Aplikasi Regresi Gulud Terboboti Geografis dan Regresi LASSO Terboboti Geografis pada Data yang Mengandung Multikolinearitas

Abstract

Regresi Terboboti Geografis (RTG) merupakan salah satu pengembangan Metode Kuadrat Terkecil (MKT) dengan penambahan matriks pembobot dalam pendugaan parameternya. Dugaan parameter model RTG menghasilkan dugaan yang bersifat lokal untuk setiap lokasi pengamatan. RTG mengatasi masalah heterogenitas spasial yang disebabkan oleh suatu kondisi lokasi yang satu dengan lokasi lainnya tidak sama. Penambahan matriks pembobot pada model RTG meningkatkan efek multikolinearitas lokal pada koefisien regresi. Model RTG belum bisa mengatasi kasus multikolinearitas lokal sehingga penambahan regresi Gulud dan LASSO (Least Absolute Shrinkage And Selection Operator) diharapkan lebih efektif dalam pemodelan. Regresi Gulud yang diaplikasikan pada model RTG dikenal dengan Regresi Gulud Terboboti Geografis (RGTG) dan LASSO yang diaplikasikan pada model RTG dikenal dengan Regresi LASSO Terboboti Geografis (RLTG). Tujuan dari penelitian ini adalah membandingkan pemodelan RTG, RGTG dan RLTG dalam mengatasi multikolinearitas pada nilai Pendapatan Asli Daerah (PAD) di kabupaten/kota Provinsi Jawa Barat tahun 2015 dan mengidentifikasi peubah penjelas yang berpengaruh untuk besarnya nilai PAD di kabupaten/kota Provinsi Jawa Barat tahun 2015 berdasarkan model yang terbaik. Data yang digunakan pada penelitian ini adalah data sekunder dari data Susenas 2015, Podes 2014 dan publikasi Badan Pusat Statistik (BPS) 2016. Peubah respon yang digunakan adalah nilai PAD dan sebagai peubah penjelasnya adalah jumlah penduduk, jumlah industri sedang dan besar, nilai PDRB, jumlah wisatawan mancanegara dan nusantara, jumlah restoran, jumlah hotel, jumlah pasar dan jumlah rumah sakit. Hasil penelitian menunjukkan bahwa model RLTG lebih baik mengatasi multikolinearitas lokal pada model RTG dibandingkan dengan model RGTG. Berdasarkan nilai R2 dan RMSE yang diperoleh menunjukkan bahwa model RLTG memiliki nilai R2 yang paling tinggi yaitu sebesar 99.97% dan nilai RMSE model RLTG lebih rendah dibandingkan model lainnya yaitu sebesar 0.03. Hal ini menunjukkan bahwa performa model RLTG lebih baik dalam menangani masalah multikolinearitas pada model RTG dan memiliki nilai dugaan nilai PAD yang lebih dekat dengan nilai pengamatan atau lebih tepat dalam prediksi. Peubah penjelas yang dominan mempengaruhi nilai PAD di kabupaten/kota Jawa Barat adalah jumlah industri, jumlah pasar dan jumlah kunjungan wisatawan mancanegara dan nusantara.