%0 Generic
%A Eka Aditya Fitriani, 1717031020
%C UNIVERSITAS LAMPUNG
%D 2021
%F eprints:60312
%I FAKULTAS MATIMATIKA DAN ILMU PENGETAHUAN ALAM
%T PEMODELAN SPATIAL AUTOREGRESSIVE (SAR) MENGGUNAKAN  INTEGRATED NESTED LAPLACE APPROXIMATION (INLA)
%U http://digilib.unila.ac.id/60312/
%X Spatial Autoregresive (SAR) merupakan salah satu metode analisis spasial atau  kewilayahan yang terdapat pengaruh spasial pada variabel terikatnya. Salah satu  metode yang digunakan pada pendugaan parameter SAR adalah dengan metode  Bayes yang memberikan dugaan dengan ketepatan lebih tinggi dibandingkan  dengan metode klasik. Pendugaan parameter Bayes dengan cara numerik adalah  dengan metode Integrated Nested Laplace Approximation (INLA) melalui posterior  marginal. Penerapan metode SAR menggunakan INLA yaitu memodelkan Indeks  Pembangunan Manusia (IPM) di Provinsi Lampung tahun 2020 dengan  menggunakan matriks pembobot paling optimum berdasarkan nilai Moran’s I  terbesar yaitu K-NN 2. Penelitian ini bertujuan untuk mengetahui faktor-faktor yang  mempengaruhi IPM di Provinsi Lampung. Faktor yang digunakan dalam penelitian  ini yaitu pengeluaran perkapita, persentase penduduk miskin, rata-rata lama  sekolah, jumlah tenaga kesehatan, dan angka partisipasi sekolah usia 16-18 tahun.  Hasil pemodelan mendapatkan faktor yang paling signifikan terhadap model yaitu  pengeluaran perkapita dan rata-rata lama sekolah dengan nilai R-Square sebesar  88,74788%.  Kata Kunci: Spasial, SAR, Bayes, INLA, K-NN, IPM. Spatial Autoregressive (SAR) is one of the methods of spatial or regional analysis  that has a spatial influence on the dependent variable. One of the methods used in  estimating SAR parameters is the Bayes method which provides conjecture with  higher accuracy compared to the classical method. The estimation of the Bayes  parameter by numerical is by the Integrated Nested Laplace Approximation (INLA)  method through the posterior marginal. The application of the SAR method using  INLA is modeling the Human Development Index (IPM) in Lampung Province in  2020 by using the most optimum weighting matrix based on the largest Moran's I  value of K-NN 2. This study aims to find out the factors that affect HDI in Lampung  Province. The factors used in this study are per capita expenditure, percentage of  poor people, average length of the school, number of health workers, and school  participation rate of 16-18 years old. The modeling results obtained the most  significant factors to the model, namely per capita expenditure and the average  length of school with an R-Square value of 88,74788%.  Keyword: Spatial, SAR, Bayesian, INLA, K-NN, IPM