Regresi Spasial Kelompok 2

8/17/2019 Regresi Spasial Kelompok 2

http://slidepdf.com/reader/full/regresi-spasial-kelompok-2 1/56

TUGAS KAPITA SELEKTA: STATISTIKA SPASIAL

“Regresi Spasial ( Analisis OLS, SAR, SEM dan GWR)”

ISUSU! OLE" :

1. Ma#lida ($%&'&$'$'$&&& )2. Rara O *a Sari ($%&'&$'$'$&&&%)3. Si*i Ma#lina Me#*#a+ ($%&'&$' '%&&-')4. T#*#* .ar/aning T ($%&'&$' ' &&- )01 Ti*in A2riana ($%&'&$' '%&& )

.URUSA! STATISTIKA3AKULTAS SAI!S A! MATEMATIKA

U!I4ERSITAS IPO!EGOROSEMARA!G

$&'0



I. Judul

Regresi Spasial (OLS, SAR, SEM dan GWR)

II. Dasar Teori

Analisis Regresi 5ergandaMenurut Draper dan S it! ("##$), !u%ungan antara satu &aria%el dependen dengan satuatau le%i! &aria%el independen dapat din'ata an dala odel regresi linear dan se arau u diru us an dengan *

' + - "/" 0 p/p 1

Di ana ' &aria%el dependent, sedang an -, ",0, p adala! para eter 'ang tida di eta!ui dan 1 adala! error regresi.

2engu3ian esesuaian odel se ara serenta dila u an dengan !ipotesis se%agai %eri ut *4- * " + $ + 0 + p + -4" * 2aling sedi it ada satu 5 -, + ",$,0,pStatisti u3i dala pengu3ian terse%ut adala! *

MSE

MSR F

hit =

dengan *MSR * Mean Square Regression (Rataan 6uadrat Regresi)MSE * Mean Square Error (Rataan 6uadrat Sisa)Dengan eputusan odel regresi sesuai untu data 'ang diguna an 3i a 7!it 8 79:&",&$di ana &" + p dan &$ + (n;p;")

<ntu engeta!ui &aria%el ana sa3a 'ang se ara statisti signi=i an e pengaru!i&aria%el respon dila u an u3i signi=i ansi parsial dengan !ipotesa*4- * + -4" * 5 - dengan +" ,$,0,pStatisti u3i 'ang diguna an dala pengu3ian parsial adala! *

=∧

∧

β

β

SE

t k hit

> ",

$−− pn

t α

Dengan eputusan tola 4 - 3i a",

$−−

> pn

hit t t α

di ana d= + n;p;"

U6i !7r8ali*as6enor alan Residual dapat diu3i se ara =or al dengan engguna an <3i 3ar?ue;%era4ipotesis4-* residual %erdistri%usi nor al4"* residual tida %erdistri%usi nor al6eputusan tola 4- 3i a nilai p;&alue @ 9



Spatial Heterogeneity4eterogenitas data se ara spasial dapat diu3i dengan engguna an statisti u3i reus !2agan (<3i 2) (Anselin, "#BB) 'ang e pun'ai !ipotesis *

4- * + + +0 + +

4" * ini al ada satu

Cilai <3i 2 adala!2 + (" $) 2T9(9T9) '9T2 > $ ( p)

Dengan ele en &e tor 2 adala!

−= "$

$

" σ ie

f

di ana * least square residual untu o%ser&asi e;i

9 * atri s %eru uran n F (p ") 'ang %erisi &e tor 'ang suda! dinor al standar an ( )untu setiap o%ser&asiTola 4- %ila l 2I 8 $ ( p)

Ma*ri s Weighting Spatial Matri s weighting spatial W diperole! dari in=or asi 3ara antara Hila'a! satudengan Hila'a! lainn'a. Ele en dari atri s W adala! H i3, dide=inisi an se%agai

%eri ut*LeSage ("###) en3elas an %a!Ha ada %e%erapa aturan 'ang dapat diguna anuntu enentu an nilai ij w , 'aitu *

". Linear contiguity * ij W , untu Hila'a! 'ang ada di pinggir atau tepi ( edge ), %ai di iriatau anan Hila'a! 'ang diper!ati an.

$. Rook contiguity * ij W , untu Hila'a! 'ang ada di sa ping ( side ) Hila'a! 'angdiper!ati an.

. Bishop contiguity * ij W , untu Hila'a! 'ang titi sudutn'a ( verte ) %erte u denganHila'a! 'ang diper!ati an.

. !ou"le Linear contiguity *ij W , untu $ entitas 'ang %ertepian di iri atau anan Hila'a!'ang diper!ati an.

K. !ou"le Rook contiguity *ij W , untu $ entitas 'ang ada di sa ping anan, iri, utara danselatan Hila'a! 'ang diper!ati an.

. #ueen contiguity * ij W , untu entitas 'ang ada di sa ping atau sudut Hila'a! 'ang

diper!ati an.

<ntu Hila'a! lainn'a, a a nilai W i3 a an en3adi -.

M7del Regresi SpasialMenurut Anselin ("#BB), odel u u regresi spasial din'ata an dengan *

; + W " ; <= ## + N W $# >



> > C (-, I)

dengan; * e tor &aria%el dependen, u uran n F "< * atri s &aria%el independen, u uran n F ( ")= * e tor para eter oe=isien regresi, %eru uran ( ") F "

* 2ara eter oe=isien spasial lag &aria%el dependentN * 2ara eter oe=isien spasial lag pada error# * e tor error %eru uran n F "> * e tor error %eru uran n F "W',W$ * Matri s pe %o%ot, %eru uran n F n

e%erapa odel 'ang %isa di%entu dari odel u u regresi spasial ini, 'aitu*". Apa%ila + - dan N + -, a a persa aaan en3adi odel regresi lasi

? + <= >$. Ji a nilai W $ + - atau N + - a a a an en3adi odel Spatial $utoregressive Model

%S$R& ; + W " ; <= >

> > C (-, I)

. Ji a nilai W " + - atau + - a a a an en3adi odel Spatial Error Model %SEM&; + <= N W $# >

> > C (-, I)

Spatial Autoregressive Model (SAR)Spatial $utoregressive Model %S$R& adala! sala! satu odel spasial dengan pende atanarea 'ang e per!itung an pengaru! spasial lag pada &aria%el dependen.Menurut Anselin ("#BB) odel SAR e pun'ai =ungsi log'likelihood seperti %eri ut *

( ) ( ) ( )β β σ

σ π ( $y ( $y $nn

L ) −−

−+

−

−= $

$

$"

lnln$

$ln$

di ana A+ I ; W

Sedang an untu pena sir para eter dan adala! se%agai %eri ut*

L""" ρ −=

∧

-

( ) ( ) L

)

L eeee

n ρ ρ σ −−

=

∧

--

$ "

6e udian persa aan diatas terse%ut disu%stitusi an e dala persa aan 'ang %aHa!se!ingga diperole! =ungsi log'likelihood concentrated seperti %eri ut*

( ) Pln"

ln$ - W * ee

nn

+ L L+ ρ ρ −+

−

−=

di ana + adala! onstanta. 7ungsi ($. . ) erupa an =ungsi nonlinier dala satu para eter 'aitu , dan di a si u an engguna an te ni nu eri dengan pen arianlangsung.



