Pemodelan Gwr (Geographically Weighted Regression) Menggunakan Pembobot Fixed Gaussian Kernel Dan Fixed Tricube Kernel (Studi Kasus : Prevalensi Stunting Di Provinsi Jawa Timur Tahun 2017)

Septiani, Kurniawati (2020) Pemodelan Gwr (Geographically Weighted Regression) Menggunakan Pembobot Fixed Gaussian Kernel Dan Fixed Tricube Kernel (Studi Kasus : Prevalensi Stunting Di Provinsi Jawa Timur Tahun 2017). Sarjana thesis, Universitas Brawijaya.

Abstract

GWR merupakan analisis spasial pengembangan dari analisis regresi linier dengan mempertimbangkan unsur lokasi (spasial). Dalam pemodelan GWR perlu dilakukan pengujian efek spasial. Jika pada pengujian efek spasial terdapat pengaruh antar lokasi pengamatan yang berdekatan berdasarkan informasi geografis (garis lintang dan bujur) serta menunjukkan adanya perbedaan karakteristik antar lokasi pengamatan maka pemodelan GWR dapat dilakukan. Salah satu contoh penerapan pemodelan GWR dapat diterapkan pada kasus prevalensi stunting di mana unit pengamatan yang digunakan adalah 38 Kabupaten/Kota di Provinsi Jawa Timur dengan diasumsikan terdapat perbedaan kondisi untuk setiap lokasi. Stunting adalah suatu kondisi di mana balita memiliki panjang atau tinggi badan yang kurang jika dibandingkan dengan bertambahnya umur seorang balita. Dari hasil pemodelan GWR didapatkan 38 model untuk setiap Kabupaten/Kota di Provinsi Jawa Timur. Berdasarkan kriteria pemilihan model terbaik dilihat dari nilai AIC yang terkecil ditunjukkan oleh pemodelan GWR menggunakan fungsi pembobot Fixed Gaussian Kernel. Sehingga, dalam pemodelan prevalensi stunting yang ada di Provinsi Jawa Timur tahun 2017 akan lebih baik apabila menggunakan fungsi pembobot Fixed Gaussian Kernel. Faktor-faktor yang mempengaruhi prevalensi stunting di Provinsi Jawa Timur tahun 2017 berdasarkan pengujian parameter secara parsial ialah persentase ibu hamil beresiko Kekurangan Energi Kronik (X1).

English Abstract

GWR is a spatial analysis of the development of linear regression analysis by considering the element of location. In the modeling of GWR it needs to be tested for spatial effect. If the spatial effect test has an influence between adjacent observation location based on geographical information (latitude and longitude) and shows the differences in characteristics between the observation locations, the GWR modeling can be done. One example of the application of GWR modeling can be applied to the case of stunting prevalence where the observation unit used is 38 districts/cities in the province of east java assuming there are different conditions for each location .Stunting is a condition in which a toddler has a length or height that is less when compared to the aging of a toddler. From the results of GWR modeling, there were 38 models for each Regency / City in East Java Province. Based on the best model selection criteria seen from the smallest AIC value shown by GWR modeling using the Fixed Gaussian Kernel weighting function. So, in modeling the prevalence of stunting in East Java Province in 2017 it would be better to use the Fixed Gaussian Kernel weighting function. The factors that influence the prevalence of stunting in East Java Province in 2017 based on partial parameter testing are the percentage of pregnant women at risk of Cronic Energy Deficiency (X1).

Other obstract

-

Item Type:	Thesis (Sarjana)
Identification Number:	0520090221
Uncontrolled Keywords:	Fixed Kernel, GWR, Jawa Timur dan Stunting.
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:	ismanto
Date Deposited:	16 Feb 2021 23:14
Last Modified:	08 Oct 2024 01:39
URI:	http://repository.ub.ac.id/id/eprint/183245

Text 0520090221- Kurniawati Septiani..pdf Download (3MB)

Actions (login required)

View Item