Melola Discovery

← Melola Discovery

Jurnal

PEMODELAN REGRESI SPASIAL MENGGUNAKAN GEOGRAPHICALLY WEIGHTED REGRESSION DENGAN PEMBOBOT FIXED KERNEL GAUSSIAN DAN ADAPTIVE KERNEL BISQUARE

Unnes Journal of Mathematics · Vol. 8 No. 2 (2019) · hlm. 32–41

DOI
10.15294/ujm.v8i2.24886
ISSN
2460-5859, 2252-6943
Terbit
2019-08-17
Penerbit
Universitas Negeri Semarang
Bahasa
eng

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. Hal ini memungkinkan adanya keragaman spasial antar lokasi. 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. Uji kesesuaian model dilakukan untuk mengetahui adanya perbedaan antara model regresi linier dengan GWR. Hasil penelitian menunjukkan model GWR dengan 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.

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 penulisOrganisasiArtikel bersama
Sugiman SugimanAfiliasi tidak diketahui10
Kartono KartonoState University of Semarang6
Arief AgoestantoAfiliasi tidak diketahui6
Mulyono MulyonoAfiliasi tidak diketahui5
Masrukan MasrukanState University of Semarang3
Isnarto IsnartoState University of Semarang3
St. Budi WaluyaAfiliasi tidak diketahui3
Mohammad AsikinState University of Semarang3
Riza ArifudinState University of Semarang3
Zaenuri ZaenuriState University of Semarang3
YL SukestiyarnoState University of Semarang3
Wardono WardonoAfiliasi tidak diketahui3
Farida NursyahidahState University of Semarang2
Kristina WijayantiState University of Semarang2
Nurkaromah DwidayatiState University of Semarang2
Endang SetyowatiUniversity of Brawijaya2
Dwijanto DwijantoState University of Semarang2
Sugeng NugrohoAfiliasi tidak diketahui2
Kristina WijayantiAfiliasi tidak diketahui2
Raras Setya AstutiAfiliasi tidak diketahui2
Sukestiyarno SukestiyarnoAfiliasi 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
Feri FarkhanAfiliasi tidak diketahui1
Much Aziz MuslimState University of Semarang1
Dedy PurnawanAfiliasi 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 REGRESI SPASIAL MENGGUNAKAN GEOGRAPHICALLY WEIGHTED REGRESSION DENGAN PEMBOBOT FIXED KERNEL GAUSSIAN DAN ADAPTIVE KERNEL BISQUARE</dc:title>
	<dc:creator>Pratiwi, Yuninda Diah</dc:creator>
	<dc:creator>Mariani, Scolastika</dc:creator>
	<dc:creator>Hendikawati, Putriaji</dc:creator>
	<dc:description xml:lang="en-US">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. Hal ini memungkinkan adanya keragaman spasial antar lokasi. 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&amp;nbsp; 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. Uji&amp;nbsp; kesesuaian model dilakukan untuk mengetahui adanya perbedaan antara model regresi linier dengan GWR. Hasil penelitian menunjukkan model GWR dengan pembobot fixed kernel gaussian merupakan model terbaik dilihat dari AIC terkecil sebesar &amp;nbsp;dan ( &amp;nbsp;terbesar sebesar . Terbentuk 8 kelompok lokasi yang memiliki peubah penjelas sama yang signifikan terhadap AHH.</dc:description>
	<dc:publisher xml:lang="en-US">Universitas Negeri Semarang</dc:publisher>
	<dc:date>2019-08-17</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/24886</dc:identifier>
	<dc:identifier>10.15294/ujm.v8i2.24886</dc:identifier>
	<dc:source xml:lang="en-US">Unnes Journal of Mathematics; Vol 8 No 2 (2019); 32-41</dc:source>
	<dc:source>2460-5859</dc:source>
	<dc:source>2252-6943</dc:source>
	<dc:source>10.15294/ujm.v8i2</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://journal.unnes.ac.id/sju/ujm/article/view/24886/17357</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2019 Unnes Journal of Mathematics</dc:rights>
</oai_dc:dc>