S*r#@*#ral E #a*i7n M7delling (SEM)Spatial Error Model erupa an odel spasial error di ana pada error terdapat orelasispasial, odel ini di e %ang an ole! Anselin ("#BB) , Model spasial error ter%entu

apa%ila W" + - dan + -, se!ingga odel ini engasu si an %a!Ha proses autoregressive

!an'a pada error odel. Model u u SEM ditun3u an dengan persa aan *

>Ɛ - (-, )

Di ana enun3u an spasial stru tur pada spatially

dependent error ( ). <ntu esti asi para eter .a i.u. likelihood odel SEM

e pun'ai ru us se%agai %eri ut*

<ntu enduga para eter diperlu an suatu iterasi nu eri untu

endapat an pendugaann'a 'ang e a si al an =ungsi log likelihood (Arisanti, $-""*$ )

Ge7grap+i@all; Weig+*ed Regressi7n (GWR)Model GWR erupa an sala! satu odel 'ang di un ul an dari etode pende atan titi 'aitu pende atan %erdasar an posisi oordinat garis lintang (latitude) dan garis %u3ur (longitude). 2ada suatu penelitian ter!adap unit indi&idu dengan Ha tu 'ang %ersa aan

%iasan'a urang e %eri an in=or asi 'ang le%i!.Model Geograp!i all' Weig!ted Regression (GWR) adala! penge %angan dari odelregresi di ana para eter di!itung pada setiap lo asi penga atan, se!ingga setiap lo asi

penga atan e pun'ai nilai para eter 'ang %er%eda;%eda. aria%el respon dalaodel GWR dipredi si dengan &aria%el predi tor 'ang asing; asing oe=isien regresin'a

tergantung pada lo asi di ana data terse%ut dia ati. Model Geograp!i all' Weig!ted Regression (GWR) adala! penge %angan dari odelregresi 'ang ter%o%oti di ana setiap para eter di!itung pada setiap titi lo asi geogra=is

pun'a nilai para eter regresi 'ang %er%eda;%eda (Qressie, "##") Model GWR dapat ditulisse%agai %eri ut*



Di ana i + ",$,0,n 2ada GWR se%ua! o%ser&asi di%o%oti dengan nilai 'ang %er!u%ungandengan titi e;i. o%ot Hi3, untu 3+ ",$,0, n pada tiap lo asi (ui ,&i) a a

2endugaan para ater odel GWR diperlu an pe %o%ot spasial untu eHa ili leta datao%ser&asi satu dengan lainn'a. 2ada penelitian ini diguna an pe %o%ot adapti&e gaussian

ernel 'ang dapat diru us an se%agai %eri ut*

III. Studi 6asusDataData 'ang diguna an dala studi asus ali ini adala! Data Qolu %us dengan

engguna an &aria%el Qri e se%agai &aria%el dependen dan &aria%el In o e

se%agai &aria%el IndependenCrime Income Housing x y18.802 21.232 44.567 35.62 42.38

32.388 4.477 33.200 36.50 40.52

38.426 11.337 37.125 36.71 38.71

0.178 8.438 75.000 33.36 38.41

15.726 19.531 80.467 38.80 44.07

30.627 15.956 26.350 39.82 41.18

50.732 11.252 23.225 40.01 38.00

26.067 16.029 28.750 43.75 39.28

48.585 9.873 18.000 39.61 34.91

34.001 13.598 96.400 47.61 36.42

36.869 9.798 41.750 48.58 34.46

20.049 21.155 47.733 49.61 32.65

19.146 18.942 40.300 50.11 29.91

18.905 22.207 42.100 51.24 27.80

27.823 18.950 42.500 50.89 25.24

16.241 29.833 61.950 48.44 27.93

0.224 31.070 81.267 46.73 31.91

30.516 17.586 52.600 43.44 35.92

33.705 11.709 30.450 43.37 33.46

40.970 8.085 20.300 41.13 33.14

52.794 10.822 34.100 43.95 31.61



41.968 9.918 23.600 44.10 30.40

39.175 12.814 27.000 43.70 29.18

53.711 11.107 22.700 41.04 28.78

25.962 16.961 33.500 43.23 27.31

22.541 18.796 35.800 42.67 24.96

26.645 11.813 26.800 41.21 25.90

29.028 14.135 27.733 39.32 25.85

36.664 13.380 25.700 41.09 27.49

42.445 17.017 43.300 38.32 28.82

56.920 7.856 22.850 41.31 30.90

61.299 8.461 17.900 39.36 32.88

60.750 8.681 32.500 39.72 30.64

68.892 13.906 22.500 38.29 30.35

38.298 14.236 53.200 36.60 32.09

54.839 7.625 18.800 37.60 34.08

56.706 10.048 19.900 37.13 36.12

62.275 7.467 19.700 37.85 36.30

46.716 9.549 41.700 35.95 36.40

57.066 9.963 42.900 35.72 35.60

54.522 11.618 30.600 35.76 34.66

43.962 13.185 60.000 36.15 33.9240.074 10.655 19.975 34.08 30.42

23.974 14.948 28.450 30.32 28.26

17.677 16.940 31.800 27.94 29.85

14.306 18.739 36.300 27.27 28.21

19.101 18.477 39.600 24.25 26.69

16.531 18.324 76.100 25.47 25.71

16.492 25.873 44.333 29.02 26.58

2e %o%ot2e %o%otan 'ang diguna an dala asus ini adala! Rook +ontiguity(2ersinggungan sisi) dan #ueen +ontiguity (persinggungan sisi;sudut) <ntu

Model OLS, SAR dan SEM2e %o%otan 'ang diguna an dala asus ini adala! Gaussian, Tri u%e danis?uare untu Model GWR

I . 4asil dan 2e %a!asanRegresi OLS(OR I!AR? LEAST SBUARES ESTIMATIO!)Pe8C7C7*an B#een D7n*ig#i*;

Modelerdasar an pengu3ian data Qolu %us engguna an regesi OLS diperole!

odel 'ang ter%entu se%agai %eri ut*--------------------------------------------------------------------

Variable Coefcient Std.Error t-Statistic Probability--------------------------------------------------------------------CONSTANT 6 .61 !6 4."3#4 6 14.4!$3" $.$$$$$$$%NC -1.#!"311 $.33413$ -4." $4!6 $.$$$$1 3&OVA' -$.2"3!31# $.1$31! " -2.6#44$! $.$1$ "4#--------------------------------------------------------------------2ersa aan regresi 'ang ter%entu adala!*



+ B. "B# ; ".K#U "" ICQ ;-.$U # "K 4O ALPe8eri saan as#8si 87del OLS<3i 6esesuaian Model4ipotesis4- * Model tida sesuai

4" * Model sesuaiTara= Signi=i ansiVK=α

Statisti <3i7;statisti s + $B. BK2ro% ( 7;statisti s) +#. -U e;--#6riteria <3iTola 4- 3i a 2ro%(7;statisti s) @ VK=α

6eputusan4- ditola arena nilai 2ro%(7;statisti s) + #. -U e;--# @ VK=α

6esi pulanJadi, pada tara= signi=i ansi 9+KV dapat disi pul an %a!Ha odel sesuai<3i Signi=i ansi 2arsial4ipotesis4- * 2ara eter tida signi=i an4" * 2ara eter signi=i anTara= Signi=i ansi

