MODEL GEOGRAPHICALLY WEIGHTED POISSON REGRESSION DENGAN PEMBOBOT FUNGSI KERNEL GAUSS
Studi Kasus: Jumlah Kematian Bayi di Jawa Timur Tahun 2007
Abstract
Kematian bayi adalah suatu kematian yang dialami anak sebelum mencapai usia satu tahun. Angka kematian bayi (AKB) adalah besarnya kemungkinan bayi meninggal sebelum mencapai usia satu tahun, dinyatakan dalam perseribu kelahiran hidup. Analisis regresi merupakan analisis statistik yang bertujuan untuk memodelkan hubungan antara variabel respon dengan variabel prediktor. Apabila variabel respon berdistribusi Poisson, maka model regresi yang digunakan adalah regresi Poisson. Geographically Weighted Poisson Regression (GWPR) adalah bentuk lokal dari regresi Poisson dimana lokasi diperhatikan yang berasumsi bahwa data berdistribusi Poisson. Dalam penelitian ini akan mengetahui faktor-faktor apa saja yang mempengaruhi jumlah kematian bayi di Provinsi Jawa Timur dengan menggunakan model GWPR dengan menggunakan pembobot fungsi kernel gauss. Hasil penelitian menunjukan bahwa secara keseluruhan faktor-faktor yang mempengaruhi jumlah kematian bayi di Jawa Timur berdasarkan model GWPR dengan pembobot fungsi kernel gauss adalah persentase persalinan yang dilakukan dengan bantuan tenaga non medis (X1), rata-rata usia perkawinan pertama wanita (X2), rata-rata pemberian ASI ekslusif (X4) dan jumlah sarana kesehatan (X7). Berdasarkan variabel yang signifikan maka kabupaten/kota di Jawa Timur dapat dikelompokan menjadi 2 kelompok. Dengan membandingkan nilai AIC antara model regresi Poisson dan model GWPR diketahui bahwa model GWPR dengan pembobot fungsi kernel Gauss merupakan model yang lebih baik digunakan untuk menganalisis jumlah kemtian bayi di Propinsi Jawa Timur tahun 2007.
Downloads
References
BPS. 2009. Angka Kematian Bayi, Data Statistik Indonesia. Badan Pusat Statistik Jakarta, Indonesia
Bappenas (2005), Laporan Perkembangan Pencapaian Tujuan Pembangunan Milenium (Millenium Development Goals/MDGs). Bappenas Jakarta, Indonesia
Brunsdon, C., Fotheringham, A.S. and Charlton, M. 1998. Geographically Weighted Regression: a method for exploring spatial nonstationarity, Geographical Analysis, 28, 281-298.
Chasco, C., Garcia, I. and Vicens, J. 2007. Modeling Spastial Variations in Household Disposible Income with Geographically Weighted Regression, Munich Personal RePEc Arkhive (MPRA) Working Papper No. 1682.
Famoye, F., Wulu, J.T. and Singh, K.P. 2004. On The Generalized Poisson Regression Model with an Application to Accident Data. Journal of Data Science, 2 (2004) 287-295
Hadayeghi, A., Shalaby, A. and Persaud, B. 2009. Development of Planning-Level Transportation Safety Tools Using Geographically Weighted Poisson Regression, National Academy of Sciences.
Hocking, R. 1996. Methods and Application of Linear Models. John Wiley & Sons, New York
Huang, Y. and Leung, Y. 2002. Analysing Regional Industrialisation in Jiangsu Province Using Geographically Weighted Regression, Journal of Geographical System, 4 : 233-249
Mei, C. L. 2005. Geographically Weighted Regression Technique for Spatial Data Analysis, School of Science Xi’an Jiaotong University.
McCullagh, P. and Nelder, J.A. 1989. Generalized Linear Models, Second Edition, Chapman & Hall, London.
Mood, A.M., Graybill, F.A. and Boes, D.C. 1974. Introduction to The Theory of Statistics, Third Edition, McGraw-Hill, Singapura
Nakaya, T., Fotheringham, A.S., Brunsdon, C. and Charlton, M. 2004. Geographically Weighted Poisson Regression for Disease Association Mapping, Statistics in Medicine, Volume 24 Issue 17, pages 2695-2717.
Authors who publish with this Journal agree to the following terms:
- Author retain copyright and grant the journal right of first publication with the work simultaneously licensed under a creative commons attribution license that allow others to share the work within an acknowledgement of the work’s authorship and initial publication of this journal.
- Authors are able to enter into separate, additional contractual arrangement for the non-exclusive distribution of the journal’s published version of the work (e.g. acknowledgement of its initial publication in this journal).
- Authors are permitted and encouraged to post their work online (e.g. in institutional repositories or on their websites) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published works.