ESTIMASI MODEL MIXED GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR) MENGGUNAKAN FUNGSI PEMBOBOT FIXED KERNEL PADA DATA SPASIAL
Abstract: Mixed Geographically
Weighted Regression (MGWR) merupakan gabungan model regresi linier dan model
Geographically Weighted Regression (GWR). Model MGWR adalah model regresi yang
beberapa koefisien dari peubah prediktornya bersifat konstan, sedangkan yang
lainnya bervariasi secara spasial. Penggabungan dari kedua model tersebut
didapat setelah dilakukan pengujian variabilitas spasial. Kemiskinan merupakan
salah satu masalah utama yang terjadi di Jawa Timur. Tujuan dari penelitian ini
adalah untuk membentuk model MGWR dengan fungsi pembobot fixed kernel pada
kasus kemiskinan di Jawa Timur tahun 2011. Selain itu untuk mengetahui
faktor-faktor apa saja yang berpegaruh signifikan terhadap kasus tersebut.
Analisis model MGWR pada data kemiskinan tersebut menunjukkan bahwa model
terbaik ditunjukkan oleh model MGWR dengan pembobot fixed bisquare kernel
karena menghasilkan nilai AIC lebih kecil daripada model GWR dengan pembobot
yang sama. Model MGWR dengan pembobot fixed bisquare kernel yang terbentuk
sebanyak 38 model dan terbagi menjadi 5 kelompok berdasarkan peubah yang
signifikan. Faktor yang berpengaruh secara global pada model tersebut adalah
tingkat pendidikan terakhir perguruan tinggi (X3) dan angka morbiditas (X6).
Faktor-faktor yang berpengaruh signifikan pada kasus kemiskinan bervariasi pada
masing-masing kota/kabupaten. Namun secara umum, faktor-faktor yang berpengaruh
signifikan adalah angka melek huruf (X1), angka partisipasi sekolah (X2),
tingkat pengangguran terbuka (X5), dan penduduk yang melakukan pengobatan
sendiri (X7).
Penulis: Asharina Dwi Paramita
Kode Jurnal: jpmatematikadd141152
