Melola Discovery

← Melola Discovery

Jurnal

KONSTRUKSI UJI KESESUAIAN MODEL GEOGRAPHICALLY WEIGHTED POLYNOMIAL REGRESSION

Jurnal Matematika, Statistika dan Komputasi · Vol. 15 No. 2 (2018) · hlm. 26–33

DOI
10.20956/jmsk.v15i2.5711
ISSN
2614-8811, 1858-1382
Terbit
2018-12-20
Penerbit
Department of Mathematics, Hasanuddin University
Bahasa
en

Abstrak

AbstractGeographically Weighted Polynomial Regression (GWPolR) is a generalization of Geographically Weighted Regression (GWR) model. By using the generalization, GWPolR has parameters much more than GWR model. In general, excess of the number of parameter will have a higher appropriate value. However, the model which has less parameter will have the excess for easing in application and its interpretation. Nevertheless, when the model has more the parameters, then the model will be better significantly to be used. Therefore, the aim of this paper is to construct the conformity between hypothesis test with respect to the GWPolR model. Keywords: Geographically weighted polynomial regression, Geographically Weighted Regression, uji kesesuaian model AbstrakGeographically Weighted Polynomial Regression (GWPolR) merupakan perumuman dari model Geographically Weighted Regression (GWR). Dengan perumuman tersebut, model GWPolR memiliki jumlah parameter yang lebih banyak daripada model GWR. Umumnya, kelebihan model dengan jumlah parameter lebih banyak adalah memiliki nilai kesesuaian lebih tinggi. Sebaliknya, model dengan jumlah parameter yang sedikit memiliki kelebihan berupa kemudahan dalam aplikasi dan interpretasinya. Namun demikian, jika model dengan jumlah parameter yang lebih banyak ternyata secara signifikan lebih baik maka sudah seharusnya model tersebut dipilih untuk digunakan. Oleh karena itu, tujuan paper ini adalah mengkonstruksi uji hipotesis kesesuaian model GWPolR. Kata Kunci: Geographically weighted polynomial regression, Geographically Weighted Regression, uji kesesuaian model

Kata kunci

Jaringan kolaborasi para penulis

40 penulis · 112 tautan kepenulisan bersama · 3 lintas organisasi · menampilkan 40 yang paling banyak terhubung

