ITS Paper 38759 1310100048 Presentation

Analisis Faktor-Faktor yang
Mempengaruhi Indeks
Pembangunan Gender (IPG)
dengan Menggunakan Regresi
Probit
Oleh: Dosen Pembimbing:
Ari Vanerlin Fitarisca Dr. Vita Ratnasari, S.Si, M.Si
1310 100 048
Juli 2014 Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya 1
PENDAHULUAN
TINJAUAN PUSTAKA
OUTLINE METODELOGI PENELITIAN
ANALISIS DAN PEMBAHASAN
PENUTUP
Tugas Akhir Jurusan Statistika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya 2
RUMUSAN
LATAR BELAKANG
MASALAH
BAB I MANFAAT TUJUAN

PENDAHULUAN PENELITIAN PENELITIAN
BATASAN MASALAH
LATAR RUMUSAN TUJUAN MANFAAT BATASAN
BELAKANG MASALAH PENELITIAN PENELITIAN MASALAH
BAB I
PENDAHULUAN
GENDER adalah perbedaan peran,

fungsi,dan tanggungjawab antara laki-
laki dan perempuan yang merupakan
hasil konstruksi sosial dan dapat
berubah menurut perkembangan jaman
BKKBN (2009)
BAB I
PENDAHULUAN Mengurus RT
PERAN PUBLIK Bersifat lemah
Berpikiran sempit
PERAN DOMESTIK
Selalu memakai
perasaan
Perempuan banyak yang memiliki beban

ganda sebagai pengurus rumah tangga
sekaligus pencari nafkah.
±13,9% RT di Indonesia dikepalai oleh perempuan.

(Kementrian Pemberdayaan Perempuan dan
Perlindungan Anak, 2013)
BAB I Selama tahun 2012, berdasarkan Catatan Tahunan

Komisi Nasional (Komnas) Perempuan terdapat sekitar
PENDAHULUAN 210.000 kasus kekerasan terhadap perempuan yang
dilaporkan dan ditangani.
Kasus kekerasan yang paling sering terjadi : KDRT
KESETARAAN GENDER
BAB I suatu indeks yang mengukur pencapaian pembangunan kapabilitas dasar manusia
pada bidang kesehatan, pendidikan, dan ekonomi di suatu wilayah dengan
PENDAHULUAN mempertimbangkan kesetaraan antara laki-laki dan perempuan (Kementrian
Pemberdayaan Perempuan dan Perlindungan Anak, 2013)
Pembangunan manusia secara kuantitatif dapat digambarkan dari angka IPM (Indeks
Pembangunan Manusia). Namun angka ini belum dapat menjelaskan perbedaan
capaian kualitas hidup antara laki-laki dan perempuan.
Melalui angka IPG, kesenjangan atau gap kemampuan dasar antara laki-laki dan
perempuan mampu dijelaskan dengan melihat rasio antara IPM dan IPG.
Perkembangan IPM & IPG di Indonesia

74 73,29
72,77
72,27
71,76
72 71,17
70,59
70,08
69,57
70
68,69 68,52
67,8
68 67,2
66,38 66,77
BAB I 66 65,13 65,27

65,81
63,94
PENDAHULUAN 64
62
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
IPM IPG
(Kementrian Pemberdayaan Perempuan dan Perlindungan Anak, 2013)
setiap tahun selalu ada selisih antara angka IPM dan IPG yang menandakan bahwa
masih adanya kesenjangan antara laki-laki dan perempuan, dimana angka IPG < IPM
Kesenjangan
Faktor-faktor? Regresi probit
gender
salah satu metode regresi yang digunakan untuk

menganalisis antara variabel respon yang merupakan
Regresi
variabel diskrit dengan variabel prediktor yang berupa
probit
BAB I variabel diskrit, kontinyu, maupun campuran antara
keduanya.
PENDAHULUAN Hafizh (2013): Yulianti dan Ratnasari (2013) :
Pemodelan Disparitas Gender di Jawa Pemetaan dan Pemodelan Tingkat Partisipasi Angkatan Kerja
Timur dengan Pendekatan Model Regresi Perempuan di Provinsi Jawa Timur dengan Pendekatan Model
Probit Ordinal Probit
Faidah (2010): Pemodelan Dharmasari (2009): Hakim (2014):

Regresi Probit Ordinal pada Perbandingan Model Logit dan Analisis Komponen IPG
Indeks Pembangunan Manusia Probit untuk Menganalisis dengan GWMR Model di
(IPM) di provinsi Sumatera Utara, Kecenderungan Siswa SMP Kalimantan Timur &
Jawa Barat, Jawa Tengah, dan Melanjutkan Pendidikan ke Kalimantan Selatan Tahun
Jawa Timur Jenjang SMA 2011
1. Bagaimana karakteristik Indeks Pembangunan Gender (IPG) di

Indonesia?
BAB I 2. Apa saja faktor-faktor yang mempengaruhi Indeks Pembangunan

PENDAHULUAN Gender (IPG) di Indonesia dengan menggunakan metode regresi
probit?
1. Mendeskripsikan karakteristik Indeks Pembangunan Gender (IPG)

di Indonesia
BAB I 2. Mendapatkan faktor-faktor yang mempengaruhi Indeks

PENDAHULUAN Pembangunan Gender (IPG) di Indonesia dengan menggunakan
metode regresi probit
1. Menambah pengetahuan peneliti tentang penerapan ilmu

statistika dalam permasalahan sosial dalam masyarakat.
2. Menambah pengetahuan pembaca mengenai penerapan regresi
BAB I probit khususnya pada faktor-faktor yang mempengaruhi Indeks
Pembangunan Gender di Indonesia.
PENDAHULUAN 3. Memberikan tambahan informasi kepada pemerintah mengenai
faktor-faktor yang mempengaruhi Indeks Pembangunan Gender
di Indonesia.
1. Data yang digunakan dalam penelitian merupakan data

