TY  - THES
N1  - Pembimbing: Mohammad Farhan Qodratullah, S.Si., M.Si.
ID  - digilib60087
UR  - https://digilib.uin-suka.ac.id/id/eprint/60087/
A1  - Farkhana Amaliyah, NIM.: 18106010047
Y1  - 2023/07/17/
N2  - Geographically Weighted Regression (GWR) adalah salah satu metode statistika yang digunakan untuk menganalisis faktor risiko secara spasial dengan pendekatan titik dan yang mengandung heterogenitas spasial. Indeks Pembangunan Manusia (IPM) adalah salah satu data yang mengandung heterogenitas spasial. Adanya efek spasial merupakan hal yang sering terjadi antara suatu wilayah dengan wilayah lainnya. Tujuan dalam penelitian ini adalah memodelkan data IPM menggunakan GWR dengan fungsi pembobot kernel gaussian dan bisquare serta mencari model terbaik. Langkah analisis yang dilakukan yaitu melakukan pengujian dengan metode WLS serta uji asumsi klasik. Selanjutnya, melakukan pengujian menggunakan metode GWR dengan fungsi pembobot kernel gaussian dan bisquare, kemudian mencari model terbaik dengan membandingkan nilai R2 dan AIC antara fungsi pembobot kernel gaussian dengan bisquare. Berdasarkan hasil dari penelitian yang diperoleh, model Geographically Weighted Regression (GWR) dengan fungsi pembobot kernel gaussian di Kabupaten Cilacap
PB  - UIN SUNAN KALIJAGA YOGYAKARTA
KW  - Geographically Weighted Regression; Weighted Least Square; Indeks Pembangunan Manusia; kernel gaussian; kernel bisquare
M1  - skripsi
TI  - PEBANDINGAN GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DENGAN FUNGSI PEMBOBOT KERNEL GAUSSIAN DAN BISQUARE (Studi Kasus: Indeks Pembangunan Manusia (IPM) di Provinsi Jawa Tengah Tahun 2021)
AV  - restricted
EP  - 152
ER  -