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Universitas Airlangga
  • Universitas Wijaya Kusuma Surabaya
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Toha SaifudinUniversitas Airlangga7
Juan Krisfigo PrasetyoAfiliasi tidak diketahui2
Berliani LarasatiAfiliasi tidak diketahui2
Bagas Shata PratamaAfiliasi tidak diketahui2
Dita AmeliaAfiliasi tidak diketahui2
Rien RecyliaAfiliasi tidak diketahui2
Belindha Ayu ArdhaniUniversitas Airlangga1
Nia SaurinaUniversitas Wijaya Kusuma Surabaya1
Riries RulaningtyasUniversitas Airlangga1
Aryati AryatiUniversitas Airlangga1
Rizky Ismaul Uyun HidayatAfiliasi tidak diketahui1
Mutiara AisharezkaAfiliasi tidak diketahui1
Naufal Ramadhan Al Akhwal SiregarAfiliasi tidak diketahui1
Muhammad Fikry Al FariziAfiliasi tidak diketahui1
Atikah FaizaAfiliasi tidak diketahui1
Muhammad Hilmi FibryanAfiliasi tidak diketahui1
Alda Fuadiyah SuryonoAfiliasi tidak diketahui1
Nina AuliyahAfiliasi tidak diketahui1
Alfi Nur NitasariAfiliasi tidak diketahui1
Andini Sa'idahAfiliasi tidak diketahui1
Nurin FaizunAfiliasi tidak diketahui1
Kezia Eunike DarmawanAfiliasi tidak diketahui1
Marfa Audilla FitriAfiliasi tidak diketahui1
Muhammad Althof JuniarAfiliasi tidak diketahui1
Azzahra FaniaAfiliasi tidak diketahui1
Diana UlyaAfiliasi tidak diketahui1
Rico RamadhanAfiliasi tidak diketahui1
Nadhira Safa KamiilahAfiliasi tidak diketahui1
Putu Eka AndrianiAfiliasi tidak diketahui1
Cynthia Anggelyn SiburianAfiliasi tidak diketahui1
Muhammad Rizaldy BaihaqiAfiliasi tidak diketahui1
Salma Bethari Andjani SAfiliasi tidak diketahui1
Alma Khalisa RahmaAfiliasi tidak diketahui1
Qumadha Zaenal AbidinAfiliasi tidak diketahui1
Steven SoewignjoAfiliasi tidak diketahui1
Ni Wayan Widya Septia SariAfiliasi tidak diketahui1
Andini Putri MedianiAfiliasi tidak diketahui1
M. Aqil Zaidan KamilAfiliasi tidak diketahui1
Ardana Tegar HendrawanAfiliasi tidak diketahui1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://journal.unhas.ac.id/index.php/jmsk/oai, pertama di-harvest 5 Nov 2026, terakhir terlihat 5 Nov 2026.
Metadata asli (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en">KONSTRUKSI UJI KESESUAIAN MODEL GEOGRAPHICALLY WEIGHTED POLYNOMIAL REGRESSION</dc:title>
	<dc:creator xml:lang="en">Chamidah, Nur</dc:creator>
	<dc:subject xml:lang="en">Geographically weighted polynomial regression</dc:subject>
	<dc:subject xml:lang="en">Geographically Weighted Regression</dc:subject>
	<dc:subject xml:lang="en">uji kesesuaian model</dc:subject>
	<dc:description xml:lang="en">AbstractGeographically Weighted Polynomial Regression (GWPolR) is a generalization of   Geographically Weighted Regression (GWR) model. By using the generalization, GWPolR has parameters much more than GWR model. In general, excess of the number of parameter will have a higher appropriate value. However, the model which has less parameter will have the excess for easing in application and its interpretation. Nevertheless, when the model has more the parameters, then the model will be better significantly to be used.  Therefore, the aim of this paper is to construct the conformity between hypothesis test with respect to the GWPolR model. Keywords: Geographically weighted polynomial regression, Geographically Weighted Regression, uji kesesuaian model AbstrakGeographically Weighted Polynomial Regression (GWPolR) merupakan perumuman dari model Geographically Weighted Regression (GWR). Dengan perumuman tersebut, model GWPolR memiliki jumlah parameter yang lebih banyak daripada model GWR. Umumnya, kelebihan model dengan jumlah parameter lebih banyak adalah memiliki nilai kesesuaian lebih tinggi. Sebaliknya, model dengan jumlah parameter yang sedikit memiliki kelebihan berupa kemudahan dalam aplikasi dan interpretasinya. Namun demikian, jika model dengan jumlah parameter yang lebih banyak ternyata secara signifikan lebih baik maka sudah seharusnya model tersebut dipilih untuk digunakan. Oleh karena itu, tujuan paper ini adalah mengkonstruksi uji hipotesis kesesuaian model GWPolR. Kata Kunci:    Geographically weighted polynomial regression, Geographically Weighted Regression, uji kesesuaian model</dc:description>
	<dc:publisher xml:lang="en">Department of Mathematics, Hasanuddin University</dc:publisher>
	<dc:date>2018-12-20</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unhas.ac.id/index.php/jmsk/article/view/5711</dc:identifier>
	<dc:identifier>10.20956/jmsk.v15i2.5711</dc:identifier>
	<dc:source xml:lang="en">Jurnal Matematika, Statistika dan Komputasi; Vol. 15 No. 2 (2019): JMSK Vol. 15, No. 2, January 2019; 26-33</dc:source>
	<dc:source>2614-8811</dc:source>
	<dc:source>1858-1382</dc:source>
	<dc:language>en</dc:language>
	<dc:relation>https://journal.unhas.ac.id/index.php/jmsk/article/view/5711/3148</dc:relation>
	<dc:relation>10.20956/j.v15i2.5711.g3148</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2018 Jurnal Matematika Statistika dan Komputasi</dc:rights>
</oai_dc:dc>