Estimasi parameter model geographically weighted regression semiparametric menggunakan metode weighted least square

INDONESIA: Geographically Weighted Regression Semiparametric (GWRS) adalah pengembangan dari model Geographically Weighted Regression (GWR) yang mana tidak semua variabel di dalam model GWR berlaku secara lokal namun dapat berlaku secara global. Pada model GWRS terdapat dua parameter yaitu parameter lokal dan parameter global. Estimasi parameter model GWRS menggunakan metode weighted least square yang mana estimator dalam model GWRS telah memenuhi sifat-sifat estimator seperti unbias, efisien, dan konsisten. Model GWRS diaplikasikan pada jumlah pengangguran di Provinsi Jawa Timur tahun 2015 dengan variabel terikat yaitu jumlah pengangguran (Y) dan variabel bebas yaitu tingkat partisipasi angkatan kerja (X_1 ), tidak mengenyam pendidikan (X_2), tingkat pengangguran terbuka (X_3 ), jumlah penduduk (X_4 ), rata-rata lama sekolah (X_5), dan laju pertumbuhan penduduk (X_6). Penelitian ini membandingkan model GWRS dengan fungsi pembobot fixed kernel yang berbeda yaitu fixed Gaussian kernel dan fixed Bisquare kernel. Dengan memberikan pembobot yang berbeda maka diperoleh hasil yang berbeda, yaitu model terbaik pada data jumlah pengangguran di Provinsi Jawa Timur pada tahun 2015 yaitu model GWRS dengan fungsi pembobot fixed Gaussian kernel dengan membandingan nilai R-square setiap model. ENGLISH: Geographically Weighted Regression Semipametric (GWRS) is the development of a Geographically Weighted Regression (GWR) model where not all the variables in the GWR model apply locally but can be applied globally. In the GWRS model, there are two parameters, namely local and global parameters. GWRS model parameter estimation using weighted least square method in which the estimator in the GWRS model has met the estimator properties such as unbias, efficient, and consistent. GWRS model is applied to the number of unemployed in East Java province on 2015 with the dependent variable is the number of unemployment (Y) and the independent variables are work participation rate (X_1), uneducated (X_2), unemployment rate (X_3), population ( X_4), the average length of the school (X_5), and the population growth rate (X_6). this study compared GWRS models fixed weighting with different fixed kernel wigthting function nemely fixed gaussian kernel. By providing different weighting the different results are obtained. The best model on the data the number of unemployed in East Java province in 2015 is GWRS models with fixed gaussian kernel weighting function by comparing the R-square value of each model