Estimasi parameter model geographically weighted regression (GWR) yang mengandung multikolinearitas dengan metode regresi ridge

INDONESIA:

Model Geographically Weighted Regression (GWR) merupakan regresi yang digunakan untuk mengatasi heterogenitas spasial dengan memperhatikan lokasi dari titik pengamatan yang menghasilkan penaksir parameter model yang bersifat lokal untuk setiap titik atau lokasi data. Dalam menganalisis data dengan menggunakan model GWR, terkadang ditemukan adanya multikolinearitas. Multikolinearitas ini mengakibatkan tidak signifikannya suatu hasil pengolahan data. Salah satu metode penyelesaian multikolinearitas adalah metode regresi ridge.

Penelitian ini bertujuan untuk mendapatkan estimasi parameter model GWR yang mengandung multikolinearitas. Hasil penelitian diaplikasikan pada tingkat kematian bayi di Jawa Timur, sehingga didapatkan pemetaan tingkat kematian bayi di Jawa Timur. Variabel respon yang digunakan pada penelitian ini adalah jumlah kematian bayi di setiap kabupaten/kota dan variabel prediktornya adalah imunisasi jumlah tenaga medis, pemberian asi eksklusif, pemberian vitamin, kesehatan ibu, dan kesehatan bayi. Setelah didapatkan modelnya maka dilakukan uji F. Hasil yang didapatkan dari penelitian ini adalah model GWR pada data yang mengandung multikolinearitas menjadi signifikan pada data tingkat kematian bayi di Jawa Timur tahun 2012

ENGLISH:

Geographically Weighted Regression (GWR) Model is a regression that is used to overcome where the spatial heterogenity of the location of the observation point that generates a local model parameter estimator to each point or location data is concerned. In analyzing the data using the GWR model, sometimes any multicollinearity occurs. This multicollinearity resulted on the lack of the significance of data processing result. One method is to solve multicollinearity ridge regression.

This study aimed to obtain a model parameter estimation GWR containing multicollinearity. The results of the study was applied at the rate of toodler deaths in the East Java, so that mapping toodler deaths in East Java would be obtained. The response variable used in this study is the number of toodler deaths in each district / city and its predictor variable is the immunization of medical personnel, giving ASI exclusive, giving vitamin, mother health, and infant health. After the model is obtained the the F test is performed. The results obtained from this study is a GWR model data that contains multicollinearity that is significant on the data rate of toodler deaths data in East Java in 2012.