TOHA SAIFUDIN, 081417027307 (2019) PENGEMBANGAN MODEL GEOGRAPHICALLY WEIGHTED REGRESSION DENGAN PENDEKATAN FUNGSI POLINOMIAL (Development of Geographically Weighted Regression Model Using Polynomial Function Approach). Disertasi thesis, Universitas Airlangga.

	Text (Abstrak) ABSTRAK.pdf Download (65kB)
	Text (daftar isi) DAFTAR ISI.pdf Download (188kB)
	Text (daftar pustaka) DAFTAR PUSTAKA.pdf Download (116kB)
	Text (fulltext) Dis.M.06-19 Sai p.pdf Restricted to Registered users only until 27 June 2022. Download (1MB) | Request a copy

Abstract

Geographically Weighted Regression (GWR) merupakan sebuah metode regresi untuk data spasial. Pada model GWR, parameter regresi diasumsikan merupakan fungsi dari lokasi sehingga mereka bervariasi secara spasial. Namun, penting untuk dicatat bahwa model GWR merupakan perluasan dari model regresi linier. Dengan demikian, variabel tak bebas di setiap lokasi dimodelkan sebagai fungsi linier dari sejumlah variabel bebas. Dalam kehidupan nyata, terdapat kemungkinan hubungan tak linier antara variabel tak bebas dengan satu atau lebih variabel bebas. Dalam kasus demikian, model GWR mungkin kurang realistis digunakan. Terkait masalah tersebut, pengembangan model GWR dengan pendekatan fungsi polinomial diusulkan dalam penelitian disertasi ini. Untuk kesederhanaan, model yang diusulkan dalam disertasi ini dinamakan Geographically Weighted Polynomial Regression (GWPolR). Selanjutnya, tujuan secara khusus penelitian disertasi ini adalah menentukan penduga parameter, menyelidiki sifat ketakbiasan dan distribusi probabilitas penduga parameter, membangun beberapa statistik uji kesesuaian model, dan membangun statistik uji signifikansi parameter. Selain itu, evaluasi kinerja terhadap prosedur estimasi, uji kesesuaian model, dan uji signifikansi parameter dilakukan dengan studi simulasi. Estimasi parameter model GWPolR diuraikan menggunakan prosedur Weighted Least Square (WLS). Penduga parameter model GWPolR diperoleh dalam bentuk eksplisit, bersifat tak bias, dan berdistribusi Normal. Uji kesesuaian model GWPolR digunakan untuk menguji apakah model GWPolR secara signifikan lebih baik daripada model GWR pada suatu sampel yang diberikan. Beberapa statistik uji kesesuaian model GWPolR dapat dibangun berdasarkan jumlah kuadrat galat model GWPolR dan GWR. Distribusi dari statistik tersebut dapat didekati menggunakan distribusi F. Sementara itu, statistik uji signifikansi dibangun berdasarkan nilai penduga parameter dan simpangan bakunya. Distribusi statistik tersebut dapat didekati dengan distribusi t. Berdasarkan simulasi, prosedur estimasi parameter model GWPolR telah menghasilkan penduga yang dekat dengan parameter. Secara visual, hal tersebut dibuktikan dengan plot pola penduga yang mirip (mengikuti) pola parameter sebenarnya. Selain itu, hasil uji secara statistik tidak menolak hipotesis bahwa rata-rata bias penduga sama dengan nol. Prosedur uji kesesuaian model memberikan kinerja yang baik. Ketika data dibangkitkan dari model GWR, prosedur uji umumnya menerima hipotesis nol bahwa sampel sesuai dimodelkan dengan GWR. Sementara itu, ketika data dibangkitkan dari model GWPolR, prosedur uji umumnya menolak hipotesis nol dan menyatakan bahwa GWPolR secara signifikan lebih baik daripada GWR. Prosedur uji signifikansi parameter model GWPolR juga menunjukkan kinerja yang baik. Prosedur tersebut cenderung menghasilkan keputusan yang tepat sesuai dengan kondisi parameter. Dengan demikian perangkat pemodelan GWPolR yang dibahas dalam disertasi ini dapat direkomendasikan untuk digunakan dalam pemodelan spasial.

Actions (login required)

View Item