PEMODELAN TINGKAT KEMISKINAN PULAU JAWA DENGAN METODE GEOGRAPHICALLY WEIGHTED LASSO

---

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.

---

Availability @Perpustakaan Pusat

No copy data

Detail Information

Series Title

-

Call Number

519.5 ani p/R.14.13.1

Publisher

Bandung : Magister Statistika Terapan,., 2017

Collation

xii,;97 hlm,;29 cm

Language

Indonesia

ISBN/ISSN

-

Classification

519.5 ani p

Content Type

-

Media Type

-

Carrier Type

-

Edition

2017

Subject(s)

-

Specific Detail Info

Tesis

Statement of Responsibility

-

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment