Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPendugaan Persentase Kejadian Gizi Buruk di Jawa Timur Menggunakan Model Regresi Terboboti Geografis. Provinsi Jawa Timur memiliki karakteristik wilayah yang berbeda. Perbedaan karakteristik wilayah dapat berupa masalah sosial, ekonomi, budaya, pola asuh, pendidikan, dan lingkungan, sehingga dapat menyebabkan adanya perbedaan kejadian balita gizi buruk antara wilayah satu dengan wilayah lainnya. Penderita gizi buruk dari satu wilayah diduga dipengaruhi oleh wilayah sekitarnya. Oleh karena itu, diperlukan suatu pemodelan statistik dengan memperhitungkan faktor spasial. Metode statistik yang dapat digunakan untuk menganalisis data dengan memperhitungkan faktor spasial adalah regresi terboboti geografis (RTG). Penelitian ini bertujuan untuk menentukan model kejadian gizi buruk di Provinsi Jawa Timur menggunakan model RTG dengan pembobot kernel adaptif kuadrat ganda dan membandingkan model RTG dengan model regresi linear konvensional. Data yang digunakan adalah data sekunder dari survei sosial ekonomi nasional (SUSENAS) dan Riset Kesehatan Dasar (RISKESDA) 2010 pada 38 kabupaten/kota di Jawa Timur. Pendugaan parameter model dilakukan dengan menggunakan metode weighted least squares (WLS) yaitu dengan memberikan pembobot yang berbeda untuk setiap wilayah. Hasil penelitian diperoleh terdapat 38 model kejadian gizi buruk yang berbeda untuk setiap kabupaten/kota di Jawa Timur. Model RTG dengan menggunakan pembobot fungsi kernel kuadrat ganda lebih baik digunakan untuk memodelkan kejadian gizi buruk di Jawa Timur dibandingkan dengan regresi linear konvensional berdasarkan kriteria kebaikan model yaitu R-square, mean square error (MSE) dan Akaike information criterion (AIC).

---

The province of East Java has its characteristics that differentiate it from any other regions. Dissimilarities in characteristics of a region may encompass issues such as social, economic, cultural, parenting, education, and the environment, so as to cause the difference in the case of severe under nutrition between one region to another. Sufferers of malnutrition in one region may be linked and influenced by the surrounding regions. Therefore, we need a statistical modeling that can take into account the spatial factor. Statistical methods that can be used to analyze the data and also takes into account the spatial factor are the Geographically Weighted Regression (GWR). This study is aimed to determine the case of malnutrition models in East Java Province using GWR model with kernel adaptive bi-square weighting and comparing it to the conventional linear regression model. The data used in the study are secondary data obtained from the National Socio-Economic Survey and Basic Health Research (2010) conducted in 38 districts in East Java. Estimation is done by using the Weighted Least Squares method that provides different weighting values to each region. The result showed that there are 38 models of the malnutrition case that is different from each district in East Java. The GWR model with bi-square kernel weighting function is better in modelling the case of malnutrition in East Java compared to the conventional linear regression models that are based on the criteria of goodness that is the R- square, Mean Square Error and the Akaike Information Criterion."

