Kombinasi Principal Component Analysis dan Geographically Weighted Regression untuk mengatasi masalah multikolinearitas dan heteroskedastisitas (studi kasus Indeks Pembangunan Manusia (IPM) di Kabupaten/Kota di Jawa Timur tahun 2017) / Wiwik Setiani - Repositori Universitas Negeri Malang

Kombinasi Principal Component Analysis dan Geographically Weighted Regression untuk mengatasi masalah multikolinearitas dan heteroskedastisitas (studi kasus Indeks Pembangunan Manusia (IPM) di Kabupaten/Kota di Jawa Timur tahun 2017) / Wiwik Setiani

Setiani, Wiwik (2019) Kombinasi Principal Component Analysis dan Geographically Weighted Regression untuk mengatasi masalah multikolinearitas dan heteroskedastisitas (studi kasus Indeks Pembangunan Manusia (IPM) di Kabupaten/Kota di Jawa Timur tahun 2017) / Wiwik Setiani. Diploma thesis, Universitas Negeri Malang.

Full text not available from this repository.

Abstract

RINGKASAN Setiani Wiwik. 2019. Kombinasi Principal Component Analysis dan Geographically Weighted Regression untuk Mengatasi Masalah Multikolinearitas dan Heteroskedastisitas (Studi Kasus Indeks Pembangunan Manusia (IPM) di Kabupaten/Kota di Jawa Timur Tahun 2017). Skripsi Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Malang. Pembimbing Dr. Swasono Rahardjo S.Pd M.Si. Kata Kunci Indeks Pembangunan Manusia (IPM) Principal Component Analysis Geographically Weighted Regression multikolinearitas heteroskedastisitas. Pada penelitian ini asumsi multikolinearitas dan heterokedastisitas pada analisis regresi tidak terpenenuhi sehingga perlu diatasi agar menghasilkan model regresi terbaik untuk data Indeks Pembangunan Manusia (IPM) di Jawa Timur tahun 2017. Peneliti melakukan kombinasi Principal Component Analysis dan Geographically Weighted Regression untuk mengatasi hal tersebut dengan fungsi pembobot yang digunakan adalah Kernel Fixed Bisquare. Hasil dari model kombinasi metode tersebut digunakan untuk menentukan faktor dominan dan pemetaan di setiap kabupaten/kota di Jawa Timur berdasarkan besarnya koefisien komponen yang signifikan. Dalam penentuan faktor dominan juga dilakukan dengan analisis faktor. Hasil analisis dan pembahasan menunjukkan bahwa model PCAGWR dapat mengatasi masalah multikolinearitas dan heteroskedastisitas pada data Indeks Pembangunan Manusia (IPM) di Jawa Timur tahun 2017. Berikut ini merupakan model PCAGWRsecara global pada data IPM di Jawa Timur tahun 2017 Salah satu model PCAGWR secara lokal di Jawa Timur yaitu di kabupaten Ponorogo Berdasarkan besarnya koefisien variabel pada model PCAGWR dan analisis faktor diperoleh hasil bahwa rata-rata lama sekolah (X5) adalah faktor dominan yang berpengaruh terhadapIPM di kabupaten/kota di Jawa Timur tahun 2017.

Item Type: Thesis (Diploma)
Subjects: ?? ??
Divisions: Fakultas Matematika dan IPA (FMIPA) > Departemen Matematika (MAT) > S1 Matematika
Depositing User: Users 2 not found.
Date Deposited: 11 Jul 2019 04:29
Last Modified: 09 Sep 2019 03:00
URI: http://repository.um.ac.id/id/eprint/92681

Actions (login required)

View Item View Item