Penerapan model multilevel logistik untuk data status setengah penganggur di provinsi Nusa Tenggara Barat
Selama ini, pengangguran cenderung dilihat dari pengangguran terbuka dan
kurang melihat setengah penganggur (underemployment). Pada suatu ...
-
Code CallNo Lokasi Ketersediaan 01001120700039 519.5 WIJ P Perpustakaan Pusat (REF.14.107) Tersedia -
Perpustakaan Perpustakaan PusatJudul Seri -No. Panggil 519.5 WIJ P/R.14.107Penerbit Magister Statistika Terapan : Bandung., 2012 Deskripsi Fisik xii, 88 hlm. ; il. ; 29 cmBahasa IndonesiaISBN/ISSN -Klasifikasi 519.5Tipe Isi -Tipe Media -Tipe Pembawa -Edisi -Subyek Info Detil Spesifik -Pernyataan Tanggungjawab Wijaya, Gde Harta -
Selama ini, pengangguran cenderung dilihat dari pengangguran terbuka dan
kurang melihat setengah penganggur (underemployment). Pada suatu waktu
tertentu, ada kemungkinan lebih banyak orang yang setengah penganggur
daripada pengangguran terbuka. Setengah penganggur adalah mereka yang
bekerja di bawah jam kerja normal (kurang dari 35 jam seminggu). Di Indonesia,
pengumpulan data ketenagakerjaan (setengah penganggur) dilakukan melalui
Survei Angkatan Kerja Nasional (Sakernas). Sakernas adalah suatu survei dengan
desain sampling bertahap (multistage sampling), yang akan menghasilkan data
(sampel) dengan struktur hirarkis.
Sampel-sampel tersebut, walaupun efisien untuk penaksiran jumlah-jumlah
untuk deskripsi populasi, namun memunculkan banyak tantangan untuk inferensi
berbasis model yang berhubungan dengan statistik. Dalam hal ini, penggunaan
model statistik satu level tidak lagi beralasan dan valid. Pendekatan yang sesuai
untuk menganalisis data hasil survei seperti ini adalah menggunakan pendekatan
multi/eve/. Model multi/eve I yang digunakan adalah model multi/evel logistik.
Metode penaksiran yang digunakan adalah pendekatan likelihood dengan Laplace
approximation dan pendekatan Bayesian dengan MCMC.
Hasil yang diperoleh yaitu, pada a=5% prediktor umur responden (UMUR) ,
status kawin (STA TP), pendidikan tertinggi yang ditamatkan (PENDDK),
lapangan pekerjaan utama (LAPPU), status dalam pekerjaan utama (STA TPU)
dan klasifikasi daerah tempat tinggal (KLASDT) merupakan prediktor-prediktor
yang masuk ke dalam model. Sedangkan untuk interaksi, pada penaksiran dengan
Laplace approximation penambahan interaksi antara lapangan pekerjaan utama
(LAPPU) dengan klasifikasi daerah tempat tinggal (KLASDT), signifikan pada
a=5%, sedangkan pada penaksiran dengan Bayesian penambahan interaksi barn
signifikan pada a=lO%. Untuk random effect, hasil penaksiran dengan
menggunakan metode Bayesian selalu menghasilkan nilai yang lebih besar
daripada hasil dengan Laplace approximation.
-
Tidak tersedia versi lain
-
Silakan login dahulu untuk melihat atau memberi komentar.
//






