Analisis Regresi dan Pengelompokkan Faktor yang Mempengaruhi IPM di Sulawesi Barat Tahun 2017-2024
Article Sidebar
Main Article Content
Abstract
Penelitian ini menggunakan metode analisis regresi linear berganda dan k-means clustering untuk mengetahui faktor-faktor yang mempengaruhi nilai IPM di Sulawesi Barat. Data yang digunakan dalam analisis regresi berbentuk data panel yang terdiri dari seluruh kabupaten di Sulawesi Barat pada tahun 2017-2024, sedangkan pada analisis k-means clustering menggunakan data rata-rata dari seluruh variabel di tahun yang sama. Hasil regresi menunjukkan bahwa Rata-rata Lama Sekolah (RLS) dan Tingkat Pengangguran Terbuka (TPT) berpengaruh signifikan terhadap IPM sedangkan Persentase Penduduk Miskin tidak berpengaruh signifikan. Hasil clustering menunjukkan bahwa Kabupaten Majene merupakan kabupaten yang paling unggul dengan nilai IPM, RLS, TPT, yang lebih tinggi dibandingkan kabupaten lain di Sulawesi Barat.
Downloads
Article Details
Section
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
How to Cite
References
Abdussalam Amrullah, Intam Purnamasari, Betha Nurina Sari, Garno, & Apriade
Voutama. (2022). Analisis Cluster Faktor Penunjang Pendidikan Menggunakan
Algoritma K-Means (Studi Kasus: Kabupaten Karawang). Jurnal Informatika Dan Rekayasa Elektronik, 5(2), 244–252. https://doi.org/10.36595/jire.v5i2.701
Ar Rahmah, N., Lukman, L., Pratiwi, R., & Sufiawan, N. A. (2023). Pengaruh Jumlah Penduduk Miskin, Pengeluaran Pemerintah Bidang Pendidikan Dan Kesehatan Terhadap Ipm Di Kota Payakumbuh. Jurnal Ekonomi Pembangunan STIE Muhammadiyah Palopo, 9(1), 222. https://doi.org/10.35906/jep.v9i1.1492
Aryasatya, R., & Lusiana, V. (2024). Penentuan Klustering Indeks Pembangunan Manusia Provinsi Jawa Tengah dengan Metode K-Means Berbasis Web. Jurnal JTIK (Jurnal Teknologi Informasi Dan Komunikasi), 8(1), 155–162. https://doi.org/10.35870/jtik.v8i1.1403
Fahrurrozi, M., Mohzana, M., Haritani, H., Yunitasari, D., & Basri, H. (2023). Peningkatan Indeks Pembangunan Manusia Regional Dan Implikasinya Terhadap Ketahanan Ekonomi Wilayah. Jurnal Ketahanan Nasional, 29(1), 70. https://doi.org/10.22146/jkn.83425
Fitriyah, Z., Irsalina, S., K, A. R. H., & Widodo, E. (2021). Analisis Faktor Yang
Berpengaruh Terhadap Ipm Menggunakan Regresi Linear Berganda. Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika Dan Statistika, 2(3), 282–291. https://doi.org/10.46306/lb.v2i3.86
Huda, N., & Indahsari, K. (2021). Pengaruh Rata-Rata Lama Sekolah, Angka Harapan Hidup Dan Pengeluaran Perkapita Terhadap Pertumbuhan Ekonomi Provinsi Jawa Timur Tahun 2014-2018. Buletin Ekonomika Pembangunan, 2(1), 55–66.
Iqbal, M. (2015). Regresi Data Panel (2): Tahap Analisis. Blog Dosen Perbanas, 2, 1-7.
Kiha, E., Seran, S., & Lau, H. (2021). Pengaruh Jumlah Penduduk, Pengangguran, Dan Kemiskinan Terhadap Indeks Pembangunan Manusia (Ipm) Di Kabupaten Belu. Intelektiva: Jurnal Ekonomi, Sosial & Humaniora, 2(07), 60–84.
Meydiasari, D. A., & Soejoto, A. (2017). Analisis pengaruh distribusi pendapatan, tingkat pengangguran, dan pengeluaran pemerintah sektor pendidikan terhadap IPM di indonesia. Jurnal Pendidikan Ekonomi Manajemen Dan Keuangan, 01(02), 116–126.
Nizar, F., & Arif, M. (2023). Pengaruh Rata Lama Sekolah, Pengeluaran Perkapita, Pendapatan Asli Daerah, Investasi, Tingkat Pengangguran Terbuka Terhadap Tingkat Kemiskinan Di Nusa Tenggara Barat Tahun 2012-2021. Komitmen: Jurnal Ilmiah Manajemen, 4(1), 48–58. https://doi.org/10.15575/jim.v4i1.23599
Sari, Y. R., Sudewa, A., Lestari, D. A., & Jaya, T. I. (2020). Penerapan Algoritma K-Means Untuk Clustering Data Kemiskinan Provinsi Banten Menggunakan Rapidminer. CESS (Journal of Computer Engineering, System and Science), 5(2), 192. https://doi.org/10.24114/cess.v5i2.18519
Sudariana, & Yoedani. (2022). Analisis Statistik Regresi Linier Berganda. Seniman Transaction, 2(2), 1–11.
Todaro, M. P., & Smith, S. C. (2006). PEMBANGUNAN EKONOMI, edisi 9, jilid 1. Erlangga.