VK=α

Statisti <3iQOCSTACT * t;statisti s +" . #- U

2ro%(t;statisti s) +-.------- ICQ * t;statisti s +; .UB- #

2ro%(t;statisti s) +-.----"B 4O AL * t;statisti s +;$. K -#

2ro%(t;statisti s) + -.-"-BU K6riteria <3iTola 4- 3i a 2ro%(t;statisti s) @ VK=α

6eputusan4- ditola untu se ua para eter arena nilai 2ro%(t;statisti s) @ VK=α

6esi pulanJadi, pada tara= signi=i ansi 9+KV dapat disi pul an %a!Ha se ua

para eter( onstant, in dan !o&al) signi=i an ter!adap odel.<3i Cor alitas4ipotesis4- * Residual %erdistri%usi nor al4" * Residual tida %erdistri%usi nor alTara= Signi=i ansi



VK=α

Statisti <3i

)J

)I((

L

$$ −+=

/ S

n 0B + ".B KUK

2ro%a%ilit'+ -. ##

6riteria <3iTola 4- 3i a 2ro%a%ilit' @ VK=α

6eputusan4- ditola arena nilai 2ro%a%ilit' + -. ## 8 VK=α

6esi pulanJadi, pada tara= signi=i ansi 9+KV dapat disi pul an %a!Ha residual

%erdistri%usi nor al<3i 4eteros edastisitas4ipotesis

4- * Raga residual !o ogen4" * Raga residual tida !o ogenTara= Signi=i ansi

VK=α

Statisti <3ireus !;2agan test+ U.#-- $ : d=+$

2ro%a%ilit'+ -.-"#$K-K6riteria <3iTola 4- 3i a 2ro%a%ilit' @ VK=α

6eputusan

4- ditola arena nilai 2ro%a%ilit' +-.-"#$K-K

@VK=α

6esi pulanJadi, pada tara= signi=i ansi 9+KV dapat disi pul an %a!Ha raga residual

tida !o ogen.

Regresi SpasialPe8C7C7*an B#een D7n*ig#i*;Regresi SAR ( SPATIAL AUTOREGRESSI4E MO EL)

Modelerdasar an pengu3ian data Qolu %us engguna an regesi SAR dengan

pe %o%otan ?ueen ontiguit' diperole! odel se%agai %eri ut*------------------------------------------------------------------ Variable Coefcient

Std.Error (-)al*e Probability------------------------------------------------------------------- +,C % E $.42332#4 $.11!#1$4 3.#42162 $.$$$3!6! CONSTANT 4#.6$32# ".2#"4$4 6.2 36 6 $.$$$$$$$ %NC -1.$4 "2 $.3$"4$#! -3.411#42 $.$$$6461 &OVA' -$.266334 $.$ !$!62! -2.! !2!2 $.$$2"!64



------------------------------------------------------------------- Se!ingga persa aan regresi'ang ter%entu adala!*

' i + " $. Fi 1i .

+ K. - $K ;-.$ B4O AL ; ".- BU$BICQ -. $ $K. 1i

2e eri saan asu si odel SAR <3i E=e Spasial ( Mengguna an <3i Lagrange Multiplier (lag))4ipotesis4-* ρ + - ( Tida Terdapat E=e Spasial)

4"* ≠ ρ - ( Terdapat E=e Spasial)

Tara= signi=i ansiVK=α

Statisti <3i ρ +B.B#U##B2ro%a%ilit'+-.--$BK B6riteria <3iTola 4- 3i a 2ro%a%ilit' @ VK=α

6eputusan4- ditola arena nilai 2ro%a%ilit'+-.--$BK B @ VK=α

6esi pulanJadi, pada tara= signi=i ansi VK=α dapat disi pul an %a!Ha terdapat

etergantungan spasial pada &aria%el respon dan analisis dilan3ut an dengan

engguna an odel SAR.<3i 6esesuaian Model4ipotesis4- * Model tida sesuai4" * Model sesuaiTara= Signi=i ansi

VK=α

Statisti <3iLR;Test + #. - K2ro%a%ilit' +-.--$" $"6riteria <3iTola 4- 3i a 2ro%(7;statisti s) @ VK=α

6eputusan4- ditola arena nilai 2ro%a%ilit' + -.--$" $"@ VK=α

6esi pulanJadi, pada tara= signi=i ansi 9+KV dapat disi pul an %a!Ha odel sesuai<3i Signi=i ansi 2arsial4ipotesis



4- * 2ara eter tida signi=i an4" * 2ara eter Signi=i anTara= Signi=i ansi

VK=α

Statisti <3i

W QRIME *2ro%a%ilit' +-.--- # #

QOCSTACT *2ro%a%ilit' +-.-------

4O AL *2ro%a%ilit' +-.--$U#

ICQ *2ro%a%ilit' + -.--- "

6riteria <3i

Tola 4- 3i a 2ro%a%ilit' @ VK=α 6eputusan4- ditola untu se ua para eter arena nilai 2ro%a%ilit' @ VK=α


para eter( H ri e, onstant, in dan !o&al) signi=i an ter!adap odel.<3i 4eteros edastisitas4ipotesis4- * Raga residual !o ogen4" * Raga residual tida !o ogenTara= Signi=i ansi

VK=α

Statisti <3ireus !;2agan test+ $ .K-B## : d=+$

2ro%a%ilit'+ -.----- B6riteria <3iTola 4- 3i a 2ro%a%ilit' @ VK=α

6eputusan4- ditola arena nilai 2ro%a%ilit' + -.----- B@ VK=α


tida !o ogen.

Regresi SEM ( S2ATIAL ERROR MODEL)Model



erdasar an pengu3ian data Qolu %us engguna an regesi SEM dengan pe %o%otan ?ueen ontiguit' diperole! odel 'ang ter%entu se%agai %eri ut*

-------------------------------------------------------------------

Variable Coefcient Std.Error (-)al*e Probability------------------------------------------------------------------- CONSTANT 6$.2"!4" #.36##!4 11.23444 $.$$$$$$$ %NC -$.!#"3$#3 $.33423$ -2. 642$# $.$$41 $" &OVA' -$.3$4##!3 $.$!2$4"31 -3.3$ "2# $.$$$!3"3 'A /0A $.#46"#31 $.13 $#$ 3.!6$#22 $.$$$$"4-------------------------------------------------------------------Se!ingga persa aan regresi 'ang ter%entu adala!*

' i + " $. Fi 1i N . 1 3

+ -,$U# U X -,#KU -K ICQ X -, - KK# 4O AL -,K UK ". 1 3 1i

2e eri saan asu si odel SEM<3i E=e Spasial( Mengguna an <3i Lagrange Multiplier (error))4ipotesis4-* ρ + - ( Tida Terdapat E=e Spasial)



Statisti <3iLagrange Multiplier (error) + K.$- $" #2ro%a%ilit' +-.-$$K-6riteria <3iTola 4- 3i a 2ro%a%ilit' @ VK=α

6eputusan4- ditola arena nilai 2ro%a%ilit'+-.-$$K- @ VK=α



engguna an odel SEM.<3i 6esesuaian Model4ipotesis4- * Model tida sesuai4" * Model sesuaiTara= Signi=i ansi

VK=α

Statisti <3i



LR;Test + U.$KK $$2ro%a%ilit' +-.--U- U#6riteria <3iTola 4- 3i a 2ro%(7;statisti s) @ VK=α

