Penerapan Pembobot Fixed Kernel Dan Pembobot Adaptive Kernel Dalam Model Mixed Geographically Weighted Regression (MGWR)
| Main Author: | Setyowati, Silfiana Lis |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2017
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/1048/1/Bagian%20Depan.pdf http://repository.ub.ac.id/1048/2/BAB%20I.pdf http://repository.ub.ac.id/1048/3/BAB%20II.pdf http://repository.ub.ac.id/1048/4/BAB%20III.pdf http://repository.ub.ac.id/1048/5/BAB%20IV.pdf http://repository.ub.ac.id/1048/6/BAB%20V.pdf http://repository.ub.ac.id/1048/7/Daftar%20Pustaka.pdf http://repository.ub.ac.id/1048/ |
Daftar Isi:
- Geographically Weighted Regression (GWR) adalah salah satu model yang mampu mengatasi heterogenitas spasial. Pada beberapa kasus terdapat variabel prediktor yang mempengaruhi variabel respon secara global maupun secara lokal. Mixed Geographically Weighted Square (MGWR) adalah gabungan antara model regresi linier dengan model GWR yang mengakomodasi adanya variabel global dan variabel lokal. Penetuan variable lokal dan global dapat diketahui setelah dilakukan pengujian variabilitas spasial pada model GWR. Jenis pembobot spasial yang dapat digunakan pada model MGWR diantaramya fixed kernel dan adaptive kernel. Pada penelitian ini pembobot yang digunakan adalah fixed bisquare kernel, fixed gaussian kernel, adaptive bisquare kernel dan adaptive gaussian kernel. Tujuan dari penelitian ini adalah untuk membentuk model MGWR, mengetahui model dengan pembobot paling baik, dan unruk mengetahui faktor yang berpengaruh secara global dan lokal pada data Indeks Pembangunan Manusia (IPM) di Provinsi Jawa Timur. Berdasarkan analisis yang telah dilakukan didapatkan model MGWR yang terbentuk pada data IPM di Provinsi Jawa Timur untuk masing-masing pembobot adalah sebanyak 38 model yang berbeda setiap kabupaten/kota. Berdasarkan kriteria Root Mean Square Error (RMSE) model MGWR dengan pembobot fixed bisquare kernel lebih baik digunakan untuk memodelkan IPM di Jawa Timur. Berdasarkan model MGWR fixed bisquare kernel yang terbentuk faktor yang berpengaruh secara global terhadap indeks pembangunan manusia di Provinsi Jawa Timur adalah persentase penduduk miskin yang berpendidikan tertinggi SLTA, sedangkan faktor yang berpengaruh lokal berbeda-beda untuk setiap kabupaten/kota.