Call for Papers Seminar Nasional & Sidang Pleno ISEI XVIII, Gorontalo September 2016

-
Paparan Peserta Pemenang Call for Papers Seminar & Sidang Pleno ISEI XVIII

Call for Papers Seminar Nasional & Sidang Pleno ISEI XVIII, Gorontalo September 2016
Sumber: ISEI Pusat


Acara di Rumah Dinas (Rudin) Gubernur Gorontalo

Acara Seminar Parawisata


Acara Seminar Prof. M. Ikhsan sedang sambutan
Acara Seminar Parawisata dengan salah satu pengisi Ibu Maria Elka

Komentar

Posting Komentar

Postingan populer dari blog ini

Linear Probability Model (LPM), Logit Model, dan Probit Model (Normit Model) dengan STATA (2011)

-
Gambar
Model dengan variabel dependen yang bersifat diskrit, maka estimasi dengan menggunakan regresi liner akan terasa dipaksakan, karena estimator yang dihasilkan tidak lagi bersifat BLUE (Best Linier Unbiased Estimator). Hal ini disebabkan: varian error-nya tidak terdistribusi normal, estimator tidak efisien akibat heteroskedastis, dan R² tidak dapat digunakan sebagai pengukur Goodness of Fit.   Oleh karenanya, untuk menghasilkan estimator persamaan yang BLUE, penelitian ini menggunakan q ualitative response regression model. Terdapat tiga pendekatan untuk mengembangkan model yang menjelaskan model regresi binary response yaitu:  Linear Probability Model (LPM)  Logit Model  Probit Model (Normit Model)  Jika dilihat secara grafik perbedaan antara jasil estimasi menggunakan Linear dan Logistik (Probit dan Logit) terhadap model dengan variabel dependen yang bersifat diskrit, maka dapat dilihat seperti berikut:
Baca selengkapnya

Random Effect Model (REM)

-
W alaupun FEM atau LSDV mudah untuk diaplikasikan, tidak dapat dipungkiri penerapannya akan menimbulkan konsekuensi ( trade off ) yang mungkin cukup mahal. Penambahan dummy variables ke dalam model dapat mengurangi banyaknya derajat kebebasan ( degree of freedom ) yang pada akhirnya akan mengurangi efisiensi dari parameter yang diestimasi. Menurut Gujarati (2003), jika dummy variables adalah untuk merepresentasikan ketidaktahuan tentang model yang sebenarnya, maka kita dapat menggunakan disturbance term untuk merepresentasikan ketidaktahuan tentang model yang sebenarnya. Hal ini dikenal sebagai model efek acak ( random effect model atau REM ).
Baca selengkapnya

Pooled Least Square (PLS)

-
Pendekatan yang paling sederhana dalam pengolahan data panel adalah dengan menggunakan metode kuadrat terkecil biasa atau sering disebut Pooled Least Square (PLS) yang diterapkan dalam data yang berbentuk pool . Misalkan terdapat persamaan berikut ini: Y it = a + b X it + e it                        untuk i =   1, 2, . . . , N dan t = 1, 2, . . ., T dimana N adalah jumlah unit cross-section (individu) dan T adalah jumlah periode waktunya. Dengan mengasumsikan komponen error dalam pengolahan Ordinary Least Square ( O LS) , kita dapat melakukan dua proses estimasi, pertama secara terpisah untuk setiap unit cross-section atau untuk setiap time-series . Kedua dengan mengabungkan antara cross dan time lalu diestimasi secara bersamaan.
Baca selengkapnya