Rawyanil 'Afifah Primary Author mixed material bibliography Bandung Fakultas MIPA UNPAD 2017 id Indonesia

Text

xi, 70 hlm. ; il. ; 29 cm. Robust Geographically Weighted Regression dengan Metode Least Absolute Deviation pada Kasus Kemiskinan di Pulau J awa v ABSTRAK 1. Pemodelan Kemiskinan 2. Analisis Spasial 3. Least Absolute Deviation 4. Robust Geographically Weighted Regression 2. Kata Kunci 3. Abstrak Kemiskinan merupakan masalah multidimensional yang selalu menjadi perhatian diberbagai negara. Di Indonesia, angka kemiskinan pada tahun 2015 tercatat sebesar 11,22 persen dan 54 persen diantaranya berada di Pulau J awa. Apabila kemiskinan di Pulau Jawa dapat ditangani dengan baik, maka dampalcnya terhadap angka kemiskinan di Indonesia akan signifikan. Angka kemiskinan merupakan data yang tersebar secara spasial yang akan memiliki karakteristik spasial. Perbedaan pemerintahan, jarak dengan pemerintah pusat, dan perbedaan ekosistim dan iklim bisa menyebabkan terjadinya heterogenitas spasial. Geographically Weighted Regression (GWR) m erupak an pengembangan dari regresi Ordinary Least Squares yang efektif mengestimasi data yang memiliki heterogenitas spasial. Model GWR menghasilkan parameter regresi yang bersifat lokal, sehingga setiap lokasi pengamatan mempunyai koefisien regresi yang berbeda-beda. Proses penaksiran parameter GWR menggunakan metode Weighted Least Square (WLS). Namun ketika terdapat data pencilan, maka penaksiran parameter dengan WLS bisa menghasilkan residual yang besar sehingga mengakibatkan penduga parameter menjadi tidak efisien. Oleh Karena itu, pada penelitian ini akan digunakan metode yang robust, yaitu metode Least Absolute Deviation (LAD) untuk mengestimasi parameter pada model GWR. Model ini dinamakan Robust GWR (RGWR). Hasil penelitian menunjukkan bahwa model kemiskinan pada masing-masing kabupaten/kota di Pulau J awa berbeda-beda. Koefisien regresi yang paling besar pada setiap kabupaten/kota juga berbeda­ beda. Selain itu, estimasi angka kemiskinan dengan model RGWR lebih mendekati kondisi yang sebenamya dibandingkan yang dihasilkan dengan GWR. Rawyanil 'Afifah Robust Geographically Weighted Regression dengan 310 Raw r Perpustakaan Universitas Padjadjaran Kementerian Riset Teknologi dan Pendidikan Tinggi 310 Raw r/R.14.2.1 010030007737 Perpustakaan Pusat (REF.14.2.1) 310 Raw r/R.14.2.1 20%252Fscan0001.jpg.jpg 55006 2017-10-10 10:55:48 2018-05-14 13:30:36 machine generated