%0 Generic
%A Nita Veranika, 1717031087
%C UNIVERSITAS LAMPUNG
%D 2021
%F eprints:60300
%I FAKULTAS MATIMATIKA DAN ILMU PENGETAHUAN ALAM
%T KARAKTERISTIK PENDUGA LAGRANGE MULTIPLIER    PADA MODEL REGRESI SPASIAL
%U http://digilib.unila.ac.id/60300/
%X Regresi spasial merupakan regresi berdasarkan adanya pengaruh tempat atau  spasial pada data yang di analisis. Penyelesaian regresi spasial kadang kala  mengalami keterbatasan dalam pemenuhan asumsi, terutama asumsi yang  berkenaan dengan masalah error yang berkorelasi dan masalah heterogenitas pada  error. Hal itu yang diakibatkan karena pengamatan di suatu lokasi memiliki  ketergantungan yang cukup kuat dengan pengamatan di lokasi lain yang  berdekatan yang dinamakan dengan efek spasial. Metode pendugaan parameter  yang biasa digunakan dalam menduga parameter model regresi spasial adalah  maximum likelihood estimation. Dalam penelitian ini metode yang digunakan  untuk menduga parameter model regresi spasial dengan keterbatasan memenuhi  asumsi yaitu metode Lagrange Multiplier. Metode Lagrange Multiplier adalah  metode untuk memaksimumkan atau meminimumkan fungsi dengan λ sebagai  pengali Lagrange nya. Penelitian ini bertujuan untuk mengkaji karakteristik  penduga Lagrange Multiplier pada model regresi spasial. Berdasarkan hasil  kajian teori yang telah diperoleh bahwa penduga merupakan penduga yang tak  bias, ragam minimum dan konsisten. Sedangkan penduga    dan merupakan    penduga yang bias.    Kata Kunci: Regresi Spasial, SEM, Lagrange Multiplier (LM), Karakteristik  Spatial regression is a regression based on the influence of place or spatial on the  data being analyzed. Spatial regression solutions sometimes has limitations in  fulfilling assumptions, especially assumptions regarding the problem of correlated  errors and the problem of heterogenity in errors. This is because observations at  other locations adjacent to the spatial effect. The parameter estimation method  commonly used in estimating the parameters of the spatial regression model is the  maximum likelihood estimation. In this study, method used to estimate the  parameters of the spatial regression model with limited assumptions is the  Lagrange Multiplier method. The Lagrange Multiplier method is a method to  maximize or minimize a function with it’s Lagrange Multiplier. This study aims  to examine the characteristics of the Lagrange Multiplier estimator in the spatial  regression model. Results based on the research that has been obtained that the  estimator is an unbiased estimator, the variance is minimum and consistent.  While the estimator    and is a biased estimator.    Keyword: Spatial Regression, SEM, Lagrange Multiplier (LM), Estimator    Characteristics.  Penduga.