sekunder pada tahun 2012 yang diambil dari Badan Pusat
Statistika.
2. Metode yang digunakan dalam penelitian ini adalah regresi
probit.
BAB I 3. Penelitian dilakukan dengan tidak memperhatikan faktor
budaya dari setiap provinsi yang ada di Indonesia.
PENDAHULUAN 4. Penelitian dilakukan dengan tidak memperhatikan pembagian
wilayah administrasi pemerintahan, khususnya wilayah
perkotaan dan pedesaan.
IPG
REGRESI PROBIT
BAB II
TINJAUAN PENAKSIRAN PARAMETER
PUSTAKA
PENGUJIAN PARAMETER
UJI KESESUAIAN MODEL
REGRESI PENAKSIRAN PENGUJIAN UJI KESESUAIAN
IPG
PROBIT PARAMETER PARAMETER MODEL
 Indeks Pembangunan Gender (IPG) adalah ukuran yang

digunakan untuk mengetahui pembangunan manusia (Asmanto,
2008).
 IPG mengukur tingkat pencapaian kemampuan dasar
pembangunan manusia yang sama seperti IPM, yaitu harapan
hidup, tingkat pendidikan, dan pendapatan namun dengan
BAB II memperhitungkan ketimpangan gender.
TINJAUAN  IPG dapat digunakan untuk mengetahui kesenjangan
pembangunan manusia antara laki-laki dan perempuan.
PUSTAKA Kesetaraan gender terjadi apabila angka IPG sama dengan IPM.
 Apabila angka IPG lebih rendah dari IPM maka terjadi
kesenjangan gender. Kesenjangan gender dapat dilihat dari
selisih antara IPM dan IPG. Semakin kecil selisih antara IPM dan
IPG maka dapat diartikan bahwa kesenjangan pembangunan
antara laki-laki dan perempuan juga semakin kecil.
IPG
Dimensi Umur Panjang dan Pengetahuan Kehidupan yang Layak

Sehat
Indikator AHH (P) AHH (L) AMH (P) MYS (P) AMH (L) MYS (L) Perkiraan Perkiraan
Pendapatan Pendapatan
(P) (L)
BAB II Indeks IHH (P) IHH (L) Indeks Pendidikan (P) Indeks Pendidikan (L) Indeks Indeks
TINJAUAN Dimensi Pendapatan

(P)
Pendapatan
(L)
PUSTAKA
Indeks IHH dengan Indeks Pendidikan dengan Sebaran Merata Indeks Pendapatan dengan
Sebaran Sebaran Merata Sebaran Merata
Merata
Indeks Pembangunan Gender (IPG)
IPG
Pengkategorian IPG menurut UNDP

1. Kelompok tinggi, jika IPG ≥ 80
2. Kelompok menengah atas, jika IPG 66 ≤ x < 80
3. Kelompok menengah bawah, jika IPG 50 ≤ x <
66
4. Kelompok rendah, jika IPG < 50
BAB II
TINJAUAN
PUSTAKA RUMUS PERHITUNGAN IPG:
1
IPG = 3 (Xede(1)+Xede(2)+Iinc-dis)
Keterangan:
Xede(1) = Xede untuk harapan hidup
Xede(2) = Xede untuk tingkat pendidikan
Iinc-dis = Indeks distribusi pendapatan
IPG
variabel respon, berupa variabel diskrit
REGRESI
PROBIT
variabel bebas , berupa variabel diskrit, kontinyu,

BAB II “Probability Unit”
atau campuran keduanya
TINJAUAN Pemodelan pada regresi probit :

PUSTAKA y*  βT X  
dimana:
𝑌 ∗ : variabel respon,

𝜷 : vektor parameter koefisien dengan β  β 0 β 1  β p ,
T


𝒙 ∶ vektor variabel bebas dengan X  1 x1  x p , dan 
𝜀 : merupakan error atau kesalahan yang diasumsikan berdistribusi normal standar
18
IPG
1. Menentukan 𝑛 sampel random

2. Membentuk fungsi likelihood dari 𝑛 sampel random. Fungsi likelihoodnya
adalah sebagai berikut:
L(β)   p (1  pi )
Yi 1Yi
i
i 1
BAB II L(β)    β T X
n
   1  β X
Yi T
1Yi
TINJAUAN i 1
3. Melakukan transformasi ln terhadap fungsi likelihood. Hal ini dikarenakan

PUSTAKA lebih mudah memaksimumkan L(β) dengan transformasi ln. Secara
matematis dapat ditulis sebagai berikut:
  βT X
ln Lβ    Yi ln 
n
   n
  
 
T
   β X
i 1 1   β T
X  
 i 1
ln 1
IPG
4. Mendapatkan penaksir untuk 𝜷 dengan memaksimumkan ln

fungsi likelihood, yaitu dengan menurunkan atau
menderivatifkan ln fungsi likelihood
BAB II  ln Lβ  n
  Yi
X β T X  
β T
 
1   βT X  βT X   
TINJAUAN i 1
PUSTAKA Berdasarkan hasil penaksiran untuk parameter 𝜷 dengan

menggunakan metode MLE ternyata diperoleh fungsi yang implisit
sehingga penaksir untuk 𝜷 tidak dapat langsung diperoleh. Oleh
karena itu, digunakan metode Newton Raphson untuk mendapatkan
penaksir maksimum likelihood untuk 𝜷.
IPG
UJI SERENTAK UJI PARSIAL

