<> "The repository administrator has not yet configured an RDF license."^^ . <> . . "PEMODELAN LOCALLY COMPENSATED RIDGE GEOGRAPHICALLY\r\nWEIGHTED REGRESSION (LCR-GWR) DAN GEOGRAPHICALLY\r\nWEIGHTED LASSO (GWL) DALAM MENGATASI\r\nMULTIKOLINIERITAS PADA GROSS DOMESTIC PRODUCT (GDP)\r\n\r\nAMERIKA SERIKAT TAHUN 2022"^^ . "Geographically Weighted Regression (GWR) merupakan regresi berganda untuk\r\nmemodelkan data spasial untuk mengatasi masalah heterogenitas spasial.\r\nPermasalahan lain sering muncul pada data spasial adalah masalah\r\nmultikolinieritas, dimana metode GWR tidak dapat menanganinya. Untuk\r\nmenangani masalah multikolinieritas dapat digunakan beberapa metode\r\ndiantaranya regresi Ridge dan regresi LASSO, kedua metode tersebut mampu\r\nmenyusutkan koefisien yang memiliki korelasi tinggi dan tidak signifikan menjadi\r\nnol. Sedangkan dalam menangani multikolinieritas pada data spasial, diperlukan\r\n\r\nmetode yang sesuai di antaranya adalah metode Locally Compensated Ridge-\r\nGeographically Weighted Regression (LCR-GWR) dan Geographically Weighted\r\n\r\nLasso (GWL). Penelitian ini bertujuan untuk melihat kemampuan antara LCR-\r\nGWR dan GWL dalam mengatasi multikolinieritas. Hasil yang diperoleh adalah\r\n\r\nmetode GWL mampu memberikan solusi yang lebih baik dalam menangani\r\nmultikolinieritas dan heterogenitas spasial pada data GDP Amerika Serikat tahun\r\n2022 dilihat dari nilai AIC dan RMSE yang lebih rendah dibandingkan dengan\r\nLCR-GWR.\r\n\r\nKata Kunci: Regresi GWR, Multikolinieritas, Regresi LCR-GWR, Regresi GWL.\r\nGeographically Weighted Regression (GWR) is a multiple regression to model\r\nspatial data to overcome the problem of spatial heterogeneity. Another problem that\r\noften arises in spatial data is the problem of multicollinearity, which the GWR\r\nmethod cannot handle. To handle multicollinearity problems, several methods can\r\nbe used including Ridge regression and LASSO regression, both of which are able\r\nto shrink highly correlated and insignificant coefficients to zero. While in dealing\r\nwith multicollinearity in spatial data, appropriate methods are needed, including the\r\nLocally Compensated Ridge-Geographically Weighted Regression (LCR-GWR)\r\nand Geographically Weighted Lasso (GWL) methods. This study aims to see the\r\nability between LCR-GWR and GWL in overcoming multicollinearity. The results\r\nobtained are the GWL method is able to provide a better solution in handling\r\nmulticollinearity and spatial heterogeneity in the United States GDP data in 2022\r\nseen from the lower AIC and RMSE values compared to the LCR-GWR.