Estimasi parameter model Geographically Weighted Multinomial Logistic Regression (GWMLR) dengan Pembobot Adaptive Bisquare Kernel

INDONESIA: Regresi logistik merupakan analisis yang digunkaan untuk mendeskripsikan hubungan antara variabel respon yang terdiri dari dua kategori berskala nominal terhadap variabel bebas, kemudian karena adanya suatau permasalahan jika terdapat data kategorik yang tidak lagi dua kategori berskala nominal melainkan tiga kategori berskala nominal atau lebih maka digunakan suatu metode untuk mengatasi masalah tersebut yaitu regresi multinomial logistik. Selanjutnya, dengan mempertimbangkan aspek spasial, model regresi multinomial logistik dikembangkan menjadi model GWMLR. Data yang digunakan adalah data presentase tingkat kemiskinan di Jawa Timur tahun 2015 sebagai variabel (Y) yang dikategorikan menjadi tiga kategori yaitu kabupaten/kota dengan penduduk cenderung tidak miskin (1), kabupaten/kota yang rentan (2), dan kabupaten/kota yang cenderung miskin (3), dengan variabel bebas penduduk dengan pendidikan tertinggi tamat sekolah dasar (X_1), perempuan yang proses persalinannya ditolong tenaga medis (X_2), angka melek huruf (X_3), dan rumah penduduk dengan alas lantai tanah (X_4). Metode yang digunakan adalah metode MLE. Hasil yang diperoleh dalam penelitian ini adalah (1) fomula dalam estimasi model GWMLR, (2) model GWMLR untuk kasus presentase tingkat kemiskinan di Jawa Timur berdasarkan kesamaan variabel bebas yang signifikan. ENGLISH: Logistic regression is an analysis used to describe the relationship between response variables consisting of two nominal scale categories to independent variables, then because of a problem if there are categorical data that are no longer two categories of nominal scale but three categories of nominal or more scales a method is used to overcome this problem, namely multinomial logistic regression. Furthermore, taking into account the spatial aspects, the multinomial logistic regression model was developed into the GWMLR model. The data used is the percentage data of the poverty rate in East Java in 2015 as the response variable (Y) which is categorized into three categories, namely district/cities with a population that tends not to be poor (1) vulnerable districts/cities (2), and districts/cities tend to be poor (3), with the independent variables of population with the highest education graduating from elementary school (X_1), women whose birth process is assisted by medical personnel (X_2), literacy rates (X_3), and residents’ houses with floor mat (X_4). The method used is the MLE method. The results obtained in this study were (1) fomula in the estimation of the GWMLR model, (2) the GWMLR model for the percentage of poverty rates in East Java based on significant independent variable similarities