Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian ini bertujuan untuk menganilisis apakah terjadi fenomena spillover effect terhadap sektor pariwisata pada setiap kota/kabupaten di Provinsi Jawa Tengah. Selain itu, penelitian ini ingin mengetahui apakah terdapat fenomena kompetisi pada setiap sektor-sektor pariwisata. Berdasarkan rumusan masalah tersebut, munculah tujuan penelitian untuk mengetahui faktor apa saja yang mempengaruhi pertumbuhan wisatawan nusantara pada suatu kota/kabupaten di Provinsi Jawa Tengah. Pada penelitian ini digunakan analisis spasial dengan menggunakan Moran’s I test dan juga model ekonometrika spasial berupa Spatial Autoregressive (SAR) dan Spatial Durbin Model (SDM). Matriks penimbang spasial yang digunakan pada penilitian ini menggunakan queen contiguity dimana ketetanggaan dihitung berdasarkan sisi dan sudut. Hasil penelitian menunjukkan bahwa model Spatial Autoregressive (SAR) merupakan model terbaik dibandingkan model Spatial Durbin Model (SDM) karena nilai rho pada model Spatial Autoregressive (SAR) menunjukkan nilai signifikan. Artinya, terdapat autokorelasi spasial pada variabel dependen. Hasil model Spatial Autoregressive (SAR) terdapat nilai signifikan pada akomodasi, objek wisata, dan kepadatan penduduk berpengaruh signifikan positif, sehingga kenaikan faktor-faktor ini akan meningkatkan jumlah wisatawan nusantara pada kota/kabupaten di Jawa Tengah. Selain itu, pada model Spatial Autoregressive (SAR) tidak menunjukkan fenomena kompetisi pada setiap sektor pariwisata karena menunjukkan nilai positif pada variabel signifikan seperti akomodasi, objek wisata, dan kepadatan penduduk.

---

This study analyzes whether there is a spillover effect phenomenon on the tourism sector in each city/district in Central Java Province. In addition, this study wants to find out whether there is a phenomenon of competition effect in each tourism sector. Based on the formulation of the problem, the research objective emerged to find out what factors influence the growth of domestic tourists in a city/regency in Central Java Province. In this study, spatial analysis was used using Moran's I test and also spatial econometric models in the form of Spatial Autoregressive (SAR) and Spatial Durbin Model (SDM). The spatial weighing matrix used in this study uses a queen contiguity where adjacency is calculated based on sides and angles. The results showed that the Spatial Autoregressive (SAR) model was the best model compared to the Spatial Durbin Model (SDM) because the rho value in the Spatial Autoregressive (SAR) model showed a significant value. That is, there is a spatial autocorrelation on the dependent variable. The results of the Spatial Autoregressive (SAR) model have significant values ​​on accommodation, tourist attractions, and population density have a significant positive effect, so that the increase in these factors will increase the number of domestic tourists in cities/districts in Central Java. In addition, the Spatial Autoregressive (SAR) model does not show the phenomenon of competition in each tourism sector because it shows positive values on significant variables such as accommodation, tourist attractions, and population density."

"

Permasalahan statistik di dunia nyata umum diselesaikan dengan menggunakan generalized linear model. Fleksibilitas model regresi tersebut menjadi nilai tambah yang meningkatkan utilitasnya. Akan tetapi, di tengah penerapan generalized linear model, ditemukan isu terkait estimasi parameter, yakni multikolinearitas. Kondisi multikolinearitas mengindikasikan adanya korelasi antarvariabel penjelas yang berpengaruh terhadap keakuratan koefisien parameter. Keadaan ini menyebabkan maximum likelihood estimator, metode yang sangat umum digunakan pada generalized linear model untuk mencari parameter, memiliki eror dan variansi yang tinggi. Berbagai alternatif estimator telah dibuat untuk mengatasi masalah ini, salah satunya adalah Liu estimator. Metode ini merupakan bentuk modifikasi dari metode yang sudah diciptakan sebelumnya, yakni maximum likelihood estimator. Penelitian ini menelusuri konsep dan metode Liu estimator dalam menentukan suatu parameter dan dibandingkan dengan metode maximum likelihood estimator. Konstruksi gamma regression model, yakni generalized linear model dengan variabel respons yang berdistribusi gamma, digunakan sebagai aplikasi dalam penerapan Liu estimator. Simulasi dalam penelitian ini menggunakan dataset hydrocarbon yang mengukur keefektifan pemulihan polusi yang bersumber dari tangki gas. Dengan menggunakan model regresi gamma dan estimator Liu untuk mengestimasi parameter didapatkan prediksi terhadap jumlah gas hydrocarbon yang keluar.

