APLIKASI REGRESI SPASIAL PEMBOBOTAN QUEEN CONTIGUITY DENGAN GEODA UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI KEMATIAN AKIBAT COVID-19 DI JAKARTA


Muhamad Arif Nurman Arya, 4112318013 (2021) APLIKASI REGRESI SPASIAL PEMBOBOTAN QUEEN CONTIGUITY DENGAN GEODA UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI KEMATIAN AKIBAT COVID-19 DI JAKARTA. Under Graduates thesis, Universitas Negeri Semarang.

[thumbnail of 4112318013 - Muhamad Arif Nurman Arya.pdf] PDF - Published Version
Restricted to Repository staff only

Download (1MB) | Request a copy

Abstract

Pada awal tahun 2020 WHO mengumumkan bahwa dunia sedang dalam kondisi Pandemi wabah penyakit Covid-19, dimana penularan sangatlah cepat dan dapat menyebabkan kematian terhadap kelompok yang rentan. Pada penelitian ini terdapat 4 variabel yaitu Kepadatan Penduduk Per kelurahan di DKI Jakarta 2020, Jumlah Lansia Per kelurahan di DKI Jakarta 2020, Jumlah Dokter Per kelurahan di DKI Jakarta 2019, dan Angka kematian Akibat Covid-19 di Jakarta 2020. Penelitian ini menggunakan seluruh populasi per kelurahan di DKI Jakarta. Penelitian ini menggunakan regresi spasial dalam melakukan analisis. Aplikasi yang digunakan untuk visualisasi data adalah ArcMap dan GeoDa, sedangkan aplikasi untuk mengolah data menggunakan GeoDa dan SPSS. Pada penelitian ini digunakan Queen Contiguity sebagai matriks pembobot spasial. Setelah dilakukan pembobotan dan dilakukan uji efek spasial, terdapat keragaman spasial dan terdapat asumsi autokorelasi yang terpenuhi dalam data. Dengan P-Value dari indeks moran sebesar 0,00 < 0,05 dengan nilai I bernilai positif, maka dilanjutkan dengan Uji Lagrange Multiplier (LM). Didapatkan model terbaik adalah Spatial Error Model (SEM) dengan nilai R2 sebesar 0,19 dan nilai AIC sebesar 1639,91

Item Type: Thesis (Under Graduates)
Uncontrolled Keywords: Covid-19, Kematian, Per Kelurahan, DKI Jakarta, Regresi Spasial, SEM, Queen Contiguity.
Subjects: Q Science > Q Science (General)
Fakultas: Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika, S1
Depositing User: TUKP unnes
Date Deposited: 13 Dec 2022 07:46
Last Modified: 13 Dec 2022 07:46
URI: http://lib.unnes.ac.id/id/eprint/54164

Actions (login required)

View Item View Item