Sabtu, 07 Januari 2017

Analisis GWR pada Data yang Mengandung Outlier

Model Geographically Weighted Regression (GWR) merupakan pengembangan dari model regresi atau bentuk lokal regresi yang memperhatikan lokasi dari titik pengamatan yang menghasilkan penaksir parameter model yang bersifat lokal untuk setiap titik atau lokasi di mana data tersebut dikumpulkan. Dalam menganalisis data dengan menggunakan model GWR, terkadang ditemukan adanya outlier. Outlier ini dapat diidentifikasi secara jelas karena berbeda dengan mayoritas titik sampel lainnya. Adanya outlier dapat berdampak terhadap hasil estimasi parameter model yang menyebabkan estimasi parameter menjadi bias. Salah satu metode penyelesaian outlier adalah metode bounded influence M-estimator. Penelitian ini bertujuan untuk mendapatkan model angka putus sekolah tingkat SMA di Provinsi Jawa Timur Tahun 2013 yang di dalamnya termuat outlier, sehingga akan didapatkan pemetaan putus sekolah tingkat SMA di Jawa Timur. Variabel respon yang digunakan pada penelitian ini adalah pengangguran (X1), kemiskinan (X2), pendidikan kepala rumah tangga (X3), indeks pembangunan manusia (X4), angka partisipasi sekolah (X5), wilayah pedesaan (X6), perceraian orang tua (X7). Hasil yang didapatkan dari penelitian ini adalah model GWR yang mengandung outlier dapat diselesaikan dengan baik oleh metode bounded influence M-estimator serta keadaan angka putus sekolah di Jawa Timur pada tahun 2013 mampu dijelaskan dengan baik.


Kata kunci: GWR, outlier, bounded influence M-estimator, angka putus sekolah

Lengkapnya dapat di download disini 
Semoga bermanfaaf
Salam "Speaks By Data"

Tidak ada komentar:

Posting Komentar