---

Generalized Linear Model, as the name says, is the general version for linear model, one of the method used to solve statistical and actuarial real-life problem, such as regression. In the midst of well-known generalized linear model utilization, researcher found issue related to parameter estimation. Multicolinearity, a condition which occur when there are two or more independent variabel with high correlation, has huge impact to the accuracy of parameter coeficient. This issue makes the maximum likelihood estimator, one of the most common method to estimate the parameter, produces high error and variance. To combat this issue, many other estimator has been proposed by various researcher all around the world, including Liu estimator. Liu estimator is a method that comes from the modification of maximum likelihood estimator. This research will explore the concept and method of Liu estimator for estimating model’s parameter and the difference when we compare it with maximum likelihood estimator. The model built in the research is gamma regression model, which is a generalized linear model with gamma distributed response variable. The application of the research is utilizing the data called hydrocarbon. The end product is the gamma regression model to predict the mass of hydrocarbon which escape to the air with the parameter estimated by Liu estimator method.

"

"Penelitian ini bertujuan menganalisis faktor-faktor yang mempengaruhi ketimpangan pendapatan di Provinsi Jawa Timur tahun 2008-2011 dengan mempertimbangkan keterkaitan spasial antar kabupaten/ kota yang ada. Data yang digunakan adalah data panel dengan pendekatan spatial econometric. Model yang terpilih adalah spatial error with fixed effect.Hasil analisis menunjukkan bahwa interaksi antara satu kabupaten/ kota dengan kabupaten/ kota tetangganya cukup tinggi di Jawa Timur yaitu sebesar 0,470 dari rentang nilai 0 hingga 1. Adanya interaksi spasial ini berdampak terhadap ketimpangan pendapatan di Jawa Timur. Dampak spasial yang terjadi dapat dilihat pada variasi nilai intercept. Dengan mempertimbangkan aspek spasial, maka faktor-faktor yang berpengaruh positif terhadap indeks ketimpangan pendapatan di Jawa Timur adalah faktor tenaga medis, dana perimbangan, dan UMR. Sedangkan faktor tenaga kerja industri ternyata berpengaruh negatif terhadap indeks ketimpangan di Jawa Timur.

---

This study aims to analyze the factors which impact income gap in East Java for four years (2008-2011) by giving attention for spatial dependence between the regions. The data used in this study is panel data with spatial econometric approach. The model chosen is spatial error with fixed effect.

The result shows that the interaction between regions is about 0,470 (the value is ranged between 0 until 1). This spatial interaction impacts to income gap in East Java. The impact of spatial aspect to income gap in East Java can be seen from intercept variation value. By giving attention for spatial aspect can be known that the factors which have positive impact to income gap are medical personnel, balanced budget, and wage policy. And the factor which has negative impacts to income gap in East Java is industry labors."

""This book provides the most comprehensive treatment to date of microeconometrics, the analysis of individual-level data on the economic behavior of individuals or firms using regression methods for cross section and panel data. The book is oriented to the practitioner. A basic understanding of the linear regression model with matrix algebra is assumed. The text can be used for a microeconometrics course, typically a second-year economics PhD course; for data-oriented applied microeconometrics field courses; and as a reference work for graduate students and applied researchers who wish to fill in gaps in their toolkit. Distinguishing features of the book include emphasis on nonlinear models and robust inference, simulation-based estimation, and problems of complex survey data. The book makes frequent use of numerical examples based on generated data to illustrate the key models and methods. More substantially, it systematically integrates into the text empirical illustrations based on seven large and exceptionally rich data sets." -- Publisher description."