PEMODELAN GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) PADA DATA PRODUKSI PADI DI PROVINSI JAWA BARAT TAHUN 2021

Syifaa Aalimatul , Haqqi (2024) PEMODELAN GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) PADA DATA PRODUKSI PADI DI PROVINSI JAWA BARAT TAHUN 2021. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	File PDF (ABSTRAK Syifaa Aalimatul Haqqi) Abstrak_Syifaa A H_1817031008 - Syifaa Aalimatul Haqqi.pdf Download (33Kb) | Preview
	File PDF (FILE FULL Syifaa Aalimatul Haqqi) Skripsi_Syifaa A H_1817031008_Tanpa Lampiran Isi - Syifaa Aalimatul Haqqi.pdf Restricted to Hanya staf Download (2015Kb) | Minta salinan
Preview	File PDF (FILE TANPA BAB PEMBAHASAN Syifaa Aalimatul Haqqi) Skripsi_Syifaa A H_1817031008_Tanpa Bab Pembahasan - Syifaa Aalimatul Haqqi.pdf Download (1857Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

The OLS regression model is a method for analyzing relationships between variabels, assuming certain conditions such as normal distribution of data, absence of multicollinearity, and homogeneity of residuals. However, when the data lacks homogeneity and exhibits geographical variations in each observation, the Geographically Weighted Regression (GWR) model can be employed. The GWR model is a statistical method for analyzing spatial heterogeneity by generating locally specific parameter estimates for each observation location. This research aims to implement the GWR model on rice production data in West Java Province in 2021, considering the influence of harvest area and the use of urea fertilizer in each district/city. The results of this study indicate that rice production exhibits spatial heterogeneity, and the GWR model produces locally specific parameters with coefficients and independent variables forming different models for each district/city. Keywords: Geographically Weighted Regression (GWR), Spatial Heterogeneity. ABSTRAK Model regresi OLS merupakan metode untuk menganalisis hubungan antar satu peubah dengan peubah lain dengan asumsi-asumsi yang harus terpenuhi diantaranya yaitu data berdistribusi normal, tidak mengandung multikolinearitas dan residual harus homogen. Namun apabila data yang dimiliki tidak bersifat homogen dan mengandung geografis setiap observasi, maka dapat menggunkan model Geographically Weighted Regression (GWR). Model GWR merupakan metode statistik untuk menganalisis heterogenitas spasial dengan menghasilkan estimasi parameter model yang bersifat lokal untuk setiap lokasi observasi. Oleh karena itu penelitian ini bertujuan untuk menerapkan model GWR menggunakan data produksi padi di Provinsi Jawa Barat tahun 2021 dengan melihat pengaruh luas panen dan penggunaan pupuk urea pada tiap Kabupaten/Kota. Hasil dari penelitian ini menunjukkan bahwa produksi padi mengandung heterogenitas spasial dan model GWR menghasilkan parameter yang bersifat lokal dengan koefisien dan variabel independen yang terbentuk dalam model berbeda untuk tiap Kabupaten/Kota. Kata Kunci: Geographically Weighted Regression (GWR), Heterogenitas Spasial.

Jenis Karya Akhir:	Skripsi
Subyek:	500 ilmu pengetahuan alam dan matematika 500 ilmu pengetahuan alam dan matematika > 510 Matematika
Program Studi:	FAKULTAS MIPA > Prodi Matematika
Pengguna Deposit:	UPT . Siswanti
Date Deposited:	03 Feb 2025 08:13
Terakhir diubah:	03 Feb 2025 08:13
URI:	http://digilib.unila.ac.id/id/eprint/81891

Actions (login required)

Lihat Karya Akhir