Pemodelan Regresi Multivariat Spasial Dengan Pembobot Korelasi Spasial (Studi Kasus Kerawanan Pangan Dan Kemiskinan Di Kabupaten Sampang)

Dianati, YusrinaNur (2014) Pemodelan Regresi Multivariat Spasial Dengan Pembobot Korelasi Spasial (Studi Kasus Kerawanan Pangan Dan Kemiskinan Di Kabupaten Sampang). Magister thesis, Universitas Brawijaya.

Abstract

Model linier multivariat adalah model linier dengan peubah respon lebih dari satu. Pada model regresi multivariat disyaratkan antar peubah respon harus saling berkorelasi. Jika suatu peubah penelitian dipengaruhi oleh aspek kewilayahan (spasial) maka perlu dipertimbangkan aspek spasial pada model. Geographically Weighted Multivariat Linier Model (GWMLM) merupakan suatu model regresi multivariat yang memperhatikan adanya efek spasial. Tujuan penelitian ini adalah membentuk model Geographically Weighted Multivariat Linier Model (GWMLM) dengan pembobot cross – variogram yang paling optimum berdasarkan Root Mean Square Error (RMSE) pada masalah kerawanan pangan dan kemiskinan di Kabupaten Sampang. Penelitian ini menggunakan data primer dan data sekunder. Penelitian dilaksanakan di tiga kecamatan di Kabupaten Sampang yaitu Kecamatan Jrengik, Torjun dan Sreseh, dengan lokasi penelitian di 10 desa. Peubah yang digunakan dalam penelitian terdiri dari dua peubah respon dan empat peubah prediktor. Hasil penelitian menunjukkan bahwa terdapat heterogenitas spasial dan korelasi yang kuat pada data kerawanan pangan dan kemiskinan sehingga dilakukan pemodelan spasial Geographically Weighted Multivariat Linier Model (GWMLM). Pembobot cross – variogram gaussian, merupakan pembobot terbaik berdasarkan nilai RMSE yang paling kecil. Faktor – faktor yang mempengaruhi kerawanan pangan dan kemiskinan berdasarkan model GWMLM adalah persentase penduduk yang bisa mengakses jalan memadai (X2), jumlah sarana kesehatan (X3), dan persentase balita gizi buruk/kurang (X4). Hasil validasi model menunjukkan bahwa model dengan pembobot cross – variogram gaussian memiliki tingkat akurasi prediksi yang tinggi. Berdasarkan hasil peta prediksi kerawanan pangan terdapat tiga desa yang berbeda statusnya dibandingkan peta kerawanan pangan data sekunder, sedangkan untuk peta prediksi kemiskinan terdapat dua desa yang menghasilkan status kemiskinan yang berbeda dengan peta kemiskinan data sekunder.

English Abstract

Multivariate linear model is a linear model with more than one response variable. In multivariate regression models, response variables are required to be mutually correlated. If a research variable is influenced by aspects of territorial (spatial) it is necessary to consider the spatial aspects of the model. Geographically Weighted Multivariat Linier Model (GWMLM) is a multivariate regression model that takes spatial effects into account. The aim of this study was to establish a Geographically Weighted Multivariat Linier Model (GWMLM) with the most optimal cross - variogram weighting based on Root Mean Square Error (RMSE) on the issue of food insecurity and poverty in Sampang. This study used primary and secondary data. The experiment was conducted in three districts in Sampang namely District Jrengik, Torjun and Sreseh, in 10 village study sites. The variables used in the study consisted of two response variables and four predictor variables. The results showed that are spatial heterogeneity and a strong correlation in the data of food insecurity and poverty in Sampang Geographically Weighted Multivariat Linier Model (GWMLM). Weighted cross – variogram gaussian, is best weighting based on the smallest RMSE value. The factors affecting food insecurity and poverty based on GWMLM models are the variable of percentage of the population with access to adequate roads (X2), the number of health facilities (X3), and the percentage of malnutrition children (X4). The results of model validation showed that the model using the weighted cross - variogram gaussian yield a high accuracy. Based on the results of the prediction map of food insecurity, there are three different villages map of food insecurity status than secondary data, while the predictions for the poverty map, there are two villages that produce different poverty status with poverty map secondary data.

Item Type:	Thesis (Magister)
Identification Number:	TES/519.53/DIA/P/041402582
Subjects:	500 Natural sciences and mathematics > 519 Probabilities and applied mathematics > 519.5 Statistical mathematics
Divisions:	S2/S3 > Magister Statistika, Fakultas MIPA
Depositing User:	Budi Wahyono Wahyono
Date Deposited:	16 May 2014 13:58
Last Modified:	18 Mar 2024 05:08
URI:	http://repository.ub.ac.id/id/eprint/157480

Text YUSRINA_NUR_DIANATI_.pdf Download (2MB)

Actions (login required)

View Item