ESTIMASI PARAMETER MODEL GEOGRAPHYCALLY WEIGHTED LOGISTIC REGRESSION PRINCIPAL COMPONENT ANALYSIS DENGAN MAKSIMUM LIKELIHOOD
| Main Author: | KASIM, SITI IHZA ARSELLA |
|---|---|
| Format: | Thesis NonPeerReviewed Image Book |
| Bahasa: | ind |
| Terbitan: |
, 2021
|
| Subjects: | |
| Online Access: |
http://repository.unhas.ac.id/id/eprint/7051/ |
Daftar Isi:
- Geographically Weighted Logistic Regression (GWLR) merupakan data spasial yang memiiki variabel respon berdistribusi Bernoulli. Dalam pengaplikasian model GWLR terkadang ditemukan adanya multikolinearitas pada data pengamatan. Multikolinearitas yang tidak teratasi pada data spasial dapat mempengaruhi interpretasi koefisien regresi sehingga untuk mengatasi hal tersebut digunakan model Geographically Weighted Logistic Regression Principal Component Analysis (GWLRPCA) dengan gabungan PCA sebagai metode untuk mengatasi masalah multikolinearitas. Tujuan penelitian ini untuk mengetahui estimasi parameter model GWLRPCA serta memodelkan GWLRPCA pada data Indeks Pembangunan Kesehatan Masyarakat (IPKM) di Provinsi Sulawesi Selatan Tahun 2018. Pada penelitian ini, estimasi parameter dilakukan menggunakan maximum likelihood estimation dengan algoritma fisher scoring. Hasil penelitian menunjukkan variabel yang memberikan pengaruh signifikan terhadap peningkatan probabilitas IPKM Kabupaten/Kota masuk kategori diatas rata-rata nasional adalah cakupan kepemilikan JPK dan akses sanitasi. Secara keseluruhan tingkat akurasi model GWLRPCA dalam mengklasifikasikan IPKM Kabupaten/Kota terhadap IPKM Nasional adalah sebesar 79,17%. Terdapat 22 kabupaten/kota di Provinsi Sulawesi Selatan yang signifikan berpengaruh secara lokal terhadap IPKM Nasional. Kata Kunci: GWLRPCA, IPKM, MLE, Fisher Scoring, Fixed Gaussian Kernel