ESTIMASI MODEL ROBUST GEOGRAPHICALLY WEIGHTED REGRESSION DENGAN METODE LEAST ABSOLUTE DEVIATION

Geographically Weighted Regression (GWR) adalah salah satu metode analisis spasial yang dapat digunakan untuk melakukan analisis dengan pemberian pembobot berdasarkan jarak setiap lokasi pengamatan secara geografis serta asumsi memiliki keragaman spasial. Hasil dari analisis ini adalah model persamaan yang nilai-nilai parameternya berlaku hanya pada masing-masing lokasi pengamatan dan berbeda dengan lokasi pengamatan lainnya. Namun, saat terdapat pencilan pada lokasi pengamatan, diperlukan sebuah metode estimasi yang lebih kekar (robust). Salah satu metode robust yang dapat diterapkan pada model GWR adalah dengan metode Least Absolute Deviation. Pada penelitian ini estimasi model dilakukan terhadap faktor-faktor yang mempengaruhi kemiskinan di Sulawesi Selatan Tahun 2019 menggunakan model Robust Geographically Weighted Regression (RGWR) dengan metode Least Absolute Deviation (LAD). Penentuan pembobot dilakukan dengan menggunakan fungsi pembobot adaptive kernel bisquare. Hasil yang didapatkan adalah model Robust Geographically Weighted Regression (RGWR) yang berbeda-beda dan berlaku hanya pada masing-masing kabupaten/kota di Sulawesi Selatan. Selain itu, didapatkan pula hasil bahwa model Robust Geographically Weighted Regression (RGWR) dengan metode Least Absolute Deviation (LAD) adalah model yang paling baik pada data yang mengalami keragaman secara spasial dan mengandung pencilan.
Kata kunci: Robust, Geographically Weighted Regression, Least Absolute Deviation, Adaptive Kernel Bisquare, Kemiskinan.