Pemodelan Geographically Weighted Regression Dengan Fungsi Pembobot Kernel Pada Data Indeks Kebahagiaan Di Indonesia
| Main Author: | Sihombing, Jesvika Sari Melyana |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/176981/ |
Daftar Isi:
- Regresi menggambarkan bentuk hubungan antara satu atau lebih peubah prediktor dengan peubah respons. Pendugaan parameter regresi dapat dilakukan dengan Metode Kuadrat Terkecil (MKT) di mana asumsi sisaan identik (homoskedastisitas) dan bebas (non autokorelasi) harus dipenuhi untuk mendapatkan penduga parameter model yang baik. Pelanggaran asumsi mengindikasikan ada peubah prediktor yang dipengaruhi oleh faktor geografis sehingga model regresi klasik tidak lagi sesuai. Kesejahteraan masyarakat merupakan salah satu indikator penentu pertumbuhan ekonomi di suatu negara yang dapat diukur melalui indeks kebahagiaan. Di Indonesia, indeks kebahagiaan meningkat dari tahun 2014 ke tahun 2017 dari 68,28 ke 70,69 namun dalam peringkat World Happiness Report mengalami penurunan dari posisi 74 (2013) ke posisi 96 (2017). Hal ini disebabkan oleh perbedaan pendapatan, pendidikan, pekerjaan di setiap daerah di Indonesia. Untuk mengatasi adanya pengaruh lokasi dalam menduga peubah respons dapat digunakan model Geographically Weighted Regression atau model regresi terboboti. GWR dengan fungsi pembobot adaptive Gaussian Kernel dapat menentukan model untuk setiap lokasi berbeda. Penelitian ini bertujuan untuk menentukan faktor-faktor yang mempengaruhi indeks kebahagiaan di Indonesia.