PEMODELAN MIXED GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR) SEBAGAI PENDEKATAN MODEL GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) YANG MELIBATKAN PARAMETER GLOBAL
Abstract: Geographically
Weighted Regression (GWR) merupakan metode statistika yang digunakan untuk
menganalisis data spasial dalam bentuk persamaan regresi yang menghasilkan
parameter model yang bersifat lokal untuk tiap lokasi pengamatan. Namun apabila
terdapat beberapa variabel prediktor yang bersifat global dan yang lainnya
bersifat lokal maka metode Mixed Geographically Weighted Regression (MGWR)
dapat digunakan. Status gizi balita merupakan indikator yang paling baik dalam
mengukur derajat kesehatan masyarakat. Tujuan dari penelitian ini adalah
mendapatkan model Mixed Geographically Weighted Regression (MGWR) dengan
pembobot fungsi Fixed Bisquare Kernel untuk data balita gizi buruk di Jawa
Timur tahun 2010. Selain itu untuk mendapatkan faktor-faktor yang bepengaruh
secara signifikan terhadap persentase balita gizi buruk di setiap
kota/kabupaten di Jawa Timur. Berdasarkan uji Goodeness of Fit didapatkan bahwa
model MGWR secara signifikan berbeda dengan model regresi OLS. Pada studi kasus
ini model MGWR lebih baik dibandingkan model GWR karena menghasilkan nilai AIC
yang lebih kecil. Faktor-faktor yang signifikan terhadap kejadian balita gizi
buruk bervariasi di tiap kota/kabupaten di Jawa Timur sehingga terbentuk 9
kelompok kota/kabupaten yang memiliki kesamaan variabel prediktor yang signifikan,
namun secara umum faktor yang signifikan adalah persentase BayiBerat Lahir
Rendah (X1), persentase balita mendapat vitamin A (X4), persentase rumah tangga
dengan akses air bersih (X),dan kemiskinan (X7).
Penulis: Hanah Rista Sariyya,
Eni Sumarminingsih, Henny Pramoedyo
Kode Jurnal: jpmatematikadd130816