"The Province of East Java has its characteristics that differentiate it from any other regions. Dissimilarities incharacteristics of a region may encompass issues such as social, economic, cultural, parenting, education, and theenvironment, so as to cause the difference in the case of severe under nutrition between one region to another. Sufferersof malnutrition in one region may be linked and influenced by the surrounding regions. Therefore, we need a statisticalmodeling that can take into account the spatial factor. Statistical methods that can be used to analyze the data and alsotakes into account the spatial factor are the Geographically Weighted Regression (GWR). This study is aimed todetermine the case of malnutrition models in East Java Province using GWR model with kernel adaptive bi-squareweighting and comparing it to the conventional linear regression model. The data used in the study are secondary dataobtained from the National Socio-Economic Survey and Basic Health Research (2010) conducted in 38 districts in EastJava. Estimation is done by using the Weighted Least Squares method that provides different weighting values to eachregion. The result showed that there are 38 models of the malnutrition case that is different from each district in EastJava. The GWR model with bi-square kernel weighting function is better in modelling the case of malnutrition in EastJava compared to the conventional linear regression models that are based on the criteria of goodness that is the Rsquare,Mean Square Error and the Akaike Information Criterion.Pendugaan Persentase Kejadian Gizi Buruk di Jawa Timur Menggunakan Model Regresi Terboboti Geografis.Provinsi Jawa Timur memiliki karakteristik wilayah yang berbeda. Perbedaan karakteristik wilayah dapat berupa masalahsosial, ekonomi, budaya, pola asuh, pendidikan, dan lingkungan, sehingga dapat menyebabkan adanya perbedaankejadian balita gizi buruk antara wilayah satu dengan wilayah lainnya. Penderita gizi buruk dari satu wilayah didugadipengaruhi oleh wilayah sekitarnya. Oleh karena itu, diperlukan suatu pemodelan statistik dengan memperhitungkanfaktor spasial. Metode statistik yang dapat digunakan untuk menganalisis data dengan memperhitungkan faktor spasialadalah regresi terboboti geografis (RTG). Penelitian ini bertujuan untuk menentukan model kejadian gizi buruk diProvinsi Jawa Timur menggunakan model RTG dengan pembobot kernel adaptif kuadrat ganda dan membandingkanmodel RTG dengan model regresi linear konvensional. Data yang digunakan adalah data sekunder dari survei sosialekonomi nasional (SUSENAS) dan Riset Kesehatan Dasar (RISKESDA) 2010 pada 38 kabupaten/kota di Jawa Timur.Pendugaan parameter model dilakukan dengan menggunakan metode weighted least squares (WLS) yaitu denganmemberikan pembobot yang berbeda untuk setiap wilayah. Hasil penelitian diperoleh terdapat 38 model kejadian giziburuk yang berbeda untuk setiap kabupaten/kota di Jawa Timur. Model RTG dengan menggunakan pembobot fungsikernel kuadrat ganda lebih baik digunakan untuk memodelkan kejadian gizi buruk di Jawa Timur dibandingkan denganregresi linear konvensional berdasarkan kriteria kebaikan model yaitu R-square, mean square error (MSE) dan Akaikeinformation criterion (AIC)."

"AIDS merupakan fase infeksi dari virus HIV yang paling kronis yang dapat melemahkan kekebalan tubuh. AIDS disebabkan oleh virus HIV yang menyerang dan menghancurkan sel CD4 atau yang biasa disebutk dengan sel T. Pada tahun 2020, Provinsi Jawa Timur merupakan provinsi dengan jumlah infeksi HIV terbanyak dan urutan ketiga terbanyak untuk total kasus AIDS di Indonesia. Tujuan penelitian ini untuk memodelkan data tingkat proporsi kasus AIDS Provinsi Jawa Timur menggunakan Geographically Weighted Logistic Regression (GWLR) dan melihat hasil pengelompokan kabupaten/kota menggunakan analisis klaster. Variabel yang digunakan untuk penelitian ini adalah Gini Rasio, Indeks L Pengeluaran Per Kapita, Rasio Jenis Kelamin, Rasio Ketergantungan, Indeks Pembangunan Gender (IPG), dan Jumlah Pos Pelayanan KB Desa. Tingkat proporsi kasus AIDS dikategorikan menjadi 2 kategori berdasarkan cut point yang telah ditentukan, dengan kategori 0 sebagai tingkat rendah dengan proporsi kasus AIDS kurang dari 0,0006 dan kategori 1 sebagai tingkat tinggi dengan proporsi kasus AIDS lebih dari atau sama dengan 0,0006. Penaksiran parameter untuk model Geographically Weighted Logistic Regression (GWLR) menggunakan metode Maximum Likelihood Estimation (MLE) dengan fungsi pembobot kernel Fixed Gaussian dan bandwidth optimum ditentukan menggunakan Akaike’s Information Criterion corrected (AICc). Nilai Z hitung dari parameter model yang paling sesuai akan dikelompokan menggunakan analisis klaster k-means, dengan Z hitung adalah nilai estimasi parameter dibagi dengan standar error. Hasil pengelompokan menunjukkan bahwa anggota klaster 1 memiliki kecenderungan merupakan kabupaten/kota yang memiliki variabel signifikan yaitu rasio jenis kelamin dan rasio ketergantungan yang merupakan perbandingan jumlah penduduk bukan angkatan kerja dengan jumlah penduduk angkatan kerja, sementara anggota klaster 2 memiliki kecenderungan merupakan kabupaten/kota yang memiliki variabel signifikan rasio ketergantungan.

