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	Text ABSTRAK.pdf Download (341kB) | Preview
	Text SKRIPSI FULL.pdf Restricted to Repository staff only Download (1MB) | Request a copy
Preview	Text SKRIPSI FULL TANPA BAB PEMBAHASAN.pdf Download (1MB) | Preview

Abstract

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 (

Item Type:	Other
Subjects:	?? 500 ?? ?? 510 ??
Divisions:	Fakultas MIPA > Prodi Matematika
Depositing User:	2308579137 . Digilib
Date Deposited:	05 Jun 2025 03:07
Last Modified:	05 Jun 2025 03:07
URI:	http://digilib.unila.ac.id/id/eprint/88084

Actions (login required)

View Item