PERBEDAAN METODE GEOGRAPHICALLY WEIGHTED LASSO (GWL)-LOKAL DAN GEOGRAPHICALLY WEIGHTED LASSO (GWL) GLOBAL DALAM MENGATASI KASUS MULTIKOLINIERITAS PADA MODEL GEOGRAPHICALLY WEIGHTED REGRESSION (GWR)

Edit
Abstract: Salah satu metode yang digunakan untuk mengatasi multikolinieritas lokal pada model Geographically Weighted Regression adalah metode Geographically Weighted Lasso (GWL). GWL merupakan pengembangan dari metode GWR(Geographically Weighted Regression) dengan menambahkan metode Least Absolute Shrinkage and Selection Operator(Lasso) pada model karena GWR belum mampu mengatasi kasus multikolinieritas. GWL terdiri dari dua metode yaitu GWL Lokal dan GWL Global. Pendeteksi adanya multikolinieritas adalah nilai VIF (Variance Inflation Factor) yang  lebih dari 10.GWL menggunakan parameter shrinkage sebagai batasan lasso untuk menduga parameter. Pada pemodelan data tingkat kemiskinan dengan metode GWL Lokal didapatkan model yang berbeda-beda di setiap wilayah, sedangkan pada metode GWL Global didapatkan satu model untuk keseluruhan wilayah Jawa Timur. Berdasarkan nilai MSE dapat disimpulkan bahwa metode GWL Lokal lebih efisien untuk memodelkan data tingkat kemiskinan dikarenakan terdapat faktor keheterogenitas spasial dan perbedaan geografis di setiap wilayah yang berpengaruh terhadap tingkat kemiskinan JawaTimur.
Kata kunci: multikolinieritas lokal, GWL Lokal, GWL Global, tingkat kemiskinan
Penulis: Apry Zakaria Ramadhan, Henny Pramoedyo, Rahma Fitriani
Kode Jurnal: jpmatematikadd130809

Artikel Terkait :