---

AIDS is the most chronic phase of HIV infection which can weaken the immune system. AIDS is caused by HIV which attacks and destroys CD4 cells or also known as T cells. In 2020, East Java Province is a province which has the most HIV infections and in the third place for the highest total number of AIDS cases in Indonesia. The purpose of this research is to build a model using Geographically Weighted Logistic Regression (GWLR), and to work out the grouping results of regencies/cities using K-means Clustering Analysis. The variables used in this research are Gini Ratio, L Index of Per Capita Expenditure, Gender Ratio, Dependency Ratio, Gender Development Index, and The Number of Post Pelayanan KB Desa. The proportion levels of AIDS cases are categorized into 2 categories based on cut-point which has been specified, which 0 as the category of low level with the proportion of AIDS cases is less than 0.0006 and 1 as the category of high level with the proportion of AIDS cases is more than or equal to 0.0006. Parameter estimation for Geographically Weighted Logistic Regression (GWLR) is using Maximum Likelihood Estimation (MLE) method with Fixed Gaussian as weighted kernel function and optimum bandwidth is determined using Akaike’s Information Criterion Corrected (AICc). Z-Score of the most suitable model will be grouped using K-means Clustering Analysis, with Z-score is parameter estimator divided by standard error. Grouping results indicates cluster 1 members tend to be regencies/cities that have gender ratio and dependency ratio as significant variables, meanwhile cluster 2 members tend to be regencies/cities that have only dependency ratio as significant variable. "

"AIDS merupakan fase infeksi dari virus HIV yang paling kronis yang dapat melemahkan kekebalan tubuh. AIDS disebabkan oleh virus HIV yang menyerang dan menghancurkan sel CD4 atau yang biasa disebutk dengan sel T. Pada tahun 2020, Provinsi Jawa Timur merupakan provinsi dengan jumlah infeksi HIV terbanyak dan urutan ketiga terbanyak untuk total kasus AIDS di Indonesia. Tujuan penelitian ini untuk memodelkan data tingkat proporsi kasus AIDS Provinsi Jawa Timur menggunakan Geographically Weighted Logistic Regression (GWLR) dan melihat hasil pengelompokan kabupaten/kota menggunakan analisis klaster k-means. Variabel yang digunakan untuk penelitian ini adalah Gini Rasio, Indeks L Pengeluaran Per Kapita, Rasio Jenis Kelamin, Rasio Ketergantungan, Indeks Pembangunan Gender (IPG), dan Jumlah Pos Pelayanan KB Desa. Tingkat proporsi kasus AIDS dikategorikan menjadi 2 kategori berdasarkan cut point yang telah ditentukan, dengan kategori 0 sebagai tingkat rendah dengan proporsi kasus AIDS kurang dari 0,0006 dan kategori 1 sebagai tingkat tinggi dengan proporsi kasus AIDS lebih dari atau sama dengan 0,0006. Penaksiran parameter untuk model Geographically Weighted Logistic Regression (GWLR) menggunakan metode Maximum Likelihood Estimation (MLE) dengan fungsi pembobot kernel Fixed Gaussian dan bandwidth optimum ditentukan menggunakan Akaike’s Information Criterion corrected (AICc). Nilai Z hitung dari parameter model yang paling sesuai akan dikelompokan menggunakan analisis klaster k-means, dengan Z hitung adalah nilai estimasi parameter dibagi dengan standar error. Hasil pengelompokan menunjukkan bahwa anggota klaster 1 memiliki kecenderungan merupakan kabupaten/kota yang memiliki variabel signifikan yaitu rasio jenis kelamin dan rasio ketergantungan yang merupakan perbandingan jumlah penduduk bukan angkatan kerja dengan jumlah penduduk angkatan kerja, sementara anggota klaster 2 memiliki kecenderungan merupakan kabupaten/kota yang memiliki variabel signifikan rasio ketergantungan.

