Pemodelan Modified Geographically Weighted Regression dengan Pendekatan Mean-Shift Outlier Model (Studi Kasus: Indeks Pembangunan Manusia) = Modified Geographically Weighted Regression Modeling with Mean-Shift Outlier Model Approach (Case Study: Human Development Index in Indonesia)

Latar Belakang. Regresi spasial mengkaji hubungan antar variabel dalam konteks geografis yang mempertimbangkan pengaruh lokasi. Salah satu pendekatannya adalah Geographically Weighted Regression (GWR). Namun, permasalahan yang sering terjadi pada regresi spasial adalah pencilan yang berpengaruh terhadap estimasi parameter sehingga ragam yang dihasilkan semakin besar nilainya. Regresi robust dapat menangani adanya pencilan namun kelemahan pada metode ini tidak mampu memperbaiki kinerja model berdasarkan pengamatan yang menjadi data pencilan secara spesifik. Oleh karena itu, diterapkan Mean-shift Outlier Model (MSOM) pada model GWR untuk memperbaiki kinerja model berdasarkan pengamatan yang menjadi data pencilan secara spesifik. Tujuan. Penelitian ini bertujuan mendapatkan estimasi parameter model Modified Geographically Weighted Regression dengan pendekatan Mean-Shift Outlier Model (MGWR-MSOM) dan memodelkan data Indeks Pembangunan Manusia (IPM) berdasarkan faktor-faktor yang memengaruhi IPM di Indonesia pada tahun 2024. Metode. Data yang digunakan merupakan data IPM di Indonesia tahun 2024, dengan lima variabel prediktor. Analisis dilakukan menggunakan metode MGWR-MSOM yang diestimasi menggunakan Weighted Least Square kemudian dimodelkan pada data IPM di Indonesia tahun 2024. Hasil. Terdapat 3 lokasi yang terdeteksi sebagai pencilan menggunakan MSOM yakni Jakarta, D.I Yogyakarta dan Papua Pegunungan. Model MGWR-MSOM secara umum memperoleh nilai R_adj^2 sebesar 0,937 dan RMSE 1,287. Pengujian secara parsial parameter model MGWR-MSOM menghasilkan variabel prediktor signifikan yang beragam di tiap provinsi, variabel yang berpengaruh signifikan terhadap IPM di seluruh lokasinya adalah Umur Harapan Hidup serta Harapan Lama Sekolah. Kesimpulan. MGWR-MSOM memberikan hasil yang baik berdasarkan nilai Rsquare-adjusted dan RMSE serta mampu menjelaskan IPM di Indonesia tahun 2024.

Keyword : Geographically Weighted Regression, Indeks Pembangunan Manusia, Mean-Shift Outlier Model, Pencilan, Weighted Least Square.