Amaliasari, Choir (2015) Penggunaan Pembobot Adaptive Gaussian Kernel Dan Adaptive Bisquare Kernel Pada Model Geographically Weighted Negative Binomial Regression (Gwnbr). Sarjana thesis, Universitas Brawijaya.
Abstract
Analisis regresi adalah analisis yang bertujuan untuk memodelkan hubungan antara peubah respon dengan peubah prediktor. Faktor geografis, sosial budaya dan ekonomi antar wilayah tentunya berbeda dan menyebabkan terjadi keragaman spasial. Sehingga analisis regresi linier tidak dapat digunakan. Salah satu analisis regresi yang dapat digunakan untuk peubah respon diskrit dan dapat mengatasi heterogenitas spasial adalah Geographically Weighted Negative Binomial Regression (GWNBR). Pendugaan parameter pada model GWNBR memerlukan adanya matriks pembobot, yaitu pemberian bobot pada data sesuai dengan kedekatan dengan lokasi pengamatan ke-i. Pada penelitian ini hanya akan digunakan dua fungsi pembobot yaitu Adaptive Gaussian Kernel dan Adaptive Bisquare Kernel. Penggunaan pembobot tersebut pada data jumlah kematian balita mendapatkan hasil yang hampir sama. Peubah prediktor yang berpengaruh terhadap jumlah kematian balita pada semua lokasi pengamatan dengan menggunakan kedua fungsi pembobot adalah persentase balita gizi buruk (X1), persentase balita yang mendapat vitamin A (X3), persentase rumah tangga yang memiliki air bersih (X5) dan persentase balita yang mendapatkan pelayanan kesehatan (X6). Selain itu, kedua fungsi pembobot yaitu Adaptive Gaussian Kernel dan Adaptive Bisquare Kernel sama baiknya untuk digunakan dalam memodelkan jumlah kematian balita di Jawa Timur tahun 2012.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/MIPA/2015/210/051505455 |
Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
Depositing User: | Budi Wahyono Wahyono |
Date Deposited: | 19 Aug 2015 15:34 |
Last Modified: | 04 Mar 2022 03:48 |
URI: | http://repository.ub.ac.id/id/eprint/154241 |
Preview |
Text
CHOIR AMALIASARI.pdf Download (3MB) | Preview |
Actions (login required)
![]() |
View Item |