Pemodelan Gwr (Geographically Weighted Regression) Menggunakan Pembobot Fixed Gaussian Kernel Dan Fixed Tricube Kernel (Studi Kasus Prevalensi Stunting Di Provinsi Jawa Timur Tahun 2017)
| Main Author: | Septiani, Kurniawati |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/183245/ |
Daftar Isi:
- GWR merupakan analisis spasial pengembangan dari analisis regresi linier dengan mempertimbangkan unsur lokasi (spasial). Dalam pemodelan GWR perlu dilakukan pengujian efek spasial. Jika pada pengujian efek spasial terdapat pengaruh antar lokasi pengamatan yang berdekatan berdasarkan informasi geografis (garis lintang dan bujur) serta menunjukkan adanya perbedaan karakteristik antar lokasi pengamatan maka pemodelan GWR dapat dilakukan. Salah satu contoh penerapan pemodelan GWR dapat diterapkan pada kasus prevalensi stunting di mana unit pengamatan yang digunakan adalah 38 Kabupaten/Kota di Provinsi Jawa Timur dengan diasumsikan terdapat perbedaan kondisi untuk setiap lokasi. Stunting adalah suatu kondisi di mana balita memiliki panjang atau tinggi badan yang kurang jika dibandingkan dengan bertambahnya umur seorang balita. Dari hasil pemodelan GWR didapatkan 38 model untuk setiap Kabupaten/Kota di Provinsi Jawa Timur. Berdasarkan kriteria pemilihan model terbaik dilihat dari nilai AIC yang terkecil ditunjukkan oleh pemodelan GWR menggunakan fungsi pembobot Fixed Gaussian Kernel. Sehingga, dalam pemodelan prevalensi stunting yang ada di Provinsi Jawa Timur tahun 2017 akan lebih baik apabila menggunakan fungsi pembobot Fixed Gaussian Kernel. Faktor-faktor yang mempengaruhi prevalensi stunting di Provinsi Jawa Timur tahun 2017 berdasarkan pengujian parameter secara parsial ialah persentase ibu hamil beresiko Kekurangan Energi Kronik (X1).