<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="126159">
 <titleInfo>
  <title>PENERAPAN MODEL GEOGRAPHICALLY WEIGHTED REGRESSION PADA KASUS TINGKAT KEMISKINAN PULAU SUMATRA TAHUN 2022</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>NAUFAL TSABITUL AZMI</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas MIPA (S1)</publisher>
   <dateIssued>2024</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Analisis regresi spasial memperhitungkan aspek kewilayahan antarpengamatan saat menganalisis data spasial sehingga pengolahan data spasial menggunakan analisis regresi linier klasik akan menghasilkan model yang tidak akurat. Heterogenitas spasial dapat diatasi dengan menggunakan salah satu model regresi lokal yaitu metode Geographically Weighted Regression (GWR) yang dirancang untuk menghasilkan estimasi parameter yang spesifik dan beragam untuk setiap zona pengamatan seperti pada pemetaan zona kemiskinan. Permasalahan kemiskinan diduga memiliki pengaruh spasial. Tujuan penelitian ini adalah membentuk model GWR untuk menduga persentase penduduk miskin pada 154 kabupaten/kota di Pulau Sumatra dan mengetahui faktor-faktor yang memengaruhi persentase tersebut menurut kabupaten/kota di Pulau Sumatra tahun 2022. Penelitian ini menggunakan data persentase penduduk miskin tahun 2022 dan diambil dari Buku Provinsi dalam Angka Tahun 2023 yang diterbitkan oleh Badan Pusat Statistik Provinsi. Variabel dependen yang diambil adalah persentase penduduk miskin dan 9 variabel independen yaitu tingkat partisipasi angkatan kerja, persentase rumah tangga untuk 5 hal, yaitu bangunan tempat tinggal milik sendiri, tempat pembuangan akhir tinja yaitu septic tank, sumber air minum bersih dari 5 sumber, sumber air minum layak, dan luas lantai per kapita ≤ 7,2 m2, serta persentase rumah tangga untuk bahan bangunan utama, yaitu dinding rumah terluas yaitu anyaman bambu/bambu/batang kayu, lantai rumah terluas yaitu tanah, dan tidak ada fasilitas buang air besar.  Matriks pembobotan spasial dalam model GWR menggunakan fungsi Fixed Kernel Gaussian dan Fixed Kernel Bi-square. Hasil perbandingan antara dua jenis fungsi  tersebut menunjukkan bahwa model GWR terbaik adalah model dengan fungsi pembobot Fixed Kernel Gaussian. Model GWR terbaik menghasilkan 154 model yang signifikan. Tiga faktor utama yang memengaruhi tingkat kemiskinan di Sumatra adalah status kepemilikan tempat tinggal adalah milik sendiri, sumber air minum layak, dan bahan bangunan utama dinding rumah terluas adalah anyaman bambu/bambu/batang kayu. Pemodelan yang dibentuk menghasilkan 16 kombinasi variabel yang signifikan pada model GWR terbaik.</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>126159</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2024-07-22 14:54:32</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2024-07-22 16:41:47</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>