Pemodelan Geographically Weighted Regression Pada Angka Partisipasi Kasar Perguruan Tinggi Di Indonesia Tahun 2022

Fenny Fitriani, Eufrosiana Ga’a Bara, Artanti Indrasetianingsih

Abstract


Angka Partisipasi Kasar Perguruan Tinggi (APK-PT) merupakan proporsi mahasiswa di perguruan tinggi, tanpa memandang usia, di bandingkan dengan usia kuliah pada umumnya (19-23 tahun). APK PT menjadi salah satu indikator pendidikan yang menjadi perhatian pembangunan berkelanjutan (SDGs). Secara nasional, rata-rata APK PT di Indonesia masih rendah dan belum mencapai target nasional sebesar 34,56% dari tahun ke tahun. Selain itu jika dilihat dari APK PT yang ada di setiap provinsi ternyata memiliki nilai yang berbeda-beda untuk setiap Provinsinya. Hal ini menandakan adanya kemungkinan perbedaan karakteristik dari daerah ke daerah lain. Salah satu cara untuk mengatasi masalah tersebut adalah dengan menggunakan metode Geographically Weighted Regression (GWR). Pada artikel ini dibahas mengenai faktor-faktor yang berpengaruh signifikan terhadap APK PT di seluruh Provinsi di Indonesia didasarkan pada metode GWR. Dari hasil  pengujian didapatkan faktor yang berpengaruh secara signifikan terhadap APK  PT di Indonesia adalah PDRB per kapita, pengeluaran per kapita yang disesuaikan, persentase penduduk miskin, persentase penduduk usia 15 tahun keatas berpendidikan tinggi ditamatkan di perguruan tinggi, angka melek huruf usia 15-24 tahun dan rasio dosen per mahasiswa. Pemodelan APK PT tiap Provinsi di Indonesia dengan metode GWR mampu memberikan hasil pemodelan  terbaik dengan koefisien determinasi sebesar 97,44%.

Full Text:

PDF

References


Siti Habibah, Y. P. Putra, and Y. M. Putra, “Faktor-Faktor Yang Mempengaruhi Angka Partisipasi Perguruan Tinggi Pada 32 Provinsi Di Indonesia Tahun 2013-2016,” Jurnal Anggaran dan Keuangan Negara Indonesia (AKURASI), vol. 1, no. 1, pp. 20–20, Jun. 2019, doi: 10.33827/AKURASI2019.VOL1.ISS1.ART46.

A. Mutia, “Angka Partisipasi Perguruan Tinggi RI Masih Kalah dari Thailand dan Malaysia,”Sep.30, 2022. https://databoks.katadata.co.id/datapublish/2022/09/30/angka-partisipasi-perguruan-tinggi-ri-masih-kalah-dari-thailand-dan-malaysia (accessed Aug. 10, 2023).

D. W. S. Yusuf, E. M. P. Hermanto, and W. Pramesti, “Pemodelan Geographically Weighted Regression (GWR) Pada Persentase Kriminalitas Di Provinsi Jawa Timur Tahun 2017,” Indonesian Journal of Statistics and Its Applications, vol. 4, no. 1, pp. 156–163, Feb. 2020, doi: 10.29244/IJSA.V4I1.557.

Badan Pusat Statistik, “Angka Partisipasi Kasar (APK) Perguruan Tinggi (PT),” 2022. https://www.bps.go.id/indicator/28/303/1/angka-partisipasi-kasar-a-p-k-.html (accessed Aug. 10, 2023).

Badan Pusat Statistik,“Angka Partisipasi Kasar (APK),”2022. https://www.bps.go.id/indicator/28/1443/1/angka-partisipasi-kasar-apk-perguruan-tinggi-pt-menurut-provinsi.html (accessed Aug. 10, 2023).

Badan Pusat Statistik, “Statistik Pendidikan 2022,” BPS, 2022. https://www.bps.go.id/publication/2022/11/25/a80bdf8c85bc28a4e6566661/statistik-pendidikan-2022.html (accessed Aug. 10, 2023).

C. Brunsdon, A. S. Fotheringham, and M. E. Charlton, “Geographically weighted regression: a method for exploring spatial nonstationarity,” Geogr Anal, vol. 28, no. 4, pp. 281–298, 1996, doi: 10.1111/J.1538-4632.1996.TB00936.X.

A. S. Fotheringham, M. Charlton, and C. Brunsdon, Geographically Weighted Regression the analysis of spatial varying relationships. New Jersey: Wiley, 2002.

Badan Pusat Statistik, “Potret pendidikan Indonesia : statistik pendidikan 2016,” Jakarta, 2016.

M. Marizal, H. Atiqah, P. Matematika, F. Sains, and U. Islam Negeri Sultan Syarif Kasim Riau, “Pemodelan Indeks Pembangunan Manusia di Indonesia dengan Geographically Weighted Regression (GWR),” Jurnal Sains Matematika dan Statistika, vol. 8, no. 2, pp. 133–145, Sep. 2022, doi: 10.24014/JSMS.V8I2.17886.

N. Lutfiani, S. Sugiman, and S. Mariani, “Pemodelan Geographically Weighted Regression (GWR) dengan Fungsi Pembobot Kernel Gaussian dan Bi-Square,” Unnes Journal of Mathematics, vol. 8, no. 1, pp. 82–91, Jun. 2019, doi: 10.15294/UJM.V8I1.17103.

M. G. Leto Bele, E. Mustikawati, P. Hermanto, and F. Fitriani, “Pemodelan Geographically Weighted Regression pada Kasus Stunting di Provinsi Nusa Tenggara Timur Tahun 2020,” Jurnal Statistika dan Aplikasinya, vol. 6, no. 2, pp. 179–191, Dec. 2022, doi: 10.21009/JSA.06204.

S. Siregar, Statistik Deskriptif Untuk Penelitian. Jakarta: Raja Grafindo Persada, 2014.

D. N. Gujarati, Basic Econometrics. New York: McGraw-HiII/lrwin, 2003.

A. Hapsery and D. Trishnanti, "Aplikasi Geographically Weighted Regression (Gwr) Untuk Pemetaan Faktor Yang Mempengaruhi Indeks Aktivitas Literasi Membaca Di Indonesia," Jurnal Riset dan Aplikasi Matematika (JRAM), vol. 5, no. 2, pp. 80-91, 2021, doi: 10.26740/JRAM.V5N2.P80-91.

M. R. Ramadayani, F. H. Indiyah, and I. Hadi, "Pemodelan Geographically Weighted Regression Menggunakan Pembobot Kernel Fixed dan Adaptive pada Kasus Tingkat Pengangguran Terbuka di Indonesia," JMT : Jurnal Matematika dan Terapan, vol. 4, no. 1, pp. 51-62, 2022, doi: 10.21009/JMT.4.1.5




DOI: http://dx.doi.org/10.24014/jsms.v9i2.22729

Refbacks

  • There are currently no refbacks.


Jurnal JSMS

p-ISSN     : 2460-4542 (print)
e-ISSN     : 2615-8663 (online)
Alamat   : Program Studi Matematika
                   Fakultas Sains dan Teknologi, UIN Suska Riau
                   Jl. H.R Soebrantas, No. 155, Tampan, Pekanbaru.
Website : http://ejournal.uin-suska.ac.id/index.php/JSMS
e-mail    : jsmsfst@uin-suska.ac.id