Estimasi parameter model Mixed Geographically Weighted Negative Binomial Regression (MGWNBR) dengan pembobot adaptive bisquare kernel

INDONESIA:

Regresi Poisson merupakan metode yang sering digunakan untuk menganalisis data cacah dengan asumsi equidispersi. Pada kenyataannya sering ditemui kondisi overdispersi pada data. Salah satu metode yang digunakan dalam mengatasi overdispersi yaitu regresi binomial negatif. Selanjutnya, dengan mempertimbangkan aspek spasial dan terdapat beberapa variabel prediktor yang berpengaruh secara global, sedangkan yang lainnya mempertahankan pengaruh spasialnya, sehingga model regresi binomial negatif dikembangkan menjadi model MGWNBR. Pada penelitian ini, data yang digunakan adalah data jumlah kasus difteri di Jawa Timur tahun 2012 (Y), persentase Balita yang mendapatkan imunisasi DPT lengkap 〖(X〗_1), persentase rumah tangga berperilaku hidup bersih dan sehat 〖(X〗_2), persentase rumah tangga yang memiliki sumber air minum terlindung 〖(X〗_3), persentase rumah sehat 〖(X〗_4), persentase penddikan tertinggi yang ditamatkan sekolah dasar 〖(X〗_5) , persentase kepadatan penduduk 〖(X〗_6), dan persentase sarana kesehatan 〖(X〗_7). Metode yang digunakan dalam estimasi parameter adalah MLE dengan iterasi Newton-Rhapson. Hasil yang diperoleh dalam penelitian ini yaitu, formula estimasi model MGWNBR dengan iterasi Newton-Rhapson dan model MGWNBR untuk jumlah kasus difteri di Jawa Timur berbeda di setiap kabupaten/kota yang terdiri dari enam kelompok pembagian wilayah berdasarkan kesamaan variabel prediktor yang signifikan.

ENGLISH:

Poisson regression is a method often used to analyze count data assuming equidispersion. In fact, overdispersion conditions are often found in the data. One method used in overcoming overdispersion is negative binomial regression. Furthermore, taking into account the spatial aspects and the existence of several predictor variables that influence globally, while others maintain their spatial influence, so the negative binomial regression model is developed into the MGWNBR model. In this study, the data used were data on the number of diphtheria cases in East Java in 2012 (Y), the percentage of toddlers who received complete DPT immunization (X_1 ) , the percentage of clean and healthy living behavior (X_2 ), the percentage of households that have a protected drinking water source (X_3 ), the percentage of healthy houses (X_4 ), the highest percentage of education completed by elementary school (X_5 ), percentage of population density (X_6 ), and the percentage of health facilities (X_7 ). The method used in parameter estimation is MLE with Newton-Rhapson iterations. The results obtained in this study are, the MGWNBR model estimation formula with Newton-Rhapson iterations and MGWNBR models for the number of diphtheria cases in East Java is different in each district/city consisting of six groups divided by a significant predictor variable.

ARABIC;

انحدار بواس(Poisson regression)هو طريقة تستخدم غالبا ً لتحليل البيانات المفردة
بافتراض انحراف السرعة.في الواقع، ما توجد شروط الإفراطفي التحويل في البيانات.إحدى الطرق
المستخدمة في التغلب علىoverdispersionهو الانحدار السلبي ذو الحدين.علاوة على ذلك،
مع الأخذ بعينالاعتبار الجوانب المكانية، و العديد من المتغيرات المتوقعة التي تؤثر على الصعيد
العالمي، فيحين يحافظ آخرون على تأثير مكاني، لذلك يتم تطوير نموذج الانحدار السلبي ذو
الحدين في نموذجMGWNBR.في هذه الدراسة، كانت البيانات المستخدمة عبارة عن بيانات عن
عدد حالات الدفتيريا في جاوا الشرقية في عام2102(