View Item 
      •   IPB Repository
      • Dissertations and Theses
      • Undergraduate Theses
      • UT - Faculty of Mathematics and Natural Sciences
      • UT - Statistics and Data Sciences
      • View Item
      •   IPB Repository
      • Dissertations and Theses
      • Undergraduate Theses
      • UT - Faculty of Mathematics and Natural Sciences
      • UT - Statistics and Data Sciences
      • View Item
      JavaScript is disabled for your browser. Some features of this site may not work without it.

      Analisis Regresi Terboboti Geografi Dengan Pembobot Kernel Kuadrat Ganda Tetap (Studi Kasus: Pad Kabupaten/Kota Di Jawa Tengah)

      Thumbnail
      View/Open
      Fulltext (1.024Mb)
      Date
      2016
      Author
      Anggraini, Anissa
      Sulvianti, Itasia Dina
      Sadik, Kusman
      Metadata
      Show full item record
      Abstract
      Keheterogenan spasial adalah suatu masalah yang sering muncul dalam melakukan pemodelan statistik akibat adanya perbedaan lokasi. Oleh karena itu diperlukan suatu pemodelan yang memperhatikan faktor lokasi amatan. Analisis regresi terboboti geografi (RTG) adalah suatu metode statistika yang mengatasi masalah keheterogenan spasial. Model RTG mampu mengidentifikasi peubahpeubah yang bersifat lokal dengan pembobotan berdasarkan posisi amatan di suatu lokasi. Penelitian ini bertujuan untuk menentukan model RTG bagi Pendapatan Asli Daerah (PAD) di Jawa Tengah tahun 2013 sehingga dapat mengetahui peubah yang berpengaruh terhadap PAD tiap kabupaten/kota dengan pembobot Kernel kuadrat ganda tetap dan membandingkan kebaikan model RTG dengan model regresi linier berganda. Penelitian ini menghasilkan 35 model PAD yang berbeda untuk setiap kabupaten/kota di Jawa Tengah. Penggunaan peta tematik menunjukkan bahwa Provinsi Jawa Tengah terbagi menjadi 5 kelompok berdasarkan peubah penjelas yang berpengaruh secara nyata terhadap PAD. Pemodelan dengan RTG juga terbukti lebih baik dalam mengatasi keheterogenan spasial. Model RTG mampu menghasilkan koefisien determinasi (R2) yang lebih besar, nilai Akaike Information Criterion (AIC) yang lebih kecil serta nilai Kuadrat Tengah Galat (KTG) yang lebih kecil dibanding dengan pemodelan regresi linier berganda.
      URI
      http://repository.ipb.ac.id/handle/123456789/85764
      Collections
      • UT - Statistics and Data Sciences [2260]

      Copyright © 2020 Library of IPB University
      All rights reserved
      Contact Us | Send Feedback
      Indonesia DSpace Group 
      IPB University Scientific Repository
      UIN Syarif Hidayatullah Institutional Repository
      Universitas Jember Digital Repository
        

       

      Browse

      All of IPB RepositoryCollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

      My Account

      Login

      Application

      google store

      Copyright © 2020 Library of IPB University
      All rights reserved
      Contact Us | Send Feedback
      Indonesia DSpace Group 
      IPB University Scientific Repository
      UIN Syarif Hidayatullah Institutional Repository
      Universitas Jember Digital Repository