Hasil Pencarian  ::  Simpan CSV :: Kembali

"Bayi usia dibawah satu bulan termasuk kedalam kategori usia dengan risiko gangguan kesehatan paling tinggi, risiko tersebut dapat berakibat fatal yaitu kejadian kematian apabila tidak mendapat pelayanan kesehatan yang memadai. Kematian neonatal di Provinsi Jawa Tengah, Provinsi Jawa Timur dan Provinsi Jawa Barat tersebut pada tahun 2022 mencapai 38,38% dari jumlah kematian neonatal pada tingkat nasional. Di Provinsi Daerah Istimewa Yogyakarta selama 4 tahun cenderung meningkat, dengan peningkatan terbesar terjadi di Tahun 2022 dengan peningkatan sebesar 16% dibandingkan Tahun 2021. Tujuan dari penelitian ini adalah untuk mengetahui determinan AKN yang dipengaruhi oleh kondisi spasial di Provinsi Jawa Tengah, Jawa Timur, Jawa Barat dan Daerah Istimewa Yogyakarta pada tahun 2022. Penelitian berdesain studi ekologi dengan unit analisis 105 kabupaten/kota di Provinsi Jawa Tengah, Jawa Timur, Jawa Barat dan Daerah Istimewa Yogyakarta. Data yang dianalisis merupakan data agregat yang bersumber dari data sekunder berupa Profil Kesehatan Provinsi Tahun 2022 dan hasil Susenas Tahun 2022 yang dipublikasikan oleh BPS. Pemodelan dengan metode GWR diketahui bahwa dari 6 variabel yang dianalisis dalam model, terdapat 3 variabel yang berpengaruh signifikan secara statistik dengan AKN yaitu variabel BBLR, kerapatan jalan, dan KN lengkap.

---

Babies aged under one month are included in the age category with the highest risk of health problems, this risk can have fatal consequences, namely death if they do not receive adequate health services. Neonatal deaths in Central Java Province, East Java Province and West Java Province in 2022 will reach 38.38% of the number of neonatal deaths at the national level. In the Yogyakarta Special Region Province, it has tended to increase over the past 4 years, with the largest increase occurring in 2022 with an increase of 16% compared to 2021. The aim of this research is to determine the determinants of AKN which are influenced by spatial conditions in the Provinces of Central Java, East Java, Java West and Special Region of Yogyakarta in 2022. The research has an ecological study design with analysis units of 105 districts/cities in the Provinces of Central Java, East Java, West Java and the Special Region of Yogyakarta. The data analyzed is aggregate data sourced from secondary data in the form of the 2022 Provincial Health Profile and the results of the 2022 Susenas published by BPS. Modeling using the GWR method shows that of the 6 variables analyzed in the model, there are 3 variables which have a statistically significant effect on AKN are the variables LBW, road density, and complete neonatal visit."

"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."

"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."

"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. "

"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."

"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."

"Sebagai negara dengan sumber daya yang melimpah, Indonesia memiliki kekayaan yang sangat besar. Kekayaan sumber daya tersebut digunakan seluas-luasnya dan seadil-adilnya untuk kemakmuran seluruh masyarakat Indonesia. Pada faktanya, masyarakat Indonesia memiliki ketimpangan ekonomi yang cukup tinggi. Oleh karena itu, penelitian ini dilakukan untuk menganalisis faktor-faktor apa saja yang dapat menjelaskan derajat ekonomi pada salah satu provinsi di Indonesia, yaitu Provinsi Jawa Tengah. Variabel independen yang digunakan dalam penelitian ini adalah Angka Kesakitan (AK), Usia Harapan Hidup (UHH), Pendapatan per Kapita (PPK), Indeks Kejahatan Terselesaikan (IKS), Angka Partisipasi Kasar tingkat Sekolah Dasar (APK) dan Kepadatan Penduduk (KP). Variabel dependen yang digunakan adalah Indeks Pembangunan Ekonomi Inklusif (IPEI) dan Persentase Penduduk Miskin (PPM). Model yang digunakan pada penelitian ini adalah Multivariate Geographically Weighted Regression. Model ini adalah model yang menggunakan lebih dari satu variabel dependen serta mempertimbangkan faktor spasial pada data. Model MGWR memberikan estimasi parameter yang berbeda untuk setiap lokasinya karena pembobotan yang dilakukan berdasarkan jarak Euclidean antar suatu lokasi terhadap lokasi lainnya. Fungsi kernel yang digunakan dalam memberikan bobot spasial adalah Fixed Tricube. Hasil dari analisis yang telah dilakukan adalah keseluruhan variabel independen memiliki variasi dalam menjelaskan kedua variabel dependen pada setiap lokasi.

---

As a country with abundant resources, Indonesia has a tremendous wealth. The utilization of these resources is extensive and fair to ensure the prosperity of all Indonesian people. However, the reality is that Indonesia has significant economic inequality. Therefore, this research aims to analyze the factors that can explain the level of economic development in one of Indonesia's provinces, Central Java Province. Independent variables used in this study are Disease Incidence Rate (AK), Life Expectancy (UHH), Income per Capita (PPK), Crime Solved Index (IKS), Gross Enrollment Rate at the Primary School (APK) and Population Density (KP). Dependent variables used are Inclusive Economic Development Index (IPEI) and Percentage of Poor Population (PPM). The model used in this research is called Multivariate Geographically Weighted Regression (MGWR). This model uses more than one dependent and takes spatial factors into model. The MGWR model provides different parameter estimates for each location, considering the weighting based on the Euclidean distance between locations. The spatial weighting is determined by the Fixed Tricube kernel function. The analysis result is that all independent variables have variations in explaining the two dependent variables at each location."

