GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) PADA PEMODELAN PENDAPATAN ASLI DAERAH DI JAWA TENGAH - Diponegoro University | Institutional Repository (UNDIP-IR)
Teks penuh
Dokumen terkait
Berdasarkan hasil perbandingan antara model regresi Poisson, GWPR, dan Mixed GWPR maka dapat disimpulkan bahwa model Mixed Geographically Weighted Poisson Regression
Penelitian ini bertujuan untuk membandingkan antara regresi komponen utama dengan regresi ridge dalam mengatasi masalah multikolinieritas pada analisis faktor-faktor
Suparti, M.Si, selaku Ketua Program Studi Statistika Jurusan Matematika Fakultas MIPA Universitas Diponegoro. Dwi Ispriyanti, M.Si, selaku dosen pembimbing I yang
Berdasarkan latar belakang yang diuraikan, maka perumusan masalah dari penelitian dalam penulisan skripsi ini adalah bagaimana penentuan model tingkat kemiskinan
Masalah yang dibahas dalam penelitian ini dibatasi pada pemilihan model yang sesuai untuk memodelkan Pendapatan Asli Daerah (PAD), variabel jumlah tenaga kerja, indeks
Perbandingan antara model regresi logistik dan model GWLR dengan kedua pembobot Fixed Gaussian Kernel dan Adaptive Gaussian Kernel untuk mengetahui model yang
multikolinieritas menggunakan regresi komponen utama lebih baik dibandingkan dengan regresi ridge dalam analisis faktor-faktor Pendapatan Asli Daerah (PAD) Provinsi
Setelah diperoleh estimasi parameter untuk model regresi OLS dan GWR kemudian dilakukan uji kesesuaian model (goodness of fit) untuk melihat apakah faktor geografis
