Show simple item record

dc.contributor.advisorWigena, Aji
dc.contributor.advisorSumertajaya, I Made
dc.contributor.authorSuseno, Bayu
dc.date.accessioned2018-02-22T02:14:57Z
dc.date.available2018-02-22T02:14:57Z
dc.date.issued2017
dc.identifier.urihttp://repository.ipb.ac.id/handle/123456789/90943
dc.description.abstractPemanasan global menjadi salah satu perhatian masyarakat dunia saat ini karena dampak yang dirasakan seperti perubahan iklim dan peningkatan rata-rata suhu dunia. Faktor utama penyebab pemanasan global adalah emisi GRK, seperti gas karbondioksida. Indonesia termasuk ke dalam sepuluh besar negara penghasil emisi karbondioksida terbesar di dunia. Emisi karbondioksida Indonesia dari pembakaran bahan bakar fosil cenderung meningkat setiap tahun menyebabkan sumbangan Indonesia terhadap total emisi karbondioksida dunia meningkat. Peningkatan emisi karbondioksida disebabkan oleh peningkatan konsumsi energi untuk pertumbuhan ekonomi. Meskipun demikian, pertumbuhan ekonomi merupakan instrumen penting untuk mengurangi kemiskinan. Presiden Indonesia, Joko Widodo, pada Paris Agreement 2015 UNFCCC menyatakan komitmen Indonesia untuk menurunkan emisi GRK pada tahun 2030 sebesar 29% dengan upaya sendiri, dan hingga 41% dengan bantuan dan kerjasama internasional. Indonesia juga berkomitmen mengurangi tingkat kemiskinan di bawah 4% pada tahun 2025. Pemodelan pengaruh pertumbuhan ekonomi terhadap kemiskinan dan emisi karbondioksida secara simultan menunjukkan hubungan sebab akibat yang penting dalam perumusan kebijakan menurunkan emisi GRK dan kemiskinan di Indonesia. Pemodelan tersebut menggunakan data deret waktu tahunan yang seringkali terdapat data tidak lengkap sehingga harus ditangani sebelum pemodelan. Simulasi Monte Carlo dilakukan untuk mengevaluasi kinerja teknik penanganan data tidak lengkap seperti listwise deletion; imputasi tunggal yaitu LOCF, interpolasi linier, arithmetic mean, rataan bergerak, regresi, regresi stokastik, dan algoritme EM; dan imputasi berganda dengan algoritme MCMC. Simulasi menghasilkan kesimpulan bahwa teknik imputasi berganda dengan algoritme MCMC dan pengelompokan peubah merupakan teknik penanganan data tidak lengkap terbaik karena mampu menghasilkan dugaan koefisien parameter dengan persentase bias terkecil pada sebagian besar skenario data tidak lengkap. Skenario evaluasi kebijakan dengan model persamaan simultan menunjukkan bahwa peningkatan suplai modal berdampak kepada konsumsi energi, pertumbuhan ekonomi, emisi karbondioksida, dan kemiskinan. Peningkatan jumlah tenaga kerja berdampak kepada konsumsi energi, pertumbuhan ekonomi, emisi karbondioksida, dan kemiskinan. Penurunan AKB berdampak kepada sumber daya manusia. Penguatan nilai tukar rupiah berdampak kepada inflasi.id
dc.language.isoidid
dc.publisherIPB (Bogor Agricultural University)id
dc.subjectBogor Agricultural University (IPB)
dc.subject.ddcStatistical Applicationid
dc.subject.ddcStatistical modelsid
dc.subject.ddc2015id
dc.subject.ddcIndonesiaid
dc.titlePemodelan Persamaan Simultan Pertumbuhan Ekonomi, Emisi Karbondioksida, dan Kemiskinan di Indonesia dalam Kondisi Data Tidak Lengkap.id
dc.typeThesisid
dc.subject.keyworddata hilangid
dc.subject.keywordimputasi bergandaid
dc.subject.keyword3SLSid
dc.subject.keywordpemanasan globalid
dc.subject.keywordsimulasi monte carloid


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record