Hipotesis Hipotesis
𝐻0 : 𝛽1 = 𝛽2 = ⋯ = 𝛽𝑝 = 0 𝐻0 : 𝛽𝑗 = 0
𝐻1 : Paling sedikit ada satu 𝛽𝑗 ≠ 0 𝐻1 : 𝛽𝑗 ≠ 0
Statistik uji : dengan 𝑗 = 1, 2, … , 𝑝.
𝐺 = −2 ln 𝐿𝑢 − ln 𝐿𝑅 Statistik uji :
BAB II dimana: 𝛽𝑗
𝑊𝑗 = 𝑆𝐸(𝛽 ) ~𝑁(0,1)
𝐿𝑢 = 𝑛 𝑃 ln 𝑃 + 1 − 𝑃 ln(1 − 𝑃) , 𝑗
TINJAUAN 𝑛 ∶ banyaknya sampel dimana:
𝑃 ∶ proporsi pengamatan yang memiliki 𝛽𝑗 : penduga 𝛽𝑗
PUSTAKA variabel respon (Y) sama dengan 1 𝑆𝐸(𝛽𝑗 ) : penduga simpangan baku dari
𝐿𝑅 ∶ fungsi log-likelihood tanpa variabel 𝛽𝑗 .
prediktor 𝐓𝐨𝐥𝐚𝐤 𝑯𝟎 apabila 𝑊𝑗 > 𝑍𝛼/2 atau
𝐿𝑢 : fungsi likelihood dengan variabel Pvalue < 𝛼 pada tingkat kepercayaan 𝛼.
prediktor
Tolak 𝑯𝟎 apabila nilai Pvalue < 𝛼 atau nilai
𝐺 < 𝛼 pada tingkat kepercayaan 𝛼
IPG
Tujuan:
mengetahui apakah terdapat perbedaan antara hasil observasi dengan
kemungkinan hasil prediksi.
BAB II Hipotesis:
𝐻0 : Tidak ada perbedaan antara hasil observasi dengan kemungkinan hasil
TINJAUAN prediksi model (model sesuai)
𝐻1 : Ada perbedaan antara hasil observasi dengan kemungkinan hasil prediksi
PUSTAKA model (model tidak sesuai)
Statistik uji :
𝑛
𝑃𝑖𝑗 1 − 𝑃𝑖𝑗
𝐷 = −2 𝑦𝑖𝑗 ln + 1 − 𝑦𝑖𝑗 ln
𝑦𝑖𝑗 1 − 𝑦𝑖𝑗
𝑖=1
dengan 𝑃𝑖𝑗 = 𝑃𝑗 (𝑥𝑖 ) merupakan peluang observasi ke-𝑖 pada kategori ke-𝑗.
2
Tolak 𝑯𝟎 apabila 𝐷 > 𝜒𝑑𝑏,𝛼 pada tingkat kepercayaan 𝛼 dan 𝑑𝑏 merupakan
derajat bebas
SUMBER VARIABEL
DATA PENELITIAN
BAB III
METODELOGI
PENELITIAN
DEFINISI LANGKAH
OPERASIONAL PENELITIAN
SUMBER VARIABEL DEFINISI LANGKAH
DATA PENELITIAN OPERASIONAL PENELITIAN
Badan Pusat Statistik

(BPS)
BAB III
METODELOGI
PENELITIAN
2012
Variabel respon (Y) dalam penelitian ini adalah variabel IPG.

Namun variabel ini dikelompokkan terlebih dahulu dengan
menggunakan analisis cluster. Hasil dari pengelompokkan
digunakan sebagai variabel respon. Sehingga variabel respon yang
digunakan dalam penelitian ini berdasarkan kondisi IPG yang ada
BAB III di Indonesia saat ini. Untuk lebih jelasnya dapat dilihat pada bab
IV.
METODELOGI
PENELITIAN Penelitian dilakukan terhadap masing-masing data laki-laki dan
perempuan dengan variabel prediktor yang digunakan adalah 9
variabel untuk data laki-laki dan 10 variabel untuk data
perempuan. Untuk data perempuan variabel yang digunakan
ditambah dengan variabel Total Fertility Rate (TFR) sebagai
variabel X10.
Variabel Keterangan Tipe Variabel

X1 Angka Partisipasi Sekolah (APS) SD/Sederajat Kontinyu
X2 Angka Partisipasi Sekolah (APS) Kontinyu
SMP/Sederajat
X3 Angka Partisipasi Sekolah (APS) Kontinyu
BAB III SMA/Sederajat
METODELOGI X4 Persentase penduduk pendidikan terakhir Kontinyu
yang ditamatkan adalah SMP
PENELITIAN X5 Tingkat partisipasi angkatan kerja (TPAK) Kontinyu
X6 Persentase Penduduk Mempunyai Keluhan Kontinyu
Kesehatan
X7 Purchasing Power Parity (PPP)/Daya Beli Diskrit
X8 Rasio Jenis Kelamin Kontinyu
X9 Rasio Jenis Kelamin Saat Lahir Kontinyu
Variabel Definisi Operasional

Angka Partisipasi Sekolah Proporsi dari semua anak yang masih sekolah pada suatu
(APS) kelompok umur tertentu terhadap penduduk dengan kelompok
umur yang sesuai
Persentase penduduk proporsi antara jumlah penduduk yang pendidikan terakhir yang
dengan Pendidikan ditamatkan adalah SMP, ditandai dengan memiliki
BAB III Terakhir SMP ijazah/sertifikat, terhadap jumlah penduduk di suatu wilayah.
METODELOGI Tingkat Partisipasi

Angkatan Kerja (TPAK)
Tingkat Partisipasi Angkatan Kerja (TPAK) merupakan
persentase jumlah angkatan kerja terhadap penduduk usia
PENELITIAN Penduduk yang
kerja.
Keluhan kesehatan adalah keadaan seseorang yang merasa
Mempunyai Keluhan terganggu oleh kondisi kesehatan, kejiwaan, kecelakaan atau
Kesehatan hal lain. Seseorang yang menderita penyakit kronis dianggap
mempunyai keluhan kesehatan walaupun pada waktu survei
(satu bulan terakhir) yang bersangkutan tidak kambuh
penyakitnya. Semakin banyak penduduk yang mengalami
keluhan kesehatan berarti semakin rendah derajat kesehatan
dari masyarakat yang bersangkutan

