Estimasi parameter model Mixed Geographically and Temporally Weighted Regression (MGTWR) dengan fungsi pembobot kernel

INDONESIA:

MGTWR merupakan metode statistika yang digunakan untuk menganalisis data spasial dengan mempertimbangkan efek waktu dalam bentuk persamaan regresi yang menghasilkan parameter bersifat lokal dan global untuk setiap lokasi dan waktu. Dalam model MGTWR diperlukan adanya fungsi pembobot. Fungsi pembobot kernel merupakan salah satu dari beberapa metode pembobotan. Fungsi pembobot kernel memiliki bentuk yang fleksibel dan secara matematis mudah dikerjakan. Sehingga dalam penelitian ini digunakan fungsi pembobot kernel untuk estimasi parameter model MGTWR yang kemudian diterapkan pada data tingkat kemiskinan di Jawa Timur tahun 2012-2015. Hal ini dilakukan untuk mengetahui faktor-faktor yang berpengaruh terhadap tingkat kemiskinan. Hasil penelitian menunjukkan faktor yang mempengaruhi kemiskinan secara lokal adalah variabel angka melek huruf, tingkat partisipasi angkatan kerja, dan rumah tangga lantai terluas. Sementara variabel angka morbiditas, angka harapan hidup, dan rumah tangga menggunakan listrik PLN berpengaruh global untuk semua lokasi pengamatan.

ENGLISH:

MGTWR is a statistical method used to analyze spatial data by considering the effect of time in the form of regression equations that generate local and global parameters for each location and time. In the MGTWR model a weighted function is required. The kernel-weighted function is one of several weighting methods. The kernel-weighted function has a flexibity and mathematically easy to do. So this research used kernel weighted function for estimation of MGTWR model parameters which then applied to data of poverty level in East Java in 2012-2015. This is do for determining the factors that affect the level of poverty. The result of the research shows that the factors locally affecting poverty are the variable of literacy rate, the labor force participation rate, and the largest floor of the household. While the morbidity variables, the life expectancy, and the household using PLN electricity have global effect for all observation locations.