6eputusan4- ditola arena nilai 2ro%a%ilit' + -.--U- U#@ VK=α

6esi pulanJadi, pada tara= signi=i ansi 9+KV dapat disi pul an %a!Ha odel sesuai<3i Signi=i ansi 2arsial4ipotesis4- * 2ara eter tida signi=i an4" * 2ara eter Signi=i anTara= Signi=i ansi

VK=α

Statisti <3iQOCSTACT *

2ro%a%ilit' + -.------- 4O AL *

2ro%a%ilit' + -.---# U ICQ *

2ro%a%ilit' + -.-- "B-ULAM DA *

2ro%a%ilit' + -.----U B6riteria <3i

Tola 4- 3i a 2ro%a%ilit' @ VK=α

6eputusan4- ditola untu se ua para eter arena nilai 2ro%a%ilit' @ VK=α


para eter( onstant, in , !o&al, dan la %da) signi=i an ter!adap odel.<3i 4eteros edastisitas4ipotesis4- * Raga residual !o ogen

4" * Raga residual tida !o ogenTara= Signi=i ansiVK=α

Statisti <3ireus !;2agan test+ "B.B $B : d=+$

2ro%a%ilit'+ -.----B-"6riteria <3iTola 4- 3i a 2ro%a%ilit' @ VK=α



6eputusan4- ditola arena nilai 2ro%a%ilit' + -.----B-"@ VK=α


tida !o ogen.

Regresi OLS(OR I!AR? LEAST SBUARES ESTIMATIO!)Pe8C7C7*an R77 D7n*ig#i*;

Modelerdasar an pengu3ian data Qolu %us engguna an regesi OLS diperole!odel 'ang ter%entu se%agai %eri ut*

-------------------------------------------------------------------- Variable Coefcient Std.Error t-Statistic Probability--------------------------------------------------------------------CONSTANT 6 .61 !6 4."3#4 6 14.4!$3" $.$$$$$$$%NC -1.#!"311 $.33413$ -4." $4!6 $.$$$$1 3&OVA' -$.2"3!31# $.1$31! " -2.6#44$! $.$1$ "4#-------------------------------------------------------------------- 2ersa aan regresi 'angter%entu adala!*

+ B. "B# ; ".K#U "" ICQ ;-.$U # "K 4O AL2e eri saan asu si odel OLS<3i 6esesuaian Model4ipotesis4- * Model tida sesuai4" * Model sesuaiTara= Signi=i ansi

VK=α

Statisti <3i7;statisti s + $B. BK2ro% ( 7;statisti s) +#. -U e;--#6riteria <3iTola 4- 3i a 2ro%(7;statisti s) @ VK=α

6eputusan4- ditola arena nilai 2ro%(7;statisti s) + #. -U e;--# @ VK=α

6esi pulanJadi, pada tara= signi=i ansi 9+KV dapat disi pul an %a!Ha odel sesuai

<3i Signi=i ansi 2arsial4ipotesis4- * 2ara eter tida signi=i an4" * 2ara eter signi=i anTara= Signi=i ansi

VK=α

Statisti <3i



QOCSTACT * t;statisti s +" . #- U 2ro%(t;statisti s) +-.-------

ICQ * t;statisti s +; .UB- #2ro%(t;statisti s) +-.----"B

4O AL * t;statisti s +;$. K -# 2ro%(t;statisti s) + -.-"-BU K

6riteria <3iTola 4- 3i a 2ro%(t;statisti s) @ VK=α

6eputusan4- ditola untu se ua para eter arena nilai 2ro%(t;statisti s) @ VK=α


para eter( onstant, in dan !o&al) signi=i an ter!adap odel.

<3i Cor alitas4ipotesis4- * Residual %erdistri%usi nor al4" * Residual tida %erdistri%usi nor alTara= Signi=i ansi

VK=α

Statisti <3i

)J

)I((

L

$$ −+=

/ S

n 0B + ".B KUK

2ro%a%ilit'+ -. ##6riteria <3i

Tola 4- 3i a 2ro%a%ilit' @ VK=α 6eputusan4- ditola arena nilai 2ro%a%ilit' + -. ## 8 VK=α

6esi pulanJadi, pada tara= signi=i ansi 9+KV dapat disi pul an %a!Ha residual

%erdistri%usi nor al<3i 4eteros edastisitas4ipotesis4- * Raga residual !o ogen4" * Raga residual tida !o ogenTara= Signi=i ansi

VK=α

Statisti <3ireus !;2agan test+ U.#-- $ : d=+$

2ro%a%ilit'+ -.-"#$K-K6riteria <3iTola 4- 3i a 2ro%a%ilit' @ VK=α



6eputusan4- ditola arena nilai 2ro%a%ilit' + -.-"#$K-K @ VK=α


tida !o ogen.

Regresi SpasialPe8C7C7*an R7@ D7n*ig#i*;Regresi SAR ( SPATIAL AUTOREGRESSI4E MO EL)

Modelerdasar an pengu3ian data Qolu %us engguna an regesi SAR dengan

pe %o%otan Ro Qontiguit' diperole! odel 'ang ter%entu se%agai %eri ut*

------------------------------------------------------------------- Variable Coefcient Std.Error (-)al*e Probability------------------------------------------------------------------- +,C % E $.422 $"! $.11##""" 3.6# 213 $.$$$2#4$ CONSTANT 4#.264! ".1"#"!6 6.3$ $$" $.$$$$$$$ %NC -1.$36346 $.3$#2#24 -3.3!#$4" $.$$$6 63 &OVA' -$.2#!41" $.$ "!6"3 -2.!214"! $.$$34 3!------------------------------------------------------------------- Se!ingga persa aan regresi

'ang ter%entu adala!*

' i + " $. Fi 1i .

+ K,$ #BX ",- ICQ ; -,$K# "UB4O AL -, $$B-B. 1i

2e eri saan asu si odel SAR <3i E=e Spasial( Mengguna an <3i Lagrange Multiplier (lag))4ipotesis4-* ρ + - ( Tida Terdapat E=e Spasial)



Statisti <3i

Lagrange Multiplier (lag) + B.UK##-U"2ro%a%ilit' +-.-- -U#$6riteria <3iTola 4- 3i a 2ro%a%ilit' @ VK=α

6eputusan4- ditola arena nilai 2ro%a%ilit'+-.-- -U#$@ VK=α

6esi pulan



Jadi, pada tara= signi=i ansi VK=α dapat disi pul an %a!Ha terdapat


engguna an odel SAR.<3i 6esesuaian Model

4ipotesis4- * Model tida sesuai4" * Model sesuaiTara= Signi=i ansi

VK=α

Statisti <3iLR;Test + #.U"#$2ro%a%ilit' + -.--"B$ K6riteria <3iTola 4- 3i a 2ro%(7;statisti s) @ VK=α

6eputusan4- ditola arena nilai 2ro%a%ilit' + -.--"B$ K@ VK=α


VK=α

Statisti <3iW QRIME *t;statisti s + . KB$"

