• Tidak ada hasil yang ditemukan

Pemodelan Geographically Weighted Ridge Regression Dan Geographically Weighted Lasso Pada Data Spasial Dengan Multikolinieritas

N/A
N/A
Protected

Academic year: 2017

Membagikan "Pemodelan Geographically Weighted Ridge Regression Dan Geographically Weighted Lasso Pada Data Spasial Dengan Multikolinieritas"

Copied!
68
0
0

Teks penuh

Loading

Gambar

Tabel hasil dugaan parameter pada model GWRR dan nilai dugaan
Tabel hasil dugaan parameter pada model GWL, nilai dugaan
Tabel 1 Peubah penjelas gugus data pertama
Tabel 3 Statistik deskriptif peubah respon dan penjelas
+7

Referensi

Dokumen terkait

Jadi, dari hasil tersebut dapat disimpulkan bahwa model yang lebih baik untuk memodelkan data persentase balita penderita pneumonia yaitu model

Untuk mengatasi permasalahan pada data spatial maka metode statistik yang akan digunakan adalah Geographically Weighted Regression (GWR), yaitu model yang

Selain itu diperoleh kesimpulan bahwa model GWR kejadian pneumonia balita tiap kabupaten/kota di Jawa Timur yang terbentuk merupakan model yang lebih baik bila dibandingkan

Untuk mengatasi permasalahan pada data spasial maka metode statistik yang akan digunakan adalah metode Geographically Weighted Poisson Regression (GWPR) yaitu bentuk

Berdasarkan pembahasan yang telah dijabarkan maka diperoleh bahwa algoritma GSO mampu menghasilkan bandwidth yang lebih optimal daripada algoritma KNN, tetapi

Tujuan penelitian ini adalah menentukan model GWR dalam menganalisis tingkat kemiskinan dengan fungsi pembobot Gaussian Kernel pada tiap kabupaten/kota di Provinsi NTT

Tujuan yang ingin dicapai dalam penelitian ini adalah memodelkan tingkat kemiskinan di Jawa Tengah dengan menerapkan metode regresi linier, GWR dan MGWR2.

Berdasarkan hasil pemilihan bandwidth , diperoleh model GWR yang paling signifikan adalah model dengan variabel bebas banyaknya penduduk yang bisa membaca atau