PPP (Purchasing Power PPP memungkinkan dilakukannya perbandingan harga-
Parity)/daya beli harga riil antarprovinsi maupun antarkabupaten, mengingat
nilai tukar yang biasa digunakan dapat menurunkan atau
menaikkan nilai daya beli yang terukur dari konsumsi per
BAB III kapita yang telah disesuaikan. PPP dihitung berdasarkan
pengeluaran riil per kapita setelah disesuaikan dengan
METODELOGI indeks harga konsumen dan penurunan kegunaan marginal.
Rasio Jenis Kelamin perbandingan antara jumlah penduduk laki-laki dan jumlah
PENELITIAN penduduk perempuan pada suatu daerah dan pada waktu
tertentu. Data mengenai rasio jenis kelamin berguna untuk
pengembangan perencanaan pembangunan yang
berwawasan gender, terutama yang berkaitan dengan
perimbangan laki-laki dan perempuan secara adil.

Rasio Jenis Kelamin PPperbandingan antara bayi laki-laki dengan bayi
Saat Lahir perempuan yang lahir dalam setahun.
TFR (Total Fertitily Angka Kelahiran Total merupakan rata-rata jumlah anak
BAB III Rate) yang dilahirkan seorang perempuan dari usia 15 - 49 tahun.
Perbandingan TFR antar daerah dapat menunjukkan
METODELOGI keberhasilan daerah dalam melaksanakan pembangunan
PENELITIAN sosial ekonominya. TFR yang tinggi merupakan cerminan
rata-rata usia kawin yang rendah, tingkat pendidikan yang
rendah terutama perempuannya, tingkat sosial ekonomi
rendah atau tingkat kemiskinan yang tinggi.
1. Menentukan variabel dan mendapatkan data yang mendukung.

2. Melakukan analisis cluster terhadap variabel IPG untuk mendapatkan variabel respon
yang digunakan dalam penelitian.
3. Mengecek multikolinieritas data. Apabila terjadi multikolinieritas maka harus diatasi
terlebih dahulu, salah satunya dengan menghilangkan variabel yang menyebabkan
multikolinieritas terjadi.
BAB III 4. Melakukan pemodelan dengan menggunakan regresi probit terhadap faktor-faktor
METODELOGI yang mempengaruhi IPG di Indonesia dengan langkah-langkah sebagai berikut:
 Menentukan model regresi probit dengan variabel respon dan variabel prediktor
PENELITIAN yang digunakan dalam penelitian.
 Melakukan uji signifikansi parameter regresi probit secara serentak dan parsial
untuk mengetahui variabel prediktor yang berpengaruh signifikan terhadap
variabel respon.
 Menginterpretasikan model regresi probit terbaik yang diperoleh.
 Melakukan uji kesesuaian model.
 Menghitung ketepatan klasifikasi model regresi probit.
5. Menarik kesimpulan.
KARAKTERISTIK PEMBANGUNAN GENDER DI INDONESIA
PERKEMBANGAN & PENCAPAIAN KOMPONEN PEMBENTUK INDEKS

PEMBANGUNAN GENDER DI INDONESIA
PENGELOMPOKKAN IPG INDONESIA TAHUN 2012 MENGGUNAKAN

ANALISIS CLUSTER
BAB IV
ANALISIS DAN
PEMBAHASAN PENGUJIAN MULTIKOLINIERITAS PADA VARIABEL INDEPENDEN
PEMODELAN REGRESI PROBIT UNTUK DATA LAKI-LAKI
PEMODELAN REGRESI PROBIT UNTUK DATA PEREMPUAN
BAB IV
ANALISIS DAN
PEMBAHASAN
IPM DAN IPG SELALU MENINGKAT SETIAP TAHUNNYA MENUNJUKKAN
BAHWA PEMBANGUNAN MANUSIA DI INDONESIA SEMAKIN BAIK
SETIAP TAHUN SELALU ADA SELISIH ANTARA ANGKA IPM DAN IPG YANG
MENANDAKAN BAHWA MASIH ADANYA KESENJANGAN ANTARA LAKI-LAKI DAN
PEREMPUAN, DIMANA ANGKA IPG < IPM
IPG Menurut Provinsi di Indonesia Tahun 2012
BAB IV
ANALISIS DAN
PEMBAHASAN
Provinsi yang termasuk ke dalam

kelompok menengah atas
antara lain provinsi Aceh, Sumatera
Utara, Sumatera Barat, Riau,
Sumatera Selatan, Bengkulu, DKI
Jakarta, Jawa Tengah, D.I
BAB IV Yogyakarta, Jawa Timur, Bali,
Kalimantan Selatan, Sulawesi
ANALISIS DAN Provinsi yang berada pada kelompok
menengah bawah antaralain Utara, Sulawesi Barat, Maluku, dan
PEMBAHASAN provinsi Jambi, Lampung, Kepulauan Maluku Utara.
Bangka Belitung, Kepulauan Riau,
Jawa Barat, Banten, Nusa Tenggara
Barat, Nusa Tenggara Timur,
Kalimantan Barat, Kalimantan Timur,
Sulawesi Tengah, Sulawesi Selatan,
Sulawesi Tenggara, Gorontalo, Papua
Barat, dan Papua.
PERKEMBANGAN DAN PENCAPAIAN KOMPONEN INDEKS
ANGKA HARAPAN HIDUP (AHH)
BAB IV
ANALISIS DAN
PEMBAHASAN
ANGKA MELEK HURUF (AMH)
BAB IV Perkembangan
yang pesat dari
ANALISIS DAN AMH perempuan
semakin
PEMBAHASAN memperkecil
disparitas
kemampuan baca
tulis yang terjadi
di Indonesia
RATA-RATA LAMA SEKOLAH (MYS)
BAB IV
ANALISIS DAN
PEMBAHASAN
Sumbangan
SUMBANGAN PENDAPATAN pendapatan
penduduk
perempuan
fluktuatif namun
cenderung
menurun
BAB IV
ANALISIS DAN Angkatan Proporsi angkatan
PEMBAHASAN kerja kerja perempuan
di Indonesia pd
Upah thn 2012 sekitar
yang 38,62% dari total
diterima 120,41 juta
angkatan kerja
Rata-rata pah yang diterima laki-laki (1,55 jt)