---

AIDS is the most chronic phase of HIV infection which can weaken the immune system. AIDS is caused by HIV which attacks and destroys CD4 cells or also known as T cells. In 2020, East Java Province is a province which has the most HIV infections and in the third place for the highest total number of AIDS cases in Indonesia. The purpose of this research is to build a model using Geographically Weighted Logistic Regression (GWLR), and to work out the grouping results of regencies/cities using K- means Clustering Analysis. The variables used in this research are Gini Ratio, L Index of Per Capita Expenditure, Gender Ratio, Dependency Ratio, Gender Development Index, and The Number of Post Pelayanan KB Desa. The proportion levels of AIDS cases are categorized into 2 categories based on cut-point which has been specified, which 0 as the category of low level with the proportion of AIDS cases is less than 0.0006 and 1 as the category of high level with the proportion of AIDS cases is more than or equal to 0.0006. Parameter estimation for Geographically Weighted Logistic Regression (GWLR) is using Maximum Likelihood Estimation (MLE) method with Fixed Gaussian as weighted kernel function and optimum bandwidth is determined using Akaike’s Information Criterion Corrected (AICc). Z-Score of the most suitable model will be grouped using K-means Clustering Analysis, with Z-score is parameter estimator divided by standard error. Grouping results indicates cluster 1 members tend to be regencies/cities that have gender ratio and dependency ratio as significant variables, meanwhile cluster 2 members tend to be regencies/cities that have only dependency ratio as significant variable."

"[ABSTRAKRegresi linier merupakan suatu metode yang dapat digunakan untuk memodelkan hubungan antara suatu variabel terikat terhadap satu atau lebih variabel penjelas. Terdapat beberapa asumsi yang harus dipenuhi pada model regresi linier, yaitu komponen error berdistribusi normal dengan mean nol, variansi error konstan(homoskedastis), dan error antar observasi saling bebas. Pada saat menganalisis data spasial dengan menggunakan model regresi linier, asumsi homoskedastis terkadang tidak dapat terpenuhi karena kondisi data pada satu lokasi berbeda dengan kondisi data pada lokasi lainnya. Model Geographically Weighted Regression (GWR) dapat digunakan untuk mengatasi masalah heterogenitas spasial. Parameter model GWR dapat ditaksir dengan menggunakan dasar metode Weighted Least Squares (WLS) dimana bobotnya merupakan fungsi pembobot kernel. Fungsi pembobot kernel yang digunakan pada penelitian ini adalah fungsi pembobot kernel Gaussian. Pada bagian akhir penulisan, diberikan contoh aplikasi model GWR dengan menggunakan data klaim rawat inap peserta asuransikesehatan PT. XYZ untuk melihat hubungan antara total biaya rawat inap terhadap lamanya pasien dirawat inap dan kelas kamar rumah sakit yang ditempati pasien selama menjalani rawat inap untuk diagnosa tipes, DBD, dan diare. Dari hasil penelitian, hanya diagnosa tipes dan DBD yang dapat dianalisis dengan GWR. Berdasarkan peta penyebaran hasil taksiran parameter model GWR dan taksiran rata-rata total biaya rawat inap pasien dengan diagnosa tipes dan DBD, terlihat adanya variasi biaya di rumah sakit yang satu dengan rumah sakit lainnya.

---

ABSTRACTLinear regression is a method that can be used to model the relationship between a dependent variable to one or more explanatory variables. There are some assumptions that must be fulfilled in the linear regression model, such as the error term is normally distributed with mean zero, a constant variance (homoscedastic),and independent among observations. When analyzing spatial data using a linear regression model, sometimes the homoscedastic assumption cannot be fulfilled because data condition on one location differ compared to others. Geographically Weighted Regression (GWR) model is used to overcome the spatial heterogeneityproblem. Parameters of GWR model can be estimated using Weighted Least Squares (WLS) method as the basic of estimating parameters using kernel weighting function. The kernel weighting function used here is Gaussian kernel weighting function. At the last chapter, there is an example of the GWR model application by using inpatient claims data of PT. XYZ members to see the relationship between the total inpatient cost to length of stay and hospital’s room rate for typhoid, DBD, and diarrhea. From the result, only typhoid and DBD thatcan be analyzed with GWR model. Based on the map of parameter estimates on GWR model and average of total inpatient cost for typhoid and DBD, it shows that there is a variation of inpatient cost between one hospital and the others., Linear regression is a method that can be used to model the relationship between adependent variable to one or more explanatory variables. There are someassumptions that must be fulfilled in the linear regression model, such as the errorterm is normally distributed with mean zero, a constant variance (homoscedastic),and independent among observations. When analyzing spatial data using a linearregression model, sometimes the homoscedastic assumption cannot be fulfilledbecause data condition on one location differ compared to others. GeographicallyWeighted Regression (GWR) model is used to overcome the spatial heterogeneityproblem. Parameters of GWR model can be estimated using Weighted LeastSquares (WLS) method as the basic of estimating parameters using kernelweighting function. The kernel weighting function used here is Gaussian kernelweighting function. At the last chapter, there is an example of the GWR modelapplication by using inpatient claims data of PT. XYZ members to see therelationship between the total inpatient cost to length of stay and hospital’s roomrate for typhoid, DBD, and diarrhea. From the result, only typhoid and DBD thatcan be analyzed with GWR model. Based on the map of parameter estimates onGWR model and average of total inpatient cost for typhoid and DBD, it showsthat there is a variation of inpatient cost between one hospital and the others.]"

