Estimasi model spasial dengan geographically weighted poisson regression (GWPR)

INDONESIA:

Analisis regresi merupakan analisis statistik yang bertujuan untuk memodelkan hubungan antara variabel prediktor dengan variabel respon. Apabila variabel respon berdistribusi poisson maka model regresi yang digunakan adalah regresi poisson. Masalah utama dari metode ini adalah jika metode ini diterapkan pada data spasial akan terjadi heterogenitas. Untuk mengatasi permasalahan pada data spasial maka metode statistik yang akan digunakan adalah metode Geographically Weighted Poisson Regression (GWPR) yaitu bentuk lokal dari regresi poisson dimana lokasi diperhatikan.

Hasil penelitian menunjukkan bahwa estimasi parameter model GWPR menggunakan metode MLE dan diselesaikan dengan menggunakan iterasi Newton-Rhapson akan menghasilkan estimasi parameter yang berupa iterasi. Pengujian parameter secara parsial menggunakan distribusi t. Aplikasi model GWPR pada data angka kematian yang dipengaruhi oleh fasilitas di Jawa Timur menunjukkan bahwa dengan menggunakan pembobot fungsi kernel gauss maka akan menghasilkan beberapa variabel yang mempengaruhi angka kemiskinan.

Hal ini mempermudahkan peneliti untuk menggambarkan parameter lokal yang dapat menjelaskan variasi spasial dalam hubungan antara angka kemiskinan yang dipengaruhi oleh banyaknya fasilitas layanan kesehatan dengan keadaan wilayah. Dalam pemodelan global dari data yang bersifat spasial dimana proses yang dimodelkan stasioner untuk setiap wilayah dan mungkin akan menyembunyikan perbedaan lokal yang menarik dan penting dalam penentuan angka kemiskinan yang dipengaruhi banyaknya layanan fasilitas kesehatan dipropinsi Jawa Timur. Untuk mengetahui estimasi parameter kita menggunakan metode MLE dan diselesaikan dengan iterasi Newton-Rhapson.

ENGLISH:

Regression analysis is a statistical analysis that aims to model the relationship between predictor variables with response variable. Poisson regression is used to variable respon poisson distributed. model used was Poisson regression. The main problem of this method is if the method is applied to spatial data heterogeneity will be occur. To overcome the problem of spatial data on the statistical methods to be used is the method of Geographically Weighted Poisson Regression (GWPR) is the local form of Poisson regression in which the location of attention.

The results showed that the estimated model parameters GWPR using
MLE method and solved using Newton-Rhapson iteration will produce parameter estimates in the form of iteration. Testing parameters are partially using the t distribution Applications GWPR model in which mortality data are affected by the facility in East Java showed that by using a weighted kernel function gauss it will generate some variables that affect poverty rates.

This facilitate researchers to describe the local parameters that can explain the spatial variation in the relationship between poverty rates are influenced by many health care facilities with state of the region. In the global modeling of data which are spatially stationary process that is modeled for each region and will probably hide local differences are interesting and important in determining the amount of poverty that affected health care facilities dipropinsi East Java. To determine the parameter estimation we use the MLE method and solved by Newton-iteration Rhapson.