2ro%a%ilit' + -.---$K -QOCSTACT * t;statisti s + . -B--U

2ro%a%ilit' + -.-------ICQ * t;statisti s +; . #K- U

2ro%a%ilit' + -.--- B 4O AL * t;statisti s +;$.#$" U#

2ro%a%ilit' + -.-- B #



6esi pulan



Jadi, pada tara= signi=i ansi 9+KV dapat disi pul an %a!Ha se ua

para eter( H ri e, onstant, in dan !o&al) signi=i an ter!adap odel.<3i 4eteros edastisitas4ipotesis

4- * Raga residual !o ogen4" * Raga residual tida !o ogenTara= Signi=i ansi

VK=α

Statisti <3ireus !;2agan test+ $ .KU#U$ : d=+$

2ro%a%ilit'+ -.-----U6riteria <3iTola 4- 3i a 2ro%a%ilit' @ VK=α

6eputusan4- ditola arena nilai 2ro%a%ilit' + -.-----U @ VK=α


tida !o ogen.Regresi SEM ( S2ATIAL ERROR MODEL)

Modelerdasar an pengu3ian data Qolu %us engguna an regesi SEM dengan

pe %o%otan dengan roo ontiguit' diperole! odel 'ang ter%entu se%agai %eri ut*

------------------------------------------------------------------- Variable Coefcient Std.Error (-)al*e Probability------------------------------------------------------------------- CONSTANT 6$.3"#1! #.32#$" 11.33"!1 $.$$$$$$$ %NC -$.!61$436 $.33114#6 -2.!$21"! $.$$3"$#! &OVA' -$.3$31! 1 $.$!264126 -3.2"2 2 $.$$1$64! 'A /0A $.#4 4"3! $.1313"!1 4.1"4"43 $.$$$$2!!------------------------------------------------------------------- Se!ingga persa aan regresi

'ang ter%entu adala!*

' i + " $. Fi 1i N . 1 3

+ -, UK"#X -,# "- ICQX -, - "#B"4O AL -,K B U . 1 3 1i

2e eri saan asu si odel SEM<3i E=e Spasial( Mengguna an <3i Lagrange Multiplier (error))4ipotesis4-* ρ + - ( Tida Terdapat E=e Spasial)





Statisti <3iLagrange Multiplier (lag) + K.B" BU##2ro%a%ilit' +-.-"KB#""6riteria <3iTola 4- 3i a 2ro%a%ilit' @ VK=α

6eputusan4- ditola arena nilai 2ro%a%ilit'+-.-"KB#""@ VK=α



engguna an odel SEM.<3i 6esesuaian Model4ipotesis4- * Model tida sesuai4" * Model sesuaiTara= Signi=i ansi

VK=α

Statisti <3iLR;Test + B."$U2ro%a%ilit' +-.-- -6riteria <3iTola 4- 3i a 2ro%(7;statisti s) @ VK=α

6eputusan4- ditola arena nilai 2ro%a%ilit' + -.-- - @ VK=α


VK=α

Statisti <3iQOCSTACT *

2ro%a%ilit' + -.------- 4O AL *

2ro%a%ilit' + -.--"- # ICQ *

2ro%a%ilit' + -.-- U-K#



LAM DA *2ro%a%ilit' + -.----$##




para eter( onstant, in , !o&al, dan la %da) signi=i an ter!adap odel.<3i 4eteros edastisitas4ipotesis4- * Raga residual !o ogen4" * Raga residual tida !o ogenTara= Signi=i ansi

VK=α Statisti <3i

reus !;2agan test+ "B."- "# : d=+$2ro%a%ilit'+ -.---""U$6riteria <3iTola 4- 3i a 2ro%a%ilit' @ VK=α

6eputusan4- ditola arena nilai 2ro%a%ilit' + -.----B-"@ VK=α


tida !o ogen.

Pe8ili+an M7del TerCai

< uran 6e%ai an Model Regresi 6lasi (OLS), Model SAR dan Model SEMM7del 57C7* R$ AIDOLS Yueen KK,$ V B-.UKSAR Yueen , BV 3"3.34SEM Yueen , BV 3"3.4!!OLS Ro KK,$ V B-.UKSAR Ro 6# 1$ 3"3.$3#SEM Ro 6# 3" 3"2.62"

Se ara eseluru!an nilai R$ 'ang di!asil an odel SEM dengan pe %o%otan Ro Qontiguit'

le%i! %esar daripada 'ang lainn'a. Selain itu, nilai AIQ 'ang di!asil an pada odel SEM dengan

pe %o%otan Ro Qontiguit' 3uga le%i! e il di%anding an 'ang lainn'a. Se!ingga dapat

disi pul an %a!Ha odel SEM dengan pe %o%otan Ro Qontiguit' le%i! %ai diguna an



dala e odel an Data Qolu %us.. Se!innga odel ter%ai n'a adala! + -, UK"#X

-,# "- ICQX -, - "#B"4O AL -,K B U . 1 3 1i

REGRESI SPASIAL GWR MO EL GWR dengan Pe8C7C7*an Ga#ss

". Model Regresi Liner dengan Ordinar' Least S?uare (OLS) untu Data Qolu %usDengan pengola!an engguna an R diperole! !asil se%agai %eri ut *

Se!ingga, odel regresi linier 'ang ter%entu adala!

$. Selan3utn'a a an di%entu odel 1eographically Weighted Regression (GWR). Se%eludi ari esti asi para etern'a untu odel GWR, terle%i! da!ulu di%entu pe %o%otanuntu asing; asing Hila'a!. 2e %o%ot 'ang diguna an adala! Gauss (adapti&e).Setela! diola! dengan engguna an R, diperole! atri s pe %o%otn'a se%agai %eri ut *



. Setela! atri s pe %o%ot ter%entu , a a dapat dila u an esti asi para eter. Setiap para eter di!itung pada setiap lo asi penga atan, se!ingga setiap titi lo asi

e pun'ai nilai para eter regresi 'ang %er%eda;%eda.Model GWR adala!

Esti asi para eter untu asing; asing lo asi dapat dili!at pada output %agian esti asi para eter.

. <3i 6e o o an Model• 4ipotesis

4 - *

4 " * paling sedi it ada satu• Tara= signi=i ansi

9 + KV• Statisti <3i

7 + ",U U p;&alue + -,- "U$

• Daera! 6ritisTola 4 - 3i a p;&alue @ 9

• 6eputusan4 - ditola , arena p;&alue + -,- "U$ @ 9 + -,-K

• 6esi pulan



Jadi, pada tara= signi=i ansi KV, odel GWR le%i! o o di%anding an odel linier dengan OLS. Se!ingga, odel GWR 'ang diguna an.

K. 6arena pada u3i e o o an odel enola 4 - , a a dila u an pengu3ian pengaru!geogra=is ter!adap setiap predi tor.• 4ipotesis

4 - *

4 " * paling sedi it ada satu

• Tara= signi=i ansi9 + KV

• Statisti <3i

2ara eter 7 p;&aluein o e $,B# -$ -,--" $-!ousing ,"BK - -,--"""


• 6eputusan4 - ditola untu asing; asing para eter arena p;&alue untu asing; asing

para eter @ 9 + -,-K• 6esi pulan

Jadi, pada tara= signi=i ansi KV, ada pengaru! =a tor geogra=is pada odel.. Cilai AIQ

AIQ + KU, U

MO EL GWR dengan Pe8C7C7*an Tri@#Ce








Esti asi para eter untu asing; asing lo asi dapat dili!at pada output %agian esti asi para eter.

