Penentuan Indikator Kemiskinan Penduduk Indonesia Tahun 2017 Dengan Pemodelan Sparse Principal Component Analysis

Tinungki, Georgina Maria (2018) Penentuan Indikator Kemiskinan Penduduk Indonesia Tahun 2017 Dengan Pemodelan Sparse Principal Component Analysis. Prosiding Seminar Nasional FMIPA-UT 2018: Peran Matematika, Sains, dan Teknologi dalam Mencapai Tujuan Pembangunan Berkelanjutan (SDGs). pp. 47-60. ISSN 2088-0014

Preview

Text FMIPA2018-04.pdf - Published Version Available under License Creative Commons Attribution Non-commercial No Derivatives. Download (412kB) | Preview

Abstract

Data terbaru dari Badan Pusat Statistika (BPS) bulan Maret 2018, menyatakan bahwa jumlah penduduk miskin (penduduk dengan pengeluaran per kapita per bulan di bawah Garis Kemiskinan) di Indonesia mencapai 25,95 juta orang (9,82%), berkurang sebesar 633,2 ribu orang dibandingkan dengan kondisi September 2017 yang sebesar 26,58 juta orang (10,12%). Data Indikator Kemiskinan Penduduk Indonesia ini terdiri atas 13 variabel dan 34 observasi. Dalam hal ini, kita berhadapan dengan data yang berukuran besar yaitu, data yang terdiri dari banyak variabel yang diharapkan hasil analisis terhadap data tersebut menghasilkan banyak informasi yang diperlukan dalam hal pengambilan keputusan. Akan tetapi, terkadang peneliti mengalami kesulitan dalam melakukan interpretasi informasi dari hasil Principal Component Analysis (PCA) yang diperoleh. Di sini Sparse Principal Component Analysis menggabungkan kekuatan PCA standar/klasik, reduksi data, dengan pemodelan sparseness, sehingga hasil reduksi dimensi data akan mudah diinterpretasi. Data yang diperoleh adalah data sekunder yaitu data Indikator Kemiskinan Penduduk Indonesia Tahun 2017 yang diperoleh dari Badan Pusat Statistika pada situs http://www.bps.go.id. Hasil yang diperoleh menunjukkan penerapan metode Sparse PCA pada data Indikator Kemiskinan Penduduk Indonesia Tahun 2017 dalam mereduksi 13 (tiga belas) variabel, menghasilkan empat (4) variabel baru Principle Component (PC) yang telah mampu menjelaskan 81% dari total variansi data.

Actions (login required)

View Item