PEMODELAN GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) DENGAN FUNGSI PEMBOBOT FIXED BISQUARE: Studi Kasus: Jumlah Kematian Bayi di Provinsi Sulawesi Tengah Tahun 2022

Septiana Aulia Nur Fadlina, - (2024) PEMODELAN GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) DENGAN FUNGSI PEMBOBOT FIXED BISQUARE: Studi Kasus: Jumlah Kematian Bayi di Provinsi Sulawesi Tengah Tahun 2022. S1 thesis, Universitas Pendidikan Indonesia.

[img] Text
S_MAT_2000745_Title.pdf

Download (1MB)
[img] Text
S_MAT_2000745_Chapter1.pdf

Download (319kB)
[img] Text
S_MAT_2000745_Chapter2.pdf
Restricted to Staf Perpustakaan

Download (791kB)
[img] Text
S_MAT_2000745_Chapter3.pdf

Download (647kB)
[img] Text
S_MAT_2000745_Chapter4.pdf
Restricted to Staf Perpustakaan

Download (664kB)
[img] Text
S_MAT_2000745_Chapter5.pdf

Download (246kB)
[img] Text
S_MAT_2000745_Appendix.pdf
Restricted to Staf Perpustakaan

Download (325kB)
Official URL: https://repository.upi.edu/

Abstract

Geographically Weighted Regression (GWR) merupakan pengembangan dari model regresi linear berganda yang mampu mempertimbangkan aspek spasial sehingga nilai estimasi parameternya berbeda di setiap lokasi pengamatan. Namun, GWR mendapat kritik karena ketidakmampuannya dalam mengatasi multikolinearitas. Padahal, faktor-faktor penyebab suatu fenomena di dunia ini sangat mungkin berkorelasi. Permasalahan ini memicu terjadinya pengembangan model GWR, yaitu Geographically Weighted Regression Principal Component Analysis (GWRPCA). GWRPCA merupakan kombinasi antara Geographically Weighted Regression (GWR) dan Principal Component Analysis (PCA) yang dapat mengatasi masalah heterogenitas spasial dan multikolinearitas. Pada penelitian ini, GWRPCA diterapkan pada fenomena jumlah kematian bayi di Provinsi Sulawesi Tengah pada tahun 2022. Variabel bebas yang digunakan pada penelitian ini adalah jumlah kelahiran bayi (X1), jumlah persalinan yang ditolong tenaga kesehatan (X2), jumlah bayi dengan berat lahir rendah (BBLR) (X3), jumlah bayi yang mendapat ASI eksklusif (X4), dan jumlah bayi yang mendapat vitamin A (X5). Dari hasil analisis, diperoleh 13 model GWRPCA untuk 13 kabupaten/kota di Sulawesi Tengah. Model ini memiliki nilai R-square sebesar 0,572462 yang artinya jumlah kematian bayi di Sulawesi Tengah tahun 2022 dapat dijelaskan oleh komponen utama yang terbentuk sebesar 57,25%, sedangkan 42,75% lainnya dijelaskan oleh faktor lain. Pada penelitian ini, model GWRPCA memiliki nilai R-square yang lebih besar dan nilai AICc yang lebih kecil dibandingkan dengan model GWR. Hal tersebut mengindikasikan bahwa GWRPCA lebih sesuai untuk memodelkan jumlah kematian bayi setiap kabupaten/kota di Sulawesi Tengah tahun 2022 dibandingkan dengan model GWR. Geographically Weighted Regression (GWR) is a development of multiple linear regression model that is able to consider spatial aspects so that the parameter estimation value is different in each observation location. However, GWR has been criticized for its inability to overcome multicollinearity. In fact, the factors that cause a phenomenon in this world may be correlated. This problem triggered the development of GWR model, namely Geographically Weighted Regression Principal Component Analysis (GWRPCA). GWRPCA is a combination of Geographically Weighted Regression (GWR) and Principal Component Analysis (PCA) that can overcome the problem of spatial heterogeneity and multicollinearity. In this study, GWRPCA is applied to the phenomenon of the number of infant mortality in Central Sulawesi Province in 2022. The independent variables used in this study are the number of baby births (X1), the number of births assisted by health workers (X2), the number of low birth weight babies (BBLR) (X3), the number of babies who receive exclusive breastfeeding (X4), and the number of babies who receive vitamin A (X5). From the analysis, 13 GWRPCA models were obtained for 13 districts/cities in Central Sulawesi. This model has an R-square value of 0,572462, which means that the number of infant mortality in Central Sulawesi in 2022 can be explained by the principal components formed by 57,25%, while the other 42,75% is explained by other factors. In this study, the GWRPCA model has a larger R-square value and a smaller AICc value compared to the GWR model. This indicates that GWRPCA is more suitable for modeling the number of infant mortality in each district/city in Central Sulawesi in 2022 compared to the GWR model.

Item Type: Thesis (S1)
Additional Information: https://scholar.google.com/citations?hl=en&authuser=1&user=hE33reUAAAAJ ID SINTA Dosen Pembimbing: Lukman: 6675529 Nar Herrhyanto: -
Uncontrolled Keywords: Heterogenitas Spasial, Multikolinearitas, GWR, GWRPCA, Jumlah Kematian Bayi Spatial Heterogenity, Multicollinearity, GWR, GWRPCA, Number of Infant Mortality
Subjects: G Geography. Anthropology. Recreation > G Geography (General)
Divisions: Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Jurusan Pendidikan Matematika > Program Studi Matematika (non kependidikan)
Depositing User: Septiana Aulia Nur Fadlina
Date Deposited: 10 Sep 2024 08:32
Last Modified: 10 Sep 2024 08:32
URI: http://repository.upi.edu/id/eprint/123014

Actions (login required)

View Item View Item