masih lebih tingi dari perempuan (1,25 jt)
PENGELOMPOKKAN IPG INDONESIA TAHUN 2012 MENGGUNAKAN
ANALISIS CLUSTER
Kelompok Anggota Kelompok
Sumatera Utara, Sumatera Barat, Sumatera Selatan,
1 Bengkulu, DKI Jakarta, D.I Yogyakarta, Bali, Kalimantan
Tengah, Sulawesi Utara, Maluku
Aceh, Riau, Jambi, Lampung, Kep. Bangka Belitung, Kep.
Riau, Jawa Barat, Jawa Tengah, Jawa Timur, Banten. NTB,
BAB IV 2 NTT, Kalimantan Barat, Kalimantan Selatan, Kalimantan
ANALISIS DAN Timur, Sulawesi Tengah, Sulawesi Tenggara, Gorontalo,
Sulawesi Barat, Maluku Utara, Papua Barat, Papua
PEMBAHASAN
PENGUJIAN MULTIKOLINIERITAS PADA VARIABEL INDEPENDEN
Variabel (L) VIF Variabel (P) VIF

X1 4,07 X1 6,82
X2 5,10 X2 10,07
X3 3,13 X3 3,19
X4 1,72 X4 2,24
X5 1,71 X5 2,14
BAB IV X6 1,83 X6 1,68
ANALISIS DAN X7 1,41 X7 1,74
X8 1,59 X8 1,51
PEMBAHASAN X9 2,06 X9 1,59
X10 2,09
terjadi multikolinieritas pada data laki-laki dan perempuan karena nilai VIF > 5.
Langkah selanjutnya adalah mengatasi multikolinieritas tersebut, salah satunya
dengan menghilangkan variabel yang menyebabkan multikolinieritas terjadi. Pada
data laki-laki, variabel yang menyebabkan terjadinya multikolinieritas adalah variabel
X2, sedangkan pada data perempuan adalah variabel X1 dan X2. Maka, untuk analisis
selanjutnya, variabel X1 dan X2 tidak diikutsertakan.
PENGUJIAN SERENTAK PENGUJIAN PARSIAL
BAB IV Berdasarkan hasil pengujian secara

serentak, didapatkan informasi bahwa
ANALISIS DAN nilai P-value (0,125) yang kurang dari Berdasarkan hasil uji parsial
nilai 𝛼(20%) sehingga keputusan yang didapatkan bahwa parameter yang
PEMBAHASAN diperoleh adalah tolak H0. Jadi, dapat signifikan terhadap adalah variabel
disimpulkan bahwa terdapat paling X9 (rasio jenis kelamin saat lahir.
sedikit satu variabel prediktor yang Parameter pada variabel tersebut
berpengaruh terhadap IPG. signifikan pada taraf 𝛼 = 20%.
MODEL TERBAIK
Pemilihan model terbaik dilakukan dengan menggunakan metode Backward.

Berdasarkan metode Backward, didapatkan bahwa model regresi probit
terbaik adalah model dengan variabel prediktor X1 yaitu APS SD/sederajat
dan X9 yaitu rasio jenis kelamin saat lahir.
BAB IV Variabel Coef P-value
ANALISIS DAN X1 -0,775 0,022*
PEMBAHASAN X9 0,324 0,103*
Sehingga, persamaan model regresi probit terbaik untuk data laki-laki adalah sebagai
berikut:
𝑦 ∗ = 42,269 − 0,775𝑋1 + 0,324𝑋9
Persamaan diatas dapat diinterpretasikan bahwa APS SD/sederajat berpenaruh
negatif terhadap probabilitas suatu provinsi termasuk dalam kelompok IPG rendah.
Sedangkan rasio jenis kelamin saat lahir berpengaruh positif terhadap probabilitas
suatu provinsi termasuk dalam kelompok IPG rendah.
PENGUJIAN SERENTAK MODEL PENGUJIAN PARSIALMODEL

TERBAIK TERBAIK

ANALISIS DAN nilai P-value (0,005) yang kurang dari
nilai 𝛼 (20%) sehingga keputusan yang
Berdasarkan
didapatkan
hasil
bahwa
uji parsial
didapatkan
PEMBAHASAN diperoleh adalah tolak H0. Jadi, dapat
disimpulkan bahwa terdapat paling
informasi bahwa dengan 𝛼 = 20%,
seluruh parameter pada variabel X1
sedikit satu variabel prediktor yang dan X9 masing-masing berpengaruh
berpengaruh terhadap IPG. signifikan terhadap variabel respon.
INTERPRETASI EFEK MARGINAL
Apabila diambil data dari salah satu

provinsi, misalkan untuk provinsi Papua
Barat, dengan X1 = 95,31; dan X9 = 𝜕𝑃(𝑌 = 1)
= 𝛽9 𝜙(𝛾 − 𝜷𝑻 𝑿)
105,72; maka: 𝜕𝑋9
BAB IV 𝑃 𝑌=1
=1
𝜕𝑃(𝑌 = 1)
= 0,324𝜙(−2,65703)
𝜕𝑋9
ANALISIS DAN − Φ −42,269 + 0,775𝑋1 − 0,324𝑋9
𝑃 𝑌 = 1 = 1 − Φ −2,65703
𝜕 𝑃(𝑌 = 1)
= 0,324(0,01169)
𝜕𝑋9
PEMBAHASAN 𝑃 𝑌 = 1 = 1 −0,00394
𝑃 𝑌 = 1 = 0,99606
𝜕𝑃(𝑌 = 1)
= 0,00379
Jadi, probabilitas provinsi Papua Barat 𝜕𝑋9
masuk ke dalam kelompok IPG rendah Artinya bahwa setiap perubahan rasio
dengan nilai-nilai tersebut adalah jenis kelamin saat lahir sebesar 1% maka
sebesar 0,99606. Sedangkan akan meningkatkan probabilitas suatu
probabilitas provinsi Papua Barat provinsi masuk ke dalam kategori IPG
masuk ke dalam kelompok IPG tinggi kelompok rendah sebesar 0,00379.
𝑃 𝑌 = 0 adalah sebesar 0,00394.
KESESUAIAN MODEL TERBAIK
BAB IV Berdasarkan hasil pengujian didapatkan nilai

