Afifah Nur Mutia, . (2022) Disusun untuk memenuhi salah satu syarat memperoleh gelar sarjana Statistika. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.
Text
COVER.pdf Download (855kB) |
|
Text
BAB I.pdf Download (130kB) |
|
Text
BAB II.pdf Restricted to Registered users only Download (411kB) |
|
Text
BAB III.pdf Restricted to Registered users only Download (419kB) |
|
Text
BAB IV.pdf Restricted to Registered users only Download (1MB) |
|
Text
BAB V.pdf Restricted to Registered users only Download (51kB) |
|
Text
DAFTAR PUSTAKA.pdf Download (185kB) |
|
Text
LAMPIRAN.pdf Restricted to Registered users only Download (387kB) |
Abstract
Geographically Weighted Regression (GWR) adalah salah satu metode yang dapat digunakan untuk menganalisis suatu kasus dengan mempertimbangkan efek spasial. Efek spasial menunjukkan adanya perbedaan karakteristik lingkungan antar wilayah. Adanya efek spasial dapat dilihat dari pelanggaran pada uji asumsi homoskedastisitas regresi linier berganda. Penelitian di bidang kesehatan, seringkali menunjukkan bahwa penyebaran suatu penyakit terutama penyakit menular dipengaruhi oleh efek spasial salah satunya penyakit tuberkulosis. Pada tahun 2020 Sumatera Utara menjadi salah satu wilayah dengan kasus tuberkulosis tinggi, maka diperlukan kajian mengenai kasus tuberkulosis serta mengetahui variabel-variabel yang mempengaruhinya dengan melibatkan efek spasial. Penelitian ini bertujuan memodelkan kasus tuberkulosis dan analisis terhadap 10 variabel yang diduga mempengaruhinya menggunakan metode GWR dengan fungsi pembobot adaptive kernel bi-square. Penelitian ini menghasilkan sebanyak 23 model lokal untuk 23 Kabupaten/Kota dengan variabel independen yang signifikan terhadap kasus tuberkulosis. Hal ini menunjukkan bahwa terdapat 10 Kabupaten/Kota memiliki kasus tuberkulosis yang dipengaruhi oleh variabel ain yang tidak dilibatkan dalam penelitian ini. Berdasarkan kesamaan variabel prediktor yang signifikan, diperoleh 13 kelompok wilayah Kabupaten/Kota dengan karakteristik yang berbeda. Model yang dihasilkan berdasarkan metode GWR ini mampu menjelaskan keragaman jumlah kasus tuberkulosis sebesar 99,4%, sedangkan sisanya dipengaruhi oleh variabel prediktor lain. *********************************************Geographically Weighted Regression (GWR) is a method that can be used to analyze a case by considering spatial effects. Spatial effects indicate differences in environmental characteristics between regions. A spatial effect can be seen from the violation of the assumption of the multiple linear regression homoscedasticity test. Research in the health sector often shows that the spread of disease, especially infectious diseases, is influenced by spatial effects, one of which is tuberculosis. In 2020, North Sumatra will become one of the areas with high tuberculosis cases, so it is necessary to study tuberculosis cases and determine the variables that influence it by involving spatial effects. This study aims to model tuberculosis cases and analyze ten variables that are thought to influence it using the GWR method with the adaptive kernel bi-square weighting function. This study produced 23 local models for 23 regencies/cities with significant independent variables on tuberculosis cases. This shows that 10 regencies/cities have tuberculosis cases, which are influenced by other variables that are not involved in this study. Based on the similarity of the significant predictor variables, 13 groups of regencies/cities areas where obtained with different characteristics. The model generated based on the GWR method can explain the diversity of the number of tuberculosis cases by 99.4%, while other predictor variables influence the rest.
Item Type: | Thesis (Sarjana) |
---|---|
Additional Information: | 1). Vera Maya Santi, M.Si. ; 2). Qorry Meidianingsih, M.S |
Subjects: | Geografi, Antropologi > Geografi |
Divisions: | FMIPA > S1 Statistika |
Depositing User: | sawung yudo |
Date Deposited: | 23 Oct 2024 04:40 |
Last Modified: | 23 Oct 2024 04:40 |
URI: | http://repository.unj.ac.id/id/eprint/51740 |
Actions (login required)
View Item |