ANIS SETIYORINI Primary Author mixed material bibliography Bandung Magister Statistika Terapan, 2017 id Indonesia

xii,;97 hlm,;29 cm ABSTRAK 1. Judul Tesis Pemodelan Tingkat Kemiskinan Pulau J awa Dengan Metode Geographically Weighted Lasso 2. Kata Kunci 1. Pemodelan Kemiskinan 2. Analisis Spasial 3. Multikolinieritas 4. Geographically Weighted Lasso 3. Abstrak Salah satu indikator keberhasilan pembangunan adalah ukuran pengentasan kemiskinan, sehingga penting untuk mengidentifikasi faktor-faktor yang mempengaruhi tingkat kemiskinan. Dalam menentukan tingkat kemiskinan suatu wilayah, analisis yang digunakan umumnya masih bersifat global. Dalam kenyataannya, kondisi kemiskinan antarwilayah sangat heterogen, dimana kemiskinan di suatu wilayah dipengaruhi oleh kondisi geografis wilayah tersebut, termasuk posisinya terhadap wilayah lain di sekitamya. Geographically Weighted Regression (OWR) merupakan suatu model regresi yang memperhatikan adanya efek heterogenitas spasial. Beberapa penelitian telah menunjukkan bahwa korelasi lokal di antara variabel penjelas dapat menyebabkan estimasi koefisien model OWR berkorelasi kuat, yang disebut dengan multikolinieritas. Hal ini mengakibatkan estimasi parameter memiliki standar error yang besar sehingga inferensia hubungan antarvariabel menjadi problematis. Geographically Weighted Lasso (OWL) merupakan sebuah metode yang hadir untuk mengatasi multikolinieritas dan heterogenitas pada data spasial. OWL menerapkan teknik Least Absolute Shrinkage and Selection Operator (LASSO) ke dalam model OWR untuk memperoleh estimasi parameter. Dalam penelitian ini diperoleh bahwa model OWL mampu mengatasi multikolinieritas dengan menyusutkan nilai estimasi parameter variabel yang tidak signifikan sehingga diperoleh faktor-faktor yang mempengaruhi tingkat kemiskinan kabupaten/kota di Pulau Jawa. Nilai RMSE menunjukkan bahwa pada data dengan multikolinieritas, OWL mampu meningkatkan akurasi estimasi persentase penduduk miskin dibandingkan model OWR. 4. Abstract The success of development of a nation could be indicated by poverty alleviation measurement, hence it is important to identify the factors which strongly related to poverty. The determination of poverty level in a region are commonly based on the global analysis. While in reality, the poverty level of a region is likely influenced by the geographical conditions of the region, including its position towards the surrounding areas. Geographically Weighted Regression (GWR) is a regression model that takes into account the spatial heterogeneity effect. Empirical research and studies have demonstrated that local correlation in explanatory variables can lead to estimated regression coefficients in GWR that are strongly correlated, a condition named multicollinearity. It later results on a large standard error on estimated regression coefficients, and, hence, problematic for inferences on relationship between variables. ANIS SETIYORINI Pemodelan Kemiskinan 2. Analisis Spasial 3. Mu 519.5 ani p Perpustakaan Universitas Padjadjaran Kementerian Riset Teknologi dan Pendidikan Tinggi 519.5 ani p/R.14.13.1 010030007643 Perpustakaan Pusat 519.5 ani p/R.14.13.1 20%252Fscan0001.jpg.jpg 10541 2017-04-01 15:42:30 2019-03-04 08:46:03 machine generated