Performa Kernel pada Model Geographically Weighted Regression untuk Menentukan Faktor-faktor Yang Mempengaruhi Indeks Pembangunan Manusia di Provinsi Sulawesi Selatan

JURNAL ILMIAH SAINS Pub Date : 2023-10-31 DOI:10.35799/jis.v23i2.48867

Angelia Fransisca Adatunaung, Djoni Hatidja, Winsy Christo Deilan Weku

{"title":"Performa Kernel pada Model Geographically Weighted Regression untuk Menentukan Faktor-faktor Yang Mempengaruhi Indeks Pembangunan Manusia di Provinsi Sulawesi Selatan","authors":"Angelia Fransisca Adatunaung, Djoni Hatidja, Winsy Christo Deilan Weku","doi":"10.35799/jis.v23i2.48867","DOIUrl":null,"url":null,"abstract":"Penelitian ini bertujuan untuk menentukan performa kernel dengan memilih model terbaik dari tiga jenis kernel yang berbeda dan menentukan faktor-faktor yang mempengaruhi Indeks Pembangunan Manusia (IPM) di Provinsi Sulawesi Selatan dengan menggunakan model GWR. Pada penelitian ini memakai data sekunder dari Badan Pusat Statistik Provinsi Sulawesi Selatan dengan variabel independen yaitu IPM (Y) dan variabel dependen yaitu umur harapan hidup (UHH) (X1), pengeluaran perkapita (X2) dan produk domestik regional bruto (PDRB) (X3) serta nilai longitude dan latitude yang diperoleh dari aplikasi google maps. Metode yang dilakukan dalam penelitian ini yaitu metode GWR dan kernel yang dipakai yaitu kernel gaussian, kernel bisquare dan kernel tricube. Hasil penelitian ini menunjukkan bahwa model terbaik yang dapat digunakan yaitu model GWR dengan kernel tricube dengan nilai AIC = 81,5543700 dan R2 = 90,67 persen. Model GWR kernel tricube mampu menentukan faktor-faktor yang mempengaruhi indeks pembangunan manusia di Sulawesi Selatan tahun 2022. Kata Kunci: Geographically Weighted Regression; indeks pembangunan manusia; kernel tricube","PeriodicalId":17715,"journal":{"name":"JURNAL ILMIAH SAINS","volume":"279 ","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-10-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"JURNAL ILMIAH SAINS","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.35799/jis.v23i2.48867","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

Abstract

Penelitian ini bertujuan untuk menentukan performa kernel dengan memilih model terbaik dari tiga jenis kernel yang berbeda dan menentukan faktor-faktor yang mempengaruhi Indeks Pembangunan Manusia (IPM) di Provinsi Sulawesi Selatan dengan menggunakan model GWR. Pada penelitian ini memakai data sekunder dari Badan Pusat Statistik Provinsi Sulawesi Selatan dengan variabel independen yaitu IPM (Y) dan variabel dependen yaitu umur harapan hidup (UHH) (X1), pengeluaran perkapita (X2) dan produk domestik regional bruto (PDRB) (X3) serta nilai longitude dan latitude yang diperoleh dari aplikasi google maps. Metode yang dilakukan dalam penelitian ini yaitu metode GWR dan kernel yang dipakai yaitu kernel gaussian, kernel bisquare dan kernel tricube. Hasil penelitian ini menunjukkan bahwa model terbaik yang dapat digunakan yaitu model GWR dengan kernel tricube dengan nilai AIC = 81,5543700 dan R2 = 90,67 persen. Model GWR kernel tricube mampu menentukan faktor-faktor yang mempengaruhi indeks pembangunan manusia di Sulawesi Selatan tahun 2022. Kata Kunci: Geographically Weighted Regression; indeks pembangunan manusia; kernel tricube

查看原文本刊更多论文

确定南苏拉威西省人类发展指数影响因素的地理加权回归模型的核性能

本研究旨在确定内核性能最好的选择模型的三种不同的内核和决定因素影响人类发展指数(IPM)在南苏拉威西省用GWR模型。在这研究手上戴着的二级数据中心统计,南苏拉威西省机构的从属的IPM (Y)和可变自变量岁预期寿命(啊)(X1),人均支出(xn)和地区国内生产总值(PDRB) (X3)和经度和纬度的价值来自谷歌地图应用程序。本研究采用的方法是GWR方法和使用的内核即gaussian内核、biquare内核和tri立方体内核。这项研究的结果表明，最好的GWR模型与AIC值为81,5543700和R2 = 90.67%的立方体内核一起使用。GWR kernel模型可以确定影响南苏拉威西社会发展指数的因素。关键词:Geographically Weighted Regression;人类发展指数;内核tricube

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

JURNAL ILMIAH SAINS

自引率

0.00%

发文量