Novrianti Khairunnisa, 2015 PEMODELAN DATA PDRB, PENGANGGURAN, DAN AMH TERHADAP KEMISKINAN DI PROVINSI JAWA
BARAT DENGAN MENGGUNAKAN MIXED GEOGRAPHICALLY WEIGHTED REGRESSION MGWR Universitas Pendidikan Indonesia
| repository.upi.edu
| perpustakaan.upi.edu
1.4 Tujuan Penulisan
Berdasarkan rumusan masalah di atas, maka tujuan penulisan skripsi ini adalah sebagai berikut:
1. Untuk mengetahui pemodelan kemiskinan di Provinsi Jawa Barat dengan
menggunakan Mixed Geographically Weighted Regression MGWR. 2.
Untuk mengetahui bagaimana pengaruh data PDRB, pengangguran, dan AMH yang bersifat global ataupun lokal terhadap kemiskinan di Provinsi Jawa Barat.
1.5 Manfaat Penulisan
1.5.1 Manfaat Teoritis
Manfaat penulisan skripsi ini secara teoritis adalah menambah wawasan mengenai pemodelan data kemiskinan dan faktor yang mempengaruhi di Provinsi
Jawa Barat dengan menggunakan Mixed Geographically Weighted Regression
MGWR. 1.5.2
Manfaat Praktis
Manfaat penulisan skripsi ini secara praktis adalah diharapkan pembaca dapat mengetahui faktor- faktor apa sajakah yang mempengaruhi kemiskinan di Provinsi
Jawa Barat. Selain itu, penelitian ini dapat memberikan informasi bagi pemerintah Provinsi Jawa Barat untuk mengurangi tingkat kemiskinan di Provinsi Jawa Barat
dengan tercapainya pembangunan manusia dalam mensejahterakan rakyat yang adil dan makmur.
26
Novrianti Khairunnisa, 2015 PEMODELAN DATA PDRB, PENGANGGURAN, DAN AMH TERHADAP KEMISKINAN DI PROVINSI
JAWA BARAT DENGAN MENGGUNAKAN MIXED GEOGRAPHICALLY WEIGHTED REGRESSION MGWR
Universitas Pendidikan Indonesia
| repository.upi.edu
| perpustakaan.upi.edu
BAB III MIXED GEOGRAPHICALLY WEIGHTED REGRESSION MGWR
3.1 Mixed Geographically Weighted Regression MGWR
Model Mixed Geographically Weighted Regression MGWR merupakan model kombinasi atau gabungan antara regresi global dengan GWR yang
mempertimbangkan situasi dimana beberapa variabel independen
yang mempengaruhi variabel dependen bersifat global dan variabel independen yang
lainnya bersifat lokal. Pada model MGWR beberapa koefisien pada model GWR diasumsikan konstan untuk seluruh titik pengamatan, sedangkan yang lain
bervariasi sesuai lokasi pengamatan data. Model MGWR dengan p variabel independen dan q variabel independen diantaranya bersifat lokal, dengan
mengasumsikan bahwa intersep model bersifat lokal Purhadi dan Yasin, 2012. Model MGWR dapat dituliskan sebagai berikut :
∑ ∑
3.1 dengan
= nilai observasi variabel dependen ke-i = nilai observasi variabel independen ke-k pada lokasi pengamatan
ke-i = konstanta atau intersep pada pengamatan ke-i
= koordinat letak geografis longitude, latitude dari lokasi pengamatan ke-i
= koefisien regresi observasi variabel independen ke-k pada lokasi pengamatan ke-i
= koefisien regresi observasi variabel independen ke-k = error pengamatan ke-i diasumsikan identik, independen dan
berdistribusi normal dengan mean nol dan varian konstan .
i = 1 , 2 , ... , n
