Pengujian Autokorelasi Spasial Pada Residual Model Geographically Weighted Regression Studi Kasus: Pemodelan Balita Gizi Buruk Di Kabupaten Bojonegoro Dan Provinsi Jawa Timur

Hermanto, Elvira Mustikawati Putri (2014) Pengujian Autokorelasi Spasial Pada Residual Model Geographically Weighted Regression Studi Kasus: Pemodelan Balita Gizi Buruk Di Kabupaten Bojonegoro Dan Provinsi Jawa Timur. Masters thesis, Insititut Teknologi Sepuluh Nopember.

Text 1312201907_Master_Thesis.pdf Download (1MB)

Abstract

Salah satu metode berbasis spasial adalah Geographically Weighted Regression (GWR). Banyak penelitian di berbagai bidang memerlukan aspek lokasi menggunakan GWR. Sama halnya dengan model Ordinary Linear Regression (OLR), asumsi independen, berdistribusi normal, dan konstan dalam varians juga harus terpenuhi dalam model GWR. Adanya autokorelasi spasial dapat menyebabkan hasil yang tidak valid pada GWR. Pada GWR, parameter bandwitdh  ditentukan melalui metode cross validation (CV) dibawah asumsi residual independen. Oleh karena itu pada penelitian ini dilakukan kajian teoritis berkaitan dengan pengujian autokorelasi spasial pada residual model GWR dengan uji Moran’s I. Selanjutnya statistik uji diterapkan pada data simulasi dan kasus riil. Data simulasi dilakukan dengan skenario membangkitkan data residual dengan model dependensi spasial. Hasilnya, rata-rata p-value saat 0,9    adalah 0,00. Nilai korelasi (  ) kecil akan cenderung menghasilkan p-value yang gagal menolak H0 dan  besar akan menghasilkan p-value yang menolak H0. Sebagai studi kasus adalah memodelkan faktor-faktor yang menyebabkan balita gizi buruk di Kabupaten Bojonegoro dengan GWR dan hasil uji autokorelasi menghasilkan p-value sebesar 0,00. Pada pemodelan balita gizi buruk di Jatim dengan GWR disimpulkan bahwa tidak terjadi autokorelasi residual karena p- value sebesar 0,055 yang berarti bahwa model GWR telah dapat digunakan.
=============================================================================================================================
GWR is one of statistical methods that was developed based on spatial approach. This methods has been applied in various fields of research area. Similar to OLR, the assumptions of independent, normally distributed, and the variance constant of residuals also must be fulfilled in GWR model. The existence of spatial autocorrelation in residual lead to GWR yields invalid result. Moreover, bandwitdh parameter (  ) in GWR is determined by using cross validation (CV) method under the assumption of independent residuals. Therefore, this research will focus to theoritical studies related to the testing of spatial autocorrelation in the residuals GWR models with Moran’s I test. Then, the results of theoritical studies will apply to both simulation and real data. Scenario of simulation data is residual which is generated with spatial dependency model. The result shows that mean of p-value when 0,9    is 0.00. Small correlation value (  ) produces p- value which fail in reject H0 and large  produced p-value which reject H0. Additionally, the result of modelling malnutrition toddlers in Bojonegoro as case study shows that p-value is 0,00. The result of modelling malnutrition in East Java shows that there is no autocorrelation residual because p-value is 0.055 so GWR model can be used.

Item Type:	Thesis (Masters)
Additional Information:	RTSt 519.536 Her p-1, 2014
Uncontrolled Keywords:	Autokorelasi Spasial, GWR, Uji Moran’s I, Spatial Autocorrelation
Subjects:	Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression
Divisions:	Faculty of Mathematics and Science > Statistics > 49101-(S2) Master Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	09 Jan 2024 02:57
Last Modified:	09 Jan 2024 02:57
URI:	http://repository.its.ac.id/id/eprint/105414

Actions (login required)

View Item