PEMODELAN GEOGRAPHICALLY WEIGHTED RIDGE REGRESSION PADA DATA INDIKATOR KEMISKINAN TAHUN 2023 PROVINSI KALIMANTAN BARAT DAN KALIMANTAN TENGAH

Syarli, Dita Anjani (2025) PEMODELAN GEOGRAPHICALLY WEIGHTED RIDGE REGRESSION PADA DATA INDIKATOR KEMISKINAN TAHUN 2023 PROVINSI KALIMANTAN BARAT DAN KALIMANTAN TENGAH. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	File PDF ABSTRAK.pdf Download (333Kb) | Preview
	File PDF SKRIPSI FULL.pdf Restricted to Hanya staf Download (1323Kb) | Minta salinan
Preview	File PDF SKRIPSI FULL TANPA BAB PEMBAHASAN.pdf Download (1126Kb) | Preview

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

Analisis regresi merupakan metode untuk menjelaskan hubungan antara variabel bebas dan variabel terikat. Analisis regresi linear memiliki asumsi-asumsi yang harus terpenuhi, salah satunya adalah homogenitas. Namun terdapat kondisi dimana varians pada setiap lokasi pengamatan berbeda atau terjadi heterogenitas spasial yang mengakibatkan asumsi pada regresi linear tidak terpenuhi. Permasalahan tersebut dapat diatasi melalui pemodelan Geographically Weighted Regression (GWR), yaitu model statistik yang mengatasi heterogenitas spasial melalui penambahan matriks pembobot dan menghasilkan model yang bersifat lokal di setiap titik pengamatan. GWR memiliki kekurangan, yaitu tidak dapat mengatasi kasus multikolinearitas. Regresi ridge adalah metode untuk mengatasi kasus multikolinearitas melalui penambahan tetapan bias (

Jenis Karya Akhir:	Skripsi
Subyek:	500 ilmu pengetahuan alam dan matematika 500 ilmu pengetahuan alam dan matematika > 510 Matematika
Program Studi:	FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) > Prodi S1 Matematika
Pengguna Deposit:	2308579137 . Digilib
Date Deposited:	05 Jun 2025 03:07
Terakhir diubah:	05 Jun 2025 03:07
URI:	http://digilib.unila.ac.id/id/eprint/88084

Actions (login required)

Lihat Karya Akhir