Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus Tuberkulosis di Jawa Timur Menggunakan Metode Geographically Weighted Generalized Poisson Regression dan Geographically Weighted Negative Binomial Regression - ITS Repository
Teks penuh
Gambar
Dokumen terkait
Kasus jumlah penduduk miskin di Jawa Timur tahun 2015 dalam penelitian ini diduga mengalami overdispersion sehingga digunakan metode Generalized Poisson Regression
Apabila dibandingkan dengan nilai AIC pada regresi Poisson (1006,8) dan regresi Binomial Negatif (305,03) maka dapat dikatakan bahwa GWNBR merupakan metode yang
Hasil analisis pemodelan Geographicaly Weighted Poisson Regression (GWPR) menghasilkan variabel prediktor yang berpengaruh secara signifi kan terhadap jumlah kasus baru kusta
Perbandingan nilai AIC pada pemodelan GWPR lebih kecil dari nilai AIC pada model regresi Poisson sehingga dapat disimpulkan bahwa model GWPR lebih baik digunakan
PEMODELAN JUMLAH PENDERITA PNEUMONIA BALITA DI KABUPATEN/KOTA DI JAWA TIMUR DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED NEGATIVE BINOMIAL
Hasil pemodelan kriminalitas di Indonesia dengan GWNBR menggunakan data sekunder yang bersumber dari publikasi BPS tahun 2014 yang meliputi 31 kepolisian daerah
Dalam penelitian ini akan dimodelkan jumlah penderita kusta di Provinsi Jawa Tengah menggunakan regresi poisson dan GWPR dengan pembobot fungsi kernel gaussian dan kernel
Adapun hasil pemodelan AKB adalah sebagai berikut: Regresi Poisson Regresi Generalized Poisson Regresi Binomial Negatif Model terbaik menghasilkan parameter yang
