Febawanti, - (2017) Pemodelan Robust Geographically Weighted Regression (RGWR) Pada Data Yang Mengandung Pencilan (Studi Kasus Indeks Pembangunan Manusia Provinsi Jawa Timur Tahun 2015). Sarjana thesis, Universitas Brawijaya.
Abstract
Model Geographically Weighted Regression (GWR) merupakan pengembangan dari model regresi klasik atau bentuk lokal regresi yang mempertimbangkan pengaruh lokasi dari titik pengamatan yang menghasilkan penduga parameter model yang bersifat lokal untuk setiap titik atau lokasi di mana data tersebut dikumpulkan. Dalam melakukan analisis data terkadang ditemukan outlier, adanya outlier dapat berdampak pada hasil pendugaan parameter yaitu menghasilkan penduga parameter yang bersifat bias. Salah satu metode pendugaan parameter utnuk mendapatkan penduga yang lebih kekar terhadap keberadaan outlier adalah metode M-estimation. Penelitian ini bertujuan untuk mendapatkan model GWR yang lebih kekar terhadap keberadaan outlier. Pemodelan ini diaplikasikan pada data Indeks Pembangunan Manusia (IPM) Provinsi Jawa Timur tahun 2015. Peubah respon yang digunakan pada penelitian ini adalah Indeks Pembangunan Manusia dan peubah predictor yaitu Angka Harapan Hidup (AHH) dalam %, Rata-Rata Lama Sekolah (RLS) dalam tahun, Harapan Lama Sekolah (HLS) dalam tahun, pengeluaran per kapita dalam ratusan ribu rupiah. Model GWR dengan metode M-estimation memberikan hasil dengan nilai R2 lebih dari 50% pada semua titik pengamatan.
English Abstract
Geographically Weighted Regression (GWR) model is a regression model of development or local forms of regression that consider the influence of the location of the point of observation that produces the penduga parameter of the model that is local to each point or the location where the data is collected. In doing data analysis sometimes found an outlier, the presence of outlier can have an impact on the results of prediction parameters i.e. generate penduga parameters that are biased. One of the parameter prediction method to get a more burly penduga against the existence of an outlier is a method of M-estimation. This research aims to gain a more hefty GWR model against the existence of an outlier. This was applied to modeling data infant mortality (IPM) East Java province by 2015. The response variables were used in this research is Human Develompment Index and predictor variables is Life Expentancy (%), Mean Years of Schooling (years), Expected Years of Schooling (years), and Expenditure per Capita (hundred thousand rupiah). GWR model with M-estimation methods give value of R2 of all observation more than 50%.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FMIPA/2017/272/051705971 |
| Uncontrolled Keywords: | GWR, M-estimation, IPM |
| 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: | Nur Cholis |
| Date Deposited: | 19 Oct 2017 01:33 |
| Last Modified: | 24 Nov 2021 02:22 |
| URI: | http://repository.ub.ac.id/id/eprint/3983 |
Preview |
Text
SKRIPSI PENUH.pdf Download (1MB) | Preview |
Actions (login required)
 |
View Item |