P-value sebesar 0,463 yang berarti P-value >
ANALISIS DAN 0,20 sehingga keputusan yang diambil adalah
gagal tolak 𝐻0 . Jadi, dapat disimpulkan bahwa
PEMBAHASAN tidak ada perbedaan antara hasil observasi
dengan kemungkinan hasil prediksi model.
Atau dengan kata lain model telah sesuai.
PENGUJIAN SERENTAK PENGUJIAN PARSIAL

Berdasarkan
didapatkan
hasil
bahwa
uji parsial
parameter
ANALISIS DAN nilai P-value sebesar 0,005 yang kurang
dari nilai 𝛼 (20%) sehingga keputusan
variabel yang signifikan terhadap
variabel respon adalah variabel X3
PEMBAHASAN yang diperoleh adalah tolak H0. Jadi,
dapat disimpulkan bahwa terdapat
(APS SMA/sederajat), X4 (persentase
penduduk dengan pendidikan
paling sedikit satu variabel prediktor terakhir yang ditamatkan adalah
yang berpengaruh terhadap IPG di SMP), X5 (TPAK), X8 (rasio jenis
Indonesia. kelamin) dan variabel X9 (rasio jenis
kelamin saat lahir).
MODEL TERBAIK
Pemilihan model terbaik dilakukan dengan menggunakan metode Backward.

Berdasarkan metode Backward, didapatkan bahwa model regresi probit
terbaik adalah model dengan variabel prediktor X3 yaitu APS SMA/sederajat,
X5 yaitu TPAK, X7 yaitu PPP, dan X9 yaitu rasio jenis kelamin saat lahir
BAB IV Variabel Coef P-value
ANALISIS DAN X3
X5
-0,101
-0,121
0,033*
0,016*
PEMBAHASAN X7
X9
-0,00005
0,462
0,081*
0,059*
Sehingga, persamaan model regresi probit terbaik untuk data perempuan adalah sebagai
berikut:
𝑦 ∗ = −6,459 − 0,101𝑋3 − 0,121𝑋5 − 0,00005𝑋7 + 0,462𝑋9
Persamaan diatas dapat diinterpretasikan bahwa APS SMA/sederajat, TPAK, dan PPP
berpengaruh negatif terhadap probabilitas suatu provinsi termasuk dalam kelompok IPG
rendah. Sedangkan rasio jenis kelamin saat lahir berpengaruh positif terhadap probabilitas
suatu provinsi termasuk dalam kelompok IPG rendah.
PENGUJIAN SERENTAK MODEL PENGUJIAN PARSIALMODEL

TERBAIK TERBAIK

Berdasarkan hasil uji parsial
ANALISIS DAN nilai P-value (0,004) yang kurang dari
nilai 𝛼 (20%) sehingga keputusan yang didapatkan bahwa didapatkan
informasi bahwa dengan 𝛼 = 20%,
PEMBAHASAN diperoleh adalah tolak H0. Jadi, dapat
disimpulkan bahwa terdapat paling dengan 𝛼 = 20%, seluruh parameter
sedikit satu variabel prediktor yang pada variabel X3, X5, X7, dan X9
berpengaruh terhadap IPG. masing-masing berpengaruh
signifikan terhadap variabel respon.
INTERPRETASI EFEK MARGINAL
Apabila diambil data dari salah satu

provinsi, misalkan untuk provinsi Papua,
dengan X3 = 48,23; X5 = 68,36; X7 = 𝜕𝑃(𝑌 = 1)
= 𝛽9 𝜙(𝛾 − 𝜷𝑻 𝑿)
611990; dan X9=110,13 maka: 𝜕𝑋9
BAB IV 𝑃 𝑌=1
=1
𝜕𝑃(𝑌 = 1)
= 0,324𝜙(−2,65703)
𝜕𝑋9
ANALISIS DAN − Φ 6,459 + 0,101𝑋3 + 0,121𝑋5 𝜕 𝑃(𝑌 = 1)
= 0,324(0,01169)
𝜕𝑋9
PEMBAHASAN 𝜕𝑃(𝑌 = 1)
= 0,00379
𝜕𝑋9
Artinya bahwa setiap perubahan
variabel TPAK sebesar 1% maka akan
menurunkan probabilitas suatu provinsi
masuk ke dalam kategori IPG kelompok
rendah sebesar 0,038.
KESESUAIAN MODEL TERBAIK
BAB IV Berdasarkan hasil pengujian, didapatkan nilai