"Angka Harapan Hidup (AHH) merupakan rata-rata perkiraan banyak tahun yang dapat ditempuh oleh seseorang sejak lahir. Badan Pusat Statistik (BPS) mencatat bahwa AHH penduduk di Provinsi Jawa Barat tahun 2021 mencapai 73,23 tahun dan menempati posisi keempat dengan nilai AHH tertinggi di Indonesia pada 2021. Penelitian ini bertujuan untuk menganalisis variabel-variabel yang menjelaskan AHH di setiap kabupaten/kota di Provinsi Jawa Barat tahun 2021 menggunakan model regresi linear berganda, Geographically Weighted Regression (GWR), dan Mixed Geographically Weighted Regression (MGWR) yang kemudian dievaluasi untuk memeroleh model terbaik. Pada penelitian ini, model regresi linier berganda digunakan untuk mengetahui seberapa besar pengaruh variabel-variabel independen terhadap variabel AHH dimana nilai estimasi parameter regresi sama untuk setiap wilayah penelitian atau disebut dengan model regresi global. Provinsi Jawa Barat terdiri dari 27 kabupaten/kota yang memiliki karakteristik berbeda antarwilayah sehingga memungkinkan adanya heterogenitas spasial. Model GWR bertujuan untuk mengeksplor heterogenitas spasial dengan membentuk model regresi yang berbeda pada setiap lokasi pengamatan atau dapat disebut dengan model regresi lokal. Hal ini akan menimbulkan permasalahan apabila terdapat variabel independen yang tidak bersifat lokal atau tidak mempunyai pengaruh lokasi, tetapi diduga memiliki pengaruh terhadap variabel dependen secara global. Oleh karena itu, dikembangkan lagi menggunakan model MGWR. Model MGWR menghasilkan estimasi parameter yang bersifat global dan lokal sesuai dengan lokasi pengamatan. Variabel yang bersifat global, yaitu Tingkat Pengangguran Terbuka (TPT) dan Pengeluaran Per Kapita (PPK), sedangkan variabel yang bersifat lokal, yaitu Jumlah Penduduk Miskin (JPM), Harapan Lama Sekolah (HLS), dan Persentase Penduduk yang Mempunyai Keluhan Kesehatan Sebulan Terakhir (KK). Hasil penelitian ini menunjukkan bahwa kedua variabel global berpengaruh terhadap AHH, sedangkan variabel lokal yang berpengaruh terhadap AHH berbeda pada setiap wilayahnya, begitu pula dengan model yang terbentuk juga akan berbeda untuk setiap wilayahnya. Selain itu, model terbaik yang diperoleh adalah model GWR dengan fungsi pembobot fixed Gaussian kernel dengan nilai AIC terkecil, adjusted R-squared terbesar, dan RMSE terkecil dibandingkan model regresi linier berganda dan MGWR.

---

Life Expectancy (AHH) is an estimate of the years that a person will take from birth. Badan Pusat Statistik (BPS) notes that the AHH of the population in West Java Province in 2021 reached 73.23 years and ranked fourth with the highest AHH value in Indonesia in 2021. This study aims to analyze the variables that explain AHH in each district/city in West Java Province in 2021 using multiple linear regression models, Geographically Weighted Regression (GWR) models, and Mixed Geographically Weighted Regression (MGWR) models which are then evaluated to obtain the best model. In this study, the multiple linear regression model is used to determine how much influence the independent variables had on the AHH variable where the estimated values of the regression parameters were the same for each study area or called the global regression model. West Java Province consists of 27 districts/cities which have different characteristics between regions, thus allowing for spatial heterogeneity. The GWR model aims to explore spatial heterogeneity by forming a different regression model at each observation location or it can be called a local regression model. This will cause problems if there are independent variables that are not local in nature or do not have a location effect, but are suspected of having an influence on the dependent variable globally. Therefore, it is further developed using the MGWR model. The MGWR model produces parameter estimates that have global and local characteristics according to the observation location. Global variables are Open Unemployment Rate (TPT) and Per Capita Expenditures (PPK), while local variables are Number of Poor Population (JPM), Expected Years of Schooling (HLS), and Percentage of Population with Health Complaints in the Last Month (KK). The results of this study indicate that both global variables have a significant effect on AHH, while local variables which have a significant effect on AHH are different in each region, as well as the model formed will also be different for each region. In addition, the best model obtained is the GWR model with a fixed Gaussian kernel weighting function with the smallest AIC value, the largest adjusted R-squared, and the smallest RMSE compared to the multiple linear regression model and MGWR model."

