PEMODELAN GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DENGAN FUNGSI PEMBOBOT KERNEL GAUSSIAN DAN BI-SQUARE

Nurul Lutfiani , 4111412072 (2017) PEMODELAN GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DENGAN FUNGSI PEMBOBOT KERNEL GAUSSIAN DAN BI-SQUARE. Under Graduates thesis, Universitas Negeri Semarang.

Preview

PDF - Published Version
Download (525kB) | Preview

Abstract

Model spasial Geographically Weighted Regression (GWR) adalah salah satu metode statistika yang dapat digunakan untuk menganalisis faktor risiko secara spasial dengan pendekatan titik. Dalam penelitian ini, fungsi pembobot yang digunakan untuk model GWR adalah fungsi kernel normal (gaussian) dan kernel kuadrat ganda (bi-square). Menurut bank dunia salah satu sebab kemiskinan adalah karena kurangnya pendapatan dan aset (Lact of income and assets) untuk memenuhi kebutuhan dasar. Kemiskinan suatu wilayah dipengaruhi oleh kemiskinan di wilayah sekitarnya. Tobler (Tobler’s first law of geography) dalam Schabenberger dan Gotway (2005) mengatakan ”everything is related to everything else, but near things are more related than distant things”. Langkah analisis yang dilakukan yaitu melakukan pengujian dengan metode OLS. Dalam pengujian diperoleh 2 variabel yang signifikan. Selanjutnya melakukan pengujian menggunakan metode Geographically Weighted Regression (GWR) dengan fungsi pembobot kernel gaussian dan bi-square. Membandingkan nilai

Item Type:	Thesis (Under Graduates)
Uncontrolled Keywords:	Regresi Spasial, Geographically Weighted Regression, Kernel Gaussian, Kernel Bi-square
Subjects:	Q Science > QA Mathematics
Fakultas:	Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika, S1
Depositing User:	Users 7 not found.
Date Deposited:	16 Jan 2019 15:10
Last Modified:	16 Jan 2019 15:11
URI:	http://lib.unnes.ac.id/id/eprint/32183

Actions (login required)

View Item