Pemodelan Multiscale Geographically Weighted Regression (MGWR) pada Tingkat Pengangguran Terbuka di Provinsi Jawa Barat Tahun 2022

Abstract

Abstract. Spatial analysis with Multiscale Geographically Weighted Regression (MGWR) method is a development of the Geographically Weighted Regression (GWR) method. This method is used when data has spatial heterogeneity, spatial autocorrelation, and multicollinearity. MGWR allows for different spatial scales and allows the neighborhood around each variable to vary. These differences are accommodated through different optimum bandwidth values for each covariate. The MGWR method is applied to data on the open unemployment rate (TPT) in West Java Province in 2022 because West Java is the province with the highest TPT value in that year. MGWR parameter estimation is performed using the Backfitting Algorithm method by reformulating GWR as Generalized Additive Models (GAMs). The weighting function used is a fixed Gaussian kernel function because the farthest region still has a weight even though it is not as large as the weight of the closest region. The optimum bandwidth search is by minimizing the Akaike Information Criterion Corrected (AICc) value using golden section search method. Based on the analysis, 27 MGWR local models are produced for each observation area. There are differences in the independent variables that affect TPT for each observation area and are divided into four groups. The resulting MGWR model proved to be the best model when compared to the GWR model based on the highest adjusted R² value and the lowest AICc value.

Abstrak. Analisis spasial dengan metode Multiscale Geographically Weighted Regression (MGWR) merupakan pengembangan dari metode Geographically Weighted Regression (GWR). Metode ini digunakan ketika data memiliki heterogenitas spasial, autokorelasi spasial, dan adanya multikolinearitas. MGWR mengizinkan skala spasial yang berbeda dan memungkinkan lingkungan di sekitar setiap variabel bervariasi. Perbedaan tersebut diakomodasi melalui nilai bandwidth optimum yang berbeda-beda untuk setiap kovariat. Metode MGWR diterapkan pada data tingkat pengangguran terbuka (TPT) di Provinsi Jawa Barat tahun 2022 karena Jawa Barat menjadi provinsi dengan nilai TPT tertinggi pada tahun tersebut. Estimasi parameter MGWR dilakukan dengan menggunakan metode Backfitting Algorithm dengan memformulasi ulang GWR sebagai Generalized Additive Models (GAMs). Fungsi pembobot yang digunakan adalah fungsi kernel fixed gaussian karena wilayah terjauh tetap memiliki bobot walaupun tidak sebesar bobot wilayah terdekat. Pencarian bandwidth optimum dilakukan dengan meminimumkan nilai Akaike Information Criterion Corrected (AICc) menggunakan metode golden section search. Berdasarkan analisis yang telah dilakukan maka dihasilkan sebanyak 27 model MGWR yang bersifat lokal untuk setiap wilayah pengamatannya. Terdapat perbedaan variabel bebas yang berpengaruh terhadap TPT untuk setiap wilayah pengamatan dan terbagi menjadi empat kelompok. Model MGWR yang dihasilkan terbukti menjadi model terbaik jika dibandingkan dengan model GWR berdasarkan nilai adjusted R² yang tertinggi dan nilai AICc terendah.