Jurnal
Pemodelan Spasial Menggunakan Geographically Weighted Regression dengan Pembobot Fixed Kernel Gaussian dan Adaptive Kernel Bisquare
Unnes Journal of Mathematics · Vol. 8 No. 1 (2019) · hlm. 72–81
- ISSN
- 2460-5859, 2252-6943
- Terbit
- 2019-06-25
- Penerbit
- Universitas Negeri Semarang
- Bahasa
- eng
Abstrak
Abstrak Model regresi linier secara umum bersifat global, dimana estimasi parameternya bernilai sama untuk semua lokasi. Pada kenyataannya, antara lokasi satu dengan lainnya memiliki kondisi yang berbeda, sehingga data antar pengamatan sulit dianalisis menggunakan regresi linier. Mengabaikan uji keragaman spasial dalam model regresi akan mengakibatkan hasil yang diperoleh kurang sesuai. GWR merupakan metode statistika yang digunakan dalam menganalisis keragaman spasial. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang mempengaruhi AHH dengan membandingkan model terbaik dari regresi linier dengan GWR pada pembobot fixed kernel gaussian dan adaptif kernel bisquare. Data yang digunakan bersumber dari Profil Kesehatan Provinsi Jawa Tengah Tahun 2016 dan Provinsi Jawa Tengah Dalam Angka 2017. Software yang digunakan adalah R.3.4.3 dan ArcView GIS 3.3. Hasil penelitian menunjukkan model GWR dengan fungsi pembobot fixed kernel gaussian merupakan model terbaik dilihat dari AIC terkecil sebesar dan ( terbesar sebesar. Terbentuk 8 kelompok lokasi yang memiliki peubah penjelas sama yang signifikan terhadap AHH. Abstract Linear regression model is generally global, its parameter estimates the same value for all locations. In fact, the location with others has different conditions, so the data between observations was difficult to be analyzed using linear regression. Ignoring the spatial diversity test in the regression model will give less well-matched results. GWR is one of a statistical method used in analyzing spatial diversity. This study aims to analyze the factors that influence AHH by comparing the best model of linear regression with GWR in fixed kernel gaussian and adaptive kernel bisquare. The data that used cofmes from Health Profile of Central Java Province in 2016 and Central Java Province In 2017. Software that used is R.3.4.3 and ArcView GIS 3.3. The result shows that GWR model with fixed kernel gaussian weighting function is the best model that can be seen from the smallest AIC of and the biggest ( is. There were location groups having the same independent variables that were significant to AHH.
Jaringan kolaborasi para penulis
40 penulis · 130 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 penulis | Organisasi | Artikel bersama |
|---|---|---|
| Sugiman Sugiman | Afiliasi tidak diketahui | 10 |
| Kartono Kartono | State University of Semarang | 6 |
| Arief Agoestanto | Afiliasi tidak diketahui | 6 |
| Mulyono Mulyono | Afiliasi tidak diketahui | 5 |
| Masrukan Masrukan | State University of Semarang | 3 |
| Isnarto Isnarto | State University of Semarang | 3 |
| St. Budi Waluya | Afiliasi tidak diketahui | 3 |
| Mohammad Asikin | State University of Semarang | 3 |
| Riza Arifudin | State University of Semarang | 3 |
| Zaenuri Zaenuri | State University of Semarang | 3 |
| YL Sukestiyarno | State University of Semarang | 3 |
| Wardono Wardono | Afiliasi tidak diketahui | 3 |
| Farida Nursyahidah | State University of Semarang | 2 |
| Kristina Wijayanti | State University of Semarang | 2 |
| Nurkaromah Dwidayati | State University of Semarang | 2 |
| Endang Setyowati | University of Brawijaya | 2 |
| Dwijanto Dwijanto | State University of Semarang | 2 |
| Sugeng Nugroho | Afiliasi tidak diketahui | 2 |
| Kristina Wijayanti | Afiliasi tidak diketahui | 2 |
| Raras Setya Astuti | Afiliasi tidak diketahui | 2 |
| Sukestiyarno Sukestiyarno | Afiliasi tidak diketahui | 2 |
| Wardono | State University of Semarang | 1 |
| Wardono Wardono | State University of Semarang | 1 |
| Muhamad Irwan Haqiqi | Afiliasi tidak diketahui | 1 |
| Agus Yulianto | State University of Semarang | 1 |
| Dwi Agung Fitrianti | Afiliasi tidak diketahui | 1 |
| Yenrika Kurniati Rahayu | Afiliasi tidak diketahui | 1 |
| Mikke Novia Indriani | Afiliasi tidak diketahui | 1 |
| Onwardono Rit Riyanto | IAIN Syekh Nurjati Cirebon | 1 |
| Dian Bayujaga | Afiliasi tidak diketahui | 1 |
| Sri Ady Astuti | Afiliasi tidak diketahui | 1 |
| Imanuel Imanuel | Afiliasi tidak diketahui | 1 |
| Dwi Indah Ratri Ratnasari | Afiliasi tidak diketahui | 1 |
| Vinda Khasmarawati | Afiliasi tidak diketahui | 1 |
| Feri Farkhan | Afiliasi tidak diketahui | 1 |
| Much Aziz Muslim | State University of Semarang | 1 |
| Dedy Purnawan | Afiliasi tidak diketahui | 1 |
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.