Munikah, Tutuk (2014) Perbandingan Pembobot Fixed Gaussian Kernel Dan Fixed Bisquare Kernel Pada Metode Geographically Weighted Lasso (GWL). Magister thesis, Universitas Brawijaya.
Abstract
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.
English Abstract
If a variable is influenced by aspects of research territorial (spatial) then to consider the spatial aspects of the model. Geographically Weighted Regression (GWR) is a regression model that considers the effect of spatial heterogeneity. In the regression model, there is often a relationship between two or more predictor variables called multicolinearity. Geographically Weighted Lasso (GWL) is a method used to overcome spatial heterogeneity and local multicolinearity. The purpose of this study is to develop a model using Geographically Weighted Lasso method (GWL) in addressing cases of spatial heterogeneity and local multicolinearity the food crisis problem in Tanah Laut regency and find the best weighted between fixed gaussian kernel and fixed bisquare kernel in overcoming spatial heterogeneity and local multicolinearity based on the Mean Square Error (MSE) and RAdjusted2. This study uses secondary data and primary data. The study was conducted in three districts in Tanah Laut regency namely Muara Kintap, Kurau and Pelaihari. Variables used in this study consist of a response variable and seven predictor variables. The results showed that there is spatial heterogeneity and local multicolinearity on data crisis food in Tanah Laut regency until done modeling spatial Geographically Weighted Lasso method (GWL). Based on the Mean Square Error (MSE) and RAdjusted2 produced at local GWL model note that the fixed gaussian kernel better used because it has a smaller MSE value and the RAdjusted2 larger than local GWL method with fixed bisquare kernel. Based on model validation is also known that the model with fixed gaussian kernel better because it has a more accurate prediction rate compared to models that use fixed bisquare kernel. Models with fixed gaussian kernel able to predict six villages with food security conditions are similar to the secondary data while models with fixed bisquare kernel only five villages.
| Item Type: | Thesis (Magister) |
|---|---|
| Identification Number: | TES/519.536/MUN/p/041402275 |
| Subjects: | 500 Natural sciences and mathematics > 519 Probabilities and applied mathematics > 519.5 Statistical mathematics |
| Divisions: | S2/S3 > Magister Statistika, Fakultas MIPA |
| Depositing User: | Hasbi |
| Date Deposited: | 28 Apr 2014 09:30 |
| Last Modified: | 28 Apr 2014 09:30 |
| URI: | http://repository.ub.ac.id/id/eprint/157484 |
Actions (login required)
 |
View Item |