Statistik uji parsial pada model mixed geographically weighted regression: Studi kasus jumlah kematian bayi di Jawa Timur tahun 2012

INDONESIA:

Mixed Geographically Weighted Regression (MGWR) adalah pengembangan dari model regresi dimana terdapat parameter yang dihitung pada setiap lokasi pengamatan, sehingga setiap lokasi pengamatan mempunyai nilai parameter yang berbeda-beda, regresi yang demikian dinamakan Geographically Weighted Regression (GWR). Penaksir parameter untuk GWR ini menggunakan Weighted Least Square (WLS), karena dalam GWR terdapat matriks pembobot yang dibutuhkan. Dengan MGWR akan menghasilkan penaksir parameter yang sebagian bersifat global dan sebagian lain bersifat lokal sesuai dengan lokasi pengamatan. Penaksir pada model MGWR dapat dilakukan dengan metode WLS. Selanjutnya diperlukan serangkaian prosedur untuk melakukan uji hipotesis terhadap parameter model yang dihasilkan. Uji hipotesis ini digunakan untuk kesesuaian model dan juga menentukan variabel bebas mana yang berpengaruh signifikan terhadap model.

Dari hasil penelitian didapatkan model statistik uji dari model MGWR adalah statistik uji F dan uji t. Pada aplikasi GWR4 didapatkan bahwa dari ketujuh variabel, ternyata kesehatan ibu dan kesehatan bayi yang signifikan mempengaruhi jumlah kematian bayi di Jawa Timur tahun 2012.

Model yang didapatkan dari pengujian signifikansi model GWR pada data jumlah kematian bayi di Jawa Timur tahun 2012 menggunakan aplikasi GWR4 adalah:...

Selain menggunakan statistik uji F dan uji t, dapat juga digunakan metode lainnya pada pengujian model MGWR. Estimasi parameter juga dapat menggunakan metode selain WLS, serta data yang sesuai dengan kebutuhan peneliti.

ENGLISH:

Mixed Geographically Weigted Regression (MGWR) is the development of a regression model where there are parameters calculated at each observation location, so that each location has a different parameters value, such regression is called Geographically Weighted Regression (GWR). The parameter estimator for this GWR use Weighted Least Square (WLS), because it requires weighting matrix GWR. MGWR will produce parameter estimator that some are global and some others are local according to the observation location. Estimator at are MGWR model can be done using WLS method. Furthermore, a series of procedures required to test the hypothesis on the resulted model parameters .This hypothesis test is used for the suitability of the model and also determine which independent variable that influence the model significantly.

From the study we obtain that a test statistical model of MGWR model is F test and t test. According to the application of GWR4, we obtained that from all of seven variables the maternal health and infant health are significantly affect the number of infant death in East Java in 2012.

The model obtained from testing the significance of the GWR models on data of the number of infant deaths in East Java in 2012 using GWR4 application are:...

In addition to the statistic of F test and t test, we can also use other methods on the MGWR model testing. Parameter estimation can also use methods other than WLS, and use data according to the needs of researcher.