PEMILIHAN MODEL TERBAIK GEOGHRAPHICALLY WEIGHTED REGRESSION (GWR) DENGAN FUNGSI PEMBOBOT ADAPTIVE GAUSSIAN KERNEL DAN ADAPTIVE TRICUBE

Ana Alfiatur Rohmaniyah, NIM.: 20106010035 (2024) PEMILIHAN MODEL TERBAIK GEOGHRAPHICALLY WEIGHTED REGRESSION (GWR) DENGAN FUNGSI PEMBOBOT ADAPTIVE GAUSSIAN KERNEL DAN ADAPTIVE TRICUBE. Skripsi thesis, UIN SUNAN KALIJAGA YOGYAKARTA.

Preview	Text (PEMILIHAN MODEL TERBAIK GEOGHRAPHICALLY WEIGHTED REGRESSION (GWR) DENGAN FUNGSI PEMBOBOT ADAPTIVE GAUSSIAN KERNEL DAN ADAPTIVE TRICUBE) 20106010035_BAB-I_IV-atau-V_DAFTAR-PUSTAKA.pdf - Published Version Download (3MB) | Preview
	Text (PEMILIHAN MODEL TERBAIK GEOGHRAPHICALLY WEIGHTED REGRESSION (GWR) DENGAN FUNGSI PEMBOBOT ADAPTIVE GAUSSIAN KERNEL DAN ADAPTIVE TRICUBE) 20106010035_BAB-II_sampai_SEBELUM-BAB-TERAKHIR.pdf Restricted to Registered users only Download (7MB) | Request a copy

Abstract

Geographically Weighted Regression (GWR) adalah salah satu metode pengembagan model regresi linear berganda yang melibatkan aspek spasial atau lokasi. Penelitian ini akan membahas mengenai pengaplikasian metode Geographically weighted Regression (GWR) dengan menggunakan fungsi pembobot adaptive gaussian kernel dan adaptive tricube kernel pada studi kasus faktor-faktor yang mempengaruhi penyakit tuberkulosis (TBC) menurut kabupaten/kota di Provinsi Jawa Tengah tahun 2021. Estimasi parameter metode Geographically Weighted Regression (GWR) dilakukan dengan menggunakan metode Weighted Least Square (WLS) dengan melibatkan pemberian pembobot yang berbeda pada setiap lokasi pengamatan. Besarnya nilai pembobot yang diberikan disesuaikan dengan jarak antar lokasi pengamatan. Selain itu, pemilihan bandwith optimum dilakukan dengan menggunakan nilai Cross Validation (CV) terkecil. Pemilihan model terbaik Geographically Weighted Regression (GWR) dilihat dari nilai koefisien determinasi terbesar dan nilai

Share this knowledge with your friends :

Actions (login required)

View Item