HAYATUL ATIQAH, - (2022) PEMODELAN GEOGRAPHICALLY WEIGHTED REGRESSION PADA INDEKS PEMBANGUNAN MANUSIA DI INDONESIA. Skripsi thesis, UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU.

	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Repository staff only Download (855kB)
Preview	Text TA HAYATUL ATIQAH.pdf Download (2MB) | Preview

Abstract

PEMODELAN GEOGRAPHICALLY WEIGHTED REGRESSION PADA INDEKS PEMBANGUNAN MANUSIA DI INDONESIA HAYATUL ATIQAH NIM : 11850422187 Tanggal Sidang : 28 April 2022 Tanggal Wisuda : Program Studi Matematika Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau Jl. HR. Soebrantas No. 155 Pekanbaru ABSTRAK Indeks Pembangunan Manusia (IPM) merupakan indikator penting untuk mengukur keberhasilan dalam upaya membangun kualitas hidup manusia. IPM menjelaskan bagaimana penduduk dapat mengakses hasil pembangunan dalam hal pendapatan, kesehatan dan pendidikan. Penelitian ini bertujuan untuk mendapatkan pemodelan IPM serta melihat faktor-faktor apa saja yang mempengaruhi IPM di Indonesia tahun 2020. Data pada penelitian ini berupa data sekunder yang diperoleh dari Badan Pusat Statistik (BPS). Pemodelan dengan menggunakan regresi linier belum tentu cocok diterapkan diseluruh provinsi yang ada di Indonesia karena kondisi pendapatan, kesehatan dan pendidikan di provinsi di Indonesia berbeda-beda. Oleh karena itu, pada penelitian ini digunakan pendekatan geografis yaitu Geographically Weighted Regression (GWR) dalam memodelkan IPM dengan menggunakan variabel bebas yaitu Harapan Lama Sekolah (HLS), Ratarata Lama Sekolah (RLS), Umur Harapan Hidup (UHH) dan Pengeluaran Per Kapita (PPK). Model GWR merupakan pengembangan dari model regresi spasial dimana setiap parameter dihitung setiap lokasi pengamatan, sehingga setiap lokasi akan memiliki interpretasi yang berbedabeda. Pada pemodelan GWR membutuhkan fungsi pembobot, adapun fungsi pembobot yang digunakan pada penelitian ini yaitu Adaptive Kernel Gaussian. Hasil penelitian ini menunjukkan bahwa semua variabel bebas berpengaruh terhadap IPM. Model GWR merupakan model terbaik dibandingkan regresi linier dengan standar pemilihan nilai koefisien determinasi terbesar dan nilai Akaike Information Criterion (AIC) terkecil. Kata Kunci: Adaptive Kernel Gaussian, Geographically Weighted Regression, Indeks Pembangunan Manusia.

Actions (login required)

View Item