"Kemiskinan merupakan salah satu masalah sosial yang masih menjadi perhatian pemerintah. Hampir seluruh negara berkembang memiliki standar hidup yang masih rendah. Salah satu cara untuk mengurangi kemiskinan adalah dengan menganalisis faktor-faktor yang memengaruhi Salah satu metode yang cocok dalam menganalisis tingkat kemiskinan adalah dengan menggunakan Geographically Weighted Regression (GWR). Hal ini dikarenakan dalam model GWR dipertimbangkan aspek spasial yang berbeda-beda untuk masing-masing lokasi pengamatan. Dalam model GWR dilakukan pendekatan analisis regresi yang digunakan untuk memahami hubungan spasial antara variabel-variabel dalam konteks geografi. Hal ini dikarenakan model GWR mempertimbangkan jarak lokasi pengamatan dengan lokasi sekitarnya, model GWR juga mempertimbangkan pembobot pada masing-masing lokasi pengamatan. Daerah yang dekat dengan lokasi pengamatakan mendapatkan pembobot yang lebih besar daripada daerah yang jauh dengan lokasi pengamatan, dalam hal ini penentuan pembobot dalam model GWR bergantung pada bandwidth. Dalam penelitian ini dilakukan analisis dengan mempertimbangkan empat pembobot spasial yaitu fixed gaussian kernel, fixed bisquare kernel, fixed tricube kernel, dan fixed exponential kernel yang diterapkan pada dua bandwidth yaitu bandwidth CV dan bandwidth AIC. Variabel dependen yang digunakan adalah tingkat kemiskinan dan variabel independen yang digunakan adalah rata-rata lama sekolah, upah minimum, tingkat pengangguran, indeks pembangunan manusia, angka harapan hidup dan jumlah penduduk. Hasil dari penelitian ini menunjukkan bahwa pada 118 Kabupaten/Kota di Pulau Jawa memiliki model GWR yang berbeda-beda. Untuk model GWR menggunakan bandwidth CV diperoleh model terbaik dengan menggunakan fixed exponential kernel dengan sembilan kelompok variabel yang signifikan, untuk model GWR menggunakan bandwidth AIC diperoleh model terbaik dengan menggunakan fixed bisquare kernel dengan enam kelompok variabel yang signifikan.

---

Poverty is one of the social issues that continues to be a concern for the government. Almost all developing countries have low living standards. One way to reduce poverty is by analyzing the factors that influence it. One suitable method for analyzing poverty levels is by using Geographically Weighted Regression (GWR). This is because the GWR model considers different spatial aspects for each observation location. In the GWR model, a regression analysis approach is used to understand the spatial relationship between variables in a geographical context. This is because the GWR model considers the distance between the observation location and its surrounding locations. The GWR model also considers weighting for each observation location. Areas close to the observation location are given a higher weight than areas far from the observation location. In this case, the determination of the weight in the GWR model depends on the bandwidth. This research analyzes four spatial weights, namely fixed Gaussian kernel, fixed bisquare kernel, fixed tricube kernel, and fixed exponential kernel, applied to two bandwidths: CV bandwidth and AIC bandwidth. The dependent variable used is the poverty rate, and the independent variables used are average length of schooling, minimum wage, unemployment rate, human development index, life expectancy, and population. The results of this study show that the 118 districts in Java Island have different GWR models. For the GWR model using the CV bandwidth, the best model is obtained using the fixed exponential kernel with nine significant variable groups. For the GWR model using the AIC bandwidth, the best model is obtained using the fixed bisquare kernel with six significant variable groups."

