TITLE

Analisis Data Spasial Menggunakan Geographically Weighted Regression (GWR)

Abstract

Salah satu metode yang dapat digunakan untuk analisis data spasial dari proses yang non stasioner adalah Geographically Weighted Regression (GWR). Metode ini merupakan metode dengan pemodelan lokal, sehingga dapat merepresentasikan variasi lokal pada hubungan antara variabel respon dan prediktor. Indonesia adalah negara yang memiliki keragaman secara geografis, sosial, ekonomi dan budaya. Sehingga apabila data-data spasial dianalisis dengan menggunakan pemodelan global, maka akan mengaburkan keragaman yang ada pada tiap wilayah. Oleh karena itu analisis data spasial sangat cocok digunakan untuk memodelkan kondisi di Indonesia. Model GWR menghasilkan model yang berbeda-beda tiap lokasi/wilayah, sehingga faktor-faktor yang berpengaruh pada tiap wilayah juga bisa berbeda-beda. Hal ini dapat berguna dalam mendapatkan informasi yang menarik dan penting pada tiap lokasi. Sehingga hal ini dapat digunakan sebagai bahan pertimbangan untuk perbaikan dan pengembangan tiap wilayah. Data Indek Pembangunan Manusia (IPM) di DKI Jakarta yang telah dimodelkan menggunakan GWR menunjukkan bahwa ada perbedaan faktor-faktor yang mempengaruhi IPM di wilayah DKI Jakarta. Hasil perbandingan analisis model secara global dengan Regresi Linier Berganda dan pemodelan secara lokal dengan GWR menunjukkan bahwa SSE (Sum Square of Error) pada model GWR lebih kecil daripada Rgeresi Linier Berganda.

Keywords

IPM, data spasial, Geographically Weighted Regression (GWR)

Proposed Year

2015

Budget Year

2015

Contract Number

044.A/VR.RTT/V/2015

Funding Company

BINUS

Researcher

  • Heruna Tanty
  • Anita Rahayu

Copyright © BINUS UNIVERSITY. All rights reserved.