"Pemodelan Geographically Weighted Panel Regression Dengan Fungsi Pembobot Adaptive Kernel (Studi Kasus Indeks Pembangunan Manusia Di Indonesia Tahun 2013–2020) "

Azizah, Aliyah Husnun (2021) "Pemodelan Geographically Weighted Panel Regression Dengan Fungsi Pembobot Adaptive Kernel (Studi Kasus Indeks Pembangunan Manusia Di Indonesia Tahun 2013–2020) ". Sarjana thesis, Universitas Brawijaya.

Abstract

"Analisis regresi merupakan analisis yang berkaitan dengan studi ketergantungan variabel dependen terhadap variabel independen, namun tidak diikutsertakan pengaruh lokasi pengamatan. Untuk mengatasi hal tersebut, dikembangkan analisis regresi yang melibatkan aspek spasial, yaitu Geographically Weighted Regression (GWR). Salah satu jenis data yang dapat ditemui di lapangan adalah data panel yang merupakan gabungan antara data cross section dan time series. Karena masing-masing GWR dan regresi data panel memiliki kelebihan, dalam perkembangannya kedua metode tersebut kemudian dikombinasikan menjadi satu analisis yang disebut Geographically Weighted Panel Regression (GWPR). Pembangunan manusia merupakan salah satu hal yang penting. Penelitian ini bertujuan untuk melakukan pemodelan GWPR data Indeks Pembangunan Manusia (IPM) dari 34 provinsi di Indonesia pada tahun 2013–2020 dan mencari fungsi pembobot mana yang terbaik. Fungsi pembobot yang digunakan yaitu 1) adaptive gaussian kernel, 2) adaptive bisquare kernel, dan 3) adaptive tricube kernel. Hasil dari penelitian ini adalah model GWPR dengan fungsi pembobot adaptive bisquare dan adaptive tricube cocok untuk memodelkan IPM 34 provinsi di Indonesia, dan tidak ada perbedaan antara model GWPR menggunakan fungsi pembobot adaptive gaussian dengan model regresi global. Dengan melihat nilai AIC, diperoleh model GWPR dengan fungsi pembobot adaptive bisquare merupakan fungsi pembobot yang terbaik. Pada signifikansi 5%, Umur Harapan Hidup (UHH), Harapan Lama Sekolah (HLS), dan pengeluaran per kapita disesuaikan berpengaruh signifikan dan positif terhadap IPM. Hasil analisis menunjukkan bahwa ketiga variabel tersebut signifikan di seluruh provinsi yang ada di Indonesia. Kata Kunci : Adaptive Kernel, GWPR, Indeks Pembangunan Manusia"

English Abstract

Regression analysis is an analysis related to the study of the relation between the dependent variable on the independent variable, but it does not include the influence of the location. To overcome this, a regression analysis involving spatial aspects was developed, namely Geographically Weighted Regression (GWR). One type of data that can be found in the field is panel data, which is a combination of cross section and time series data. Because each of the GWR and panel data regression has advantages, in its development the two methods are combined into one analysis called Geographically Weighted Panel Regression (GWPR). Human development is one of the important things. This study aims to model the GWPR of Human Development Index (HDI) data from 34 provinces in Indonesia in 2013–2020 and to find which weighting function is the best. The weighting functions used are 1) adaptive gaussian kernel, 2) adaptive bisquare kernel, and 3) adaptive tricube kernel. The results of this study are that the GWPR model with the adaptive bisquare and adaptive tricube weighting functions is suitable for modeling the HDI of 34 provinces in Indonesia, and there is no difference between the GWPR model using the adaptive gaussian weighting function and the global regression model. By looking at the AIC value, it is obtained that the GWPR model with the adaptive bisquare weighting function is the best weighting function. At a significance of 5%, life expectancy, long school expectancy, and adjusted per capita expenditure have a significant and positive effect on HDI. The results of the analysis show that these three variables are significant in all provinces in Indonesia.

Other obstract

-

Item Type:	Thesis (Sarjana)
Identification Number:	052109
Uncontrolled Keywords:	Adaptive Kernel, GWPR, Indeks Pembangunan Manusia", Adaptive Kernel, GWPR, Human Development Index
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika
Depositing User:	Unnamed user with username dedyiskandar
Date Deposited:	19 Oct 2021 09:03
Last Modified:	07 Oct 2024 04:23
URI:	http://repository.ub.ac.id/id/eprint/184090

Text Aliyah Husnun Azizah.pdf Download (7MB)

Actions (login required)

View Item