P-value sebesar 0,630 yang berarti P-value >
ANALISIS DAN 0,20. Sehingga keputusan yang diambil adalah
gagal tolak 𝐻0 . Maka, dapat disimpulkan
PEMBAHASAN bahwa tidak ada perbedaan antara hasil
observasi dengan kemungkinan hasil prediksi
model. Atau dengan kata lain model telah
sesuai.
KETEPATAN KLASIFIKASI MODEL KETEPATAN KLASIFIKASI MODEL
REGRESI PROBIT (LAKI-LAKI) REGRESI PROBIT (PEREMPUAN)
BAB IV
Ketepatan klasifikasi Ketepatan klasifikasi
ANALISIS DAN yang diprediksi dari yang diprediksi dari
model regresi probit model regresi probit
PEMBAHASAN yang didapat yaitu yang didapat yaitu
sebesar 80%. sebesar 86,1%.
BAB V KESIMPULAN SARAN
PENUTUP
1. Perkembangan Indeks Pembangunan Gender (IPG) di Indonesia
secara keseluruhan dari tahun 2004-2012 selalu mengalami
peningkatan. Hal ini menjelaskan bahwa pencapaian
pembangunan gender di Indonesia dari waktu ke waktu semakin
membaik. Namun, masih terdapat kesenjangan atau gap antara
penduduk laki-laki dan perempuan di seluruh provinsi di
BAB V Indonesia. Kesenjangan tersebut dapat dilihat diberbagai bidang
atau komponen pembentuk IPG itu sendidi yaitu, pada bidang
PENUTUP pendidikan, kesehatan, dan sumbangan pendapatan. Berdasarkan
hasil perhitungan diketahui bahwa rata-rata IPG pada tahun 2012
secara keseluruhan adalah sebesar 66,02. Nilai varians sebesar
15,31 menjelaskan mengenai keragaman data. Provinsi dengan
IPG terkecil adalah provinsi Nusa Tenggara Barat yaitu sebesar
57,58 dan provinsi dengan IPG terbesar adalah provinsi DKI
Jakarta yaitu sebesar 74,66.
Faktor-faktor yang mempengaruhi IPG pada penduduk laki-laki antaralain APS
SD/sederajat dan rasio jenis kelamin saat lahir, dengan model regresi probit yang
didapatkan yaitu:
𝑦 ∗ = 42,269 − 0,775𝑋1 + 0,324𝑋9
Persamaan diatas dapat diinterpretasikan bahwa APS SD/sederajat berpenaruh
negatif terhadap probabilitas suatu provinsi termasuk dalam kelompok IPG rendah.
Sedangkan rasio jenis kelamin saat lahir berpengaruh positif terhadap probabilitas
BAB V suatu provinsi termasuk dalam kelompok IPG rendah. Sedangkan faktor yang
mempengaruhi IPG pada penduduk perempuan yaitu yaitu APS SMA/sederajat, TPAK,
PENUTUP PPP, dan rasio jenis kelamin saat lahir, dengan model regresi probit yang didapatkan
adalah sebagai berikut:
𝑦 ∗ = −6,459 − 0,101𝑋3 − 0,121𝑋5 − 0,00005𝑋7 + 0,462𝑋9
Persamaan diatas dapat diinterpretasikan bahwa APS SMA/sederajat, TPAK, dan PPP
berpengaruh negatif terhadap probabilitas suatu provinsi termasuk dalam kelompok
IPG rendah. Sedangkan rasio jenis kelamin saat lahir berpengaruh positif terhadap
probabilitas suatu provinsi termasuk dalam kelompok IPG rendah
Saran yang diberikan oleh penulis untuk pemerintah agar lebih
memperhatikan pencapaian kapabilitas dasar penduduk laki-laki dan
perempuan agar kesenjangan antara keduanya tidak menjadi besar.
BAB V
PENUTUP
 Asmanto, Priadi. 2008. Evaluasi Millenium Development Goals (MDGs) Indonesia:
Kesetaraan Gender dan Pemberdayaan Perempuan. Tersedia di SSRN:
http://ssrn.com/abstract=1996301, diakses pada 30 Januari 2014.
 BKKBN. 2009. Modul 2 Konsep dan Teori Gender. Jakarta: BKKBN
 Dharmasari, Ayu. 2009. Perbandingan Model Logit dan Probit untuk Menganalisis
Kecenderungan Siswa SMP Melanjutkan Pendidikan ke Jenjang SMA (Studi Kasus
DAFTAR Data Susenas Kabupaten Situbondo, Jawa Timur). Tugas Akhir S1 yang tidak
dipublikasikan. Jurusan Statistika FMIPA Institut Teknologi Sepuluh Nopember.
PUSTAKA
 Faidah, D. Y. 2010. Pemodelan Regresi Probit Ordinal pada Indeks Pembangunan
Manusia (IPM) di provinsi Sumatera Utara, Jawa Barat, Jawa Tengah, dan Jawa Timur.
Tugas Akhir S1 yang tidak dipublikasikan. Jurusan Statistika FMIPA Institut Teknologi
Sepuluh Nopember.
 Greene, W. H. 2008. Econometric Analysis. USA: Pearson Prentice Hall.
 Gujarati, D. N. 2004. Basic Econometrics, Fourth Edition. New York: McGraw-Hill.
Hafizh, Q. U. 2013. Pemodelan Disparitas Gender di Jawa Timur dengan
Pendekatan Model Regresi Probit Ordinal. Tugas Akhir S1 yang tidak
dipublikasikan. Jurusan Statistika FMIPA Institut Teknologi Sepuluh Nopember.
 Hakim, L. J. 2014. Analisis Komponen Indeks Pembangunan Gender dengan

Geographically Weighted Multivariate Regression Model di Provinsi Kalimantan
Timur dan Kalimantan Selatan Tahun 2011. Tesis S2 yang tidak dipublikasikan.
Jurusan Statistika FMIPA Institut Teknologi Sepuluh Nopember Surabaya.
DAFTAR
 Hosmer, D.W & Lemeshow, Stanley. 2000. Applied Logistic Regression Second
PUSTAKA Edition. USA: John Wiley & Sons.
 Johnson, R. A & Wichern, D. W. 2007. Applied Multivariate Statistical Analysis,

Sixth Edition. New Jersey: Pearson Prentice Hall.
 Kementrian Pemberdayaan Perempuan dan Perlindungan Anak. 2012.