. <3i 6e o o an Model• 4ipotesis

4 - *



• Statisti <3i

7 + .-KU$ p;&alue + -,---$$-"




• 6eputusan4 - ditola , arena p;&alue + -,---$$-"@ 9 + -,-K

• 6esi pulan

Jadi, pada tara= signi=i ansi KV, odel GWR le%i! o o di%anding an odel linier dengan OLS. Se!ingga, odel GWR 'ang diguna an.

K. 6arena pada u3i e o o an odel enola 4 - , a a dila u an pengu3ian pengaru!geogra=is ter!adap setiap predi tor.• 4ipotesis

4 - *



• Statisti <3i

2ara eter 7 p;&alueIn o e ", # B -," K$4ousing ", B -,"BUB


• 6eputusan4 - diteri a untu asing; asing para eter arena p;&alue untu asing; asing

para eter 8 9 + -,-K• 6esi pulan

Jadi, pada tara= signi=i ansi KV, tida ada pengaru! =a tor geogra=is pada odel.. Cilai AIQ

AIQ + $ ,U#B

MO EL GWR dengan Pe8C7C7*an 5is #are




erdasar an analisis dan pe %a!asan dapat disi pul an %a!Ha*

• Regresi OLS (ORDICAR LEAST SY<ARES ESTIMATIOC)2e %o%otan Yueen Qontiguit'

; <ntu odel, persa aan regresi 'ang ter%entu adala! *

+ B. "B# ; ".K#U "" ICQ ;-.$U # "K 4O AL2e eri saan asu si odel OLS; <ntu u3i esesuaian odel, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV odel

sesuai; <ntu u3i signi=i ansi parsial, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV

se ua para eter ( onstant, in dan !o&al) signi=i an ter!adap odel.; <ntu u3i nor alitas, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV residual

%erdistri%usi nor al; <ntu u3i !eteros edastisitas, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV

raga residual tida !o ogen• Regresi SAR (S2ATIAL A<TOREGRESSI E MODEL)

2e %o%otan Yueen Qontiguit'; <ntu odel, persa aan regresi 'ang ter%entu adala! *

' i + " $. Fi 1i .

+ K. - $K ;-.$ B4O AL ; ".- BU$BICQ -. $ $K. 1i

2e eri saan asu si odel SAR ; <ntu u3i e=e spasial ( Mengguna an <3i Lagrange Multiplier (lag)), dapat disi pul an

%a!Ha pada tara= signi=i ansi9+KV terdapat etergantungan spasial pada &aria%el respon

dan analisis dilan3ut an dengan engguna an odel SAR.; <ntu u3i esesuaian odel, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV odel


se ua para eter( H ri e, onstant, in dan !o&al) signi=i an ter!adap odel.; <ntu u3i !eteros edastisitas, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV

raga residual tida !o ogen• Regresi SEM ( S2ATIAL ERROR MODEL)

2e %o%otan Yueen Qontiguit'; <ntu odel, persa aan regresi 'ang ter%entu adala! *

' i + " $. Fi 1i N . 1 3

+ -,$U# U X -,#KU -K ICQ X -, - KK# 4O AL -,K UK ". 1 3 1i

2e eri saan asu si odel SEM



; <ntu u3i e=e spasial ( Mengguna an <3i Lagrange Multiplier (error)), dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV terdapat etergantungan spasial pada &aria%el respon

dan analisis dilan3ut an dengan engguna an odel SEM.; <ntu u3i esesuaian odel, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV odel


se ua para eter( onstant, in , !o&al, dan la %da) signi=i an ter!adap odel.; <ntu u3i !eteros edastisitas, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV

raga residual tida !o ogen• Regresi OLS (ORDICAR LEAST SY<ARES ESTIMATIOC)

2e %o%otan Roo Qontiguit'; <ntu odel, persa aan regresi 'ang ter%entu adala! *

+ B. "B# ; ".K#U "" ICQ ;-.$U # "K 4O AL

2e eri saan asu si odel OLS; <ntu u3i esesuaian odel, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV odel


se ua para eter( onstant, in dan !o&al) signi=i an ter!adap odel.; <ntu u3i nor alitas, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV residual

%erdistri%usi nor al; <ntu u3i !eteros edastisitas, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV

raga residual tida !o ogen• Regresi SAR (S2ATIAL A<TOREGRESSI E MODEL)


' i + " $. Fi 1i .

+ K,$ #BX ",- ICQ ; -,$K# "UB4O AL -, $$B-B. 1i

2e eri saan asu si odel SAR ; <ntu u3i e=e spasial ( Mengguna an <3i Lagrange Multiplier (lag)), dapat disi pul an

%a!Ha pada tara= signi=i ansi 9+KV terdapat etergantungan spasial pada &aria%el respon

dan analisis dilan3ut an dengan engguna an odel SAR.; <ntu u3i esesuaian odel, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV odel


se ua para eter ( H ri e, onstant, in dan !o&al) signi=i an ter!adap odel.



; <ntu u3i !eteros edastisitas, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV

raga residual tida !o ogen• Regresi SEM ( S2ATIAL ERROR MODEL)


' i + " $. Fi 1i N . 1 3

+ -, UK"#X -,# "- ICQX -, - "#B"4O AL -,K B U . 1 3 1i

2e eri saan asu si odel SEM; <ntu u3i e=e spasial ( Mengguna an <3i Lagrange Multiplier (error)), dapat disi pul an

%a!Ha pada tara= signi=i ansi 9+KV terdapat etergantungan spasial pada &aria%el respon

dan analisis dilan3ut an dengan engguna an odel SEM.; <ntu u3i esesuaian odel, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV odel


se ua para eter( onstant, in , !o&al, dan la %da) signi=i an ter!adap odel.; <ntu u3i !eteros edastisitas, dapat disi pul an %a!Ha pada tara= signi=i ansi 9+KV

raga residual tida !o ogen'• 2e ili!an Model Ter%ai

6arena nilai R$ 'ang di!asil an odel SEM dengan pe %o%otan Ro Qontiguit' le%i!

%esar daripada 'ang lainn'a dan nilai AIQ 'ang di!asil an pada odel SEM dengan

pe %o%otan Ro Qontiguit' 3uga le%i! e il di%anding an 'ang lainn'a. Dapat

disi pul an %a!Ha odel SEM dengan pe %o%otan Ro Qontiguit' le%i! %ai

diguna an dala e odel an Data Qolu %us.. Se!innga odel ter%ai n'a adala! +

-, UK"#X -,# "- ICQX -, - "#B"4O AL -,K B U . 1 3 1i

• Regresi Spasial GWR

2e %o%otan dengan Gauss; <ntu odel, persa aan regresi 'ang ter%entu adala! *

•

2e eri saan asu si odel GWR ; <ntu u3i e o o an odel, pada tara= signi=i ansi KV dapat disi pul an %a!Ha odel

GWR le%i! o o di%anding an dengan odel linier OLS.



; <ntu u3i pengaru! geogra=is dengan predi tor, pada tara= signi=i ansi KV dapat

disi pul an %a!Ha ada pengaru! geogra=is pada odel.2e %o%otan dengan Tri u%e



GWR le%i! o o di%anding an dengan odel linier OLS.; <ntu u3i pengaru! geogra=is dengan predi tor, pada tara= signi=i ansi KV dapat

disi pul an %a!Ha tida ada pengaru! geogra=is pada odel.2e %o%otan dengan is?uare



GWR urang o o di%anding an dengan odel linier OLS. Ole! arena itu 'angdiguna an adala! odel OLS.

