Perbandingan Euclidean Distance Dengan Manhattan Distance Dalam Pemodelan Geographycally Weighted Regression (GWR) Studi Kasus Data PDRB Sektor Industri Provinsi Jawa Timur Tahun 2012

Geographically Weighted Regression (GWR) GWR merupakan model regresi spasial dengan pengaruh letak geografis juga mempengaruhi peubah respon. Dengan kata lain GWR dapat mengatasi pengaruh heterogenitas spasial yang disebabkan oleh perbedaan kondisi setiap lokasi. Model regresi spasial ini diharapkan dapat meningkatkan derajat ketelitian suatu kasus regresi.PDRB Sektor Industri Provinsi Jawa Timur tahun 2012 merupakan hasil yang dipengaruhi oleh beberapa faktor yang dalam penelitian ini didapatkan 3 faktor utama yaitu : jumlah tenaga kerja sektor industry (X1), nilai investasi swasta pada sector industry (X2), dan besar pengeluaran belanja modal (X3) dimana faktor-faktor tersebut memiliki pengaruh yang berbeda untuk setiap lokasi sebanyak 38 kabupaten/kota di provinsi Jawa Timur. Jarak Euclidean dan Manhattan digunakan untuk membandingakan dalam penelitian ini dan Fixed Gaussian Kernel adalah pembobot yang dipakai.Analisis GWR dengan membandingkan antara jarak Euclidean dan manhattan pada data PDRB menghasilkan model GWR dengan jarak manhattan dengan nilai AIC terkecil. Sehingga 38 model yang terbentuk dari analisis GWR dengan jarak manhattan lebih cocok digunakan untuk memodelkan PDRB Sektor Industri Provinsi Jawa Timur Tahun 2012