"Menganalisis hubungan antara jumlah tindak kejahatan dan faktor-faktor yang mempengaruhinya menjadi topik penelitian yang menarik karena jumlah tindak kejahatan di Indonesia dalam sepuluh tahun terakhir cenderung meningkat. Untuk meningkatkan kualitas keamanan masyarakat maka pemerintah perlu memahami faktor-faktor apa saja yang dapat memicu tindakan kejahatan. Dibandingkan dengan metode analisis regresi klasik, metode Geographically Weighted Regression GWR lebih diunggulkan karena dapat menangani masalah ketidak stasioneran spasial yang biasanya terjadi pada data fenomena-fenomena sosial. Ketidakstasioneran spasial adalah situasi dimana hubungan antar peubah berbeda-beda secara signifikan disetiap lokasi observasi. Hal tersebut mengakibatkan hasil analisis regresi klasik menjadi tidak akurat di beberapa lokasi. GWR menangani masalah tersebut dengan membangun model regresi di setiap titik observasi sehingga memungkinkan parameter regresi menjadi berbeda di setiap lokasi observasi. Penelitian ini menggunakan jumlah tindak kejahatan y sebagai peubah terikat dan peubah bebasnya adalah jumlah penduduk buta huruf x1, jumlah pengangguran x2, jumlah penduduk miskin x3, kepadatan penduduk x4, dan jumlah korban NAPZA x5. Penelitian ini menggunakan data sekunder yang dihimpun oleh POLRI, BPS, dan Dinsos di Jawa Tengah pada tahun 2015. Terdapat dua fungsi pembobot spasial GWR yang akan dibandingkan yaitu Kernel Gaussian dan Kernel Bisquare. Hasil penelitian menunjukkan fungsi Kernel Gaussian lebih baik dibanding Kernel Bisquare berdasarkan skor AIC dan R2. Hasil analisis menggunakan GWR menghasilkan model untuk 35 kabupaten/kota di Jawa Tengah.

---

Analyzing the relationship between number of crime cases and factors defined became an interesting research topic over the last ten years. The total number of crime in Indonesia didn rsquo t show a consistent decrease. In order to upgrade people safeness quality, the government need to know the factors influence people committing crime acts. Rather than using classical regression analysis, Geographically Weighted Regression GWR was preferable since it gave a better representative model by effectively resolve spatial non stationary problem which is generally exist in spatial data of social phenomenon. Spatial non stationary is a situation when the relationship between variables are significantly different in each location of observation point, so that classic regression analysis will result a misleading interpretation in some location. GWR handled the spatial non stationary problem by generating a single model in each observation point which allow different relationship to exist at different point in space. This study used number of crime cases y as the dependent variable and the factors which affect the number of crime cases as independent variables that consist of the number of illiterates x1 , the number of unemployed x2, the number of poor population x3, population density x4, the number of victims of drug x5. This study used secondary data collected by POLRI, BPS, and Social ministry of Indonesia in Central Java during 2015. Two spatial weighting functions were compared i.e. Kernel Gaussian and Kernel Bisquare and the study result indicated that Kernel Gaussian was batter according to score of R2 and AIC. GWR generated model for 35 city regency in Central Java. "

"Indonesia termasuk ke dalam kategori high burden countries untuk beban tertinggi TB dunia, menempati urutan ketiga setelah India dan Cina. Penanggulangan penyakit ini salah satunya dengan pemodelan kejadian TB Paru dengan faktor-faktor risikonya dengan analisis regresi linear. Namun, belum tentu cocok diterapkan disemua wilayah karena memiliki kondisi geografis yang berbeda, sehingga dapat menyebabkan adanya perbedaan kasus TB Paru antara wilayah satu dengan wilayah yang lainnya. Oleh karena itu, perlu dimasukkan unsur pengaruh geografis dengan pemodelan regresi linear spasial atau Geographically Weighted Regression (GWR), dalam penelitian ini untuk menilai hubungan kejadian TB Paru dengan faktor kondisi lingkungan fisik rumah, kondisi lingkungan rumah tinggal, karakteristik kependudukan, dan memanfaatkan pelayanan kesehatan terhadap kejadian TB Paru. Penelitian ini menggunakan desain studi potong lintang (cross sectional) dengan menggunakan data Riset Kesehatan Dasar (Riskesdas) 2010. Sampel penelitian ini adalah responden dalam Riskesdas 2010 berusia 15 tahun ke atas di Jawa Barat. Hasil penelitian menunjukkan bahwa memanfaatkan pelayanan kesehatan merupakan faktor dominan yang berhubungan dengan kejadian TB Paru di tiap Kabupaten/Kota Provinsi Jawa Barat kecuali Majalengka dan Pekerjaan juga berhubungan hanya di Kabupaten Bogor.

