PEMODELAN INDEKS PEMBANGUNAN GENDER (IPG) DENGAN MENGGUNAKAN REGRESI PROBIT ORDINAL (Studi Kasus IPG Kabupaten/Kota di Pulau Sumatera Tahun 2015)

Cucu Cahyati, Nar Herrhyanto, Entit Puspita

Abstract


Abstrak. Indeks Pembangunan Gender (IPG) menggambarkan kesenjangan pembangunan manusia antara laki-laki dan perempuan. Pada tahun 2015, Pulau Sumatera merupakan pulau di Indonesia yang memiliki provinsi dan kabupaten/kota dengan angka IPG tertinggi. Provinsi dan kabupaten/kota tersebut yaitu Provinsi Sumatera Barat dan Kota Bukit Tinggi dengan IPG masing-masing sebesar 94,74 dan 99,75. Angka IPG yang tinggi menunjukkan bahwa kesetaraan gender di wilayah tersebut sudah cukup baik. Dalam penelitian ini, IPG sebagai variabel respon dan dikategorikan secara ordinal menjadi 4 kategori. Kategori pertama yaitu kategori rendah, kategori kedua yaitu kategori sedang, kategori ketiga yaitu kategori tinggi dan kategori terakhir yaitu kategori sangat tinggi. Penelitian ini juga menggunakan indikator-indikator IPG sebagai variabel prediktor yang diduga mempengaruhi IPG, yaitu Angka Harapan Hidup saat Lahir (X1), Harapan Lama Sekolah (X2), Rata-rata Lama Sekolah (X3), dan Pengeluaran perkapita yang disesuaikan (X4). Variabel prediktor yang digunakan adalah indikator-indikator IPG pada penduduk laki-laki dan perempuan. Dalam hal ini, regresi probit ordinal digunakan untuk memodelkan data variabel respon yang dikategorikan secara ordinal. Berdasarkan hasil dari regresi probit ordinal dengan taraf signifikansi sebesar 5% diperoleh variabel-variabel yang secara signifikan berpengaruh terhadap IPG pada penduduk laki-laki yaitu Rata-rata Lama Sekolah (X3) dan Pengeluaran perkapita yang disesuaikan (X4). Sedangkan variabel-variabel yang secara signifikan berpengaruh terhadap IPG pada penduduk perempuan yaitu Angka Harapan Hidup saat lahir (X1), Harapan Lama Sekolah (X2) dan Pengeluaran perkapita yang disesuaikan (X4).

Kata Kunci : Indeks Pembangunan Gender, Regresi Probit Ordinal.

 

 

 

 

 

MODELING GENDER DEVELOPMENT INDEX (IPG) USING ORDINAL PROBIT REGRESSION (Case Study of Regency / City IPG on the island of Sumatra in 2015)

 

Abstract : Gender Development Index (GDI) portrays human development discrepancy between men and women. In 2015, Sumatera island is an island in Indonesia that have province and regency/city with the highest rate of GDI. The province is Sumatera Barat and Bukit Tinggi City in which the GDI is respectively 94.74 and 97.75. The high rate of GDI shows that gender equality is appropriately decent in that area. In this research, GDI is a response variable and ordinally categorized as four categories. The first category is low, the second category is medium, the third category is high, and the last category is very high. This research also uses indicators of GDI as predictor variables that estimated effect to GDI, those are Life Expectancy at birth (X1), Expected of Years Schooling (X2), Mean Years of Schooling (X3), and Per capita expenditure adjusted (X4). Predictor variable employed is indicators of GDI for male and female populations. In this stance, ordinal probit regression is employed to model the response variable data categorized ordinally. Based on the results of ordinal probit regression with its significance level 5% obtained variables that significantly affect to GDI of male population which is Mean Years of Schooling (X3) and Per capita expenditure adjusted (X4). Meanwhile variables that significantly affect GDI of the female population are Life Expectancy at birth (X1), Expected of Years Schooling (X2), and Per capita expenditure adjusted (X4).

Keywords : Gender Development Index, Ordinal Probit Regression.


Full Text:

PDF

References


BPS. (2017). Indeks Pembangunan Manusia 2016. Jakarta: BPS.

Kementerian Pemberdayaan Perempuan dan Perlindungan Anak. (2015). Pembangunan Manusia Berbasis Gender 2015. Jakarta : Kementrian Pemberdayaan Perempuan dan Perlindungan Anak.

Hafizh, U.Q. (2013). Pemodelan Disparitas Gender di Jawa Timur dengan Pendekatan Model Regresi Probit Ordinal. (Skripsi). Institut Teknologi Sepuluh Nopember, Surabaya.

Darsyah, M.Y. & Sara, D.S. (2016). Seemingly Unrelated Regression pada Indeks Pembangunan Gender di Jawa Tengah. Jurnal : Statistika, 4(2).

Permatasari, D.L. (2016). Pemodelan Ketahanan Pangan di Indonesia dengan Pendekatan Regresi Probit Ordinal. (Skripsi). Institut Teknologi Sepuluh Nopember, Surabaya.

Daga, E.K.N. & Suryowati, Kris. (2017). Penerapan Metode Regresi Logistik Ordinal dan Regresi Probit Ordinal untuk Mengestimasi Probabilitas Lama Masa Studi Mahasiswa IST AKPRIND Yogyakarta. Jurnal : Jurnal Statistika Industri dan Komputasi, 2(2), hlm. 104-114.

Kockelman, K.M. & Kweon, Y.J. (2002). Driver Injury Severity : An Application of Ordered Probit Models. Journal : Accident Analysis and Prevention, 34(4), hlm. 313-321.

Greene, W.H. (2002). Econometric Analysis. Fifth Edition. New Jersey : Prentic Hall.

Hosmer, D.W., Lemeshow, S., & Sturdivant, R.X. (2013). Applied Logistic Regression. Third Edition. New Jersey: John Wiley & Sons.




DOI: https://doi.org/10.17509/jem.v7i2.22137

Refbacks

  • There are currently no refbacks.


Copyright (c) 2019 Cucu Cahyati, Nar Herrhyanto, Entit Puspita



  

 Google Scholar Logo PNG vector in SVG, PDF, AI, CDR format