Perbandingan Euclidean Distance Dengan Manhattan Distance Dalam Pemodelan Geographycally Weighted Regression (GWR) Studi Kasus Data PDRB Sektor Industri Provinsi Jawa Timur Tahun 2012

Syahputra, Moch Yudithia Edo (2017) Perbandingan Euclidean Distance Dengan Manhattan Distance Dalam Pemodelan Geographycally Weighted Regression (GWR) Studi Kasus Data PDRB Sektor Industri Provinsi Jawa Timur Tahun 2012. Sarjana thesis, Universitas Brawijaya.

Abstract

Geographically Weighted Regression (GWR) GWR merupakan model regresi spasial dengan pengaruh letak geografis juga mempengaruhi peubah respon. Dengan kata lain GWR dapat mengatasi pengaruh heterogenitas spasial yang disebabkan oleh perbedaan kondisi setiap lokasi. Model regresi spasial ini diharapkan dapat meningkatkan derajat ketelitian suatu kasus regresi.PDRB Sektor Industri Provinsi Jawa Timur tahun 2012 merupakan hasil yang dipengaruhi oleh beberapa faktor yang dalam penelitian ini didapatkan 3 faktor utama yaitu : jumlah tenaga kerja sektor industry (X1), nilai investasi swasta pada sector industry (X2), dan besar pengeluaran belanja modal (X3) dimana faktor-faktor tersebut memiliki pengaruh yang berbeda untuk setiap lokasi sebanyak 38 kabupaten/kota di provinsi Jawa Timur. Jarak Euclidean dan Manhattan digunakan untuk membandingakan dalam penelitian ini dan Fixed Gaussian Kernel adalah pembobot yang dipakai.Analisis GWR dengan membandingkan antara jarak Euclidean dan manhattan pada data PDRB menghasilkan model GWR dengan jarak manhattan dengan nilai AIC terkecil. Sehingga 38 model yang terbentuk dari analisis GWR dengan jarak manhattan lebih cocok digunakan untuk memodelkan PDRB Sektor Industri Provinsi Jawa Timur Tahun 2012.

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/2017/559/051803171
Uncontrolled Keywords:	spasial, PDRB, GWR, Euclidean, manhattan, distance
Subjects:	500 Natural sciences and mathematics > 516 Geometry > 516.2 Euclidean geometry
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika
Depositing User:	soegeng sugeng
Date Deposited:	11 Jul 2020 02:42
Last Modified:	06 Dec 2023 01:42
URI:	http://repository.ub.ac.id/id/eprint/168550

Text Moch Yudithia Edo Syahputra.pdf Download (3MB)

Actions (login required)

View Item