\r\n\r\nKeywords: GWR Regression, Multicollinearity, LCR-GWR Regression, GWL\r\nRegression"^^ . "2024-05-07" . . . . . "FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM"^^ . . . . . . . " Aulia\t"^^ . "Nufus"^^ . " Aulia\t Nufus"^^ . . . . . . "PEMODELAN LOCALLY COMPENSATED RIDGE GEOGRAPHICALLY\r\nWEIGHTED REGRESSION (LCR-GWR) DAN GEOGRAPHICALLY\r\nWEIGHTED LASSO (GWL) DALAM MENGATASI\r\nMULTIKOLINIERITAS PADA GROSS DOMESTIC PRODUCT (GDP)\r\n\r\nAMERIKA SERIKAT TAHUN 2022 (File PDF)"^^ . . . "ABSTRAK - Nufus Aulia.pdf"^^ . . . "PEMODELAN LOCALLY COMPENSATED RIDGE GEOGRAPHICALLY\r\nWEIGHTED REGRESSION (LCR-GWR) DAN GEOGRAPHICALLY\r\nWEIGHTED LASSO (GWL) DALAM MENGATASI\r\nMULTIKOLINIERITAS PADA GROSS DOMESTIC PRODUCT (GDP)\r\n\r\nAMERIKA SERIKAT TAHUN 2022 (File PDF)"^^ . . . "PEMODELAN LOCALLY COMPENSATED RIDGE GEOGRAPHICALLY\r\nWEIGHTED REGRESSION (LCR-GWR) DAN GEOGRAPHICALLY\r\nWEIGHTED LASSO (GWL) DALAM MENGATASI\r\nMULTIKOLINIERITAS PADA GROSS DOMESTIC PRODUCT (GDP)\r\n\r\nAMERIKA SERIKAT TAHUN 2022 (File PDF)"^^ . . . "SKRIPSI TANPA BAB PEMBAHASAN - Nufus Aulia.pdf"^^ . . . "PEMODELAN LOCALLY COMPENSATED RIDGE GEOGRAPHICALLY\r\nWEIGHTED REGRESSION (LCR-GWR) DAN GEOGRAPHICALLY\r\nWEIGHTED LASSO (GWL) DALAM MENGATASI\r\nMULTIKOLINIERITAS PADA GROSS DOMESTIC PRODUCT (GDP)\r\n\r\nAMERIKA SERIKAT TAHUN 2022 (Other)"^^ . . . . . . "indexcodes.txt"^^ . . . "PEMODELAN LOCALLY COMPENSATED RIDGE GEOGRAPHICALLY\r\nWEIGHTED REGRESSION (LCR-GWR) DAN GEOGRAPHICALLY\r\nWEIGHTED LASSO (GWL) DALAM MENGATASI\r\nMULTIKOLINIERITAS PADA GROSS DOMESTIC PRODUCT (GDP)\r\n\r\nAMERIKA SERIKAT TAHUN 2022 (Other)"^^ . . . . . . "PEMODELAN LOCALLY COMPENSATED RIDGE GEOGRAPHICALLY\r\nWEIGHTED REGRESSION (LCR-GWR) DAN GEOGRAPHICALLY\r\nWEIGHTED LASSO (GWL) DALAM MENGATASI\r\nMULTIKOLINIERITAS PADA GROSS DOMESTIC PRODUCT (GDP)\r\n\r\nAMERIKA SERIKAT TAHUN 2022 (Other)"^^ . . . . . . "indexcodes.txt"^^ . . . "PEMODELAN LOCALLY COMPENSATED RIDGE GEOGRAPHICALLY\r\nWEIGHTED REGRESSION (LCR-GWR) DAN GEOGRAPHICALLY\r\nWEIGHTED LASSO (GWL) DALAM MENGATASI\r\nMULTIKOLINIERITAS PADA GROSS DOMESTIC PRODUCT (GDP)\r\n\r\nAMERIKA SERIKAT TAHUN 2022 (Other)"^^ . . . . . . "lightbox.jpg"^^ . . . "PEMODELAN LOCALLY COMPENSATED RIDGE GEOGRAPHICALLY\r\nWEIGHTED REGRESSION (LCR-GWR) DAN GEOGRAPHICALLY\r\nWEIGHTED LASSO (GWL) DALAM MENGATASI\r\nMULTIKOLINIERITAS PADA GROSS DOMESTIC PRODUCT (GDP)\r\n\r\nAMERIKA SERIKAT TAHUN 2022 (Other)"^^ . . . . . . "preview.jpg"^^ . . . "PEMODELAN LOCALLY COMPENSATED RIDGE GEOGRAPHICALLY\r\nWEIGHTED REGRESSION (LCR-GWR) DAN GEOGRAPHICALLY\r\nWEIGHTED LASSO (GWL) DALAM MENGATASI\r\nMULTIKOLINIERITAS PADA GROSS DOMESTIC PRODUCT (GDP)\r\n\r\nAMERIKA SERIKAT TAHUN 2022 (Other)"^^ . . . . . . "medium.jpg"^^ . . . "PEMODELAN