Model Geographically Weighted Poisson Regression dengan Fungsi Pembobot Adaptive Gaussian (Studi Kasus : Jumlah Kasus Tuberkulosis di Indonesia Tahun 2018)
Total View This Week0

Institusion

Universitas Mulawarman

Author

Karima, Nabila Al

Subject

Adaptive Gaussian, CV, GWPR, MLE, Tuberkulosis 

Datestamp

2020-10-22 10:11:57 

Abstract :
Model Geographically Weighted Poisson Regression (GWPR) adalah pengembangan model regresi Poisson yang diaplikasikan pada data spasial. Penaksiran parameter model GWPR dilakukan pada setiap lokasi pengamatan menggunakan pembobot spasial. Tujuan penelitian ini adalah menentukan model GWPR data jumlah kasus tuberkulosis di Indonesia dan mengetahui faktor-faktor yang berpengaruh terhadap jumlah kasus tuberkulosis di Indonesia. Data penelitian adalah data sekunder diperoleh dari Kementrian Kesehatan Indonesia. Peubah respon penelitian yaitu jumlah kasus tuberkulosis, sedangkan peubah prediktor adalah jumlah penduduk miskin, persentase rumah tidak layak huni, persentase kabupaten/kota yang tidak memiliki kebijakan PHBS dan persentase TPM tidak memenuhi syarat kesehatan. Penaksiran parameter menggunakan metode Maximum Likelihood Estimation (MLE). Pembobot spasial dihitung menggunakan fungsi pembobot Adaptive Gaussian dan penentuan bandwidth optimum menggunakan kriteria Cross Validation (CV). Hasil penelitian menunjukkan bahwa penaksir eksak Maximum Likelihood (ML) tidak dapat diperoleh secara analitik dan hampiran penaksir ML didapat menggunakan metode iteratif Newton-Raphson. Berdasarkan hasil pengujian parameter model GWPR, disimpulkan bahwa faktor-faktor yang berpengaruh terhadap jumlah kasus tuberkulosis bersifat lokal dan berbeda-beda di 34 provinsi. Faktor-faktor yang berpengaruh lokal adalah jumlah penduduk miskin, persentase rumah tidak layak huni, persentase kabupaten/kota yang tidak memiliki kebijakan PHBS dan persentase TPM tidak memenuhi syarat kesehatan, sedangkan faktor yang berpengaruh global adalah jumlah penduduk miskin.