Daftar Isi: Pemodelan Geographically Weighted Regression (Gwr) Dengan Fungsi Pembobot Adaptive Gaussian Kernel Dan Adaptive Bisquare Kernel

Daftar Isi:

Geographically Weighted Regression (GWR) membentuk analisis regresi untuk setiap lokasi dengan mempertimbangkan pengaruh letak geografis yang juga mempengaruhi peubah respon. GWR dapat mengatasi heterogenitas spasial yang disebabkan oleh perbedaan kondisi di setiap lokasi. Kemiskinan merupakan salah satu tolok ukur kondisi sosial ekonomi dalam menilai keberhasilan pembangunan yang dilakukan pemerintah di suatu daerah. Tujuan penelitian ini adalah membentuk model GWR dengan fungsi pembobot adaptive Gaussian dan adaptive bisquare Kernel serta mengetahui fungsi pembobot yang lebih baik digunakan untuk memodelkan tingkat kemiskinan Provinsi Sumatera Barat tahun 2013. Model GWR dengan fungsi pembobot adaptive bisquare Kernel lebih baik digunakan untuk memodelkan tingkat kemiskinan Provinsi Sumatera Barat tahun 2013 dibandingkan model GWR dengan fungsi pembobot adaptive Gaussian Kernel. Peubah yang berpengaruh secara umum terhadap tingkat kemiskinan Provinsi Sumatera Barat tahun 2013 adalah persentase rumah tangga dengan luas tempat tinggal per kapita < 7.2m2 (X1), persentase rumah tangga dengan sumber penerangan listrik (X2), TPAK (X3), APM SMP (X4) dan APS penduduk usia 13-15 tahun (X5).