MEMPREDIKSI KEMISKINAN DI PROVINSI DAERAH ISTIMEWA YOGYAKARTA MENGGUNAKAN METODE ANALISIS RANTAI MARKOV

Authors

  • Noeryanti Noeryanti Jurusan Statistika Institut Sains & Teknologi AKPRIND Yogyakarta
  • Yudi Setyawan Jurusan Statistika Institut Sains & Teknologi AKPRIND Yogyakarta
  • Hadinagara Hadinagara Jurusan Statistika Institut Sains & Teknologi AKPRIND Yogyakarta

DOI:

https://doi.org/10.3415/jurtek.v12i1.2160

Keywords:

Rantai Markov, Kemiskinan, Probabilitas, Steady State

Abstract

Kemiskinan di Indonesia masih terus menjadi masalah yang serius sepanjang tahun. Permasalahan utama dalam upaya pengentasan kemiskinan di Indonesia saat ini terkait dengan adanya fakta bahwa pertumbuhan ekonomi tidak tersebar secara merata di seluruh wilayah Indonesia. Dalam kurun waktu lima tahun terakhir, jumlah penduduk miskin di D.I. Yogyakata mengalami penurunan sebesar 72.48 ribu jiwa. Pada tahun 2014, jumlah penduduk miskin tercatat masih sebanyak 532.59 ribu jiwa. Namun pada tahun 2018 penduduk miskin berkurang menjadi 460.11 ribu jiwa. [sumber BPS DIY, 2018]. Penelitian ini bertujuan untuk memprediksi kemiskinan di Provinsi D.I. Yogyakarta menggunakan metode Analisis Rantai Markov. Hasil analisis rantai markov, prediksi jumlah penduduk miskin tahun 2019-2022 untuk Kabupaten Kulon Progo mengalami kenaikan rata-rata jumlah penduduk miskin sebesar 0.35%, Kabupaten Bantul mengalami kenaikan persentase kemiskinan rata-rata sebesar 0.04%, Kabupaten Gunung Kidul akan mengalami kenaikan persentase kemiskinan sebesar 0.11%, Kabupaten Sleman akan mengalami penurunan persentase kemiskinan sebesar 0.74%, dan untuk Kota Yogyakarta akan mengalami penurunan persentase kemiskinan sebesar 0.03%. Probabilitas steady state Kab. Kulon Progo sebesar 16.58%, Kabupaten Bantul sebesar 28.90%, Kab. Gunung Kidul sebesar 27.97%, Kab. Sleman sebesar 20.00%, dan Kota Yogyakarta sebesar 6.55%.

 

Downloads

Download data is not yet available.

References

Almasdi S, Suarman S, 2014, Model Pengembangan Daerah Tertinggal Dalam Upaya Percepatan Pembangunan Ekonomi Pedesaan” Ekuitas, Jurnal Ekonomi dan Keuangan, Vol 18, No 3 , Sekolah Tinggi Ilmu Ekonomi Indonesia (STIESIA), Surabaya
Mukhsin AM dkk, 2016, Model Prediksi Indeks Harga Saham Di Bursa Efek Indonesia (BEI) Menggunakan Rantai Markov Dan Proses Stokastik Fuzzy, e-Proceeding of Engineering : Vol.3, No.2 Agustus 2016, Bandung
Azzi ADHDA, 2012, Analisis Program-Program Penanggulangan Kemiskinan Menurut Skpd (Satuan Kerja Perangkat Daerah) Di Kota Semarang Dengan Metode Analisis Hierarki, UNDIP, Semarang
Bappenas, 2004, Rencana Strategis Penanggulangan Kemiskinan di Indonesia, Kementrian PPN, Jakarta
Firdaniza, dkk, 2016, Distribusi Stasioner Rantai Markov Untuk Prediksi Curah Hujan Di Wilayah Jawa Barat, Prosiding Seminar Matematika dan Pendidikan Matematika hal 1035-1050 November 2016, UNS, Surakarta
Binti MT., 2016 “Analisa Pengaruh Pertumbuhan Ekonomi Terhadap Penurunan Tingkat Kemiskinan Di Kalimantan Tengah,” Jurnal Komunikasi Bisnis dan Manajemen, vol. 3, pp. 69–78, uniska, Banjarmasin
Melati PM dan Jatipaningrum MT, 2018, Prediksi Bencana Alam Di Wilayah Kabupaten Wonogiri Dengan Markov Chains, Journal Statikom, Yogyakarta
Noeryanti, 2018, Memprediksi Tingkat Kemiskinan Di Provinsi Nusa Tenggara Timur Menggunakan Estimasi Regresi Nonparametrik Spline Dan Model Regresi Berganda, Prosiding Seminar Nasional Aplikasi Sains & Teknologi (SNAST), Yogyakarta
Rubiyanah R, Minarsih MM, Hasiholan LB, 2016, Implementasi Program Nasional Pemberdayaan Masyarakat Mandiri Perkotaan Dalam Penanggulangan Kemiskinan” Journal Of Management. Vol 2, No 2 , Universitas Pandanaran, Semarang
Sucipto A, 2012, Aplikasi Rantai Markov Dalam Menganalisis Probabailitas Pangsa Pasar, Riau
https://yogyakarta.bps.go.id/pressrelease/2019/02/01/943/profil-kemiskinan-daerah-istimewa-yogyakarta-september-2018.html

Downloads

Published

2019-06-28

How to Cite

Noeryanti, N., Setyawan, Y., & Hadinagara, H. (2019). MEMPREDIKSI KEMISKINAN DI PROVINSI DAERAH ISTIMEWA YOGYAKARTA MENGGUNAKAN METODE ANALISIS RANTAI MARKOV. Jurnal Teknologi, 12(1), 45–53. https://doi.org/10.3415/jurtek.v12i1.2160