Model Geographically Weighted Poisson Regression Studi Kasus : Jumlah Kematian Bayi di Jawa Timur & Jawa Tengah Tahun 2007 ABSTRAK
Teks penuh
Gambar
Dokumen terkait
Pemodelan GWBPR dengan pembobot Adaptive Bisquare Kernel membentuk 4 kelompok kab/kota berdasarkan kesamaan variabel prediktor yang signifikan baik pada kasus kusta PB
Hasil penelitian menunjukkan model Mixed GWR dengan pembobot Fixed Bisquare Kernel lebih baik dibandingkan model regresi global dan GWR dengan AIC sebesar 326,48
Model yang lebih baik digunakan untuk menganalisa data jumlah kematian bayi di tiap Kabupaten/Kota di Propinsi Jawa Timur berdasarkan nilai AIC yang terkecil adalah model
Model GWPR kernel fixed Gaussian memodelkan data kematian ibu di Indonesia lebih baik dibandingkan model regresi Poisson.Berdasarkan pemodelan GWPR untuk data kematian ibu di
Perbandingan model regresi Poisson dengan model RPTG baik dengan menggunakan pembobot fungsi Kernel Gaussian maupun Kernel Bisquare dilakukan untuk mengetahui
Berdasarkan nilai Akaike Information Criterion (AIC) antara model regresi Poisson dan model GWPR, diketahui bahwa model GWPR dengan menggunakan pembobot fixed kernel
Hasil yang diperoleh adalah sebagai berikut : Tabel 2 Perbandingan Kesesuaian Model Devians AIC Model Regresi Poisson 626,501 642,501 Model GWPR Kernel Gauss 546,319* 564,647*
Penelitian ini membentuk model GWPR dengan fungsi pembobot kernel Fixed Gaussian dalam mengatasi permasalahan efek spasial dan faktor geografis yang mempengaruhi suatu wilayah terhadap wilayah
