PEMODELAN MIXED GEOGRAPHICALLY WEIGHTED REGRESSION DENGAN METODE LEAST ABSOLUTE SHRINKAGE AND SELECTION OPERATOR = MIXED GEOGRAPHICALLY WEIGHTED REGRESSION MODELING USING THE LEAST ABSOLUTE SHRINKAGE AND OPERATOR SELECTION METHOD

Mixed Geographically Weigted Regression (MGWR) merupakan model kombinasi antara model regresi global dengan GWR yang mempertimbangkan sebagian variabel prediktor bersifat global dan sebagian lainnya bersifat lokal. Model MGWR tidak dapat mengatasi data yang mengalami multikolinearitas yaitu terjadinya korelasi antar variabel prediktor, sehingga untuk mengatasi hal tersebut digunakan model MGWR dengan metode Lasso. Lasso melakukan estimasi parameter dengan algoritma LARS yang menyusutkan koefisien hingga nol. Model MGWR dengan metode Lasso dapat diterapkan pada data Produk Domestik Regional Bruto (PDRB) di Sulawesi Selatan. Nilai PDRB dapat bervariasi secara spasial, artinya nilai PDRB di suatu wilayah yang berdekatan dengan wilayah yang memiliki nilai PDRB tinggi akan memiliki kecenderungan yang sama. Penelitian ini bertujuan untuk menentukan estimasi parameter model MGWR dengan metode Lasso kemudian diterapkan pada data PDRB Sulawesi Selatan tahun 2019. Data PDRB Sulawesi Selatan mengalami multikolinearitas, sehingga diselesaikan menggunakan model MGWR dengan metode Lasso. Hasil estimasi diperoleh variabel yang berpengaruh signifikan secara global adalah x_3,x_4,x_6 dan x_7, sementara variabel yang berpengaruh signifikan secara lokal adalah x_1 dan x_2. Nilai AIC model MGWR dengan metode Lasso sebesar 113.4487 lebih kecil dari model MGWR, sehingga penggunaan metode Lasso pada model MGWR menjadikan model lebih baik dalam mengatasi masalah multikolinearitas.

Keywords : Mixed Geographically Weighted Regression, Multikolinearitas, Lasso, LARS, PDRB