Geographically Weighted Negative Binomial Regression untuk Jumlah Kasus Demam Berdarah Dengue Kabupaten/Kota Provinsi Bengkulu

Main Article Content

Dyah Setyo Rini

Abstract

Geographically Weighted Negative Binomial Regression (GWNBR) merupakan salah satu metode untuk memodelkan data cacah yang mempunyai heterogenitas spasial dan overdispersi. Heterogenitas spasial dapat disebabkan oleh kondisi geografis, sosial budaya, ekonomi, serta pengetahuan masyarakat yang berbeda antar wilayah. Overdispersi merupakan kondisi dimana varian data lebih besar dari pada rata-rata data. Jumlah kasus demam berdarah dengue (DBD) merupakan data cacah yang diduga memiliki pengaruh heterogenitas spasial dan mengandung overdispersi. Peneltian ini bertujuan untuk memodelkan jumlah kasus DBD pada kabupaten/kota di provinsi Bengkulu dengan menggunakan GWNBR. Berdasarkan model tersebut dapat diketahui juga apakah  jumlah penduduk dan  rata-rata curah hujan per tahun mempengaruhi jumlah kasus DBD pada kabupaten/kota di provinsi Bengkulu. Metode yang digunakan dalam penelitian ini adalah studi kasus, dimana data jumlah kasus DBD, jumlah penduduk, dan rata-rata curah hujan per tahun diperoleh dari BPS. Hasil penelitian menunjukkan bahwa jumlah penduduk dan rata-rata curah hujan per tahun mempengaruhi jumlah kasus DBD pada kabupaten/kota di provinsi Bengkulu.

Article Details

How to Cite
Rini, D. S. (2018). Geographically Weighted Negative Binomial Regression untuk Jumlah Kasus Demam Berdarah Dengue Kabupaten/Kota Provinsi Bengkulu. PRISMA, Prosiding Seminar Nasional Matematika, 1, 736-744. Retrieved from https://journal.unnes.ac.id/sju/prisma/article/view/19686
Section
Articles

References

Anselin, L. 1988. Spatial Econometrics: Methods and Models. Dordrecht: Kluwer Academic Publishers.
BPS. 2017. Provinsi Bengkulu dalam Angka. (Online). (http://www.provinsibengkulu.bps.go.id/, diakses 13 September 2017)
Cleveland, W.S. 1979. Robust Locally Weighted Regression and Smoothing Scatterplots. Journal of America Statistics Association 74, 829-836.
Fotheringham, A.S., Brunsdon C., Charlton M. 2002. Geographically Weighted Regression, The Analysis of Spatially Varying Relationships. Chicester: John Wiley and Sons.
Hardin J.W. & Hilbe J.M. 2007. Generalized Linier Models and Extensions. Texas : Stata Press.
Kristina, Isminah, Wulandari L. 2004. Kajian Masalah Kesehatan. (Online). (http://www.litbang.depkes.go.id/maskes/052004/demamberdarah1, diakses 13 September 2017)
McCullagh P dan Nelder J.A. 1989. Generalized Linear Models Second Edition. Chapman and Hall, London.
Montgomery, D.C., Elizabeth, A.P., Geoffrey, V.G. 2012. Introduction to Linear Regression Analysis Fifth Edition. New Jersey: John Wiley and Sons.
Silva A.R & Rodrigues T.C.V. 2014. Geographically Weighted Negative Binomial Regression Incorporating Overdispersion. Stat. Comput. DOI 10.1007/s11222-013-9401-9.