MODEL REGRESI LOGISTIK TERBOBOTI GEOGRAFIS MENGGUNAKAN KERNEL GAUSSIAN DAN KERNEL BISQUARE

NISSA MEILANI, Prof. Dr. Sri Haryatmi Kartiko, M.Sc.

2017 | Tesis | S2 Matematika

Model Regresi logistik terboboti geografis merupakan pengembangan dari model regresi terbobot geografis, model ini digunakan untuk memprediksi data dengan variabel respon biner yang dipengaruhi faktor spasial. Dalam tesis ini dibahas tentang penggunaan model regresi logistik terboboti geografis dengan menggunakan fungsi kernel gaussian dan fungsi kernel bisquare pada studi kasus kemiskinan di Provinsi Jawa Tengah. hasil analisis dengan menggunakan nilai AIC diperoleh bahwa model Regresi logistik terboboti geografis dengan fungsi kernel bisquare adalah yang terbaik. Berdasarkan hasil pengujian hipotesis GWLR terbentuk 34 model dan terbagi menjadi 8 kelompok variabel yang signifikan. Variabel yang berpengaruh terhadap kemiskinan secara global adalah kepadatan penduduk (X2), sedangkan pengaruh variabel lain bervariasi pada masing-masing Kabupaten/Kota di Provinsi Jawa Tengah.

Geographically Weighted Regression Logistic (GWLR) is a model developed from GWR, this model is used to predict model of the data set that has a binary response variable which takes into account the spatial factor. In this thesis discussed about the use GWLR models using a gaussian kernel function and kernel function bisquare on a case study of poverty in Central Java province. the results of analysis using AIC values obtained that GWLR with bisquare kernel function is the best. Based on the results of hypothesis testing 34 models GWLR formed and divided into 8 groups of variables were significant. Variables that influence the global poverty is population density (X2), while the influence of other variables vary in each district / city in Central Java province.

Kata Kunci : GWR, GWLR, pembobot kernel gaussian, pembobot kernel bisquare, AIC, Kemiskinan