USWAH, AWALIYATUL and Jose, Rizal and Yulian, Fauzi (2024) PERBANDINGAN METODE GEOGRAPHICALLY WEIGHTED GENERALIZED POISSON REGRESSION (GWGPR) DAN GEOGRAPHICALLY WEIGHTED NEGATIVE BINOMIAL REGRESSION (GWNBR) DALAM MENENTUKAN FAKTOR-FAKTOR YANG MEMENGARUHI KASUS TUBERKULOSIS DI INDONESIA. Masters thesis, Universitas Bengkulu.
![Thesis [thumbnail of Thesis]](https://repository.unib.ac.id/style/images/fileicons/archive.png)
Well Awalia-S2 Statistik.pdf - Bibliography
Restricted to Repository staff only
Available under License Creative Commons GNU GPL (Software).
Download (2MB)
Abstract
Negative Binomial Regression (NBR) dan Generalized Poisson Regression
(GPR) merupakan metode yang dapat digunakan untuk memodelkan count data
yang mengalami overdispersi. Pada beberapa kasus dalam lokasi yang berbeda
terdapat perbedaan karakteristik data, maka perlu dipertimbangkan pemodelan
yang mampu mengatasi efek spasial. Pada pemodelan data kasus tuberkulosis di
Indonesia tahun 2021 ditemukan kasus overdispersi dan heterogenitas spasial.
Untuk mengatasi hal ini maka diterapkan pemodelan dengan metode
Geographically Weighted Generalized Poisson Regression (GWGPR) dan
Geographically Weighted Negative Binomial Regression (GWNBR) yang mampu
mengatasi overdispersi dan heterogenitas spasial. Estimasi parameter pada model
menggunakan metode Maximum Likelihood Estimation (MLE) dan adapative
bisquare kernel diterapkan sebagai pembobot spasial. Uji kebaikan ditentukan
dengan AIC dan BIC. Berdasarkan hasil olah data dengan metode GWGPR,
diperoleh nilai kebaikan model AIC = 706,5701 dan BIC = 723,3601. Sedangkan
pada metode GWNBR diperoleh nilai AIC = 706,5666 dan BIC = 723,3565.
Hasil uji kebaikan dari kedua model secara signifikan tidak berbeda jauh,
sehingga kedua model dapat digunakan dengan baik dalam mengatasi overdispersi
dan heterogenitas spasial. Terbentuk dari kedua metode ini 34 model kasus
tuberkulosis yang berbeda-beda untuk masing-masing provinsi di Indonesia.
Model GWGPR menghasikan empat kelompok provinsi dengan variabel
signifikan yang sama, sedangkan GWNBR menghasilkan dua kelompok provinsi
dengan variabel signifikan yang sama. Variabel yang berpengaruh signifikan
diseluruh lokasi baik dari model GWGPR maupun model GWNBR yaitu :
Variabel persentase perokok, rata-rata persentase kelembapan tahunan, jumlah
hari hujan dalam setahun, persentase penduduk yang melaporkan keluhan
kesehatan dan persentase penemuan dan pengobatan TBC.
Kata kunci : Count data, GWGPR, GWNBR, heterogenitas spasial, overdispersi,
tuberkulosis.
Item Type: | Thesis (Masters) |
---|---|
Subjects: | Q Science > QA Mathematics |
Divisions: | Postgraduate Program > Master of Statistics Program |
Depositing User: | Oka Ariani S.IPust |
Date Deposited: | 06 Oct 2025 03:09 |
Last Modified: | 06 Oct 2025 03:09 |
URI: | https://repository.unib.ac.id/id/eprint/27564 |