dc.contributor.author |
Lestari, Wahyu Sri |
|
dc.contributor.author |
Pawitan, Gandhi |
|
dc.contributor.author |
Jaya, Gandhi |
|
dc.date.accessioned |
2020-12-18T08:59:43Z |
|
dc.date.available |
2020-12-18T08:59:43Z |
|
dc.date.issued |
2014 |
|
dc.identifier.issn |
2087-2590 |
|
dc.identifier.other |
maklhsc558 |
|
dc.identifier.uri |
http://hdl.handle.net/123456789/11411 |
|
dc.description |
Makalah dipresentasikan pada Seminar Nasional Statistika IV "Peranan Statistika di Bidang Eksplorasi Energi Indonesia". Departemen Statistika FMIPA Universitas Padjajaran. Jatinangor, 14 September 2014. p. 1-11. |
en_US |
dc.description.abstract |
PDRB per kapita suatu wilayah dapat dijadikan indikator untuk mengukur kesejehteraan masyarakat pada wilayah tersebut, sehingga penting untuk mengetahui faktor-faktor yang dapat mempengaruhi PDRB per kapita. Terdapat berbagai metode dalam melakukan analisis tersebut, diantaranya analisis regresi maupun analisis geographically weighted regression (GWR). Analisis regresi adalah suatu metode yang umum digunakan untuk menentukan faktor-faktor yang mempengaruhi PDRB per kapita apabila karakteristik antar daerah homogen dan bersifat bebas. Analisis regresi memiliki sifat global dan diberlakukan pada seluruh lokasi yang diamati. Namun pertumbuhan PDRB per kapita pada kabupaten/kota di provinsi Jawa Timur tentunya memiliki karakteristik yang berbeda-beda, melihat kondisi geografis, potensi wilayah, keadaan sosial-budaya maupun hal-hal lain yang melatarbelakanginya, sehingga muncul heterogenitas spasial. Salah satu dampak yang ditimbulkan dari munculnya heterogenitas spasial adalah parameter regresi bervariasi secara spasial. Jika terjadi heterogenitas spasial pada parameter regresi, maka informasi yang tidak dapat ditangani oleh metode regresi global akan ditampung sebagai galat. Bila kasus semacam itu terjadi, regresi global menjadi kurang mampu dalam menjelaskan fenomena data yang sebenarnya. Pendekatan model global akan memberikan informasi yang andal untuk wilayah lokal jika tidak ada atau hanya ada sedikit keragaman antar wilayah lokalnya (Fotheringham et al. 2002).
Analisis Geographically Weighted Regression (GWR) dapat digunakan untuk mengatasi masalah heterogentitas spasial tersebut. GWR merupakan bagian dari analisis spasial yang bersifat lokal dengan pembobotan berdasarkan posisi atau jarak dari satu lokasi pengamatan dengan lokasi pengamatan lainnya.
Penelitian ini bertujuan menganalisis faktor-faktor yang mempengaruhi PDRB per kapita di provinsi Jawa Timur. Hasil penelitian menunjukkan terdapat 4 variabel yang diduga mempengaruhi PDRB per kapita di Jawa Timur yaitu banyaknya fasilitas kesehatan(X1), indeks kesehatan(X2), persentase penduduk miskin (X3) dan
persentase keluarga pengguna listrik (X4). |
en_US |
dc.description.uri |
http://prosiding.statistics.unpad.ac.id/index.php/prosiding/article/view/sns4-S14 |
|
dc.language.iso |
Indonesia |
en_US |
dc.publisher |
Departemen Statistika FMIPA Universitas Padjajaran |
en_US |
dc.subject |
GEOGRAPHICALLY WEIGHTED REGRESSION |
en_US |
dc.subject |
PDRB PER KAPITA |
en_US |
dc.subject |
HETEROGENITAS SPASIAL |
en_US |
dc.subject |
ANALISIS DATA SPASIAL |
en_US |
dc.title |
Analisis data spasial menggunakan metode geographically weighted regression : studi kasus data PDRB per kapita di Provinsi Jawa Timur |
en_US |
dc.type |
Conference Papers |
en_US |