PEMODELAN INVERSTASI PROVINSI DI INDONESIA DENGAN PENDEKATAN GLMM DAN GWR

SELVI, SRI AULIA SARI (2025) PEMODELAN INVERSTASI PROVINSI DI INDONESIA DENGAN PENDEKATAN GLMM DAN GWR. S1 thesis, Universitas Andalas.

[img] Text (Cover dan Abstrak)
Cover dan Abstrak.pdf - Published Version

Download (1MB)
[img] Text (BAB 1 Pendahuluan)
BAB 1 Pendahuluan.pdf - Published Version

Download (1MB)
[img] Text (BAB V Penutup)
BAB V Penutup.pdf - Published Version

Download (1MB)
[img] Text (Daftar Pustaka)
Daftar Pustaka.pdf - Published Version

Download (1MB)
[img] Text (Skripsi Full Text)
Skripsi Full Text.pdf - Published Version
Restricted to Repository staff only

Download (5MB) | Request a copy

Abstract

Penelitian pemodelan investasi ini bertujuan untuk mengidentifikasi faktorfaktor yang memengaruhi tingkat investasi di tingkat provinsi di Indonesia, serta membandingkan kinerja model Generalized Linear Mixed Models (GLMM) dan Geographically Weighted Regression (GWR) dalam memodelkan data tersebut. Data yang digunakan merupakan data longitudinal dari tahun 2018 hingga 2022, mencakup 34 provinsi di Indonesia. Hasil analisis menggunakan GLMM menunjukkan bahwa secara umum, variabel belanja modal, Produk Domestik Regional Bruto (PDRB), dan pajak daerah memiliki pengaruh signifikan terhadap investasi. Sementara itu, analisis dengan pendekatan GWR mengungkapkan adanya variasi spasial dalam pengaruh masing-masing variabel. Beberapa variabel seperti belanja modal, PDRB, pajak, Upah Minimum Provinsi (UMP), Indeks Pembangunan Manusia (IPM), dan Tingkat Pengangguran Terbuka (TPT) terbukti berpengaruh signifikan di sejumlah provinsi, namun tidak di provinsi lainnya. Berdasarkan hasil evaluasi kebaikan model, pendekatan GWR menunjukkan kinerja yang lebih unggul dibandingkan GLMM. Hal ini mengindikasikan bahwa GWR lebih mampu merepresentasikan karakteristik investasi di 34 provinsi di Indonesia secara lebih akurat, dengan mempertimbangkan kondisi lokal dan heterogenitas spasial masing-masing wilayah.

Item Type: Thesis (S1)
Supervisors: Prof. Dr. Dodi Devianto
Uncontrolled Keywords: Generalized Linear Mixed Models, Geographically Weighted Regression, data longitudinal, investasi, model
Subjects: Q Science > Q Science (General)
Q Science > QA Mathematics
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam > S1 Matematika
Depositing User: s1 matematika matematika
Date Deposited: 16 May 2025 03:54
Last Modified: 16 May 2025 03:54
URI: http://scholar.unand.ac.id/id/eprint/495078

Actions (login required)

View Item View Item