Santoso, EstiHerdina (2014) Perbandingan Metode Geographically Weighted Principal Component Analysis Regression (Gwpcar) Dan Geographically Weighted Ridge Regression (Gwrr) (Studi Kasus Pada Data Kemiskinan Di Jawa Timur Tahun 2. Sarjana thesis, Universitas Brawijaya.
Abstract
Kemiskinan merupakan fenomena yang biasanya ditunjukkan dengan masyarakat miskin mengelompok pada suatu wilayah tertentu, sehingga melibatkan efek spasial. Banyaknya variabel faktor-faktor penyebab tingkat kemiskinan menyebabkan terdapat multikolinieritas lokal pada model spasial. Multikolinieritas lokal pada model spasial adalah suatu keadaan di mana terdapat satu atau lebih variabel yang berkorelasi dengan variabel lainnya disetiap lokasi pengamatan. Pada data spasial kondisi lokasi yang satu dengan lokasi lain yang tidak sama, yang ditinjau dari segi geografis, keadaan sosial-budaya maupun hal lain yang dapat menimbulkan kondisi heterogenitas spasial pada lokasi yang diteliti. Untuk mengatasi kasus multikolinieritas lokal dan heterogenitas spasial adalah dengan menggunakan metode Geographically Weighted Principal Component Analysis Regression (GWPCAR) dan Geographically Weighted Ridge Regression (GWRR). Pada penelitian ini dilakukan perbandingan metode antara GWPCAR dan GWRR pada data tingkat kemiskinan di Jawa Timur pada tahun 2010. Berdasarkan perbandingan nilai MSE disimpulkan bahwa metode GWPCAR lebih baik untuk memodelkan data tingkat kemiskinan di Jawa Timur. Pada model GWPCAR didapatkan variabel rata-rata lama sekolah (X4) berpengaruh signifikan terhadap tingkat kemiskinan di tiap Kab/Kota di Jawa Timur, dan variabel angka melek huruf (X6) berpengaruh signifikan terhadap tingkat kemiskinan hanya pada beberapa kota di Jawa Timur, oleh karena itu untuk menurunkan tingkat kemiskinan Pemerintah Jawa Timur perlu meningkatkan pendidikan di Jawa Timur.
English Abstract
Poverty is a phenomenon that is usually indicated by the poor society in a particular area that involves spatial effects. A number of variables about the factors affecting poverty levels cause a local multicolinearity on spatial model. Relevant local spatial model is a situation in which one or more variables that are correlated with other variables at each site observations. On the spatial data, the conditions of the location from one with another location is not the same, in terms of geographic, socio-cultural circumstances or other things that can cause the condition of spatial heterogeneity on location which are examined. Therefore, to address cases of relevant local and spatial heterogeneity is used the method of Geographically Weighted Principal Component Analysis Regression (GWPCAR) and Geographically Weighted Regression Ridge (GWRR). This research was conducted on a comparison between the GWPCAR and GWRR methods on the data level of poverty in East Java in the year of 2010. Based on the comparison of the MSE values, it is inferred that GWPCAR is a better methods to modelize the data of poverty rate in East Java. Meanwhile, on the GWPCAR model, the variable was obtained by averaging the old school (X4) effect significantly to poverty levels in each Regency/City in East Java, and a variable number of literacy (X6) the effect significantly to poverty levels only in several cities in East Java. Therefore, to reduce the level of poverty of the East Java, Government needs to improve education in East Java.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2014/90/051401162 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 17 Feb 2014 09:46 |
| Last Modified: | 17 Feb 2014 09:46 |
| URI: | http://repository.ub.ac.id/id/eprint/154107 |
Actions (login required)
 |
View Item |