Estimasi parameter model geographically weighted regression (GWR) yang mengandung outlier dengan metode bounded influence M-estimator

INDONESIA:

Model Geographically Weighted Regression (GWR) merupakan pengembangan dari model regresi atau bentuk lokal regresi yang memperhatikan lokasi dari titik pengamatan yang menghasilkan penaksir parameter model yang bersifat lokal untuk setiap titik atau lokasi di mana data tersebut dikumpulkan. Dalam menganalisis data dengan menggunakan model GWR, terkadang ditemukan adanya outlier. Outlier ini dapat diidentifikasi secara jelas karena berbeda dengan mayoritas titik sampel lainnya. Adanya outlier dapat berdampak terhadap hasil estimasi parameter model yang menyebabkan estimasi parameter menjadi bias. Salah satu metode penyelesaian outlier adalah metode bounded influence M-estimator.

Penelitian ini bertujuan untuk mendapatkan estimasi parameter model GWR yang mengandung outlier. Hasil penelitian diaplikasikan pada data angka putus sekolah tingkat SMA di Jawa Timur Tahun 2013, sehingga akan didapatkan pemetaan putus sekolah tingkat SMA di Jawa Timur. Variabel independen yang digunakan pada penelitian ini adalah pengangguran, kemiskinan, pendidikan kepala rumah tangga, indeks pembangunan manusia, angka partisipasi sekolah, wilayah pedesaan, dan perceraian orang tua. Hasil yang didapatkan dari penelitian ini adalah model GWR yang mengandung outlier dapat diselesaikan dengan baik oleh metode bounded influence M-estimator serta keadaan angka putus sekolah di Jawa Timur tahun 2013 mampu dijelaskan dengan baik.

ENGLISH:

Geographically Weighted Regression (GWR) model is a development of the regression model or a local form of regression in which to the location of the observation point is considered that produces a locally model parameter estimator for each point or location where the data is collected. In analyzing the data using GWR models, sometimes any outliers are found. These outliers can be clearly identified as different from the majority of other sample points. The existence of outliers can affect the result of parameter estimation model that causes parameter estimates to be biased. One of outlier solution method is a bounded influence M-estimator method.

This study aims to obtain a parameter estimation GWR model containing outlier. The research result was applied to the data rate of high school dropout rate in East Java province on 2013, so that the mapping of high school dropout rate in East Java would be obtained. Dependent variable used in this study were unemployed, poverty, education of household head, the human development index, school enrollment rate, rural areas, and divorce of parents. The results obtained from this study is a GWR model containing outlier can be solved properly using bounded influence M-estimator method and the state of dropout rate in East Java on 2013 were able to be explained properly.