Penerapan Geographically Weighted Regression (GWR) Untuk Menestimasi Debit Puncak Pada DAS Brantas

Atikah, Nur (2009) Penerapan Geographically Weighted Regression (GWR) Untuk Menestimasi Debit Puncak Pada DAS Brantas. Masters thesis, Institut Teknologi Sepuluh November.

Text 1207201715-Master_thesis.pdf Restricted to Repository staff only Download (4MB)

Abstract

Analisis regresi merupakan salah satu analisis untuk menentukan tingkat pengaruh suatu variabel independen dan variabel dependen. Masalah utama dari metode ini adalah jika metode ini diterapkan pada data spasial. Untuk mengatasi permasalahan pada data spasial, maka metode statistik yang akan digunakan adalah Geographically Weighted Regression (GWR), yaitu model yang mengakomodasi faktor geografis sebagai variabel independen yang dapat mempengaruhi variabel dependen. Penentuan parameter dan pemodelan GWR dalam penelitian ini menggunakan software R 2.9.0. Penelitian ini bertujuan menganalisis faktor-faktor yang mempengaruhi debit puncak di sub DAS (Daerah Aliran Sungai) Lesti. Metode yang digunakan untuk menganalisis adalah model regresi OLS (Ordinary Least Square) dan GWR. Hasil penelitian menunjukkan bahwa faktor geografis tidak berpengaruh secara signifikan terhadap model GWR, atau tidak ada perbedaan antara model regresi OLS dengan model GWR.
=======================================================================================================================================
Regression analysis is one of the analyses used to determine the level of influence of an independent variable on a dependent variable. The main problem with this method occurs when it is applied to spatial data. To overcome problems with spatial data, the statistical method used is Geographically Weighted Regression (GWR), which is a model that incorporates geographical factors as independent variables that can influence the dependent variable. Parameter estimation and GWR modeling in this research were performed using R 2.9.0 software. This research aims to analyze the factors influencing peak discharge in the Lesti sub-watershed (DAS). The methods applied for the analysis are the OLS (Ordinary Least Squares) regression model and GWR. The results indicate that geographical factors do not have a significant effect on the GWR model, or that there is no difference between the OLS regression model and the GWR model.

Item Type:	Thesis (Masters)
Additional Information:	519.536 Ati p
Uncontrolled Keywords:	Regresi, Data Spasial, Geographically Weighted Regression (GWR), Regression, Spatial Data, Geographically Weighted Regression (GWR)
Subjects:	Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression
Divisions:	Faculty of Mathematics and Science > Mathematics > 44101-(S2) Master Thesis
Depositing User:	magang .
Date Deposited:	30 Sep 2026 06:57
Last Modified:	30 Sep 2026 06:57
URI:	http://repository.its.ac.id/id/eprint/145090

Actions (login required)

View Item