Metode Regresi Poisson Terboboti Geografis pada Pemodelan Data Spasial

  • Yohana Enggar Setyarini FMIPA UNJ
  • Suyono Suyono FMIPA UNJ
  • Widyanti Rahayu

Abstract

ABSTRAK


Data spasial adalah data yang memiliki informasi geografis. Data spasial dapat memiliki pengaruh spasial terhadap variabel terikat dalam bentuk heterogenitas spasial atau dependensi spasial. Oleh karena itu, diperlukan pemodelan spasial yang dapat digunakan untuk menampung pengaruh spasial tersebut. Jika variabel terikat berdistribusi Poisson maka pemodelan spasial yang tepat digunakan adalah model Regresi Poisson Terboboti Geografis (RPTG). Model RPTG merupakan bentuk spasial dari regresi Poisson global. Model RPTG diestimasi menggunakan metode maksimum likelihood dan dilanjutkan dengan metode Newton-Raphson. Model RPTG menghasilkan estimasi parameter yang tidak stasioner atau berbeda-beda untuk setiap wilayah. Model RPTG dalam penelitian ini digunakan untuk memodelkan angka kematian penderita DBD di Jawa Timur tahun 2013. Hasil yang diperoleh menunjukkan bahwa terdapat perbedaan variabel-variabel yang berpengaruh signifikan terhadap variabel terikat antara wilayah yang satu dengan wilayah yang lain. Model RPTG lebih baik dalam memodelkan angka kematian penderita DBD dibanding regresi Poisson global. Model RPTG memiliki nilai AIC=53.205 dan =74.16, sedangkan model regresi Poisson global memiliki nilai AIC=59.6301 dan =64.83.


Kata kunci : Data Spasial, Pengaruh Spasial, Pemodelan Spasial, Regresi Poisson Global, RPTG.


 

Published
2017-09-08
How to Cite
SETYARINI, Yohana Enggar; SUYONO, Suyono; RAHAYU, Widyanti. Metode Regresi Poisson Terboboti Geografis pada Pemodelan Data Spasial. Jurnal Statistika dan Aplikasinya, [S.l.], v. 1, n. 1, p. 33-42, sep. 2017. Available at: <http://journal.unj.ac.id/unj/index.php/statistika/article/view/3794>. Date accessed: 25 sep. 2017.
Citation Formats