Text

Pemodelan Persentase Penduduk Miskin di Provinsi Jawa Tengah Menggunakan Metode Geographically and Temporally Weigted Regression

---

Salah satu teknik analisis statistik untuk mensimulasikan hubungan antara
variabel respon dan prediktor adalah analisis regresi. Model regresi linear sering
disebut sebagai regresi global karena estimator parameter yang dihasilkannya
bersifat global. Sementara itu, untuk menganalisis data geografis, metode
Geographically Weighted Regression (GWR) dapat digunakan. Modifikasi dari
model GWR, Geographically and Temporally Weighted Regression (GTWR),
dirancang untuk menangani ketidakstabilan data dari dimensi spasial dan temporal
secara bersamaan. Fungsi pembobotan Gaussian Kernel, yang digunakan dalam
pemodelan GWR, memerlukan nilai bandwidth sebagai parameter jarak. Nilai
bandwidth yang ideal dicapai dengan menurunkan nilai koefisien cross-validation
(CV). Dari perbandingan nilai R-square kedua pendekatan, terlihat bahwa metode
GTWR memiliki kinerja lebih baik dibandingkan regresi global dalam
mensimulasikan tingkat kemiskinan di Provinsi Jawa Tengah dari tahun 2020
hingga 2023. Nilai R-square model GTWR adalah 63,5%, sedangkan model regresi
global adalah 56,2%.

Kata Kunci: GWR, GTWR, Bandwidth, Kernel Gaussian

---

Ketersediaan

1373E2025

1373 E 2025

Perpustakaan FSM Undip

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

1373 E 2025

Penerbit

: .,

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Kevin Antonion

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar