Paramita, AsharinaDwi (2014) Estimasi Model Mixed Geographically Weighted Regression (Mgwr) Menggunakan Fungsi Pembobot Fixed Kernel Pada Data Spasial. Sarjana thesis, Universitas Brawijaya.
Abstract
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).
English Abstract
Mixed Geographically Weighted Regression (MGWR) is a combination of a linear regression model and Geographically Weighted Regression (GWR) model. MGWR is a regression model which some of the regression model coefficients of the predictor variables are constant, while others vary spatially. Merging of the two models is obtained after testing the spatial variability. Poverty is one of the major problems that occurred in East Java. The purpose of this study is to build an MGWR model with fixed kernel weighting function in the case of poverty in East Java in 2011. In addition, to knowing what factors are having significant impact on this case. MGWR model analysis on the poverty data shows that the best model is indicated by the MGWR model with fixed bisquare kernel weighting function because it produces smaller AIC value than the GWR models with the same weighting function. MGWR models using fixed bisquare kernel weighting function formed 38 models and was divided into 5 groups based on its significant variables. Factors which influence globally in the model are the last level of college education (X3) and morbidity rate (X6). The factors that have a significant influence on the case of poverty vary in each city/district. But in general, the factors are the literacy rate (X1), school enrollment (X2), unemployment rate (X5), and residents who do their own treatment (X7)
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2014/231/051404645 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 14 Aug 2014 13:47 |
| Last Modified: | 21 Oct 2021 04:15 |
| URI: | http://repository.ub.ac.id/id/eprint/153854 |
Preview |
Text
SKRIPSI_ASHARINA_DWI_PARAMITA_105090500111012.pdf Download (4MB) | Preview |
Actions (login required)
 |
View Item |