Pemodelan Geographically Weighted Regression Dengan Fungsi Pembobot Kernel Pada Data Indeks Kebahagiaan Di Indonesia

Sihombing, Jesvika Sari Melyana (2019) Pemodelan Geographically Weighted Regression Dengan Fungsi Pembobot Kernel Pada Data Indeks Kebahagiaan Di Indonesia. Sarjana thesis, Universitas Brawijaya.

Abstract

Regresi menggambarkan bentuk hubungan antara satu atau lebih peubah prediktor dengan peubah respons. Pendugaan parameter regresi dapat dilakukan dengan Metode Kuadrat Terkecil (MKT) di mana asumsi sisaan identik (homoskedastisitas) dan bebas (non autokorelasi) harus dipenuhi untuk mendapatkan penduga parameter model yang baik. Pelanggaran asumsi mengindikasikan ada peubah prediktor yang dipengaruhi oleh faktor geografis sehingga model regresi klasik tidak lagi sesuai. Kesejahteraan masyarakat merupakan salah satu indikator penentu pertumbuhan ekonomi di suatu negara yang dapat diukur melalui indeks kebahagiaan. Di Indonesia, indeks kebahagiaan meningkat dari tahun 2014 ke tahun 2017 dari 68,28 ke 70,69 namun dalam peringkat World Happiness Report mengalami penurunan dari posisi 74 (2013) ke posisi 96 (2017). Hal ini disebabkan oleh perbedaan pendapatan, pendidikan, pekerjaan di setiap daerah di Indonesia. Untuk mengatasi adanya pengaruh lokasi dalam menduga peubah respons dapat digunakan model Geographically Weighted Regression atau model regresi terboboti. GWR dengan fungsi pembobot adaptive Gaussian Kernel dapat menentukan model untuk setiap lokasi berbeda. Penelitian ini bertujuan untuk menentukan faktor-faktor yang mempengaruhi indeks kebahagiaan di Indonesia.

English Abstract

Regression describes the form of the relationship between one or more predictor variables with response variables. Estimation of regression parameters can be estimate with the Ordinary Least Square (OLS) where identical assumptions (homoskedasticity) and independent (non autocorrelation) must be freed to get a good estimator. Violations of assumptions indicate that there are predictor variables that are influenced by geographical factors so that the classical regression model is no longer appropriate. Community welfare is one indicator that determines economic growth in a country that can be measured through a happiness index. In Indonesia, the happiness index increased from 2014 to 2017 from 68.28 to 70.69 but in the World Happiness Report ranking decreased from position 74 (2013) to position 96 (2017). This is due to differences in income, education, employment in every region in Indonesia. To overcome the influence of location in predicting response variables can be used Geographically Weighted Regression models or weighted regression models. GWR with the adaptive Gaussian Kernel weighting function can determine the model for each different location. This study aims to determine the factors that influence the happiness index in Indonesia.

Other obstract

-

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/MIPA/2019/124/051910827
Uncontrolled Keywords:	Indeks kebahagiaan, Geographically Weighted Regression, fungsi pembobot Kernel. Happiness Index, Geographically Weighted Regression, Kernel weighting function
Subjects:	500 Natural sciences and mathematics > 519 Probabilities and applied mathematics > 519.5 Statistical mathematics > 519.53 Descriptive statistics, multivariate analysis, analysis of variance and covariance > 519.536 Regression analysis
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika
Depositing User:	Budi Wahyono Wahyono
Date Deposited:	26 Aug 2020 04:42
Last Modified:	16 Nov 2023 07:19
URI:	http://repository.ub.ac.id/id/eprint/176981

Text Jesvika Sari Melyana Sihombing.pdf Download (1MB)

Actions (login required)

View Item