I. LAM2IRAC



Pe8C7C7*an B#een D7n*ig#i*;

MO EL OLS

e ression

S A 5 O O TP T7 O 0%NA 5 'EAST S8 A ES EST% AT%ON0ata set 7 col*9b*s0e:endent Variable 7 C % E N*9ber o; Obser)ations7 4!

ean de:endent )ar 7 3#.12 N*9ber o; Variables 7 3S.0. de:endent )ar 7 16.#6$# 0e rees o; reedo9 7 46

-s<*ared 7 $.##24$4 -statistic 7 2 .3 #6Ad=*sted -s<*ared 7 $.#32!43 Prob> -statistic? 7!.34$"4e-$$!S*9 s<*ared resid*al7 6$14. ! 'o li@eli ood 7 -1 ".3""Si 9a-s<*are 7 13$."#! A@ai@e in;o criterion 7 3 $."#4S.E. o; re ression 7 11.43# Sc Bar( criterion 7 3 6.43Si 9a-s<*are ' 7 122."#3S.E o; re ression '7 11.$"!4

----------------------------------------------------------------------- Variable Coefcient Std.Error t-Statistic Probability----------------------------------------------------------------------- CONSTANT 6 .61 !6 4."3#4 6 14.4!$3" $.$$$$$$$

%NC -1.#!"311 $.33413$ -4." $4!6 $.$$$$1 3 &OVA' -$.2"3!31# $.1$31! " -2.6#44$! $.$1$ "4#-----------------------------------------------------------------------

E ESS%ON 0%A NOST%CS'T%CO''%NEA %T5 CON0%T%ON N /E 6.#41 2

TEST ON NO A'%T5 O E O S TEST 0 VA' E P O/ Dar<*e-/era 2 1. 3#"#3 $.3!!3663

0%A NOST%CS O &ETE OS E0AST%C%T5AN0O COE %C%ENTS

TEST 0 VA' E P O//re*sc -Pa an test 2 ".!$$442 $.$1!2#$#

oen@er-/assett test 2 #.6!4$ $.$# $1#6SPEC% %CAT%ON O/ ST TEST



TEST 0 VA' E P O/+ ite # 1!.!46$1 $.$$12"!2

0%A NOST%CS O SPAT%A' 0EPEN0ENCEO +E% &T AT %F 7 col*9b*s <*een. al

>roB-standardi(ed Bei ts? TEST %G0 VA' E P O/

oranHs % >error? $.2221$! 2. 4$$#31 $.$$4#1$"'a ran e *lti:lier >la ? 1 . !"!! 6 $.$$2 #4

ob*st ' >la ? 1 3."3#6!$6 $.$#3261"'a ran e *lti:lier >error? 1 #.2$6213! $.$22#$63

ob*st ' >error? 1 $.$43!$#! $. 34$2 "'a ran e *lti:lier >SA A? 2 .!41!$4# $.$114364

COE %C%ENTS VA %ANCE AT %FCONSTANT %NC &OVA'

22.424 2! -$.!423#1 -$.161#6"

-$.!423#1 $.111643 -$.$1"23"

-$.161#6" -$.$1"23" $.$1$6#$IIIIIIIIIIIIIIIIIIIIIIIII EN0 O EPO TIIIIIIIIIIIIIIIIIIIIIIIIIIIIII

MO EL SAR

e ressionS A 5 O O TP T7 SPAT%A' 'A O0E' - AF% '% E'%&OO0 EST% AT%ON0ata set 7 col*9b*sS:atial +ei t 7 col*9b*s <*een. al0e:endent Variable 7 C % E N*9ber o; Obser)ations7 4!

ean de:endent )ar 7 3#.12 N*9ber o; Variables 7 4S.0. de:endent )ar 7 16.#6$# 0e rees o; reedo9 7 4#'a coeJ. > o? 7 $.42332#

-s<*ared 7 $.646 2 'o li@eli ood 7 -1 2.6"4S<. Correlation 7 - A@ai@e in;o criterion 7 3"3.34Si 9a-s<*are 7 !6. #"2 Sc Bar( criterion 7 3 $.!1#S.E o; re ression 7 !. 416



----------------------------------------------------------------------- Variable Coefcient Std.Error (-)al*e Probability----------------------------------------------------------------------- +,C % E $.42332#4 $.11!#1$4 3.#42162 $.$$$3!6! CONSTANT 4#.6$32# ".2#"4$4 6.2 36 6 $.$$$$$$$ %NC -1.$4 "2 $.3$"4$#! -3.411#42 $.$$$6461 &OVA' -$.266334 $.$ !$!62! -2.! !2!2 $.$$2"!64-----------------------------------------------------------------------

E ESS%ON 0%A NOST%CS


TEST 0 VA' E P O//re*sc -Pa an test 2 24.#$ !! $.$$$$$4

0%A NOST%CS O SPAT%A' 0EPEN0ENCESPAT%A' 'A 0EPEN0ENCE O +E% &T AT %F 7 col*9b*s <*een. al

TEST 0 VA' E P O/'i@eli ood atio Test 1 !.4$6#34 $.$$21621

COE %C%ENTS VA %ANCE AT %FCONSTANT %NC &OVA' +,C % E

#2.66!!12 -1.3#$34# -$.161 6! -$."1"6#1

-1.3#$34# $.$!44! -$.$12$$# $.$12! 2

-$.161 6! -$.$12$$# $.$$"!3 $.$$$ 4$

-$."1"6#1 $.$12! 2 $.$$$ 4$ $.$142 3

IIIIIIIIIIIIIIIIIIIIIIIII EN0 O EPO TIIIIIIIIIIIIIIIIIIIIIIIIIIIIII

MO EL SEM

e ressionS A 5 O O TP T7 SPAT%A' E O O0E' - AF% '% E'%&OO0 EST% AT%ON0ata set 7 col*9b*sS:atial +ei t 7 col*9b*s <*een. al0e:endent Variable 7 C % E N*9ber o; Obser)ations7 4!

ean de:endent )ar 7 3#.12 24 N*9ber o; Variables 7 3



S.0. de:endent )ar 7 16.#6$4"6 0e rees o; reedo9 7 46'a coeJ. >'a9bda? 7 $.#46"#3

-s<*ared 7 $.643 4! -s<*ared >/ SE? 7 -S<. Correlation 7 - 'o li@eli ood 7 -1 3."4!42Si 9a-s<*are 7 !".6"42 A@ai@e in;o criterion 7 3"3.4!!S.E o; re ression 7 !. 3$3 Sc Bar( criterion 7 3"!.1"4

----------------------------------------------------------------------- Variable Coefcient Std.Error (-)al*e Probability----------------------------------------------------------------------- CONSTANT 6$.2"!4" #.36##!4 11.23444 $.$$$$$$$ %NC -$.!#"3$#3 $.33423$ -2. 642$# $.$$41 $" &OVA' -$.3$4##!3 $.$!2$4"31 -3.3$ "2# $.$$$!3"3

