<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="9116">
 <titleInfo>
  <title>ESTIMATOR TERBAIK DALAM PENERAPAN MODEL GRAVITASI MIGRASI INDONESIA</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>MARISA KUSUMA PUTRI</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Bandung</placeTerm>
   <publisher>Magister Statistika Terapan</publisher>
   <dateIssued>2016</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd"></form>
  <extent>xii,;110 hlm,;29,5 cm</extent>
 </physicalDescription>
 <note>Migrasi merupakan komponen demografi selain kelahiran dan kematian. Untuk &#13;
memproyeksikan jumlah penduduk, BPS masih menggunakan metode demografi &#13;
formal, dan belum memasukkan faktor pendorong dan faktor penarik migrasi. Model &#13;
gravitasi migrasi adalah metode proyeksi yang mengandung faktor pendorong dan &#13;
faktor penarik yang berdasarkan pada teori migrasi. Hipotesis model gravitasi migrasi &#13;
dasar menyatakan bahwa jumlah penduduk di suatu wilayah berkorelasi secara positif &#13;
terhadap migrasi, sedangkan jarak antarwilayah berkorelasi secara negatif. Penelitian &#13;
ini melakukan simulasi untuk menentukan metode estimasi parameter terbaik pada &#13;
model gravitasi migrasi dasar. Metode estimasi yang akan dibandingkan adalah &#13;
regresi transformasi log-linear (regresi dengan spesifikasi metode kuadrat terkecil &#13;
(MKT); model regresi Poisson (MRP); model regresi quasi-Poisson (RQP); dan &#13;
model regresi binomial negatif (RBN). Hasil simulasi, menunjukkan bahwa koefisien &#13;
yang dihasilkan MRP dan RQP tidak berbeda. MRP dan RQP menghasilkan bias &#13;
parameter yang paling kecil dibandingkan metode lainnya. Walaupun menghasilkan &#13;
koefisien yang sama, RQP dipilih sebagai metode terbaik karena galat baku yang &#13;
dihasilkannya lebih baik daripada galat baku yang dihasilkan MRP. Penerapan RQP &#13;
dalam data training menunjukkan bahwa model gravitasi migrasi sangat baik dalam &#13;
rnengestimasi arus migrasi dengan nilai kecil, namun menghasilkan galat yang relatif &#13;
besar untuk estimasi nilai migrasi yang besar. Semakin banyak sampel yang &#13;
digunakan sebagai data training, maka semakin baik pula hasilnya dalam &#13;
rnenggambarkan populasi.</note>
 <note type="statement of responsibility">MARISA KUSUMA PUTRI</note>
 <subject authority="">
  <topic>Model Gravitasi Migrasi, Regresi Transformasi Log-</topic>
 </subject>
 <classification>519.5</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>Perpustakaan Universitas Padjadjaran Kementerian Riset Teknologi dan Pendidikan Tinggi</physicalLocation>
  <shelfLocator>519.5 Mar e/R.14.51</shelfLocator>
  <holdingSimple>
   <copyInformation>
    <numerationAndChronology type="1">010030007492</numerationAndChronology>
    <sublocation>Perpustakaan Pusat</sublocation>
    <shelfLocator>519.5 Mar e/R.14.51</shelfLocator>
   </copyInformation>
  </holdingSimple>
 </location>
 <slims:image>20%252Fscan0001.jpg.jpg</slims:image>
 <recordInfo>
  <recordIdentifier>9116</recordIdentifier>
  <recordCreationDate encoding="w3cdtf">2017-04-01 15:42:25</recordCreationDate>
  <recordChangeDate encoding="w3cdtf">2019-03-01 15:08:24</recordChangeDate>
  <recordOrigin>machine generated</recordOrigin>
 </recordInfo>
</mods>
</modsCollection>