Responsive Banner

Estimasi parameter dan statistik uji model geographically weighted regression (GWR): Studi kasus penyebab banjir di Kali Konto

Susiatiningsih, Susiatiningsih (2008) Estimasi parameter dan statistik uji model geographically weighted regression (GWR): Studi kasus penyebab banjir di Kali Konto. Undergraduate thesis, Universitas Islam Negeri Maulana Malik Ibrahim.

[img] Text (Fulltext)
04510034.pdf - Accepted Version
Available under License Creative Commons Attribution Non-commercial No Derivatives.

Download (957kB)

Abstract

Salah satu analisis statistika yang menghubungkan variabel dependent dengan variabel independent yaitu metode regresi. Analisis regresi telah banyak diaplikasikan pada berbagai bidang untuk menguji pengaruh hubungan suatu variabel terhadap variabel lainnya. Hasil keluaran (output) dari metode ini adalah estimasi dari parameter yang membentuk suatu model tertentu (Draper dan Smeeth, 1992). Masalah utama dari metode regresi sederhana adalah jika metode ini diterapkan pada data spasial. Untuk mengatasi permasalahan pada data spasial, maka metode regresi yang akan digunakan adalah Geographically Weighted Regression (GWR), yaitu model yang menggunakan faktor geografis sebagai variabel independent yang dapat mempengaruhi variabel dependent. Estimasi pada model GWR dengan pendekatan MLE (Maxsimum Likelihood Estimator) yang sebenarnya menghasilkan estimator yang sama dengan pendekatan Weighted Least Square (WLS) yang sudah umum digunakan. Namun pendekatan ini tidak dapat digunakan secara langsung untuk menaksir estimator varians.

Dalam penelitian ini, regresi spasial diterapkan dalam bidang hidrologi yang berkaitan dengan karakteristik Kali Konto pada sub Daerah Aliran Sungai (DAS). Karakteristik faktor-faktor penyebab terjadinya banjir yang dipertimbangkan antara lain: curah hujan (y), koefisien thiessen (x ) dan luas 1 sungai (x ). Model regresi yang diperoleh dari penelitian ini adalah :
2 y 1346.093 3118665.369 x1 5820.669 x2

Aplikasi model GWR dapat menunjukkan bahwa terdapat pengaruh faktor geografis pada data curah hujan, luas sungai serta koefisien thiessen berdasarkan p-value dari uji signifikansi parameter. Artinya lokasi pengamatan yang berdekatan akan saling mempengaruhi atau dengan kata lain model GWR dapat mengatasi masalah data spasial yang dihadapi oleh regresi global (klasik).

Item Type: Thesis (Undergraduate)
Supervisor: Harini, Sri and Aziz, Abdul
Contributors:
ContributionNameEmail
UNSPECIFIEDHarini, SriUNSPECIFIED
UNSPECIFIEDAziz, AbdulUNSPECIFIED
Keywords: Regresi; Data Spasial; Geographically Weighted Regression(GWR); Weighted Least Square (WLS)
Departement: Fakultas Sains dan Teknologi > Jurusan Matematika
Depositing User: Arfan Trisna Rizkydian
Date Deposited: 14 Aug 2016 10:41
Last Modified: 14 Aug 2016 10:41
URI: http://etheses.uin-malang.ac.id/id/eprint/4440

Downloads

Downloads per month over past year

Actions (login required)

View Item View Item