---

Indonesia is in the category of high-burden countries for the highest burden of Pulmonary Tuberculosis of the world, the third rank after India and China. The effort to overcome this disease is to do modeling the prevalence of Pulmonary Tuberculosis using linear regression model globally. However, it is not necessarily suitable to be applied in all areas because every area has different geographical condition, so it can lead to differences of TB cases between one region with another region. Therefore, the effect of geographic elements need to be incorporated with linear regression modeling spatial or Geographically Weighted Regression (GWR). This study applied GWR model to assess the association of Pulmonary Tuberculosis prevalence by the physical condition of the home environment, residential environment, demographic characteristics, and health care utilizing factors on the prevalence of Pulmonary Tuberculosis. This study used a cross-sectional study design using Riskesdas Data - 2010. Samples in this study were Riskesdas 2010 respondents aged 15 years and over in West Java. The results showed that utilize of health care is the dominant factor associated with the prevalence of Pulmonary Tuberculosis in each district/city of West Java except Majalengka, also related employement status only in Bogor Regency."

"Diare merupakan salah satu infeksi saluran pencernaan berupa keluarnya tinja encer atau cair tiga kali atau lebih setiap hari. Penyakit ini umum terjadi di Indonesia dan potensial menjadi Kejadian Luar Biasa (KLB) yang sering menyebabkan kematian. Tujuan penelitian ini adalah memodelkan dan mengidentifikasi variabel yang dapat menjelaskan jumlah kejadian penyakit diare di Provinsi Jawa Barat. Jumlah kejadian diare sebagai variabel respons merupakan data berbentuk diskrit yang umumnya dimodelkan menggunakan regresi Poisson. Namun, adanya asumsi equidispersi yang harus dipenuhi dalam regresi Poisson membuat regresi Binomial Negatif digunakan apabila terjadi overdispersi. Aspek spasial juga diperhatikan sehingga model yang digunakan dalam penelitian ini adalah Geographically Weighted Negative Binomial Regression (GWNBR). Penaksiran parameter dilakukan menggunakan metode Maximum Likelihood Estimation dengan iterasi Newton-Raphson. Model GWNBR memberikan bobot tertentu pada setiap lokasi pengamatan sehingga menghasilkan taksiran parameter model yang berbeda untuk setiap lokasi pengamatan. Fungsi pembobot kernel yang digunakan adalah Fixed Bisquare dan bandwidth optimum ditentukan menggunakan cross validation (CV). Prediktor yang digunakan dalam penelitian ini adalah persentase rumah tangga yang memiliki akses terhadap sanitasi layak, persentase penduduk miskin, jumlah puskesmas, kepadatan penduduk, jumlah dokter umum, dan indeks pendidikan. Hasil dari analisis menunjukkan bahwa dalam model GWNBR diperoleh 5 kelompok berdasarkan prediktor yang signifikan. Sebanyak 3 prediktor secara signifikan menjelaskan jumlah kejadian diare di seluruh kabupaten/kota di Provinsi Jawa Barat tahun 2022, yaitu persentase penduduk miskin, kepadatan penduduk, dan indeks pendidikan.

---

Diarrhea is an intestinal infection characterized by the excretion of loose or watery stools three or more times a day. This disease is common in Indonesia and has the potential to become an outbreak (KLB) that often leads to death. The aim of this study is to model and identify variables that can explain the number of diarrhea cases in West Java Province. The number of diarrhea cases as the response variable is discrete data, which is generally modeled using Poisson regression. However, due to the equidispersion assumption required in Poisson regression, Negative Binomial regression is used if overdispersion occurs. Spatial aspects are also considered, so the model used in this study is Geographically Weighted Negative Binomial Regression (GWNBR). Parameter estimation is done using the Maximum Likelihood Estimation method with Newton-Raphson iteration. The GWNBR model assign specific weights to each observation location, resulting in different parameter estimates for each location. The kernel weighting function used is Fixed Bisquare, and the optimal bandwidth is determined using cross-validation (CV). The predictors used in this study are the percentage of households with access to adequate sanitation, the percentage of poor population, the number of health centers, population density, the number of general practitioners, and the education index. The results of the analysis show that the GWNBR model identified 5 groups based on significant predictors. Three predictors significantly explain the number of diarrhea cases in all districts/cities in West Java Province in 2022: the percentage of the poor population, population density, and education index."