ANALISIS REGRESI LINEAR BERGANDA DAN GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) (Studi Kasus: Tingkat Pengangguran Terbuka di provinsi Jawa Tengah tahun 2015)

Fitriah Kurnia Daulia, NIM. 14610034 (2018) ANALISIS REGRESI LINEAR BERGANDA DAN GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) (Studi Kasus: Tingkat Pengangguran Terbuka di provinsi Jawa Tengah tahun 2015). Skripsi thesis, UIN Sunan Kalijaga.

Preview	Text (ANALISIS REGRESI LINEAR BERGANDA DAN GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) (Studi Kasus: Tingkat Pengangguran Terbuka di provinsi Jawa Tengah tahun 2015)) 14610034_BAB 1_BAB_TERAKHIR_DAFTAR_PUSTAKA.pdf - Published Version Download (2MB) | Preview
	Text (ANALISIS REGRESI LINEAR BERGANDA DAN GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) (Studi Kasus: Tingkat Pengangguran Terbuka di provinsi Jawa Tengah tahun 2015)) 14610034_BAB II_S.D_SEBELUM_BAB_TERAKHIR.pdf - Published Version Restricted to Registered users only Download (4MB)

Abstract

Permasalahan dalam bidang ketenagakerjaan di Indonesia adalah tingkat pengangguran yang tinggi. Tingkat pengangguran yang tinggi ini berpengaruh terhadap kesejahteraan rakyat Indonesia diantaranya seperti kemiskinan, kriminalitas, dan masalah-masalah sosial lainnya. Pada penelitian ini akan dianalisis faktor-faktor yang berpengaruh pada tingkat pengangguran terbuka di provinsi Jawa Tengah tahun 2015 dengan tingkat pengangguran terbuka cukup tinggi yaitu sebesar 5,13%. Faktor-faktor yang diduga mempengaruhi Tingkat pengangguran terbuka adalah Tingkat Partisipasi Angkatan Kerja (X1) dan Laju Pertumbuhan Ekonomi (X2). Model yang digunakan pada penelitian ini adalah regresi linear berganda yang menggunakan metode Ordinary Least Square (OLS) dan Geographically Weighted Regression (GWR) yang meggunakan metode Weighted Least Square (WLS).Geographically Weighted Regression (GWR) merupakan model yang dikembangkan dari Regresi Linear Berganda untuk memodelkan variabel respon dan variabel prediktor dengan memperhatikan lokasi dan titik pengamatan yang menghasilkan penaksir parameter model yang bersifat lokal untuk setiap titik atau lokasi data dengan memberikan pembobot di setiap lokasi pengamatan. Dengan menggunakan analisis Regresi Linear Berganda diperoleh model berikut ̂ Adapun dengan menggunakan analisis GWR menggunakan pembobot adaptive Kernel Gaussian diperoleh model bersifat lokal untuk untuk setiap wilayah kabupaten/kota. Namun pada kasus ini tidak didapatkan perbedaan yang signifikan antara model Regresi Linear berganda dan GWR. Artinya pada kasus Tingkat Pengangguran Terbuka di Jawa Tengah tidak terlalu dipengaruhi oleh faktor geografis karena tidak terdapat perbedaan yang signifikan antara Regresi Linear berganda dan GWR. Kata kunci: Geographically Weighted Regression, GWR, adaptive Kernel Gaussian, Tingkat Pengangguran Terbuka, Regresi Linear Berganda.

Share this knowledge with your friends :

Actions (login required)

View Item