhoid and DBD that can be analyzed with GWR model. Based on the map of parameter estimates on GWR model and average of total inpatient cost for typhoid and DBD, it shows that there is a variation of inpatient cost between one hospital and the others."

"ABSTRAKKemacetan di Jakarta menjadi salah satu masalah utama yang belum terselesaikan hingga kini. Salah satu penyebab kemacetan adalah kegiatan pendidikan. Berdasarkan catatan Dinas Pendidikan (2014) terdapat 16% penduduk jakarta yang terlibat dalam kegiatan pendidikan. Studi duku dinas perhubungan jakarta selatan pada tahun 2013 juga menunjukkan terdapat 10 sekolah penyebab terjadinya kemacetan. Untuk itu, diperlukan penelitian untuk mencari variabel-variabel yang paling berpengaruh dan membentuk model transportasi yang berkaitan dengan perjalanan siswa ke sekolah agar dapat memahami bangkitan perjalanan secara terukur. Model tersebut dibentuk dengan metode Regresi Linierdengan data yang diperoleh dari sampel kuesioner di enam sekolah di Jakarta selatan. Analisa dan validasi model dilakukan dengan membandingkan jumlah Person Trips yang terbentuk dengan hasil metode Category Analysis. Jumlah Trip Generation Rate kemudian dapat dihitung berdasarkan jenjang dan karakteristik lokasi sekolah. Hasil model menunjukkan kondisi sosial ekonomi siswa seperti ukuran keluarga, pendapatan, kepemilikan kendaraan dan komponen perjalanan siswa seperti waktu, biaya dan jarak merupakan variabel-variabel yang paling berpengaruh terhadap jumlah bangkitan perjalanan siswa ke sekolah. Adapun variabel sekolah yang berpengaruh adalah jumlah kelas. Hasil perbandingan menunjukkan jumlah Person Trips dan Trip Generation rate antara model regresi dan Category Analysis mendekati atau sama. Nilai Trip Generation Rate per m2 luas sekolah yang terdiri dari tarikan dan bangkitan perjalanan sekolah adalah sebagai berikut : Sekolah Dasar Negeri (0.23 dan 0.20), Sekolah Menengah Pertama Negeri (0.35 dan 0.32), Sekolah Menengah Atas Negeri (0.25 dan 0.24), sekolah di wilayah perbatasan (0.24 dan 0.22) dan sekolah di pusat kota (0.31 dan 0.29).

---

ABSTRACT

Congestion in Jakarta became one of the major unresolved problem until now. One of causes is school acitivity. Jakarta Education Agency (2014) stated there is 16% of population which involved in school activity. Study of the South Jakarta Transportation Agency in 2013 indicates there are 10 schools that cause congestion. Therefore, it is necessary to study the most influential variables and create transportation models related to student traveling to school in order to understand measurable trip generation. The models are formed using Linear Regression Methode with data obtained from sample of Bangkitan perjalanan..., Pameliantoro Dhani Grahutama, FT UI, 2016

xii Universitas Indonesia

questionnaires in six schools in South Jakarta. Analysis and validation models were conducted by compare the Person Trips values with the result of Category Analysis method. Then, amount of Trip Generation Rate was calculated based on school level and characteristic of location. The models show that students?s socio-economy such as family size, income, vehicle ownership and component of student travel such as time, cost and distance are the most influential variables on the number of trip generation of student travel to school. The number of class is also the influential variable. The results showed similarity of the number of Person Trips and Trip Generation Rate value are between the regression model and Category Analysis. The values of Trip Generation Rate per m2school area consisting attraction and generation school trip are as :State Elementary School (0.23 and 0.20), State Junior High School (0.35 and 0.32), State High School (0.25 and 0.24), Schools in Border Area (0.24 and 0.22) and Schools in Central City (0.31 and 0.29)."

"Program Bantuan Tunai Bersyarat BTB merupakan salah satu kebijakan yang paling populer dalam mengurangi kemiskinan. Selain tujuan utamanya untuk mengurangi kemiskinan, program ini juga sering diklaim memiliki dampak pada fertilitas seperti jarak kelahiran. Pada satu sisi program ini dapat meningkatkan jarak kelahiran karena peningkatan pengetahuan kesehatan reproduksi ibu. Di sisi lain, program ini mungkin memberi insentif bagi rumah tangga yang menerima kurang dari jumlah maksimal untuk mengurangi jarak kelahiran karena jumlah bantuan tunai didasarkan pada prasyarat mencakup kehamilan dan jumlah anak balita.Dengan menggunakan data dari program BTB Indonesia atau Program Keluarga Harapan PKH , kami ingin mengukur dampak program jangka pendek dan jangka panjang terhadap jarak kelahiran. Kami membangun sejarah kelahiran kepala keluarga perempuan dan pasangan dari informasi anggota keluarga kemudian mengelompokkannya menurut paritas jumlah kelahiran hidup untuk menangani autokorelasi.Hasil yang kami peroleh menunjukkan bahwa dalam jangka pendek dan panjang program PKH menurunkan jarak kelahiran khususnya untuk keluarga yang belum menerima bantuan yang maksimum. Ini berarti ada dampak negatif yang tidak diinginkan dari program terhadap fertilitas.

---

Conditional Cash Transfer CCT program is one most popular policy approaches in the fight against poverty. In addition to its main goal of reducing poverty, this program is also often claimed to have impacts on fertility outcomes such as birth spacing. On one side, this program might increase the birth spacing due to improvement of mother rsquo s reproductive health knowledge. On the other side, this program might provide incentive for households who receive less than maximum amount of benefit to reduce birth spacing, since the amount of transfer is based on numbers of household preconditions that include pregnancy and number of small children.

Using the data from Indonesia CCT program or Program Keluarga Harapan PKH , we want to measure both short term and long term program impacts on the birth spacing. We constructed the birth histories of female household heads and spouses from households members information then stratified it by parity the number of live births to deal with autocorrelation.

Our results indicate that both in short term and long term the PKH program decreased the birth spacing especially for family who receive less than maximum benefit. This implies that there is a negative unintended impact of the program on fertility."

"Model regresi linier berganda adalah model yang dapat digunakan untuk menaksir nilai-nilai suatu variabel terikat berdasarkan lebih dari satu variabel bebas pada data. Metode yang dapat digunakan untuk menaksir model regresi linier berganda adalah maximum likelihood estimator MLE . Namun, MLE memiliki kelemahan, yaitu sensitif terhadap data yang mengandung outlier dan memiliki waktu proses running time yang relative lama. Metode yang digunakan untuk mengatasi kelemahan tersebut adalah metode parallel. Metode parallel adalah metode yang membagi data menjadi beberapa kelompok. Salah satu metode pengelompokan yang sering digunakan untuk mencari banyak atau jumlah cluster adalah k-means clustering. Pada tugas akhir ini, proses MLE dilakukan pada setiap cluster, sehingga metode ini disebut parallel maximum likelihood estimator. Data yang digunakan pada tugas akhir ini berasal dari bankruptcy data bank32nh . Bank32nh adalah data mengenai antrian pada suatu bank XYZ yang terdiri dari 4500 observasi, 1 variabel terikat, dan 31 variabel bebas. Dari hasil aplikasi data, parallel maximum likelihood estimator memiliki waktu proses running time yang lebih singkat dan nilai mean square error MSE yang lebih kecil.

---

Multiple linear regression model can be used to estimate the value between one dependent variable and more than one independent variables on the data. A method that can be used to estimate the parameters of the model is the maximum likelihood estimator MLE. However, MLE has weakness e.i sensitive to the data that contains outlier and has a relatively long running time. To overcome these weaknesses the parallel method is used. In the parallel method, the data is devided into several groups. One of the known clustering methods is "k means clustering".

In this study, the MLE process did on each cluster, so that this method is called the parallel maximum likelihood estimator. The current data used for this research is from bankruptcy data bank32nh . Bank32nh is a dataset about the queue at a XYZ bank which consist of 4500 observations, one dependent variable, and 31 independent variables from experimental results, parallel maximum likelihood estimator the running time is faster and has smaller mean square error MSE."