PEMODELAN KETIMPANGAN DI PROVINSI JAWA TENGAH DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION (GWR)
Lia Miftakhul Janah
(1*) , Widia Istiqomah
(2) , Maharani Andini
(3)
(1) 
(2) 
(3) 
(*) Corresponding Author
Abstract
Ketimpangan adalah keadaan dimana terjadi ketidakseimbangan antara satu dengan lainya. Ketimpangan menunjukkan ketidak meratanya pembangunan yang berjalan di suatu daerah tersebut. Di Jawa Tengah sendiri masalah ketimpangan antar masyarakat masih ada dalam kehidupan sehari hari. Metode Geographically Weight Regression (GWR)merupakan metode yang menghasilkan penaksir parameter model yang mempunyai sifat kelokalan pada masing-masing titik atau lokasi. Dalam penelitian ini bertujuan untuk memodelkan masalah ketimpangan yang terjadi di Provinsi Jawa tengah menggunakan metode Geographically Weight Regression (GWR)yang memiliki sifat kelokalan pada titik. Data yang digunakan bersumber dari Badan Pusat Statistika tahun 2015. Melalui metode Geographically Weight Regression didapatkan bahwa setiap kenaikan pada Jumlah Penduduk sebesar 1 satuan maka ketimpangan akan berkurang sesbesar 1.476. Setiap kenaikan 1 satuan pada Jumlah tenaga Kerja maka ketimpangan akan naik sebesar 1.009. Nilai AIC dari GWR lebih kecil dibandingkan OLS yang berarti metode GWR lebih baik dibandingkan metode OLS dalam pemodelan masalah ketimpangan di Provinsi Jawa Tengah. Kata Kunci: Ketimpangan, GWR, OLS
Article Metrics
Abstract view : 571 times
PDF - 182 times
DOI:
https://doi.org/10.26714/jsunimus.5.1.2017.%25p
Refbacks
There are currently no refbacks.
Copyright (c) 2017 Jurnal Statistika Universitas Muhammadiyah Semarang
Editorial Office: Department of StatisticsUniversitas Muhammadiyah Semarang
Jl. Kedungmundu No. 18 Semarang Indonesia
Published by: Department of Statistics Universitas Muhammadiyah Semarang
<div class="statcounter"><a title="web counter" href="https://statcounter.com/" target="_blank"><img class="statcounter" src="https://c.statcounter.com/11268275/0/493c3c8e/0/" alt="web counter"></a></div> View My Stats
This work is licensed under a Creative Commons Attribution 4.0 International License