Pemodelan Geographically Weighted Poisson Regression dengan Fungsi Pembobot Adaptive Bisquare pada Kasus Kusta di Pulau Kalimantan Tahun 2018

Abstract

Model Geographically Weighted Poisson Regression (GWPR) adalah pengembangan dari model regresi Poisson yang diaplikasikan pada data spasial. Penaksiran parameter model GWPR dilakukan pada setiap lokasi pengamatan menggunakan pembobot spasial. Tujuan penelitian ini adalah menentukan model GWPR dan faktor-faktor yang berpengaruh terhadap jumlah kasus kusta di setiap kabupaten/kota di Pulau Kalimantan pada tahun 2018. Pembobot spasial diperoleh menggunakan fungsi kernel adaptive bisquare dan bandwidth optimum ditentukan menggunakan kriteria Generalized Cross-Validation (GCV). Data penelitian ini adalah data sekunder yaitu jumlah kasus kusta di 56 kabupaten/kota di Pulau Kalimantan pada tahun 2018. Metode penaksiran parameter model GWPR adalah Maximum Likelihood Estimation (MLE). Hasil penelitian menunjukkan bahwa hampiran penaksir maximum likelihood diperoleh menggunakan metode iterasi Newton-Raphson dan faktor-faktor yang mempengaruhi jumlah kasus kusta di setiap kabupaten/kota adalah berbeda-beda (bersifat lokal). Faktor-faktor yang berpengaruh secara lokal adalah jumlah sarana kesehatan, jumlah tenaga kesehatan, jumlah penduduk laki-laki dan kepadatan penduduk.