'A /0A $.#46"#31 $.13 $#$ 3.!6$#22 $.$$$$"4-----------------------------------------------------------------------



TEST 0 VA' E P O//re*sc -Pa an test 2 1 . 632 $.$$$$ $1

0%A NOST%CS O SPAT%A' 0EPEN0ENCESPAT%A' E O 0EPEN0ENCE O +E% &T AT %F 7 col*9b*s <*een. al

TEST 0 VA' E P O/Li eli!ood Ratio Test " U.$KK $$ -.--U- U#

COE %C%ENTS VA %ANCE AT %FCONSTANT %NC &OVA' 'A /0A

2 ." !#!! -1.$1#2 1 -$.12 $ # $.$$$$$$

-1.$1#2 1 $.111"1$ -$.$14146 $.$$$$$$

-$.12 $ # -$.$14146 $.$$ 4"3 $.$$$$$$

$.$$$$$$ $.$$$$$$ $.$$$$$$ $.$1!$#IIIIIIIIIIIIIIIIIIIIIIIII EN0 O EPO TIIIIIIIIIIIIIIIIIIIIIIIIIIIIII



AN0O COE %C%ENTS TEST 0 VA' E P O//re*sc -Pa an test 2 ".!$$442 $.$1!2#$#

oen@er-/assett test 2 #.6!4$ $.$# $1#6SPEC% %CAT%ON O/ ST TEST

TEST 0 VA' E P O/+ ite # 1!.!46$1 $.$$12"!2

0%A NOST%CS O SPAT%A' 0EPEN0ENCEO +E% &T AT %F 7 col*9b*s roc@. al

>roB-standardi(ed Bei ts? TEST %G0 VA' E P O/

oranHs % >error? $.24! 62 2.!3"61"3 $.$$33$"6'a ran e *lti:lier >la ? 1 ."#!!$"1 $.$$3$"!2

ob*st ' >la ? 1 3.$"21"3" $.$"!642!

'a ran e *lti:lier >error? 1 #. 14 "!! $.$1# !11ob*st ' >error? 1 $.12"146# $."214$!2

'a ran e *lti:lier >SA A? 2 . "$#36 $.$11"#44

COE %C%ENTS VA %ANCE AT %FCONSTANT %NC &OVA'

22.424 2! -$.!423#1 -$.161#6"

-$.!423#1 $.111643 -$.$1"23"

-$.161#6" -$.$1"23" $.$1$6#$IIIIIIIIIIIIIIIIIIIIIIIII EN0 O EPO TIIIIIIIIIIIIIIIIIIIIIIIIIIIIII

MO EL SAR

e ressionS A 5 O O TP T7 SPAT%A' 'A O0E' - AF% '% E'%&OO0 EST% AT%ON0ata set 7 col*9b*sS:atial +ei t 7 col*9b*s roc@. al0e:endent Variable 7 C % E N*9ber o; Obser)ations7 4!

ean de:endent )ar 7 3#.12 N*9ber o; Variables 7 4S.0. de:endent )ar 7 16.#6$# 0e rees o; reedo9 7 4#'a coeJ. > o? 7 $.422 $



-s<*ared 7 $.6#$!62 'o li@eli ood 7 -1 2.#1

S<. Correlation 7 - A@ai@e in;o criterion 7 3"3.$3#Si 9a-s<*are 7 !#."23# Sc Bar( criterion 7 3 $.6$3S.E o; re ression 7 !." 3 4

----------------------------------------------------------------------- Variable Coefcient Std.Error (-)al*e Probability----------------------------------------------------------------------- +,C % E $.422 $"! $.11##""" 3.6# 213 $.$$$2#4$ CONSTANT 4#.264! ".1"#"!6 6.3$ $$" $.$$$$$$$ %NC -1.$36346 $.3$#2#24 -3.3!#$4" $.$$$6 63 &OVA' -$.2#!41" $.$ "!6"3 -2.!214"! $.$$34 3!-----------------------------------------------------------------------



TEST 0 VA' E P O//re*sc -Pa an test 2 23.#"!"3 $.$$$$$"6

0%A NOST%CS O SPAT%A' 0EPEN0ENCESPAT%A' 'A 0EPEN0ENCE O +E% &T AT %F 7 col*9b*s roc@. al

TEST 0 VA' E P O/'i@eli ood atio Test 1 !."1!246 $.$$1 23#

COE %C%ENTS VA %ANCE AT %FCONSTANT %NC &OVA' +,C % E

#1.4!2$#2 -1.323#66 -$.1"3!6# -$.6 4#$6

-1.323#66 $.$!31"! -$.$11612 $.$1236"

-$.1"3!6# -$.$11612 $.$$" # $.$$1$ "

-$.6 4#$6 $.$1236" $.$$1$ " $.$133#IIIIIIIIIIIIIIIIIIIIIIIII EN0 O EPO TIIIIIIIIIIIIIIIIIIIIIIIIIIIIII



MO EL SEM

e ressionS A 5 O O TP T7 SPAT%A' E O O0E' - AF% '% E'%&OO0 EST% AT%ON0ata set 7 col*9b*sS:atial +ei t 7 col*9b*s roc@. al0e:endent Variable 7 C % E N*9ber o; Obser)ations7 4!

ean de:endent )ar 7 3#.12 24 N*9ber o; Variables 7 3S.0. de:endent )ar 7 16.#6$4"6 0e rees o; reedo9 7 46'a coeJ. >'a9bda? 7 $.#4 4"4

-s<*ared 7 $.6#3"1 -s<*ared >/ SE? 7 -S<. Correlation 7 - 'o li@eli ood 7 -1 3.313#"1Si 9a-s<*are 7 !4.!6"" A@ai@e in;o criterion 7 3"2.62"S.E o; re ression 7 !."4#14 Sc Bar( criterion 7 3" .3$3

----------------------------------------------------------------------- Variable Coefcient Std.Error (-)al*e Probability-----------------------------------------------------------------------

CONSTANT 6$.3"#1! #.32#$" 11.33"!1 $.$$$$$$$ %NC -$.!61$436 $.33114#6 -2.!$21"! $.$$3"$#! &OVA' -$.3$31! 1 $.$!264126 -3.2"2 2 $.$$1$64! 'A /0A $.#4 4"3! $.1313"!1 4.1"4"43 $.$$$$2!!-----------------------------------------------------------------------



TEST 0 VA' E P O//re*sc -Pa an test 2 1 .1$31! $.$$$11"2

0%A NOST%CS O SPAT%A' 0EPEN0ENCESPAT%A' E O 0EPEN0ENCE O +E% &T AT %F 7 col*9b*s roc@. al

TEST 0 VA' E P O/'i@eli ood atio Test 1 .12"336 $.$$436$3



COE %C%ENTS VA %ANCE AT %FCONSTANT %NC &OVA' 'A /0A

2 .3#63"$ -$.! !416 -$.134344 $.$$$$$$

-$.! !416 $.1$!6#" -$.$13!2 $.$$$$$$

-$.134344 -$.$13!2 $.$$ # 2 $.$$$$$$

$.$$$$$$ $.$$$$$$ $.$$$$$$ $.$1"26$IIIIIIIIIIIIIIIIIIIIIIIII EN0 O EPO TIIIIIIIIIIIIIIIIIIIIIIIIIIIIII



O<T2<T MODEL GWR

Regresi Spasial Kelompok 2

Documents

Transcript of Regresi Spasial Kelompok 2