Isna Yuliyanti, 4111417031 (2021) Pemodelan Geographically Weighted Poisson Regression (GWPR) dengan Pembobot Adaptive Gaussian Kernel dan Adaptive Bisquare Kernel pada Persentase Tingkat Kematian Covid-19. Under Graduates thesis, Universitas Negeri Semarang.

PDF - Published Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Regresi Poisson adalah metode statistika yang digunakan untuk menganalisa hubungan antara variabel prediktor dan variabel respon di mana variabel respon berbentuk data cacahan dan berdistribusi Poisson. Data kematian akibat Covid-19 merupakan salah satu contoh data yang asumsinya memenuhi distribusi Poisson karena merupakan peristiwa yang jarang terjadi. Dalam penelitian ini peneliti ingin memodelkan tingkat kematian Covid-19 di provinsi Jawa Tengah menggunakan pendekatan Geographically Weighted Poisson Regression (GWPR) dengan aspek spasial diharapkan mampu menghasilkan model yang berbeda-beda ditiap daerah. Dengan tujuan untuk membentuk model GWPR dengan fungsi pembobot kernel adaptive gaussian dan kernel adaptive bisquare, serta membandingkan model terbaik dengan nilai AIC terkecil. Pada pemodelan GWPR ini akan digunakan dua pembobot yaitu kernel adaptive gaussian dan kernel adaptive bisquare lalu akan dipilih pembobot yang terbaik yaitu yang memiliki nilai AIC paling kecil. Berdasarkan hasil penelitian diperoleh bahwa model regresi Poisson dan GWPR terdapat variabel independen yang berpengaruh terhadap variabel dependen karena terdapat ketergantungan spasial dibuktikan dengan nilai devians 1005,2 lebih besar dan pembobot kernel adaptive bisquare adalah model yang terbaik dengan nilai AIC terkecil sebesar 684,470. Dari 35 kabupaten dan kota disimpulkan faktor tenaga medis (

Actions (login required)

View Item