| NIM | H1B013005 |
|---|
| Namamhs | HERLAMBANG RIZKY MB |
|---|
| Judul Artikel | PENERAPAN MODEL GEOGRAPHICALLY WEIGHTED REGRESSION PADA PERSENTASE KELUARGA PRA SEJAHTERA DI PROVINSI JAWA TENGAH TAHUN 2015 |
|---|
| Abstrak (Bhs. Indonesia) | ABSTRAK. Makalah ini mengkaji geographically weighted regression (GWR) pada persentase keluarga pra sejahtera dan faktor-faktor yang mempengaruhinya. Data yang digunakan merupakan indikator dari hasil Susenas 2015 di Jawa Tengah. Berdasarkan analisis dari data tersebut, ditemukan adanya heterogenitas. Artinya, adanya heterogenitas mengindikasikan bahwa terdapat pengaruh spasial (geografis) terhadap data yang diamati. Dalam hal ini masalah heterogenitas dapat diselesaikan dengan GWR. Model GWR adalah model regresi yang terboboti secara geografis. Pada kasus ini fungsi pembobot yang digunakan adalah kernel Gauss dan kernel bisquare. Hasil analisis menunjukkan bahwa model GWR dengan kernel Gauss lebih baik dibandingkan kedua model lainnya, yaitu model GWR dengan kernel bisquare dan model regresi linier berganda. Jadi, dapat disimpulkan bahwa model GWR dengan kernel Gauss adalah model terbaik yang mempunyai nilai AIC sebesar 108,042 dan nilai koefisien determinasi sebesar 99,86%.
|
|---|
| Abtrak (Bhs. Inggris) | ABSTRACT.This paper discusses geographically weighted regression (GWR) on a pre prosperous family percentage model and its influential factors. The data is indicator of Susenas 2015 in Central Java. From the analysis of data, we found that there is heterogeneity. It means that they indicate a spatial (geographical) influence. Here, heterogeneity problems can be solved by GWR. GWR model is a regression model which has geographically weighted. In this case we used bisquare kernel and Gaussian kernel.The result showed that the GWR model with Gaussian kernel is better than the GWR model with both bisquare kernel and multiple linear regression model. Final conclusion, we found that GWR model with Gaussian kernel is the best model that gives AIC value 108,042 and determination coefficient value 99,86%. |
|---|
| Kata kunci | Heterogenitas, kernel bisquare, kernel Gauss, model GWR, model regresi linier berganda. |
|---|
| Pembimbing 1 | Dr. Jajang, M.Si. |
|---|
| Pembimbing 2 | Agus Sugandha, M.Si. |
|---|
| Pembimbing 3 | |
|---|
| Tahun | 2017 |
|---|
| Jumlah Halaman | 12 |
|---|
| Tgl. Entri | 2017-08-11 02:29:08.898094 |
|---|