Perbandingan Pembobot Fixed Gaussian Kernel Dan Fixed Bisquare Kernel Pada Metode Geographically Weighted Lasso (GWL)
| Main Author: | Munikah, Tutuk |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2014
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/157484/ |
Daftar Isi:
- Jika suatu variabel penelitian dipengaruhi oleh aspek kewilayahan (spasial) maka perlu dipertimbangkan aspek spasial pada model. Geographically Weighted Regression (GWR) merupakan suatu model regresi yang memperhatikan adanya efek heterogenitas spasial. Dalam model regresi, sering terdapat hubungan antara dua atau lebih variabel prediktor yang disebut multikolinieritas. Geographically Weighted Lasso (GWL) merupakan suatu metode spasial yang digunakan untuk mengatasi heterogenitas spasial dan multikolinieritas lokal. Tujuan penelitian adalah membentuk model dengan menggunakan metode Geographically Weighted Lassistero (GWL) dalam mengatasi kasus heterogenitas spasial dan multikolinieritas lokal pada masalah kerawanan pangan di Kabupaten Tanah Laut dan mengetahui pembobot yang paling baik antara pembobot fixed gaussian kernel dan pembobot fixed bisquare kernel dalam mengatasi heterogenitas spasial dan multikolinieritas lokal berdasarkan nilai R2 dan Mean Square Error (MSE). Penelitian ini menggunakan data sekunder dan data primer. Penelitian dilaksanakan di tiga kecamatan di Kabupaten Tanah Laut yaitu Kecamatan Kintap, Kurau dan Pelaihari. Variabel yang digunakan dalam penelitian terdiri dari satu variabel respon dan tujuh variabel prediktor. Hasil penelitian menunjukkan bahwa terdapat heterogenitas spasial dan multikolinieritas lokal pada data kerawanan pangan di Kabupaten Tanah Laut sehingga dilakukan pemodelan spasial dengan metode Geographically Weighted Lasso (GWL). Berdasarkan nilai Mean Square Error (MSE) dan RAdjusted2 yang dihasilkan pada model GWL lokal diketahui bahwa pembobot fixed gaussian kernel lebih baik digunakan karena memiliki nilai MSE yang lebih kecil dan nilai RAdjusted2 yang lebih besar dibandingkan dengan metode GWL lokal dengan pembobot fixed bisquare kernel. Berdasarkan validasi model juga diketahui bahwa model dengan menggunakan pembobot fixed gaussian kernel lebih baik karena memiliki tingkat prediksi yang lebih tepat jika dibandingkan dengan model yang menggunakan pembobot fixed bisquare kernel. Model dengan pembobot fixed gaussian kernel mampu memprediksi enam desa dengan kondisi ketahanan pangan yang sama dengan data sekunder sementara model dengan pembobot fixed bisquare kernel hanya lima desa.