Pemodelan Faktor-Faktor Yang Mempengaruhi Penanaman Modal Asing Di Provinsi Jawa Barat Dengan Pendekatan Geographically Weighted Regression Dan Mixed Geographically Weighted Regression

Rahmatullah, Muhammad Fitrah Ramadhani (2025) Pemodelan Faktor-Faktor Yang Mempengaruhi Penanaman Modal Asing Di Provinsi Jawa Barat Dengan Pendekatan Geographically Weighted Regression Dan Mixed Geographically Weighted Regression. Other thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 5003211086-Undergraduate_Thesis.pdf] Text
5003211086-Undergraduate_Thesis.pdf - Accepted Version
Restricted to Repository staff only

Download (2MB) | Request a copy

Abstract

Pertumbuhan ekonomi yang stabil dan berkelanjutan merupakan faktor kunci dalam mencapai kemakmuran nasional Indonesia, dengan Penanaman Modal Asing (PMA) memainkan peran sentral dalam mendorong peningkatan Produk Domestik Bruto, penciptaan lapangan kerja, dan transfer teknologi. Provinsi Jawa Barat, sebagai salah satu wilayah utama di Indonesia, menjadi pusat investasi asing yang signifikan. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang mempengaruhi PMA di Jawa Barat pada tahun 2023 menggunakan pendekatan analisis spasial, yaitu Geographically Weighted Regression (GWR) dan Mixed Geographically Weighted Regression (MGWR). Metode ini memungkinkan pengukuran pengaruh variabel independen yang bersifat global dan lokal, serta mengakomodasi heterogenitas spasial yang terjadi di wilayah tersebut. Variabel yang dianalisis mencakup PDRB per kapita, infrastruktur transportasi, jumlah penduduk, upah minimum, rata-rata lama sekolah, tenaga kerja industri besar sedang, dan Indeks Ketahanan Daerah (IKD). Hasil analisis menunjukkan bahwa dalam pemodelan PMA, metode Regresi Linier Berganda menghasilkan nilai R2 sebesar 72,54%, dengan PDRB per kapita dan Tenaga Kerja Manufaktur sebagai variabel yang signifikan. Metode GWR menghasilkan nilai R2 sebesar 99,12% dengan lima kelompok variabel signifikan yang terbentuk, sementara MGWR menghasilkan nilai R2 sebesar 97,48%, dengan PDRB per kapita sebagai variabel lokal yang signifikan. Dari ketiga metode yang digunakan, GWR terbukti menjadi model yang paling baik dengan nilai AIC terkecil (95,69) dan R2 tertinggi (99,12%).
=====================================================================================================================================
A stable and sustainable economic growth is a key factor in achieving national prosperity in Indonesia, with Foreign Direct Investment (FDI) playing a central role in driving Gross Domestic Product (GDP) growth, job creation, and technology transfer. West Java Province, as one of the major regions in Indonesia, serves as a significant hub for foreign investment. This study aims to analyze the factors influencing FDI in West Java in 2023 using spatial analysis approaches, namely Geographically Weighted Regression (GWR) and Mixed Geographically Weighted Regression (MGWR). These methods allow for the measurement of both global and local independent variable effects while accommodating spatial heterogeneity in the region. The variables analyzed include per capita GDP, transportation infrastructure, population, minimum wage, average years of schooling, large and medium industrial workforce, and Regional Resilience Index (IKD). The analysis results show that in the FDI modeling, the Multiple Linear Regression method yields an R2 value of 72.54%, with per capita GDP and Manufacturing Labor as significant variables. The GWR method produces an R2 value of 99.12%, with five significant variable groups formed, while MGWR results in an R2 value of 97.48%, with per capita GDP as the significant local variable. Among the three methods used, GWR proves to be the best model, with the lowest AIC value (95.69) and the highest R2 (99.12%).

Item Type: Thesis (Other)
Uncontrolled Keywords: Penanaman Modal Asing, Spasial, GWR, MGWR, Jawa Barat, Foreign Direct Investment, Spatial, GWR, MGWR, West Java
Subjects: H Social Sciences > HA Statistics > HA30.6 Spatial analysis
Divisions: Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User: Muhammad Fitrah Ramadhani Rahmatullah
Date Deposited: 01 Aug 2025 03:02
Last Modified: 01 Aug 2025 03:02
URI: http://repository.its.ac.id/id/eprint/125704

Actions (login required)

View Item View Item