Electronic Theses and Dissertation

Geographically weighted regression (gwr) adalah metode yang digunakan dalam menganalisis hubungan lokal pada setiap data yang diperoleh. model gwr menggunakan metode weighted least square (wls) untuk mendapatkan estimasi parameter gwr. penelitian ini bertujuan untuk memperoleh hasil pemodelan dan faktor yang memengaruhi angka harapan hidup di provinsi aceh dengan menggunakan metode gwr dan memperoleh hasil pemetaan wilayah provinsi aceh berdasarkan faktor yang memengaruhi angka harapan hidup. penelitian ini menggunakan data sekunder yang bersumber dari badan pusat statistik provinsi aceh. variabel dependen dalam penelitian ini adalah angka harapan hidup (y) dengan 5 variabel independen, yaitu persentase pemberian asi usia 0-23 bulan (x1), persentase penduduk yang berobat jalan (x2), harapan lama sekolah (x3), tingkat pengangguran terbuka (x4), dan pengeluaran per kapita (x5). hasil penelitian ini menunjukan 23 model yang berbeda dan terdapat satu variabel yang tidak berpengaruh signifikan terhadap angka harapan hidup, yaitu persentase penduduk yang berobat jalan (x2). adapun hasil pemetaan wilayah menunjukkan 4 kelompok wilayah berdasarkan variabel yang berpengaruh signifikan pada setiap wilayah.

Geographically weighted regression (GWR) is a method used to analyze local relationships in each obtained data. The GWR model uses the weighted least square (WLS) method to obtain the GWR parameter estimates. This research aims to obtain the modeling results and the factors that affect the life expectancy in Aceh Province by using the geographically weighted regression (GWR) method and to obtain the mapping results of Aceh Province based on the factors that affect the life expectancy. This research uses secondary data sourced from the Central Statistics Agency of Aceh Province. The dependent variable in this research is life expectancy (Y) with 5 independent variables, namely the percentage of breastfeeding for 0-23 months old (X1), the percentage of people who seek outpatient care (X2), the expected years of schooling (X3), the open unemployment rate (X4), and the per capita expenditure (X5). The results of this research show 23 different models and there is one variable that does not have a significant effect on life expectancy, that is the percentage of people who seek outpatient care (X2). The regional mapping results show 4 groups of regions based on variables that have a significant effect on each region.