LOCALLY COMPENSATED RIDGE GEOGRAPHICALLY\r\nWEIGHTED REGRESSION (LCR-GWR) DAN GEOGRAPHICALLY\r\nWEIGHTED LASSO (GWL) DALAM MENGATASI\r\nMULTIKOLINIERITAS PADA GROSS DOMESTIC PRODUCT (GDP)\r\n\r\nAMERIKA SERIKAT TAHUN 2022 (Other)"^^ . . . . . . "small.jpg"^^ . . . "PEMODELAN LOCALLY COMPENSATED RIDGE GEOGRAPHICALLY\r\nWEIGHTED REGRESSION (LCR-GWR) DAN GEOGRAPHICALLY\r\nWEIGHTED LASSO (GWL) DALAM MENGATASI\r\nMULTIKOLINIERITAS PADA GROSS DOMESTIC PRODUCT (GDP)\r\n\r\nAMERIKA SERIKAT TAHUN 2022 (Other)"^^ . . . . . . "PEMODELAN LOCALLY COMPENSATED RIDGE GEOGRAPHICALLY\r\nWEIGHTED REGRESSION (LCR-GWR) DAN GEOGRAPHICALLY\r\nWEIGHTED LASSO (GWL) DALAM MENGATASI\r\nMULTIKOLINIERITAS PADA GROSS DOMESTIC PRODUCT (GDP)\r\n\r\nAMERIKA SERIKAT TAHUN 2022 (Other)"^^ . . . . . . "PEMODELAN LOCALLY COMPENSATED RIDGE GEOGRAPHICALLY\r\nWEIGHTED REGRESSION (LCR-GWR) DAN GEOGRAPHICALLY\r\nWEIGHTED LASSO (GWL) DALAM MENGATASI\r\nMULTIKOLINIERITAS PADA GROSS DOMESTIC PRODUCT (GDP)\r\n\r\nAMERIKA SERIKAT TAHUN 2022 (Other)"^^ . . . . . . "PEMODELAN LOCALLY COMPENSATED RIDGE GEOGRAPHICALLY\r\nWEIGHTED REGRESSION (LCR-GWR) DAN GEOGRAPHICALLY\r\nWEIGHTED LASSO (GWL) DALAM MENGATASI\r\nMULTIKOLINIERITAS PADA GROSS DOMESTIC PRODUCT (GDP)\r\n\r\nAMERIKA SERIKAT TAHUN 2022 (Other)"^^ . . . . . . "PEMODELAN LOCALLY COMPENSATED RIDGE GEOGRAPHICALLY\r\nWEIGHTED REGRESSION (LCR-GWR) DAN GEOGRAPHICALLY\r\nWEIGHTED LASSO (GWL) DALAM MENGATASI\r\nMULTIKOLINIERITAS PADA GROSS DOMESTIC PRODUCT (GDP)\r\n\r\nAMERIKA SERIKAT TAHUN 2022 (Other)"^^ . . . . . . "lightbox.jpg"^^ . . . "PEMODELAN LOCALLY COMPENSATED RIDGE GEOGRAPHICALLY\r\nWEIGHTED REGRESSION (LCR-GWR) DAN GEOGRAPHICALLY\r\nWEIGHTED LASSO (GWL) DALAM MENGATASI\r\nMULTIKOLINIERITAS PADA GROSS DOMESTIC PRODUCT (GDP)\r\n\r\nAMERIKA SERIKAT TAHUN 2022 (Other)"^^ . . . . . . "preview.jpg"^^ . . . "PEMODELAN LOCALLY COMPENSATED RIDGE GEOGRAPHICALLY\r\nWEIGHTED REGRESSION (LCR-GWR) DAN GEOGRAPHICALLY\r\nWEIGHTED LASSO (GWL) DALAM MENGATASI\r\nMULTIKOLINIERITAS PADA GROSS DOMESTIC PRODUCT (GDP)\r\n\r\nAMERIKA SERIKAT TAHUN 2022 (Other)"^^ . . . . . . "medium.jpg"^^ . . . "PEMODELAN LOCALLY COMPENSATED RIDGE GEOGRAPHICALLY\r\nWEIGHTED REGRESSION (LCR-GWR) DAN GEOGRAPHICALLY\r\nWEIGHTED LASSO (GWL) DALAM MENGATASI\r\nMULTIKOLINIERITAS PADA GROSS DOMESTIC PRODUCT (GDP)\r\n\r\nAMERIKA SERIKAT TAHUN 2022 (Other)"^^ . . . . . . "small.jpg"^^ . . "HTML Summary of #84806 \n\nPEMODELAN LOCALLY COMPENSATED RIDGE GEOGRAPHICALLY \nWEIGHTED REGRESSION (LCR-GWR) DAN GEOGRAPHICALLY \nWEIGHTED LASSO (GWL) DALAM MENGATASI \nMULTIKOLINIERITAS PADA GROSS DOMESTIC PRODUCT (GDP) \n \nAMERIKA SERIKAT TAHUN 2022\n\n" . "text/html" . . . "510 Matematika" . .