Skripsi

Estimasi parameter model Geographically Weighted Negative Binomial Regression (GWNBR) (studi kasus: data jumlah kasus kusta basah di Provinsi Jawa Timur Tahun 2016) / Nurul Hidayati

Abstrak
i ABSTRAK Hidayati Nurul. 2018. Estimasi Parameter Model Geographically Weighted Negative Binomial Regression (GWNBR) (Studi Kasus Jumlah Kasus Kusta Basah di Provinsi Jawa Timur Tahun 2016). Skripsi Jurusan Matematika FMIPA Universitas Negeri Malang. Pembimbing Dr. Ir. Hendro Permadi M.Si. Kata Kunci Regresi Binomial Negatif GWNBR Kusta Basah. Geographically Weighted Negative Binomial Regression (GWNBR) merupakan bentuk lokal dari regresi binomial negatif yang menghasilkan penaksiran parameter model bersifat lokal untuk setiap titik/lokasi dengan asumsi variabel terikat merupakan data cacah berdistribusi binomial negatif. Penelitian ini menggunakan analisis GWNBR untuk menentukan faktor-faktor yang mempengaruhi jumlah kasus kusta basah di setiap kabupaten/kota di Provinsi Jawa Timur tahun 2016. Hasil penelitian analisis GWNBR dengan pembobot Adaptive Bisquare Kernel memiliki nilai AIC sebesar 262 2764 dan Regresi Binomial Negatif memiliki nilai AIC sebesar 625 06. Hal ini menunjukkan pendekatan GWNBR merupakan model terbaik karena memiliki nilai AIC terkecil. Faktor spasial berpengaruh terhadap jumlah kasus kusta basah di Provinsi Jawa Timur sehingga model GWNBR yang terbentuk berbeda-beda setiap kabupaten/kota. Dengan pembobot Adaptive Bisquare Kernel diperoleh 4 kelompok berbeda berdasarkan masing-masing variabel bebas yang signifikan dimana faktor yang berpengaruh adalah rumah sehat rumah tangga berperilaku hidup bersih dan sehat kepadatan penduduk rumah tangga berlokasi ditempat kumuh dan rumah tangga yang memiliki dinding bukan tembok.

Informasi Detail

DDC

Rs 519.536 HID e

Prodi

Universitas Negeri Malang. Program Studi Matematika, 2018.

Deskripsi Fisik

ix, 97 lembar : ill. , tab. ; 30 cm

Bahasa

Indonesia

No Reg

06617/KI/18

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2018

Subjek

1. ANALISIS REGRESI
2. REGRESSION ANALYSIS

Pembimbing

1. Hendro Permadi

Lampiran Berkas