Monthly Scientific Discussion of the Undergraduate Statistics Program: Nonparametric Regression Modeling with Spatial Dependence / Diskusi Ilmiah Bulanan Prodi S1 Statistika: Pemodelan Regresi Nonparametrik dengan Dependensi Spasial

Bengkulu, August 7, 2025 – The Undergraduate Statistics Program at the University of Bengkulu once again held its Monthly Scientific Discussion, conducted in the Statistics Program meeting room. The event was attended by ten lecturers, nine of whom joined online and one attended in person. The discussion, held from 10:00 to 11:30 WIB, featured Nurul Hidayati, S.Si., M.Si. as the presenter, who delivered a research plan entitled “Nonparametric Regression Models with Spatial Dependence.”

In her presentation, Ms. Nurul explained that this research represents the initial design of her dissertation to be carried out at the Doctoral Program in Mathematics, Gadjah Mada University (UGM). She emphasized that spatial data plays an increasingly crucial role in various fields such as regional planning, health, and economics, where spatial dependence patterns among locations are often observed. Classical linear regression models, which assume independence across observations, often produce biased estimates when applied to spatial data. Several parametric models, such as Spatial Autoregressive (SAR) and Geographically Weighted Regression (GWR), can indeed handle spatial dependence, but their parametric nature makes them less flexible in capturing nonlinear relationships. On the other hand, nonparametric regression offers greater flexibility as it does not require assumptions about functional forms, yet its application in spatial contexts remains limited.

As a case study, this research addresses the issue of poverty in the province, which exhibits complex spatial patterns that are difficult to capture with conventional models. Therefore, the main objective is to develop a nonparametric regression model capable of accounting for spatial dependence among regions while also identifying the dominant factors that influence poverty levels spatially.

The discussion was highly interactive, with participants raising several questions and suggestions. Some highlighted the methodological challenge of incorporating spatial dependence into the nonparametric regression framework, given that the model does not estimate fixed parameters nor assume a predefined functional form. Other questions concerned the potential use of copula approaches to model spatial dependence—either among predictor variables or across locations—as well as the need to clarify whether spatial dependence would be incorporated into the independent variables or solely into the error component.

From the discussion, it was concluded that the proposed research is highly interesting and relevant to the challenges of modeling complex spatial data. However, several important recommendations were made. First, a more technical explanation is needed regarding how spatial information will be integrated into the nonparametric regression, whether through the independent variables or the residual structure. Second, the application of copula methods is considered promising for capturing spatial dependence. Third, it is important to determine the exact integration point of spatial information in the model—whether it should be applied at the predictor stage or only within the error component.

The session concluded at 11:30 WIB with the expectation that Ms. Nurul’s research plan can be successfully implemented and make a significant contribution to the development of spatial statistical modeling, both in terms of academic advancement and practical benefits for regional development.

Bengkulu, 7 Agustus 2025 – Program Studi S1 Statistika Universitas Bengkulu kembali menyelenggarakan kegiatan Diskusi Ilmiah Bulanan yang dilaksanakan di ruang Prodi S1 Statistika. Kegiatan ini dihadiri oleh sepuluh dosen, terdiri atas sembilan orang secara daring dan satu orang secara luring. Diskusi berlangsung mulai pukul 10.00 hingga 11.30 WIB dengan menghadirkan Nurul Hidayati, S.Si., M.Si. sebagai pemateri yang memaparkan rencana penelitian berjudul “Model Regresi Nonparametrik dengan Memperhitungkan Dependensi Spasial”.

Dalam paparannya, Ibu Nurul menjelaskan bahwa penelitian ini merupakan rancangan awal disertasi yang akan dilaksanakan pada Program Doktor Matematika Universitas Gadjah Mada (UGM). Ia menekankan bahwa data spasial memiliki peran yang semakin krusial dalam berbagai bidang seperti perencanaan wilayah, kesehatan, dan ekonomi, di mana sering ditemukan pola ketergantungan spasial antar lokasi. Model regresi linier klasik yang mengasumsikan independensi observasi sering kali menghasilkan estimasi bias jika diterapkan pada data spasial. Beberapa model parametrik seperti Spatial Autoregressive (SAR) dan Geographically Weighted Regression (GWR) memang dapat menangani ketergantungan spasial, namun sifatnya parametris sehingga kurang fleksibel untuk memodelkan hubungan yang bersifat nonlinier. Sementara itu, regresi nonparametrik lebih fleksibel karena tidak memerlukan asumsi bentuk fungsi tertentu, tetapi masih jarang dimanfaatkan untuk kasus yang melibatkan aspek spasial.

Sebagai studi kasus, penelitian ini mengangkat isu kemiskinan di Provinsi yang menunjukkan pola spasial yang kompleks dan sulit ditangkap oleh model konvensional. Oleh karena itu, tujuan penelitian ini adalah mengembangkan model regresi nonparametrik yang mampu memperhitungkan dependensi spasial antar wilayah sekaligus mengidentifikasi faktor-faktor dominan yang memengaruhi tingkat kemiskinan secara spasial.

Diskusi yang berlangsung cukup interaktif menghadirkan sejumlah pertanyaan dan masukan dari para peserta. Beberapa di antaranya menyoroti bagaimana dependensi spasial akan dimasukkan dalam kerangka regresi nonparametrik mengingat model ini tidak menduga parameter tetap dan tidak mengasumsikan bentuk fungsi tertentu. Pertanyaan lain juga menyinggung kemungkinan penggunaan pendekatan copula dalam memodelkan dependensi spasial, baik antar variabel prediktor maupun antar lokasi, serta perlunya kejelasan apakah dependensi spasial akan dipertimbangkan pada variabel independen atau hanya dimasukkan dalam komponen error.

Dari hasil diskusi, disimpulkan bahwa rencana penelitian ini sangat menarik dan relevan dengan permasalahan pemodelan data spasial yang kompleks. Namun, terdapat beberapa masukan penting yang perlu diperhatikan. Pertama, perlu adanya penjelasan teknis mengenai cara memasukkan informasi spasial ke dalam regresi nonparametrik, baik pada variabel independen maupun pada struktur residual. Kedua, penggunaan metode copula dinilai memiliki potensi besar untuk membantu memodelkan dependensi spasial. Ketiga, penting untuk menetapkan titik integrasi informasi spasial dalam model, apakah akan digunakan dalam tahap prediksi variabel atau hanya pada komponen error.

Diskusi ilmiah ditutup pada pukul 11.30 WIB dengan harapan bahwa rencana penelitian yang dipresentasikan oleh Ibu Nurul dapat dilaksanakan dengan baik dan memberikan kontribusi signifikan dalam pengembangan pemodelan statistika spasial, baik dari segi akademik maupun manfaat praktis bagi pembangunan daerah.