• Tidak ada hasil yang ditemukan

Analisis Geographically Weighted Regresion (GWR ) Dengan Pembobot Kernel Gaussian Untuk Data Kemiskinan

N/A
N/A
Protected

Academic year: 2017

Membagikan "Analisis Geographically Weighted Regresion (GWR ) Dengan Pembobot Kernel Gaussian Untuk Data Kemiskinan"

Copied!
9
0
0

Teks penuh

(1)
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)

Referensi

Dokumen terkait

Pada tahun 2017, tingkat pengangguran tertinggi di Indonesia tercatat di provinsi Jawa Barat sebesar 7,73% dan tingkat pengangguran terendah berdasarkan provinsi berada di

Kondisi ketahanan pangan Kabupaten Tanah Laut dengan menggunakan data sekunder seperti yang ditunjukkan pada Gambar 2 diketahui bahwa desa yang termasuk rawan pangan

Faktor-faktor yang mempengaruhi banyaknya penderita diare di setiap kabupaten/kotamadya di Jawa Tengah adalah banyaknya rumah tangga dengan sumber air minum berasal

Fungsi dari matriks pembobot adalah untuk menentukan atau menaksir parameter yang berbeda pada setiap titik lokasi pengamatan.. Matriks pembobot pada GWR merupakan

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

Nilai lebar jendela optimum sebesar 27.48 km pada fungsi pembobot kernel kuadrat ganda ini menunjukkan bahwa jarak antar desa yang lebih dari atau sama dengan 27.48 km,

Dari hasil analisis dan pembahasan yang telah dilakukan, dapat diperoleh beberapa kesimpulan, yaitu faktor-faktor yang signifikan mempengaruhi tingkat kemiskinan di Provinsi

Model MGWPR dengan fungsi kernel Fixed Bi-Square memberikan hasil bahwa faktor global adalah jumlah penderita HIV/AIDS X1, persentase rumah tangga yang berPHBS X5, Rasio penyuluhan