# RECORD 1634612a819bdd7270d89be5b4510548e7989768
# TITLE: PEMETAAN HARGA RUMAH DENGAN MENGGUNAKAN MODEL STATISTIK : GEOGRAPHICALLY WEIGHTED REGRESSION
# YEAR: 2023.0  VENUE: Rekayasa  DOI: 10.21107/rekayasa.v15i3.21818
# AUTHORS: Kukuh Winarso; Achmad Dafid
# PAGES: 5  CANDIDATE TABLE PAGES (1-based): []
# ABSTRACT: the house close to the business center is one of the things that causes house prices to be expensive. Besides that, residential centers based on population density, on the one hand, cause house prices to rise, on the other hand, they cause house prices to fall. This research is based on mapping house prices which are influenced by business centers and residential centers in the city of Surabaya. This house price mapping uses the Geographically Weighted Regression (GWR) method. is a technique that takes the framework from a simple regression model to a weighted regression model.


===== PAGE 1 (score 2, numeric-paren 0, table-words 0, var-words 2) =====

                    
Rekayasa, 2022; 15(3): 398-402 
ISSN: 0216-9495 (Print) 
ISSN: 2502-5325 (Online) 
 
Pemetaan Harga Rumah Dengan Menggunakan Model  
Statistik : Geographically Weighted Regression  
Kukuh Winarso1*, Achmad Dafid1 
1Fakultas Teknik Universitas Trunojoyo Madura 
Jl. Raya Telang No 02 Kamal Bangkalan Madura 69162 Jawa Timur 
*kukuhwinarso@trunojoyo.ac.id  
DOI: https://doi.org/10.21107/rekayasa.v15i3.21818             
 
Abstrak 
Penentuan harga rumah di sebagian kota-kota besar di Indonesia dipengaruhi oleh banyak faktor, salah satunya adalah 
lokasi rumah. Lokasi rumah menunjukkan hubungan yang positip dengan harga rumah. Lokasi rumah dekat dengan pusat 
bisnis adalah salah satu hal yang menyebabkan harga rumah menjadi mahal. Disamping itu pusat pemukiman berdasar 
kepadatan penduduk di satu sisi menyebabkan harga rumah menjadi naik pada posisi yang lain menyebabkan harga rumah 
menjadi turun. Penelitian ini berbasis pada pemetaan harga rumah yang dipengaruhi oleh pusat bisnis dan pusat 
pemukiman penduduk dikota Surabaya. Pemetaan Harga rumah ini menggunakan metode Geographically Weighted 
Regression (GWR). adalah suatu teknik yang membawa kerangka dari model regresi sederhana menjadi model regresi 
terboboti.  
 
Kata Kunci : pemetaan, statistik spasial, Geographically Weighted Regression 
Abstract 
The determination of house prices in most big cities in Indonesia is influenced by many factors, one of which is the location of 
the house. Home location shows a positive relationship with house prices. The location of the house close to the business center 
is one of the things that causes house prices to be expensive. Besides that, residential centers based on population density, on 
the one hand, cause house prices to rise, on the other hand, they cause house prices to fall. This research is based on mapping 
house prices which are influenced by business centers and residential centers in the city of Surabaya. This house price mapping 
uses the Geographically Weighted Regression (GWR) method. is a technique that takes the framework from a simple regression 
model to a weighted regression model. 
 
Key words : mapping, spatial statistic, Geographically Weighted Regression 
PENDAHULUAN 
 
Geographically Weighted Regression (GWR) 
adalah metode statistik yang digunakan untuk 
menganalisis heterogenitas spasial. Heterogenitas 
yang dimaksud adalah suatu keadaan pengukuran 
hubungan (Measurement of Relationship) diantara 
variabel berbeda-beda antara lokasi yang satu 
dengan lokasi yang lainnya (Mennis, 2006). 
Heterogenitas 
spasial 
terjadi 
apabila 
satu 
variabel bebas yang sama memberikan respon 
yang tidak sama pada lokasi yang berbeda di 
dalam satu wilayah penelitian (Fotheringham A.S, 
et al, 2002). I n t i  penggunaan metode GWR 
adalah menentukan model regresi untuk masing-
masing titik lokasi sehingga model-model regresi 
yang diperoleh akan bersifat unik, yaitu model 
regresi untuk titik yang satu berbeda dengan titik-
titik yang lainnya (Brunsdon, et al, 1999). Metode 
GWR ini diterapkan pada penentuan harga rumah 
di kota Surabaya.    
 
Ide 
dasar 
di 
balik 
GWR 
adalah 
untuk 
mengeksplorasi 
bagaimana 
hubungan 
antara 
variabel dependen (Y) dan satu atau lebih variabel 
independen (Xs) dapat bervariasi secara geografis. 
Alih-alih berasumsi bahwa satu model dapat 
dipasang ke seluruh wilayah studi, model ini 
mencari perbedaan geografis. Ini dapat diartikan 
REKAYASA 
Journal of Science and Technology 
https://journal.trunojoyo.ac.id/rekayasa 
Article History:  
Received: April, 9th 2022;  Accepted: December, 10th 2022 
Rekayasa ISSN: 2502-5325 has been Accredited by Ristekdikti 
(Arjuna) Decree: No. 23/E/KPT/2019 August 8th, 2019 
effective until 2023 
Cite this as:  
Winarso, K. & Dafid, A. (2022). Pemetaan Harga Rumah dengan 
Menggunakan 
Model 
Statistik 
Geographically 
Weighted 
Regression.  Rekayasa 15 (3). 398-402 pp. 
doi: https://doi.org/10.21107/rekayasa.v15i3.21218.           
© 2022  Winarso