Metode Geographically Weighted Regression (GWR) merupakan pengembangan dari regresi global. Berperan dalam mengakomodasi permasalahan tersebut. Metode ini diperkenalkan pada tahun 1996 dalam literatur geografis yang diambil dari pendekatan statistik. Metode ini bekerja berdasarkan ide sederhana tapi kuat untuk memprediksi model lokal menggunakan himpunan bagian dari pengamatan yang berpusat pada titik fokus.
Hanya saja metode ini juga memiliki kelemahan misalnya ketika terjadi multikolinearitas maka analisis yang dilakukan dengan GWR menjadi kurang optimal.
Geographically Weighted Lasso Regression (GWLR) merupakan teknik yang memakai pendekatan Lasso dalam model GWR untuk memecahkan masalah multikolinearitas. Metode geographically weighted Lasso juga dapat digunakan untuk menyeleksi variabel yang tidak signifikan dengan cara mengurangi nilai koefisien regresi sampai nol. Hal ini menyebabkan variabel-variabel dengan konvensi regresi nol tidak berpengaruh secara menyeluruh. Berikut rumus lengkapnya:
Dalam penelitian Utami 2016 tentang pengangguran di daerah Jawa Tengah dengan menggunakan metode gwr ini diperoleh variabel penjelas IPM, UMK, Rasio Ketergantungan, dan TPAK semua aspek ini memiliki pengaruh yang berlainan untuk setiap wilayah.
Penelitian dengan menggunakan metode geographically weighted regression ini menunjukkan bahwa hubungan lokal di antara variabel penjelas dapat menyebabkan estimasi koefisien dengan model GWR multikolinieritas.
Oleh sebab itu hasil mengakibatkan estimasi parameter dengan standar non valid yang besar. Tentu saja hal ini memicu permasalahan pada hubungan antar variabel. Dengan menggunakan konsep Lasso tentu akan dengan mudah melakukan seleksi variabel dengan mengurangi estimasi koefisien regresi sampai ke 0 pada beberapa penelotian. Diharapkan dengan metode ini estimasi parameter diperoleh lebih stabil dan dan and valid estimasi variabel respon yang diperoleh lebih kecil sehingga hasil estimasi benar.
Pengaplikasian Metode GWRL
GWR cocok diterapkan pada kumpulan data dengan banyak fitur. Jadi metode ini tidak cocok untuk diterapkan pada Kumpulan data kecil dan tidak bekerja pada data multipoint. Metode ini dapat digunakan untuk beberapa kebutuhan penelitian berikut:
Korelasi Pencapaian
Anda bisa menggunakan metode ini untuk mengetahui hubungan antara pencapaian pendidikan dan pendapatan konsisten pada seluruh wilayah studi.
Analisis Kejadian Penyakit
Setiap penyakit pasti mempunyai sebab maka metode ini dapat diterapkan untuk mengetahui pemicu dari penyakit atau kejadian penyakit dengan kedekatan fitur air.
Analisis Penyebab Kebakaran Hutan
Bagi penegak hukum metode ini bermanfaat untuk mengetahui variabel kunci yang menjelaskan frekuensi kebakaran hutan yang meningkat.
Analisis Habitat yang Terancam Punah
Kegunaan menariknya lagi metode ini dapat digunakan untuk menganalisis habitat atau wilayah mana yang memiliki spesies yang terancam punah.
Analisis Faktor Kanker di Seluruh Wilayah yang Diteliti
Metode GWRL ini gunakan untuk menganalisis faktor-faktor yang mempengaruhi tingkat kanker yang lebih tinggi konsistennya di seluruh wilayah yang diteliti.
Itulah pembaca sekilas tentang metode Geographically Weighted Regression Lasso sekaligus kegunaannya untuk kebutuhan penelitian kita.