Estimasi Model Mixed Geographically Weighted Regression (Mgwr) Menggunakan Fungsi Pembobot Fixed Kernel Pada Data Spasial
| Main Author: | Paramita, AsharinaDwi |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2014
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/153854/1/SKRIPSI_ASHARINA_DWI_PARAMITA_105090500111012.pdf http://repository.ub.ac.id/153854/ |
Daftar Isi:
- Mixed Geographically Weighted Regression (MGWR) merupakan gabungan model regresi linier dan model Geographically Weighted Regression (GWR). Model MGWR adalah model regresi yang beberapa koefisien dari peubah prediktornya bersifat konstan, sedangkan yang lainnya bervariasi secara spasial. Penggabungan dari kedua model tersebut didapat setelah dilakukan pengujian variabilitas spasial. Kemiskinan merupakan salah satu masalah utama yang terjadi di Jawa Timur. Tujuan dari penelitian ini adalah untuk membentuk model MGWR dengan fungsi pembobot fixed kernel pada kasus kemiskinan di Jawa Timur tahun 2011. Selain itu untuk mengetahui faktor-faktor apa saja yang berpegaruh signifikan terhadap kasus tersebut. Analisis model MGWR pada data kemiskinan tersebut menunjukkan bahwa model terbaik ditunjukkan oleh model MGWR dengan pembobot fixed bisquare kernel karena menghasilkan nilai AIC lebih kecil daripada model GWR dengan pembobot yang sama. Model MGWR dengan pembobot fixed bisquare kernel yang terbentuk sebanyak 38 model dan terbagi menjadi 5 kelompok berdasarkan peubah yang signifikan. Faktor yang berpengaruh secara global pada model tersebut adalah tingkat pendidikan terakhir perguruan tinggi (X3) dan angka morbiditas (X6). Faktor-faktor yang berpengaruh signifikan pada kasus kemiskinan bervariasi pada masing-masing kota/kabupaten. Namun secara umum, faktor-faktor yang berpengaruh signifikan adalah angka melek huruf (X1), angka partisipasi sekolah (X2), tingkat pengangguran terbuka (X5), dan penduduk yang melakukan pengobatan sendiri (X7).