SELEKSI KOEFISIEN MODEL PRODUK DOMESTIK REGIONAL BRUTO KABUPATEN/KOTA PULAU JAWA MENGGUNAKAN GEOGRAPHICALLY WEIGHTED LASSO (GWL)

Embay Rohaeti(1), Khairil Anwar Notodiputro(2*), Bagus Sartono(3),

(1) Program Studi Matematika, Universitas Pakuan
(2) Departemen Statistika, Institut Pertanian Bogor
(3) Departemen Statistika, Institut Pertanian Bogor
(*) Corresponding Author



Abstract


Keheterogenan spasial dan local collinearity (multikolinearitas lokal) masih menjadi masalah dalam analisis data spasial karena hal tersebut dapat meningkatkan ragam dari pendugaan koefisien regresi. Masalah ini dapat diatasi dengan model Geographically Weighted Lasso (GWL) yang merupakan pengembangan dari Geographically Weighted Regression (GWR) dengan menerapkan teknik LASSO dalam pendugaannya. Dalam penelitian ini dilakukan seleksi koefisien dari model produk domestik regional bruto (PDRB) Kabupaten/Kota di Pulau Jawa yang mengandung masalah keheterogenan spasial dan kekolinearan lokal sebagai konsekuensi dari adanya perbedaan kondisi geografis dan kebijakan ekonomi di setiap lokasi pengamatan. Dengan menerapkan algoritma LARS (Least Angle Regression) yang dimodifikasi, diperoleh hasil bahwa Geographically Weighted Lasso dapat mengatasi kekoliniearan lokal pada model PDRB Kabupaten/Kota di Pulau Jawa, dengan menyeleksi peubah pada setiap lokasi. Peubah yang memiliki koefisien sama dengan nol akan terseleksi untuk wilayah tertentu, sehingga dugaan parameter model menjadi lebih stabil.

Kata Kunci: keheterogenan spasial, local collinearity, geographically weighted regression, geographically weighted lasso

Full Text:

PDF

References


Badan Pusat Statistik. (2018). Tinjauan Regional Berdasarkan PDRB Kabupaten/Kota 2014-2018 Buku 2 Pulau Jawa dan Bali. Jakarta.www.bps.go.id.

Efron B, Hastie T, Johnstone I, Tibshirani R. (2004). Least Angle Regression. The Annals of Statistics 32(2): 407-451.

Friday OR, Emenonye C. 2012. The Detention and Correction of Multicollinearity Effects in a Multiple Regression Diagnostics. Elixir Statistics 49:10108-10112. doi.10.1063/1.4979419.

Fotheringham AS, Brunsdon C, Charlton M. (2002). Geographically Weighted Regression the Analysis of Spatially Varying Relationships. England (GB): John Wiley and Sons.

TibshiraniR. 1996. Regression Shrinkage and Selection Via The Lasso. Journal of the Royal Statistical Society B 58(1): 267-288.

Wahyoedi S. 2009. Kemampuan Dana Alokasi Umum dalam Meningkatkan Pendapatan Asli Daerah dan Produk Domestik Regional Bruto Di Indonesia Tahun 2001-2003. Jurnal Ilmiah Manajemen Bisnis, Vol. 9, No. 3: 139 –154.

Wheeler DC. 2009. Simultaneous Coefficient Penalization and Model Selection in Geographically Weighted Regression: The Geographically Weighted Lasso. Journal of Environment and Planning A 41 (3): 722-742.


Article Metrics

Abstract view : 367 times | PDF view : 33 times

Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 Embay Rohaeti, Khairil Anwar Notodiputro, Bagus Sartono

Abstracted/Indexed by:

 

 

Prosiding Seminar Nasional Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika (VARIANSI) is licensed under a Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)