@misc{eprints88084,
           month = {April},
           title = {
PEMODELAN GEOGRAPHICALLY WEIGHTED RIDGE REGRESSION
PADA DATA INDIKATOR KEMISKINAN TAHUN 2023 PROVINSI
KALIMANTAN BARAT DAN KALIMANTAN TENGAH 

},
          author = {Dita Anjani Syarli},
         address = {UNIVERSITAS LAMPUNG},
       publisher = {FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM},
            year = {2025},
             url = {http://digilib.unila.ac.id/88084/},
        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 (}
}