Penerapan Metode Multivariate Adaptive Regression Spline (MARS) untuk Mengetahui Faktor yang Mempengaruhi Total Fertility Rate (TFR) di Pulau Kalimantan

Aldi Dwi Putra, Yayat Karyana

Abstract


Abstract. Multivariate Adaptive Regression Spline (MARS) is a nonparametric regression method. The MARS model is useful for overcoming the problem of high-dimensional data, where data that has predictor variables as much as 3 ≤ ð‘ ≤ 20 with a data sample of 50 ≤ 𑛠≤ 1000. The MARS model is obtained from a combination of Basis Function (BF), Maximum Interaction (MI), and Minimum Observation (MO) by trial and error, where the best MARS model is selected by selecting the minimum Generalized Cross Validation (GCV) value among other models. In this study, the researcher explains the use of MARS to analyze the factors that affect the Total Fertility Rate (TFR) in Kalimantan Island, because Kalimantan Island is the island with the highest average population growth rate in Indonesia. The response variable (Y) used is Total Fertility Rate (TFR) with several predictor variables, namely income (X1), education (X2), and use of contraceptives (X3). The data used is secondary data from the 2015 Survei Penduduk Antar Sensus (SUPAS). Based on the results of the analysis, the best model obtained is a model with a combination of BF=6, MI=1, and MO=1 with a GCV value of 0,06611. These results indicate that there is one variable that is not included in the model, but only two variables that affect the Total Fertility Rate (TFR) in Kalimantan Island, namely in order of importance: use of contraceptive (X3) and Education (X2).

Keywords: Generalized Cross Validation (GCV), Multivariate Adaptive Regression Spline (MARS), SUPAS, TFR.

Abstrak. Multivariate Adaptive Regression Spline (MARS) adalah metode regresi nonparametrik. Model MARS berguna untuk mengatasi masalah data yang berdimensi tinggi, dimana data yang memiliki variabel prediktor sebanyak 3 ≤ ð‘ ≤ 20 dengan sampel data yang berukuran 50 ≤ 𑛠≤ 1000. Model MARS diperoleh dari kombinasi nilai Basis Function (BF), Maximum Interaction (MI), dan Minimum Observation (MO) secara trial and error, dimana Model MARS terbaik dipilih dengan memilih nilai Generalized Cross Validation (GCV) minimum di antara model lainnya. Dalam penelitian ini, peneliti menjelaskan penggunaan MARS untuk menganalisis faktor-faktor yang mempengaruhi Total Fertility Rate (TFR) di Pulau Kalimantan, karena Pulau Kalimantan merupakan pulau dengan rata-rata laju pertumbuhan penduduk tertinggi di Indonesia. Variabel respon (Y) yang digunakan adalah Total Fertility Rate (TFR) dengan beberapa variabel prediktor yaitu pendapatan (X1), pendidikan (X2), dan penggunaan alat kontrasepsi (X3). Data yang digunakan adalah data sekunder dari Survei Penduduk Antar Sensus (SUPAS) 2015. Berdasarkan hasil analisis, model terbaik yang didapatkan adalah model dengan kombinasi dari BF=6, MI=1, dan MO=1 dengan nilai GCV = 0,06611. Hasil ini menunjukkan bahwa ada satu variabel yang tidak masuk pada model, melainkan hanya dua variabel yang berpengaruh terhadap Total Fertility Rate (TFR) di Pulau Kalimantan yaitu menurut urutan kepentingan: penggunaan alat kontrasepsi (X3) dan Pendidikan (X2).

Kata Kunci: Generalized Cross Validation (GCV), Multivariate Adaptive Regression Spline (MARS), SUPAS, TFR


Keywords


Generalized Cross Validation (GCV), Multivariate Adaptive Regression Spline (MARS), SUPAS, TFR

Full Text:

PDF

References


Friedman, J. H. (1991). Multivariate Adaptive Regression Spline (With Discussion). In The Annals of Statistics (pp. 1–141).

Hatmadji, S. H. (1981). Fertilitas. Dalam Dasar-Dasar Demografi. Lembaga Demografi Fakultas Ekonomi Universitas Indonesia.

Karyana, Y., Remi, S. ., Yusuf, A. ., & Purnagunawan, M. (2020). Fertilitas dan Keputusan Menambah Anak di Indonesia. In S. S. Widyaputra & C. B. Kartasasmita (Eds.), PANDEMI COVID-19: SAATNYA KAJI ULANG ARAH PENELITIAN DAN PENDIDIKAN KESEHATAN (p. 397). Unpad Press.

Mahendra, A. (2016). Faktor-Faktor yang Mempengaruhi Fertilitas di Indonesia Timur. Jrak, 3(2), 223–242. http://103.76.21.184/index.php/JRAK/article/download/448/478

Suniarti, S., Gunarto, T., & Saimul. (2015). Analisis Faktor-Faktor Yang Mempengaruhi Tingkat Kelahiran Total Di Provinsi Lampung Suatu Kajian Sosial Ekonomi. http://digilib.unila.ac.id/12653/

Utama Muhammad Bangkit Riksa, Hajarisman Nusar. (2021). Metode Pemilihan Variabel pada Model Regresi Poisson Menggunakan Metode Nordberg. Jurnal Riset Statistika, 1(1), 35-42.




DOI: http://dx.doi.org/10.29313/.v0i0.28243

Flag Counter