Penerapan Model Geographically Weighted Regression (GWR) Pada Tingkat Kemiskinan Di Kepulauan Nusa Tenggara

Suari, Gusti Agung Ayu Devi Indra (2021) Penerapan Model Geographically Weighted Regression (GWR) Pada Tingkat Kemiskinan Di Kepulauan Nusa Tenggara. Sarjana thesis, Universitas Brawijaya.

Abstract

"Model spasial Geographically Weighted Regression (GWR) merupakan salah satu metode statistika yang merupakan pengembangan dari model regresi linier. Pendugaan parameter akan menggunakan metode Weighted Least Square (WLS) dengan memberikan pembobot pada setiap lokasi, sehingga pendugaan parameter akan memiliki nilai yang berbeda untuk setiap lokasi sesuai dengan parameter yang berpengaruh signifikan. Penelitian ini bertujuan untuk memodelkan data menggunakan analisis GWR dengan fungsi pembobot adaptive gaussian kernel dan adaptive bisquare kernel untuk tingkat kemiskinan di Kepulauan Nusa Tenggara (Nusra) tahun 2019, dimana terdiri dari 10 kabupaten/kota di Provinsi NTB dan 22 kabupaten/kota di Provinsi NTT. Hasil penelitian yang didapatkan yaitu model GWR dengan fungsi pembobot adaptive bisquare kernel lebih baik dibandingkan dengan regresi linier berganda dan model GWR dengan fungsi pembobot adaptive gaussian kernel berdasarkan nilai R2 dan AIC tiap model.

English Abstract

The spatial Geographically Weighted Regression (GWR) model is a statistical method which is the development of a linear regression model, where the estimation parameters will use the Weighted Least Square (WLS) method by giving weight to each location, so that the estimation parameters will have different values for each location according to the parameters that have a significant effect. The purpose of this research was to model the data using GWR analysis with adaptive gaussian kernel weighting function and adaptive bisquare kernel weighting function for the poverty level in the Nusra in 2019, which consists of 10 districts / cities in NTB Province and 22 districts / cities in NTT Province. The results is that the GWR model with the bisquare kernel adaptive weighting function is better than the linear regression and the GWR model with the adaptive bisquare kernel adaptive weighting function based on the R2 and AIC values of each model.

Other obstract

-

Item Type:	Thesis (Sarjana)
Identification Number:	052109
Uncontrolled Keywords:	Adaptive Bisquare Kernel, Adaptive Gaussian Kernel, GWR, Kepulauan Nusa Tenggara, Tingkat Kemiskinan.", Adaptive Bisquare Kernel, Adaptive Gaussian Kernel, GWR, Nusa Tenggara, Poverty Level,
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika
Depositing User:	Unnamed user with username dedyiskandar
Date Deposited:	21 Oct 2021 04:07
Last Modified:	01 Oct 2024 08:53
URI:	http://repository.ub.ac.id/id/eprint/184562

Text GUSTI AGUNG AYU DEVI INDRA S.pdf Download (1MB)

Actions (login required)

View Item