Pemodelan Geographically Weighted Regression (GWR) pada Indeks Pembangunan Manusia di Pulau Papua

Authors

  • Niskal Mentari Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Halu Oleo
  • Andi Tenri Ampa Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Halu Oleo
  • Muhammad Ihwal Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Halu Oleo
  • Ruslan Ruslan Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Halu Oleo
  • Irma Yahya Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Halu Oleo
  • Dian Christien Arisona Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Halu Oleo

DOI:

https://doi.org/10.61761/biochamp.3.1.1-12

Keywords:

Fixed Kernel Gaussian, Indeks Pembangunan Manusia, Papua

Abstract

Indeks Pembangunan Manusia (IPM) adalah indikator penting yang digunakan untuk mengukur pembangunan suatu wilayah. Tujuan penelitian ini adalah untuk mendapatkan pemodelan IPM serta mengidentifikasi faktor-faktor yang mempengaruhi IPM di Pulau Papua dengan mempertimbangkan heterogenitas spasial. metode yang diterapkan dalam penelitian ini digunakn pendekatan geografis yaitu Geographically Weighted Regression (GWR) dalam memodelkan IPM. Variabel penelitian mencakup indeks pembangunan manusia di Pulau Papua sebagai variabel respons (Y), dan variabel prediktor (X) yaitu angka kematian bayi (X1), persentase penduduk miskin (X2), akses terhadap sanitasi layak (X3), dan tingkat pengangguran terbuka (X4). Model GWR merupakan pengembangan dari model regresi spasial dimana setiap parameter dihitung setiap lokasi pengamatan, sehingga setiap lokasi akan memiliki interpretasi yang berbeda-beda. Fungsi pembobot dalam pemodelan GWR ini adalah Fixed Kernel Gaussian. Hasil penelitian menunjukan bahwa semua variabel prediktor berpengaruh terhadap IPM di Pulau Papua. Model GWR didapatkan akurasi R2 98,38% dan AIC 164,7. R2 menunjukkan kemampuan menjelaskan 98,38% variabilitas data respon, dan nilai AIC 164,7 yang mencerminkan efisiensi serta kecocokan model terhadap data spasial. Dari parameter GWR terbentuk 9 kelompok dimana terdapat beberapa faktor yang berbeda-beda pada setiap daerah di kabupaten/kota yang ada di Pulau Papua

References

Ampa, A.T., Budiantara, I.N., & Zain, I. (2022). Modeling the Level of Drinking Water Clarity in Surabaya City Drinking Water Regional Company using Combined Estimation of Multivariable Fourier Series and Kernel. Sustainability, 14(20): 13663.

Putri, F.E., Abapihi, B., & Ruslan, A. (2022). Pemodelan Indeks Pembangunan Manusia di Indonesia dengan Pendekatan Geographically Weighted Regression. Seminar Nasional Sains dan Terapan VI, 6: 34-49.

Satyaninggrat, L.M.W., Simatupang, S.A. W.D., & Kurniawan, E. (2023). Implementasi Multiple Regression dan Geograpically Weighted Regression Guna Pemodelan Indeks Pembangunan Manusia Provinsi Bali tahun 2019. Equiva Journal, 1(1).

Schabenberger O., & Gotway, C.A. (2005). Statistical Methods for Spatial Data Analysis. Chapman & Hall/CRC. 66 hlm

Downloads

Published

2026-03-03

How to Cite

Mentari, N., Ampa, A. T., Ihwal, M., Ruslan, R., Yahya, I., & Arisona, D. C. (2026). Pemodelan Geographically Weighted Regression (GWR) pada Indeks Pembangunan Manusia di Pulau Papua. Journal of Biology, Chemistry, Mathematics and Physics Education, 3(1), 1–12. https://doi.org/10.61761/biochamp.3.1.1-12

Issue

Vol. 3 No. 1 (2026): Februari

Section

##section.default.title##

License

Copyright (c) 2026 Niskal Mentari, Andi Tenri Ampa, Muhammad Ihwal, Ruslan Ruslan, Irma Yahya, Dian Christien Arisona

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.