GEOGRAPHICALLY WEIGHTED NEGATIVE BINOMIAL REGRESSION PADA DATA BAYI DENGAN BERAT BADAN LAHIR RENDAH

---

ABSTRAK

1. Judul Tesis Geographically Weighted Negative Binomial Regression
pada Data Bayi dengan Berat Badan Lahir Rendah

2. Subjek 1. BBLR

2. overdispersi

3. GWNBR

4. bandwidth

5. matriks pembobot

3. Abstrak

Model regresi global mengasurnsikan sebuah model tunggal dapat
menjelaskan hubungan antara banyak bayi yang lahir dengan berat badan lahir
rendah (BBLR) dengan faktor penyebabnya di seluruh wilayah penelitian.
Ketidakstasioneran spasial data tidak dapat dijelaskan oleh sebuah model
global. Geographically Weighted Negative Binomial Regression (GWNBR)
merupakan model regresi untuk data cacahan yang berdistribusi Poisson tetapi
mengalami overdispersi dan ketidakstasioneran spasial. GWNBR
menghasilkan model-model lokal dengan taksiran parameter yang berlaku
lokal sesuai karakteristik titik pengamatan. Parameter model GWNBR
dihitung berdasarkan pembobot kernel adaptif kuadrat ganda Parameter
regresi ditaksir dengan metode iterasi IRWLS dan Newton Raphson secara
bergantian hingga nilainya konvergen. Penelitian ini menentukan vari ab el
yang berpengaruh terhadap BBLR di setiap kabupatenlkota di Nusa Tenggara
Timur. Model GWNBR mengelompokkan kabupatenlkota di Nusa Tenggara
Timur menjadi 8 kelompok berdasarkan variabel yang berpengaruh signifikan
terhadap kejadian BBLR. Berdasarkan nilai devians, model lokal GWNBR
yang dihasilkan lebih baik untuk memodelkan data BBLR di Nusa Tenggara
Timur daripada model global regresi binomial negatif

4. Abstract

Global regression assumes a single model can explain the relationship
between low birth weight (LBW) births and contributing factor in all parts of
study area. Spatial non-stationarity in data cannot be explained by a global
model. Geographically Weighted Negative Binomial Regression (GWNBR) is
a tool for the modelling of non-stationarity count data with overdispersion.
GWNBR produce local models with parameter estimation applies locally
appropriate characteristics observation point. The geographically weights are
calculated using the adaptive bi-square kernel. The parameter estimation is
performed iteratively with the combination of IRLS and Newton-Raphson
methods. This study determines the variables that affect the LBW in

---

Availability @Perpustakaan Pusat

No copy data

Detail Information

Series Title

-

Call Number

519 Sar g/R.14.8

Publisher

Bandung : Magister Statistika Terapan,., 2015

Collation

xii,;48 hlm,;29 cm

Language

Indonesia

ISBN/ISSN

-

Classification

519

Content Type

-

Media Type

-

Carrier Type

-

Edition

-

Subject(s)

-

Specific Detail Info

-

Statement of Responsibility

-

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment