Uji Keberartian Koefisien GWR Koefisien Determinasi

Atiya Maulani, 2013 Efektivitas Penggunaan Thoriqoh Mubasyiroh Terhadap Peningkatan Penguasaan Kosa Kata Bahasa Arab Universitas Pendidikan Indonesia | repository.upi.edu = ′ − 1 ′ − 1 3.27 Selisih antara jumlah kuadrat residual model OLR dan model GWR disebut sebagai GWR improvement dan dinyatakan sebagai berikut : = − 3.28 Adapun statistik uji yang digunakan untuk uji keberartian model GWR adalah : = ℎ ℎ 3.29 dengan adalah banyak lokasi pengataman. Kriteria uji yang digunakan yaitu, jika ≥ ; 1 , 2 , maka ditolak. Artinya, ada perbedaan yang signifikan antara model OLR dan model GWR dalam memodelkan data. Nilai ; 1 , 2 , diperoleh dari Tabel Distribusi dengan taraf signifikansi , pembilang = 1 = − − 1, dan penyebut = 2 = − 2 1 + 1 ′ 1 Brunsdon, Fotheringham Charlton, 2002, 91-92.

3.4 Uji Keberartian Koefisien GWR

Pengujian parameter model GWR dilakukan untuk mengetahui faktor-faktor yang mempengaruhi kasus gizi anak balita di setiap kotakabupaten di Jawa Barat. Perumusan hipotesis yang digunakan adalah : : , = 0 ; = 1,2, , 1 : , ≠ 0 Statistik uji yang digunakan adalah : ℎ = , , 3.30 dimana , merupakan standar error yang diperoleh dari akar positif varians , . Atiya Maulani, 2013 Efektivitas Penggunaan Thoriqoh Mubasyiroh Terhadap Peningkatan Penguasaan Kosa Kata Bahasa Arab Universitas Pendidikan Indonesia | repository.upi.edu Perhatikan Persamaan 3.10, yaitu penaksir paramater lokal untuk model GWR . Persamaan 3.10 dapat ditulis dalam bentuk sederhana sebagai berikut : , = � 3.31 dimana � = ′ , −1 ′ , 3.32 Varians dari penaksir parameter GWR adalah : , = �� ′ � 2 3.33 dengan � 2 adalah jumlah kuadrat residual normal dari regresi lokal dan didefinisikan sebagai berikut : � 2 = − 2 =1 −2 1 + 2 3.34 dengan 1 = 1 3.35 dan 2 = 1 ′ 1 3.36 Sehingga, , = , = �� ′ � 2 3.37 Kriteria pengujian yang digunakan yaitu, jika ℎ 1 − 2 , − −1 maka ditolak. Artinya , ≠ 0 atau dengan dengan kata lain koefisien regresi lokal , yang diperoleh untuk model GWR tersebut berarti. Nilai 1 − 2 , − −1 diperoleh dari Tabel Distribusi t-Student dengan taraf signifikansi = 5 dan = − − 1 .

3.5 Koefisien Determinasi

� � Lokal Dalam model regresi global yaitu model regresi linear klasik, koefisien determinasi 2 digunakan untuk mengukur proporsi dari variasi dalam data Atiya Maulani, 2013 Efektivitas Penggunaan Thoriqoh Mubasyiroh Terhadap Peningkatan Penguasaan Kosa Kata Bahasa Arab Universitas Pendidikan Indonesia | repository.upi.edu pengamatan yang dapat dijelaskan oleh model. Sedangkan dalam GWR, koefisien determinasi lokal 2 ditentukan untuk menentukan baik tidaknya sebuah model pada suatu titik lokasi pengamatan. 2 dapat ditentukan dengan menggunakan persamaan sebagai berikut : 2 = − 3.38 dengan adalah jumlah kuadrat total model GWR yang dinyatakan sebagai berikut : = − 2 =1 3.39 dan adalah jumlah kuadrat residual model GWR yang dinyatakan sebagai berikut : = − 2 =1 3.40 sedangkan adalah pembobot pada titik lokasi pengamatan ke-j dari titik lokasi pengamatan ke-i, dengan , = 1,2, , Fotheringham et al, 2002.

3.6 Langkah-Langkah Analisis

Dokumen yang terkait

this PDF file APLIKASI MODEL WEIGHTED REGRESSION (GWR) UNTUK MENENTUKAN FAKTORFAKTOR YANG MEMPENGARUHI KASUS GIZI BURUK ANAK BALITA DI JAWA BARAT | Maulani | Jurnal EurekaMatika 1 SM

1 2 18

Pemetaan Hasil Pemodelan Faktor-Faktor yang Berpengaruh Terhadap Prevalensi Balita Gizi Buruk di Provinsi Jawa Timur Tahun 2014 dengan Mixed Geographically Weighted Regression (MGWR)

0 0 6

Pemodelan Penduduk Miskin di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR)

2 2 6

Pemodelan Angka Prevalensi Kusta dan Faktor- Faktor yang Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression (GWR)

0 0 7

Faktor-faktor yang Mempengaruhi Morbiditas Penduduk Jawa Timur dengan Multivariate Geographically Weighted Regression (MGWR)

0 1 6

Pemodelan Kasus Balita Gizi Buruk di Kabupaten Bojonegoro dengan Geographically Weighted Regression

1 1 6

Pemetaan Angka Gizi Buruk pada Balita di Jawa Timur dengan Geographically Weighted Regression

1 2 6

Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus Penyakit Tuberkulosis di Jawa Timur dengan Pendekatan Generalized Poisson Regression dan Geographically Weighted Poisson Regression

2 5 6

Identifikasi Faktor-Faktor yang Mempengaruhi Pneumonia pada Balita di Surabaya Menggunakan Geographically Weighted Negative Binomial Regression

0 2 6

Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus Tuberkulosis di Jawa Timur Menggunakan Metode Geographically Weighted Generalized Poisson Regression dan Geographically Weighted Negative Binomial Regression - ITS Repository

1 4 102