Perbandingan Metode Geographically Weighted Lasso (GWL)- Lokal Dan Metode Geographically Weighted Lasso (GWL)- Global Dalam Mengatasi Kasus Multikolinieritas Lokal Pada Model Geographically Weighted R
| Main Author: | Ramadhan, ApryZakaria |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2013
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/153387/1/skripsi.pdf http://repository.ub.ac.id/153387/ |
Daftar Isi:
- Multikolinieritas lokal pada model spasial adalah suatu keadaan di mana terdapat satu atau lebih variabel yang berkorelasi dengan variabel lainnya disetiap lokasi pengamatan. Salah satu cara untuk mendeteksi adanya multikolinieritas pada model spasial adalah dengan menggunakan Variance Inflation Factor (VIF). Untuk mengatasi kasus multikolinieritas ini adalah dengan menggunakan metode Geographically Weighted Lasso (GWL). GWL merupakan pengembangan dari metode GWR (Geographically Weighted Regression) dengan menambahkan metode Least Absolute Shrinkage and Selection Operator (Lasso) pada model dikarenakan GWR belum mampu mengatasi kasus multikolinieritas. GWL terdiri dari dua metode yaitu GWL lokal dan GWL Global. Pada penelitian ini dilakukan pembandingan metode yaitu membandingkan antara GWL Lokal dan GWL Global pada data tingkat kemiskinan wilayah Jawa Timur tahun 2010. Berdasarkan perbandingan nilai MSE disimpulkan bahwa metode GWL Lokal lebih efisien untuk memodelkan data tingkat kemiskinan dikarenakan terdapat faktor keheterogenitas spasial dan perbedaan geografis di setiap wilayah yang berpengaruh terhadap tingkat kemiskinan Jawa Timur.