Pemodelan Jumlah Kasus Penyakit Tetanus Neonatorum di Jawa Timur Tahun 2012 dengan Geographically Weighted Zero-Inflated Poisson Regression (GWZIPR)
| Main Authors: | Nusantara, Ratih Kumala Puspa; Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember (ITS), Purhadi, Purhadi; Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember (ITS) |
|---|---|
| Format: | Article info application/pdf eJournal |
| Bahasa: | eng |
| Terbitan: |
Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS
, 2015
|
| Subjects: | |
| Online Access: |
http://ejurnal.its.ac.id/index.php/sains_seni/article/view/9231 http://ejurnal.its.ac.id/index.php/sains_seni/article/view/9231/2229 |
Daftar Isi:
- Regresi Poisson adalah pemodelan pada data count yang berdistribusi Poisson. Banyaknya pelanggaran asumsi kesamaan mean dan variansi pada regresi Poisson dapat terjadi karena banyaknya nilai nol pada data. Salah satu metode untuk menganalisis banyaknya nilai nol (lebih dari 50%) pada data count adalah dengan regresi Zero-Inflated Poisson (ZIP) yang menghasilkan penaksir parameter bersifat global. Akan tetapi data spasial dari berbagai lokasi mewakili perbedaan kondisi di setiap lokasi. Hal itu dapat dipengaruhi oleh karakteristik masyarakat, kondisi geografis dan ekonomi sebagai gambaran adanya faktor spasial. Penelitian ini menjelaskan tentang faktor-faktor yang mempengaruhi penyakit Tetanus Neonatorum di seluruh kabupaten/kota di Provinsi Jawa Timur. Jawa Timur merupakan salah satu provinsi penyumbang kasus Tetanus Neonatorum terbanyak kedua di Indonesia. Metode yang digunakan adalah pengembangan dari regresi ZIP yang telah memperhitungkan faktor spasial yang disebut Geographically Weighted Zero-Inflated Poisson (GWZIPR). Pola persebaran data ini mengikuti distribusi Poisson dengan dengan mean sebesar 0,76 dan proporsi nilai nol 76,31%. Penaksiran parameter model GWZIPR dilakukan dengan metode MLE dan diselesaikan menggunakan algoritma Ekspektasi-Maksimalisasi (EM). Pembobot fungsi yang digunakan adalah kernel Adaptive Bisquare menunjukkan bahwa semua parameter berpengaruh pada semua kabupaten/kota.