<?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="141435">
 <titleInfo>
  <title>PENERAPAN MODEL GEOGRAPHICALLY WEIGHTED PANEL REGRESSION (GWPR) PADA KASUS TINGKAT KEMISKINAN PROVINSI ACEH</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>NAQIYYA INDIRA PUTRI</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 Statistika</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>Penelitian ini bertujuan untuk menentukan model terbaik antara regresi data panel dan Geographically Weighted Panel Regression (GWPR) dalam menjelaskan persentase penduduk miskin di Provinsi Aceh serta mengidentifikasi faktor-faktor yang signifikan memengaruhi persentase penduduk miskin di daerah tersebut. GWPR merupakan modifikasi dari model regresi yang menggabungkan GWR dan regresi data panel. Regresi data panel digunakan sebagai pendekatan awal untuk mengevaluasi pengaruh global variabel-variabel terhadap persentase penduduk miskin, dengan mempertimbangkan data yang bersifat cross-section berupa data 23 kabupaten/kota dan time series dari tahun 2018 - 2022. Metode GWPR kemudian digunakan untuk menganalisis variasi pengaruh variabel-variabel secara spasial dan temporal di setiap wilayah. Hasil analisis menunjukkan bahwa model GWPR lebih unggul dibandingkan model regresi data panel REM, dengan nilai R² terbesar sebesar 94,29%, nilai AIC terkecil sebesar 41,830, dan nilai RSS terkecil sebesar 6,499. Selain itu, analisis GWPR mengidentifikasi faktor-faktor yang secara spasial signifikan memengaruhi persentase penduduk miskin di Provinsi Aceh. 5 variabel yang paling sering signifikan adalah angka harapan hidup (X3) dan tingkat pengangguran terbuka (X4), yang signifikan di 15 wilayah, rata-rata lama sekolah (X1) di 13 wilayah, serta harapan lama sekolah (X2) dan jumlah penduduk (X8) di 11 wilayah. Kabupaten Aceh Besar, Aceh Jaya, Kota Banda Aceh, dan Pidie memiliki jumlah variabel signifikan terbanyak. Secara keseluruhan, terdapat 17 kombinasi variabel signifikan di berbagai wilayah.&#13;
&#13;
Kata kunci: Geographically Weighted Panel Regression, Regresi Data Panel, Persentase Penduduk Miskin, Faktor-faktor Spasial.&#13;
</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>141435</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2024-11-20 16:59:47</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2024-11-21 08:36:14</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>