Melola Discovery

← Melola Discovery

Jurnal

Pemodelan Geographically Weighted Regression (GWR) dengan Fungsi Pembobot Kernel Gaussian dan Bi-Square

Unnes Journal of Mathematics · Vol. 8 No. 1 (2019) · hlm. 82–91

DOI
10.15294/ujm.v8i1.17103
ISSN
2460-5859, 2252-6943
Terbit
2019-06-27
Penerbit
Universitas Negeri Semarang
Bahasa
eng

Abstrak

Model spasial Geographically Weighted Regression (GWR) adalah salah satu metode statistika yang dapat digunakan untuk menganalisis faktor risiko secara spasial dengan pendekatan titik. Fungsi pembobot yang digunakan untuk model GWR adalah fungsi kernel gaussian dan bi-square. Langkah analisis yang dilakukan yaitu melakukan pengujian dengan metode OLS. Dalam pengujian diperoleh 2 variabel yang signifikan, selanjutnya melakukan pengujian menggunakan metode GWR. Membandingkan nilai R2 dan AIC antara model GWR dengan fungsi pembobot kernel gaussian dan bi-square menggunakan Program R. Berdasarkan hasil penelitian yang diperoleh Tabel ANOVA untuk menguji kebaikan GWR secara global, model GWR lebih efektif daripada OLS. Diperoleh model GWR dengan fungsi pembobot gaussian di Kabupaten Cilacap yi = 0,017574 – 0,714742X1 + 0,812049X3, nilai R2 sebesar 77,47%, nilai AIC sebesar 53,44198 dan model GWR dengan fungsi pembobot bi-square di Kabupaten Cilacap yi = -0,024805 -0,716867X1 +0,832846X3, nilai R2 sebesar 76,19%, nilai AIC sebesar 54,64947. Nilai R2 terbesar dan nilai AIC terkecil dimiliki oleh model GWR dengan kernel gaussian.

Jaringan kolaborasi para penulis

40 penulis · 150 tautan kepenulisan bersama · 2 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.

  • State University of Semarang
  • University of Brawijaya
  • IAIN Syekh Nurjati Cirebon
  • 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
Putriaji HendikawatiState University of Semarang10
Emi PujiastutiState University of Semarang7
Kartono KartonoState University of Semarang6
Amin SuyitnoState University of Semarang6
Mulyono MulyonoAfiliasi tidak diketahui6
Masrukan MasrukanState University of Semarang6
Isnarto IsnartoState University of Semarang3
St. Budi WaluyaAfiliasi tidak diketahui3
Sunarmi SunarmiAfiliasi tidak diketahui3
Mohammad AsikinState University of Semarang3
Zaenuri ZaenuriState University of Semarang3
Arief AgoestantoAfiliasi tidak diketahui3
Isti HidayahState University of Semarang3
Farida NursyahidahState University of Semarang2
Kristina WijayantiState University of Semarang2
Nurkaromah DwidayatiState University of Semarang2
Yuninda Diah PratiwiAfiliasi tidak diketahui2
Walid WalidState University of Semarang2
Aisyah Fany AchmaliaAfiliasi tidak diketahui2
Endang SetyowatiUniversity of Brawijaya2
Dwijanto DwijantoState University of Semarang2
YL SukestiyarnoState University of Semarang2
Wardono WardonoAfiliasi tidak diketahui2
Kristina WijayantiAfiliasi tidak diketahui2
WardonoState University of Semarang1
Wardono WardonoState University of Semarang1
Muhamad Irwan HaqiqiAfiliasi tidak diketahui1
Agus YuliantoState University of Semarang1
Dwi Agung FitriantiAfiliasi tidak diketahui1
Yenrika Kurniati RahayuAfiliasi tidak diketahui1
Mikke Novia IndrianiAfiliasi tidak diketahui1
Onwardono Rit RiyantoIAIN Syekh Nurjati Cirebon1
Dian BayujagaAfiliasi tidak diketahui1
Sri Ady AstutiAfiliasi tidak diketahui1
Imanuel ImanuelAfiliasi tidak diketahui1
Dwi Indah Ratri RatnasariAfiliasi tidak diketahui1
Vinda KhasmarawatiAfiliasi 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.unnes.ac.id/sju/index.php/ujm/oai, pertama di-harvest 6 Nov 2026, terakhir terlihat 6 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-US">Pemodelan Geographically Weighted Regression (GWR) dengan Fungsi Pembobot Kernel Gaussian dan Bi-Square</dc:title>
	<dc:creator>Lutfiani, Nurul</dc:creator>
	<dc:creator>Sugiman, Sugiman</dc:creator>
	<dc:creator>Mariani, Scolastika</dc:creator>
	<dc:description xml:lang="en-US">Model spasial Geographically Weighted Regression (GWR) adalah salah satu metode statistika yang dapat digunakan untuk menganalisis faktor risiko secara spasial dengan pendekatan titik. Fungsi pembobot yang digunakan untuk model GWR adalah fungsi kernel gaussian dan bi-square. Langkah analisis yang dilakukan yaitu melakukan pengujian dengan metode OLS. Dalam pengujian diperoleh 2 variabel yang signifikan, selanjutnya melakukan pengujian menggunakan metode GWR. Membandingkan nilai R2 dan AIC antara model GWR dengan fungsi pembobot kernel gaussian dan bi-square menggunakan Program R. Berdasarkan hasil penelitian yang diperoleh Tabel ANOVA untuk menguji kebaikan GWR secara global, model GWR lebih efektif daripada OLS. Diperoleh model GWR dengan fungsi pembobot gaussian di Kabupaten Cilacap yi&amp;nbsp; = 0,017574 – 0,714742X1&amp;nbsp; + 0,812049X3 , nilai R2 sebesar 77,47% , nilai AIC sebesar 53,44198 dan model GWR dengan fungsi pembobot bi-square di Kabupaten Cilacap yi = -0,024805 -0,716867X1 +0,832846X3,&amp;nbsp; nilai R2 sebesar 76,19%, nilai AIC sebesar 54,64947. Nilai R2 terbesar dan nilai AIC terkecil dimiliki oleh model GWR dengan kernel gaussian.</dc:description>
	<dc:publisher xml:lang="en-US">Universitas Negeri Semarang</dc:publisher>
	<dc:date>2019-06-27</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unnes.ac.id/sju/ujm/article/view/17103</dc:identifier>
	<dc:identifier>10.15294/ujm.v8i1.17103</dc:identifier>
	<dc:source xml:lang="en-US">Unnes Journal of Mathematics; Vol 8 No 1 (2019); 82-91</dc:source>
	<dc:source>2460-5859</dc:source>
	<dc:source>2252-6943</dc:source>
	<dc:source>10.15294/ujm.v8i1</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://journal.unnes.ac.id/sju/ujm/article/view/17103/13552</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2019 Unnes Journal of Mathematics</dc:rights>
</oai_dc:dc>