Article Per Year (5 Year)
p-Index From 2021 - 2026
0
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI)
Sarpono Dimulyo
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
Penggunaan Geographically Weighted Regression-Kriging untuk Klasifikasi Desa Tertinggal Sarpono Dimulyo
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2009
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Rata-rata pengeluaran rumah tangga per kapita sebagai salah satu indikator utama pengukuran kemiskinansering dimodelkan sebagai fungsi regresi secara global. Artinya nilai koefisien regresi yang sama diaplikasikanpada seluruh lokasi geografis. Padahal asumsi ini tidak selalu valid karena perbedaan lokasi sangat mungkinmenghasilkan prediksi model yang berbeda. Geographically Weighted Regression (GWR) sebagai suatu metoderegresi lokal diusulkan untuk mengatasi data yang tidak stationer (non-stationarity) tersebut. Karena model inimemperhitungkan geografis atau lokasi sebagai penimbang dalam memprediksi parameter modelnya. Denganmenggabungkan data sensus dan survei dalam membangun model rata-rata pengeluaran rumah tangga perkapita, diharapkan dapat digunakan untuk memprediksi ukuran kemiskinan sampai tingkat administrasi terkecil(desa). Namun demikian tidak seperti regresi global yang dapat digunakan untuk memprediksi di setiap lokasi,model GWR tidak dapat digunakan untuk memprediksi di luar lokasi sampel penelitian, kecuali denganmemprediksi koefisien regresi di lokasi tersebut. Untuk mengatasi masalah ini maka dalam makalah inidiusulkan penggunaan prediktor Kriging. Prediksi rata-rata pengeluaran rumah tangga per kapita berdasarkanpendekatan GWR-Kriging ini yang akan digunakan untuk mengklasifikasikan suatu desa tertinggal atau tidaktertinggal di seluruh Jawa Tengah, setelah dibandingkan dengan garis kemiskinan yang telah didefinsikan olehBadan Pusat Statistik (BPS).Kata Kunci: geographically weighted regression, prediksi wilayah kecil, prediktor kriging, desa tertinggal
Co-Authors