Article Per Year (5 Year)
p-Index From 2021 - 2026
0
P-Index
This Author published in this journals
All Journal Unnes Journal of Mathematics
Lutfiani, Nurul
Unknown Affiliation
Mathematics

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Pemodelan Geographically Weighted Regression (GWR) dengan Fungsi Pembobot Kernel Gaussian dan Bi-Square Lutfiani, Nurul; Sugiman, Sugiman; Mariani, Scolastika
Unnes Journal of Mathematics Vol 8 No 1 (2019)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v8i1.17103

Abstract

Model spasial Geographically Weighted Regression (GWR) adalah salah satu metode statistika yang dapat digunakan untuk menganalisis faktor risiko secara spasial dengan pendekatan titik. Fungsi pembobot yang digunakan untuk model GWR adalah fungsi kernel gaussian dan bi-square. Langkah analisis yang dilakukan yaitu melakukan pengujian dengan metode OLS. Dalam pengujian diperoleh 2 variabel yang signifikan, selanjutnya melakukan pengujian menggunakan metode GWR. Membandingkan nilai R2 dan AIC antara model GWR dengan fungsi pembobot kernel gaussian dan bi-square menggunakan Program R. Berdasarkan hasil penelitian yang diperoleh Tabel ANOVA untuk menguji kebaikan GWR secara global, model GWR lebih efektif daripada OLS. Diperoleh model GWR dengan fungsi pembobot gaussian di Kabupaten Cilacap yi = 0,017574 – 0,714742X1 + 0,812049X3 , nilai R2 sebesar 77,47% , nilai AIC sebesar 53,44198 dan model GWR dengan fungsi pembobot bi-square di Kabupaten Cilacap yi = -0,024805 -0,716867X1 +0,832846X3, nilai R2 sebesar 76,19%, nilai AIC sebesar 54,64947. Nilai R2 terbesar dan nilai AIC terkecil dimiliki oleh model GWR dengan kernel gaussian.
Co-Authors Scolastika Mariani Sugiman Sugiman