Skripsi

Pemodelan geographically weighted regression pada data yang mengandung multikolinieritas / Ike Mayang Sari

Abstrak
Model Geographically Weighted Regression (GWR) merupakan pengembangan dari model regresi yang setiap parameternya dihitung pada setiap titik lokasi sehingga setiap titik lokasi geografisnya memiliki nilai parameter yang berbeda. Dalam menganalisis data menggunakan model GWR terkadang ditemukan adanya kasus multikolinearitas. Adanya multikolinearitas dapat menyebabkan estimasi parameter menjadi bias. Salah satu penyelesaian multikolinearitas adalah dengan menggunakan metode regresi stepwise. Penelitian ini bertujuan untuk memperoleh estimasi parameter model GWR dari data yang mengandung multikolinearitas. Penelitian ini diaplikasikan pada Tingkat Pengangguran Terbuka di Kabupaten/Kota Provinsi Jawa Timur tahun 2021. Variabel respon dalam penelitian ini yaitu Tingkat Pengangguran Terbuka pada setiap Kabupaten/Kota dan variabel prediktornya adalah persentase angkatan kerja (X1) upah minimum (X2) persentase penduduk miskin (X3) keluhan kesehatan (X4) dan rata-rata lama sekolah (X5). Perbandingan model GWR dengan fungsi pembobot fixed kernel gaussian dan fixed kernel bi-square menggunakan nilai AIC terkecil dan nilai terbesar yang menghasilkan model terbaik. Model terbaik yang diperoleh dalam penelitian ini adalah model GWR dengan fungsi pembobot fixed kernel bi-square di mana nilai AIC terkecil yaitu sebesar 123 399 dan nilai terbesar yaitu sebesar 72 18%.

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Matematika, 2023.

Deskripsi Fisik

vi, 38 hlm. : ilus.

Bahasa

Indonesia

No Reg

4349/RS/23

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2023

Subjek

1. REGRESI - MULTIKOLINEARITAS - GEOGRAPHICALLY WEIGHTED REGRESSION
2. MATEMATIKA - STATISTIK DESKRIPTIF
3. REGRESSION - MULTICOLINEARITY - GEOGRAPHICALLY WEIGHTED REGRESSION

Pembimbing

1. Trianingsih Eni Lestari, S.Si, M.Si

Lampiran Berkas