PEMODELAN REGRESI HECKIT DATA TERSENSOR PADA KONSUMSI SUSU DI KOTA BANDUNG

• Main Author: Teguh Satriyahna, - (Author)
• Format: Book
• Published: 2019-09-02.
• Subjects: Thesis; NonPeerReviewed
• Online Access: Link Metadata

Summary

ABSTRAK PEMODELAN REGRESI HECKIT DATA TERSENSOR PADA KONSUMSI SUSU DI KOTA BANDUNG Oleh: Teguh Satriyahna NIM. 1501319 Tujuan dari penelitian ini adalah untuk memperoleh model terbaik dan menentukan faktor-faktor yang mempengaruhi konsumsi susu di kota Bandung dengan metode regresi Heckit. Estimasi parameter pada regresi Heckit terdiri dari dua tahap prosedural, tahap pertama penentuan model Probit, dan kedua menduga model dengan seleksi sampel dan menambahkan variabel baru yang disebut Inverse Mills Ratio (IMR) dengan penduga Ordinary Linear Square (OLS). Data yang digunakan merupakan data primer berupa survei konsumsi susu pada rumah tangga di kota Bandung sebanyak 373 rumah tangga dalam periode April 2019-Juli 2019. Model terbaik yang diperoleh adalah model tahap pertama (lima variabel) dengan persamaan model seleksi \widehat{\ Z}=\ -2,8946+0,1877X_1+1,5302X_2+0,0926X_3+0,00036X_4+0.0121X_5 dan model hasil \hat{Y}=\ -2,5059+0,2808X_1+1,6500X_2-0,0102X_3+0,00004X_4+0,0032X_5-327925,9IMR. Hasil penelitian menunjukkan bahwa X1 (pendidikan terakhir kepala rumah tangga), X2 (status bekerja kepala rumah tangga), X4 (pendapatan rumah tangga) memiliki pengaruh positif yang signifikan terhadap Y (pengeluaran konsumsi susu rumah tangga) dan X3 (jumlah anggota rumah tangga), X5 (usia kepala rumah tangga) memiliki pengaruh negatif yang signifikan terhadap Y (pengeluaran konsumsi susu rumah tangga). Kata kunci: konsumsi susu, regresi Heckit, model Probit ABSTRACT MODELING OF CENSORED DATA HECKIT REGRESSION IN MILK CONSUMPTION IN BANDUNG CITY By: Teguh Satriyahna NIM. 1501319 The purposes of this study are to obtain the best model and to determine factors that influence milk consumption of people in Bandung through the Heckit regression method. The parameter estimation in Heckit regression consists of two procedural stages, firstly, determining the Probit model, and secondly estimating the model by sampling and adding a new variable called the Inverse Mills Ratio (IMR) with the Ordinary Linear Square (OLS) estimator. The data used are primary data of a survey a milk consumption form in households in Bandung with a result of 373 households in the period April 2019-July 2019. The obtained best model was the first stage model (five variables) with the selection model equation is \widehat{\ Z}=\ -2,8946+0,1877X_1+1,5302X_2+0,0926X_3+0,00036X_4+0.0121X_5 and the result model is \hat{Y}=\ -2,5059+0,2808X_1+1,6500X_2-0,0102X_3+0,00004X_4+0,0032X_5-327925,9IMR. The results showed that X1 (head of household's last education), X2 (employment status), X4 (household income) have significant positive effect on Y (household milk consumption expenditure). Nevertheless, X3 (number of household members) , X5 (age of household head) has a significant negative effect on Y (household milk consumption expenditure). Keywords: Heckit regression, milk consumption, Probit models

Item Description

http://repository.upi.edu/39512/1/S_MAT_1501319_Title.pdf
http://repository.upi.edu/39512/2/S_MAT_1501219_Chapter1.pdf
http://repository.upi.edu/39512/3/S_MAT_1501319_Chapter2.pdf
http://repository.upi.edu/39512/4/S_MAT_1501319_Chapter3.pdf
http://repository.upi.edu/39512/5/S_MAT_1501319_Chapter4.pdf
http://repository.upi.edu/39512/6/S_MAT_1501319_Chapter5.pdf
http://repository.upi.edu/39512/7/S_MAT_1501319_Appendix.pdf