Article Sidebar

Submitted
Mar 8, 2025
Published
Oct 17, 2025
Download
PDF
Statistic
Read Counter : 11 Download : 16

Main Article Content

Abstract

Umur Harapan Hidup adalah angka rata-rata tahun yang diharapkan bisa dijalani seseorang setelah mencapai usia tertentu. Umur Harapan Hidup digunakan sebagai indikator untuk mengevaluasi seberapa efektif pemerintah dalam meningkatkan kesejahteraan masyarakat secara keseluruhan, terutama dalam upaya meningkatkan kesehatan. Penelitian ini bertujuan untuk menentukan model regresi data panel terbaik, dengan model yang dibandingkan yaitu Common Effect Model (CEM), Fixed Effect Model (FEM), dan Random Effect Model (REM). Variabel yang digunakan terdiri dari Umur Harapan Hidup sebagai variabel dependen (Y), serta Rumah tangga memiliki sumber air minum layak (X1), Rumah tangga memiliki akses hunian layak (X2), dan Rumah tangga memiliki akses sanitasi layak (X3) sebagai variabel independen yang mencakup 15 Kabupaten di Provinsi Lampung dari tahun 2021 hingga 2023. Hasil penelitian menunjukkan bahwa model terbaik adalah Random Effect Model (REM) dengan variabel independent yang signifikan berpengaruh terhadap umur harapan hidup (Y) adalah rumah tangga dengan akses sanitasi layak (X3).

Keywords

Umur Harapan Hidup, Regresi Data Panel, Common Effect Model, Fixed Effect Model, Random Effect Model.

Article Details

References

  1. [1] S. F. Manurung, A. Andriansya, J. Permana, and R. Pangestu, “Pemanfaatan Algoritma JST untuk Menentukan Model Prediksi Umur Harapan Hidup Saat Lahir,” Hello World J. Ilmu Komput., vol. 1, no. 1, pp. 19–35, 2022, doi: 10.56211/helloworld.v1i1.9.
  2. [2] E. Wulandari and Nurhayati, “Determinan Umur Harapan Hidup Di Indonesia,” J. Ekon. Trisakti, vol. 4, no. 1, pp. 217–224, 2024, doi: 10.25105/jet.v4i1.18676.
  3. [3] S. I. S. Dai, S. Canon, and D. O. Bauty, “Analisis Pengaruh RLS, Pengeluaran Perkapita, UHH, Dan Tingkat Kemiskinan Terhadap Ketimpangan Distribusi Pendapatan Di KBI Dan KTI,” Jesya J. Ekon. dan Ekon. Syariah, vol. 6, no. 1, pp. 535–544, 2023, doi: 10.36778/jesya.v6i1.950.
  4. [4] A. Indrasetianingsih and T. K. Wasik, “Model Regresi Data Panel Untuk Mengetahui Faktor Yang Mempengaruhi Tingkat Kemiskinan Di Pulau Madura,” J. Gaussian, vol. 9, no. 3, pp. 355–363, 2020, doi: 10.14710/j.gauss.v9i3.28925.
  5. [5] E. N. Amaliah, Darnah, and Sifriyani, “Regresi Data Panel dengan Pendekatan Common Effect Model (CEM), Fixed Effect model (FEM) dan Random Effect Model (REM) (Studi Kasus: Persentase Penduduk Miskin Menurut Kabupaten/Kota di Kalimantan Timur Tahun 2015-2018),” ESTIMASI J. Stat. Its Appl., vol. 1, no. 2, pp. 106–115, 2020, doi: 10.20956/ejsa.v1i2.10574.
  6. [6] R. N. N. Winantisan, J. E. Tulung, and L. J. Rumokoy, “Pengaruh Keberagaman Usia dan Gender Pada Dewan Komisaris dan Direksi Terhadap Kinerja Keuangan Perbankan di Indonesia Periode 2018-2022,” J. EMBA, vol. 12, no. 1, pp. 1–12, 2024.
  7. [7] A. Hermawan, Y. Sukmawaty, and A. S. Lestia, “Estimasi Parameter Random Effect Model Pada Regresi Panel Menggunakan Metode Generalized Least Square (Studi Kasus: Kemiskinan Di Provinsi Kalimantan Selatan),” RAGAM J. Stat. Its Appl., vol. 1, no. 1, pp. 1–13, 2022, doi: 10.20527/ragam.v1i1.7419.
  8. [8] I. F. Alamsyah, R. Esra, S. Awalia, and D. A. Nohe, “Analisis Regresi Data Panel Untuk Mengetahui Faktor Yang Memengaruhi Jumlah Penduduk Miskin Di Kalimantan Timur,” Pros. Semin. Nas. Mat. Stat. dan Apl., vol. 2, pp. 254–266, 2022.
  9. [9] A. Septianingsih, “Pemodelan Data Panel Menggunakan Random Effect Model Untuk Mengetahui Faktor Yang Mempengaruhi Umur Harapan Hidup Di Indonesia,” J. Lebesgue J. Ilm. Pendidik. Mat. Mat. dan Stat., vol. 3, no. 3, pp. 525–536, 2022, doi: 10.46306/lb.v3i3.163.
  10. [10] A. A. Tanjung, M. Syafii, S. B. Tarigan, and W. G. Harahap, “Analisis Pengaruh Ekonomi Digital Terhadap Pertumbuhan Ekonomi di Indonesia: Model Data Panel,” Ekon. Keuangan, Investasi dan Syariah, vol. 4, no. 2, pp. 567–575, 2022, doi: 10.47065/ekuitas.v4i2.2223.
  11. [11] I. D. Mobonggi, N. Achmad, Resmawan, and I. K. Hasan, “Analisis Regresi Data Panel Dengan Pendekatan Common Effect Model Dan Fixed Effect Model Pada Kasus Produksi Tanaman Jagung,” Interval J. Ilm. Mat., vol. 2, no. 2, pp. 52–67, 2022, doi: 10.33751/interval.v2i2.6516.
  12. [12] N. Madany, Ruliana, and Z. Rais, “Regresi Data Panel dan Aplikasinya dalam Kinerja Keuangan terhadap Pertumbuhan Laba Perusahaan Idx Lq45 Bursa Efek Indonesia,” VARIANSI J. Stat. Its Appl. Teach. Res., vol. 4, no. 2, pp. 79–94, 2022, doi: 10.35580/variansiunm28.
  13. [13] N. Aulina and Mirtawati, “Analisis Regresi Data Panel Pada Faktor-Faktor Yang Mempengaruhi Kemiskinan Di Indonesia Tahun 2015 – 2019,” KINERJA J. Ekon. dan Bisnis, vol. 4, no. 1, pp. 78–90, 2021, doi: 10.34005/kinerja.v4i1.1781.
  14. [14] M. I. Rizki, F. Gumelar, J. J. Cerelia, T. Ammar, and A. Nugraha, “Pemodelan Regresi Data Panel Pada Faktor Yang Mempengaruhi Tingkat Pengangguran Terbuka Di Jawa Barat,” Pros. Semin. Nas. Mat. Stat. dan Apl., vol. 2, pp. 147–161, 2022.
  15. [15] M. Suardin, M. N. Bustan, and A. S. Ahmar, “Pemodelan Pertumbuhan Ekonomi Provinsi Sulawesi Selatan dengan Menggunakan Regresi Data Panel,” VARIANSI J. Stat. Its Appl. Teach. Res., vol. 2, no. 3, pp. 158–172, 2020, doi: 10.35580/variansiunm14637.