Azizah, Luluk Nur (2013) Pengujian signifikansi model geographically weighted regression (GWR) dengan uji F dan uji t: studi kasus jumlah kematian bayi di Jawa Timur tahun 2012. Undergraduate thesis, Universitas Islam Negeri Maulana Malik Ibrahim.
|
Text (Fulltext)
09610120.pdf - Accepted Version Available under License Creative Commons Attribution Non-commercial No Derivatives. Download (3MB) | Preview |
Abstract
INDONESIA :
Geographically Weighted Regression (GWR) adalah pengembangan dari model regresi dimana setiap parameter dihitung pada setiap lokasi pengamatan, sehingga setiap lokasi pengamatan mempunyai nilai parameter regresi yang berbeda-beda. Hal ini dikarenakan pada model regresi global berlaku pada data statistik dengan asumsi bahwa lokasi pengamatan yang diteliti tidak berpengaruh. Variabel respon y dalam model GWR diprediksi dengan variabel prediktor yang masing-masing koefisien regresinya bergantung pada lokasi dimana data tersebut diamati sehingga faktor geografis sangat mempengaruhi dalam penarikan kesimpulan. Untuk menguji signifikansi model GWR maka dilakukan estimasi parameter terlebih dahulu. Estimasi parameter model regresi linier biasanya menggunakan Ordinary Least Square (OLS), sedangkan estimasi parameter model GWR dilakukan dengan metode Weighted Least Squares (WLS) yaitu dengan memberikan pembobot yang berbeda untuk setiap lokasi dimana data diamati. Estimasi parameter model GWR meliputi estimasi parameter regresi dan parameter variansi.
Dari hasil penelitian didapatkan model statistik uji dari model GWR adalah statistik uji F dan uji t. Pada aplikasi GWR4 didapatkan bahwa dari ke tujuh variabel, ternyata variabel jumlah tenaga medis, jumlah posyandu, pemberian asi eksklusif, pemberian vitamin, kesehatan ibu dan kesehatan bayi yang signifikan mempengaruhi jumlah kematian bayi di Jawa Timur tahun 2012.
Sehingga model yang didapatkan dari pengujian signifikansi model GWR pada data jumlah kematian bayi di Jawa Timur tahun 2012 menggunakan aplikasi GWR4 adalah:
y_i=34001.960283+4150.138641x_i1+1472.043181x_i2+1184.660155x_i3
-5982.992286x_i4+11278.752766x_i5+500223.799748x_i6-508266.845069x_i7
Selain menggunakan statistik uji F dan uji t, dapat juga digunakan metode lainnya pada pengujian model GWR. Estimasi parameter juga dapat menggunakan metode selain WLS, serta data yang sesuai dengan kebutuhan peneliti.
ENGLISH :
Geographically Weighted Regression (GWR) is the development of a regression model in which each parameter is calculated at each observation location, so each observation location parameter has a value different regression. This is because the global regression model applies to the statistical data with the assumption that the sampling sites studied had no effect. Response variable y in the GWR models predicted the predictor variables of each regression coefficient depends on the location where the data is observed that geographical factors influence the conclusion. GWR models to test the significance of the parameter estimation is done first. Parameter estimation of linear regression models typically use the Ordinary Least Square (OLS), while the GWR model parameter estimation was conducted using Weighted Least Squares (WLS) is to give a different weighting for each location where the data is observed. GWR estimate model parameters include parameters regression and parameter estimation variance.
From the results, the test statistical models of GWR models are statistical F test and t test. On the application GWR4 found that of the seven variables, it turns out a variable number of medical personnel, the number of neighborhood health center, exclusive breast feeding, vitamin, maternal and infant health that significantly affect infant mortality in East Java in 2012.
So that the model obtained from the GWR model significance testing data on the number of infant mortality in East Java in 2012 using GWR4 application is
y_i=34001.960283+4150.138641x_i1+1472.043181x_i2+1184.660155x_i3
-5982.992286x_i4+11278.752766x_i5+500223.799748x_i6-508266.845069x_i7
In addition to using the F test statistic and t test, other methods can also be used to test models of GWR. Parameter estimation can also use methods other than WLS, and data in accordance with the needs of researchers.
Item Type: | Thesis (Undergraduate) | |||||||||
---|---|---|---|---|---|---|---|---|---|---|
Supervisor: | Harini, Sri and Abdussakir, Abdussakir | |||||||||
Contributors: |
|
|||||||||
Keywords: | Geographically Weighted Regression (GWR); Uji F; Uji t; Geographically Weighted Regression (GWR); F test; t test | |||||||||
Departement: | Fakultas Sains dan Teknologi > Jurusan Matematika | |||||||||
Depositing User: | Alinul Layali | |||||||||
Date Deposited: | 23 May 2017 10:40 | |||||||||
Last Modified: | 23 May 2017 10:40 | |||||||||
URI: | http://etheses.uin-malang.ac.id/id/eprint/6824 |
Downloads
Downloads per month over past year
Actions (login required)
![]() |
View Item |