Pembangunan Manusia Berbasis Gender 2012. Jakarta: Kementrian Pemberdayaan
Perempuan dan Perlindungan Anak.
 ___________. 2013. Pembangunan Manusia Berbasis Gender 2013. Jakarta:
Kementrian Pemberdayaan Perempuan dan Perlindungan Anak.
 ___________. 2012. Profil Anak Indonesia 2012. Jakarta: Kementrian Pemberdayaan
Perempuan dan Perlindungan Anak.
 MDGs Support Unit United Nations Development Programme. 2006. Komik MDGs.
Tersedia di: www.undp.or.id/pubs/docs/Komik%20MDGs.pdf, diakses pada 28 Januari
2014.
DAFTAR  Tempo.co. 2013. Linda Gumelar: Pembangunan Gender Masih Tertinggal. Tersedia di
PUSTAKA http://www.tempo.co/read/news/2013/07/16/173496886/Linda-Gumelar-
Pembangunan-Gender-Masih-Tertinggal, diakses pada 28 Januari 2014.
 Wulandari, Evi. 2013. Model Regresi Probit untuk Mengetahui Faktor-Faktor yang
Mempengaruhi Jumlah Penderita Diare di Jawa Timur. Tugas Akhir S1 yang tidak
dipublikasikan. Jurusan Matematika FMIPA Universitas Negeri Surabaya.
 Yulianti, R. A & Ratnasari, Vita. 2013. Pemetaan dan Pemodelan Tingkat Partisipasi
Angkatan Kerja Perempuan Di Provinsi Jawa Timur. Jurnal Sains dan Seni POMITS. Vol
2, hal 159-164.
Analisis Faktor-Faktor yang
Mempengaruhi Indeks
Pembangunan Gender (IPG)
dengan Menggunakan Regresi
Probit
Oleh: Dosen Pembimbing:
Ari Vanerlin Fitarisca Dr. Vita Ratnasari, S.Si, M.Si
1310 100 048

ITS Paper 38759 1310100048 Presentation

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

ITS Paper 38759 1310100048 Presentation

Diunggah oleh

Hak Cipta:

Format Tersedia

Analisis Faktor-Faktor yang

OUTLINE METODELOGI PENELITIAN

ANALISIS DAN PEMBAHASAN

BAB I MANFAAT TUJUAN

GENDER adalah perbedaan peran,

PERAN PUBLIK Bersifat lemah

Perempuan banyak yang memiliki beban

±13,9% RT di Indonesia dikepalai oleh perempuan.

BAB I Selama tahun 2012, berdasarkan Catatan Tahunan

Kasus kekerasan yang paling sering terjadi : KDRT

Perkembangan IPM & IPG di Indonesia

BAB I 66 65,13 65,27

(Kementrian Pemberdayaan Perempuan dan Perlindungan Anak, 2013)

salah satu metode regresi yang digunakan untuk

Faidah (2010): Pemodelan Dharmasari (2009): Hakim (2014):

1. Bagaimana karakteristik Indeks Pembangunan Gender (IPG) di

BAB I 2. Apa saja faktor-faktor yang mempengaruhi Indeks Pembangunan

1. Mendeskripsikan karakteristik Indeks Pembangunan Gender (IPG)

BAB I 2. Mendapatkan faktor-faktor yang mempengaruhi Indeks

1. Menambah pengetahuan peneliti tentang penerapan ilmu

1. Data yang digunakan dalam penelitian merupakan data

UJI KESESUAIAN MODEL

 Indeks Pembangunan Gender (IPG) adalah ukuran yang

Dimensi Umur Panjang dan Pengetahuan Kehidupan yang Layak

TINJAUAN Dimensi Pendapatan

Indeks Pembangunan Gender (IPG)

Pengkategorian IPG menurut UNDP

variabel respon, berupa variabel diskrit

variabel bebas , berupa variabel diskrit, kontinyu,

TINJAUAN Pemodelan pada regresi probit :

1. Menentukan 𝑛 sampel random

3. Melakukan transformasi ln terhadap fungsi likelihood. Hal ini dikarenakan

4. Mendapatkan penaksir untuk 𝜷 dengan memaksimumkan ln

PUSTAKA Berdasarkan hasil penaksiran untuk parameter 𝜷 dengan

UJI SERENTAK UJI PARSIAL

Badan Pusat Statistik

Variabel respon (Y) dalam penelitian ini adalah variabel IPG.

Variabel Keterangan Tipe Variabel

Variabel Definisi Operasional

METODELOGI Tingkat Partisipasi

Variabel Definisi Operasional

Variabel Definisi Operasional

1. Menentukan variabel dan mendapatkan data yang mendukung.

PERKEMBANGAN & PENCAPAIAN KOMPONEN PEMBENTUK INDEKS

PENGELOMPOKKAN IPG INDONESIA TAHUN 2012 MENGGUNAKAN

PEMODELAN REGRESI PROBIT UNTUK DATA LAKI-LAKI

PEMODELAN REGRESI PROBIT UNTUK DATA PEREMPUAN

IPG Menurut Provinsi di Indonesia Tahun 2012

Provinsi yang termasuk ke dalam

ANGKA HARAPAN HIDUP (AHH)

ANGKA MELEK HURUF (AMH)

RATA-RATA LAMA SEKOLAH (MYS)

Rata-rata pah yang diterima laki-laki (1,55 jt)

Variabel (L) VIF Variabel (P) VIF

PENGUJIAN SERENTAK PENGUJIAN PARSIAL

BAB IV Berdasarkan hasil pengujian secara

Pemilihan model terbaik dilakukan dengan menggunakan metode Backward.

PENGUJIAN SERENTAK MODEL PENGUJIAN PARSIALMODEL

BAB IV Berdasarkan hasil pengujian secara

INTERPRETASI EFEK MARGINAL

Apabila diambil data dari salah satu

KESESUAIAN MODEL TERBAIK

BAB IV Berdasarkan hasil pengujian didapatkan nilai

PENGUJIAN SERENTAK PENGUJIAN PARSIAL