Penerapan Robust Geographically Weighted Regression Menggunakan Least Absolute Deviation

AGAUSILIA DINDA A, Prof. Dr. Sri Haryatmi, M.Sc.

2020 | Skripsi | S1 STATISTIKA

Geographically Weighted Regression (GWR) merupakan pengembangan regresi berganda yang memiliki heterogenitas spasial, sehingga estimator GWR akan berbeda pada tiap lokasi. Proses estimasi parameter dalam GWR menggunakan Weighted Least Square (WLS). Tetapi ketika ada outlier dalam data, proses estimasi parameter dengan WLS menghasilkan estimator yang tidak efisien. Oleh karena itu, penelitian ini menggunakan metode robust yang disebut Least Absolute Deviation (LAD) untuk memperkirakan parameter model GWR pada kasus PDRB di Jawa Timur. Hasil penelitian ini menyimpulkan bahwa model Robust GWR dengan metode LAD lebih baik daripada GWR dan prediksi lebih dekat dengan nilai aktual.

Geographically Weighted Regression (GWR) is development of multiple regression that has spatial heterogenity, so that the estimator of GWR is different for each location. Parameter estimation process in GWR uses Weighted Least Square (WLS). But when there are outliers in the data, the parameter estimation process with WLS produces estimator which are not efficient. Hence, this study uses a robust method called Least Absolute Deviation (LAD), to estimate the parameters of GWR model in the case of GRDP in East Java. The result concludes that Robust GWR model with LAD was better than GWR, and the predictions were closer to the actual values.

Kata Kunci : Robust Geographically Weighted Regression, Least Absolute Deviation, Outlier, Spatial Data