PEMODELAN KEMISKINAN DI JAWA BARAT MENGGUNAKAN GEOGRAPHICALLY WEIGHTED REGRESSION

ABDURROHMAN SHALEH KARNAWIDJAYA

PEMODELAN KEMISKINAN DI JAWA BARAT MENGGUNAKAN GEOGRAPHICALLY WEIGHTED REGRESSION

dc.contributor.advisor	Bertho Tantular
dc.contributor.advisor	Yusep Suparman
dc.contributor.author	ABDURROHMAN SHALEH KARNAWIDJAYA
dc.date.accessioned	2024-05-21T08:24:19Z
dc.date.available	2024-05-21T08:24:19Z
dc.date.issued	2023-09-01
dc.description.abstract	Model Geographically Weighted Regression (GWR) adalah salah satu metode analisis spasial yang dapat digunakan untuk melakukan analisis dengan pemberian pembobot berdasarkan jarak setiap lokasi pengamatan secara geografis serta asumsi memiliki keragaman spasial. Maksud dari penelitian ini adalah untuk memodelkan kemiskinan melalui GWR di Jawab Barat, dan diharapkan dapat memperoleh taksiran besar pengaruh faktor faktor kemiskinan yang berbeda dari di setiap wilayah kabupaten/kota di Jawa Barat. Hal ini dikarenakan dianggap bahwa kemiskinan suatu wilayah dipengaruhi oleh kemiskinan di wilayah sekitarnya seperti yang dinyatakan oleh Tobler (Tobler’s first law of geography) dalam Schabenberger dan Gotway (2005)” everything is related to everything else, but near things are more related than distant things”. Analisis dilakukan dengan model regresi linier multipel. Selanjutnya melakukan pengujian menggunakan model GWR dengan fungsi pembobot kernel gaussian, bi-square dan eksponensial. Membandingkan nilai R2 dan AIC antara model GWR dengan Program R dan didapatkan bahwa Kernel bi-square yang paling sesuai. Lalu dari hasil pengujian kesusaian model didapat bahwa ternyata tidak ada perbedaan signifikan antara model regresi linear dan GWR.
dc.identifier.uri	https://repository.unpad.ac.id/handle/kandaga/140610170068
dc.subject	Geographically Weighted Regression
dc.subject	kemiskinan
dc.subject	Tidak ada keyword
dc.title	PEMODELAN KEMISKINAN DI JAWA BARAT MENGGUNAKAN GEOGRAPHICALLY WEIGHTED REGRESSION