LUTFI, Muhammad (2023) Perbandingan Fungsi Pembobot Kernel Adaptive pada Model Geographically Weighted Regression dalam Memodelkan Angka Partisipasi Kasar Perguruan Tinggi di Indonesia. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Muhammad Lutfi-K1B019003-Skripsi-2023.pdf Download (62kB)
	PDF (Legalitas) LEGALITAS-Muhammad Lutfi-K1B019003-Skripsi-2023.pdf Restricted to Repository staff only Download (1MB)
	PDF (Abstrak) ABSTRAK-Muhammad Lutfi-K1B019003-Skripsi-2023.pdf Download (254kB)
	PDF (BabI) BAB-I-Muhammad Lutfi-K1B019003-Skripsi-2023.pdf Restricted to Repository staff only until 12 July 2024. Download (166kB)
	PDF (BabII) BAB-II-Muhammad Lutfi-K1B019003-Skripsi-2023.pdf Restricted to Repository staff only until 12 July 2024. Download (512kB)
	PDF (BabIII) BAB-III-Muhammad Lutfi-K1B019003-Skripsi-2023.pdf Restricted to Repository staff only until 12 July 2024. Download (331kB)
	PDF (BabIV) BAB-IV-Muhammad Lutfi-K1B019003-Skripsi-2023.pdf Restricted to Repository staff only Download (1MB)
	PDF (BabV) BAB-V-Muhammad Lutfi-K1B019003-Skripsi-2023.pdf Download (200kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Muhammad Lutfi-K1B019003-Skripsi-2023.pdf Download (254kB)
	PDF (Lampiran) LAMPIRAN-Muhammad Lutfi-K1B019003-Skripsi-2023.pdf Restricted to Repository staff only Download (894kB)

Abstract

Angka partisipasi kasar perguruan tinggi (APK PT) merupakan salah satu indikator target capaian visi Indonesia Emas 2045. Menurut data Badan Pusat Statistik, APK PT di Indonesia tahun 2021 berada pada angka 31,19 persen. Angka ini berarti perbandingan jumlah mahasiswa jenjang D1/D2/D3/S1/S2 dengan jumlah penduduk usia kuliah (19 − 23 tahun) di Indonesia pada tahun 2021 mencapai 31,19 persen. Angka tersebut masih jauh dari target yang ditetapkan sehingga penelitian ini bertujuan untuk melakukan pemodelan dan pemetaan faktor APK PT. Pemodelan dan pemetaan dilakukan menurut provinsi agar setiap provinsi dapat memfokuskan kebijakan pada faktor yang berpengaruh di wilayahnya. Salah satu analisis spasial yang dapat digunakan pada data yang terindikasi terdapat keragaman spasial adalah Geographically Weighted Regression (GWR). Kondisi pembangunan SDM di Indonesia yang tersentralisasi di Pulau Jawa, mengakibatkan model lebih tepat jika dibentuk dengan menggunakan fungsi pembobot kernel adaptive. Akan tetapi terdapat banyak jenis fungsi pembobot kernel adaptive, diantaranya adalah Gaussian, bisquare, dan tricube. Oleh karena itu, pada penelitian ini dibandingkan antarmodel GWR dengan fungsi pembobot kernel adaptive yang berbeda untuk kemudian dipilih model terbaik. Berdasarkan hasil perhitungan, fungsi pembobot kernel adaptive bisquare menghasilkan model dengan nilai Akaike Information Criterion terkecil. Dengan kata lain, fungsi tersebut menghasilkan model terbaik sehingga pengelompokan dan pemetaan faktor dilakukan dengan berdasarkan model yang dibentuk dengan menggunakan fungsi pembobot kernel adaptive bisquare. Jumlah kelompok yang terbentuk adalah sebanyak enam kelompok dengan faktor yang berpengaruh adalah persentase penduduk buta huruf berusia lebih dari 15 tahun, kepadatan penduduk, harapan lama sekolah, jumlah perguruan tinggi, dan rasio dosen-mahasiswa.

Actions (login required)

View Item