Perbandingan Regresi Berganda Dengan Model Geographically Weighted Regression (GWR) Yang Diboboti Gaussian Kernel Dengan Peubah Boneka (Studi Kasus Data Indeks Pembangunan Manusia/IPM di Kabupaten Ban

Data spasial adalah data pengukuran yang memuat informasi lokasi. Analisis regresi merupakan suatu analisis yang digunakan untuk membuat model atau pola hubungan antara peubah prediktor dan peubah respon. Salah satu cara untuk memodelkan hubungan spasial berdasarkan pendekatan titik adalah dengan menggunakan metode Geographically Weighted Regression (GWR). GWR merupakan metode yang menggunakan sistem pembobotan. Pembobotan yang dilakukan dalam penelitian ini adalah Kernel, yaitu Fixed Gaussian Kernel dan Adaptive Gaussian Kernel. Supaya hasil analisis GWR sama dengan regresi berganda dalam peubah prediktor yang berpengaruh terhadap peubah respon maka digunakan peubah boneka pada salah satu peubah prediktornya. Data yang digunakan dalam penelitian ini adalah data Indeks Pembangunan Manusia/IPM di kabupaten Banyuwangi tahun 2011. IPM dapat diketahui berdasarkan faktor-faktor yang berpotensi untuk meningkatkan nilai IPM. Hasil dari penelitian ini adalah faktor-faktor yang mempengaruhi nilai IPM dengan menggunakan metode GWR sama dengan metode regresi berganda setelah diberi peubah boneka. Diperoleh nilai MSE model regresi berganda lebih kecil dibandingkan dengan model GWR yaitu 1.094. Dengan demikian model regresi berganda merupakan model yang lebih baik digunakan untuk menganalisis kasus Indeks Pembangunan Manusia/IPM di tiap kecamatan di kabupaten Banyuwangi tahun 2011 dengan R2 sebesar 93.9%