"Kemiskinan adalah suatu masalah yang tidak hanya dipengaruhi oleh dimensi ekonomi, namun juga dapat dipengaruhi oleh dimensi-dimensi lain seperti pendidikan, kesehatan, dan standar hidup yang layak. Kemiskinan dapat diukur dengan Head Count Index, yaitu indeks yang mengukur persentase penduduk miskin di suatu wilayah. Dimensi-dimensi yang menjelaskan kemiskinan biasanya terdiri dari beberapa variabel. Sehingga apabila dalam penelitian akan dilakukan pemodelan menggunakan beberapa dimensi, akan mengandung banyak sekali variabel, yang memungkinkan adanya multikolinearitas antar variabel independen. Kondisi ini menyebabkan pemodelan tidak dapat dilakukan dengan baik. Masalah multikolinearitas pada data yang dimodelkan, dapat diatasi menggunakan metode Analisis Komponen Utama (Principal Component Analysis). Metode Principal Component Analysis (PCA) dilakukan pada variabel-variabel independen, sehingga diperoleh komponen-komponen utama yaitu hasil reduksi dari variabel-variabel independen. Komponen-komponen utama ini tidak lagi saling berkorelasi. Selanjutnya dilakukan analisis regresi dengan komponen-komponen utama tersebut sebagai variabel independen barunya. Model ini disebut Regresi Komponen Utama (RKU). Penelitian ini menggunakan data yang terkait dengan lokasi atau geografis atau dapat disebut dengan data spasial. Setelah dilakukan pemeriksaan asumsi, terdapat multikolinearitas dan heterogenitas spasial pada data. Oleh karena itu, untuk menangani kedua masalah ini, dapat digunakan pemodelan Geographically Weighted Principal Component Regression (GWPCR) atau Regresi Komponen Utama Terboboti Geografis (RKUTG). Sebelum diterapkan metode Regresi Komponen Utama Terboboti Geografis (RKUTG), akan digunakan metode Analisis Komponen Utama menentukan komponen-komponen utama untuk dijadikan variabel independen atau prediktor baru dalam penelitian ini. Didapat tiga komponen utama yang masing-masing komponen menjelaskan Faktor Demografi dan Air Bersih untuk PC1 atau komponen utama pertama, Faktor Kondisi Hidup Layak dan Ketimpangan untuk PC2, dan Faktor Kesejahteraan Anak untuk PC3. Lalu dilakukan Regresi Komponen Utama (RKU) dengan PC1, PC2, dan PC3 sebagai prediktornya dan diperiksa asumsi heterogenitas spasial dari model RKU. Pemeriksaan asumsi mengambil keputusan bahwa terdapat heterogenitas spasial pada model RKU sehingga model GWPCR dapat dilakukan. Berdasarkan hasil pemodelan RKUTG, pengaruh setiap komponen utama bervariasi pada setiap lokasi dan jika dikelompokkan diperoleh 4 kelompok, yaitu kelompok 1 yaitu Kabupaten/Kota dengan Head Count Index dipengaruhi oleh PC1 yaitu sebanyak 13 Kabupaten/Kota, kelompok 2 yaitu Kabupaten/Kota dengan Head Count Index dipengaruhi PC1 dan PC2 yaitu sebanyak 5 Kabupaten/Kota, kelompok 3 yaitu Kabupaten/Kota dengan Head Count Index dipengaruhi PC1 dan PC3 yaitu sebanyak 4 Kabupaten/Kota, dan kelompok 4 yaitu Kabupaten/Kota dengan Head Count Index dipengaruhi PC1, PC2 dan PC3 yaitu sebanyak 4 Kabupaten/Kota.

---

Poverty is a problem that is not only influenced by the economic dimension, but can also be influenced by other dimensions such as education, health, and a decent standard of living. Poverty can be measured by the Head Count Index, which is an index that measures the percentage of poor people in a region. The dimensions that explain poverty usually consist of several variables. Therefore, if the research will be modeled using several dimensions, it will contain a large number of variables, which allows for multicollinearity between independent variables. This condition causes the modeling to not be done properly. The problem of multicollinearity in the data being modeled can be overcome using the Principal Component Analysis method. The Principal Component Analysis (PCA) method is performed on the independent variables, so that the main components are obtained, namely the reduction results of the independent variables. These main components are no longer correlated with each other. Furthermore, regression analysis is carried out with these main components as the new independent variables. This model is called Principal Component Regression (RKU). This study uses data related to location or geography or can be called spatial data. After checking the assumptions, there is multicollinearity and spatial heterogeneity in the data. Therefore, to handle these two problems, Geographically Weighted Principal Component Regression (GWPCR) modeling or Geographically Weighted Principal Component Regression (RKUTG) can be used. Before applying the Geographically Weighted Principal Component Regression (RKUTG) method, the Principal Component Analysis method will be used to determine the main components to be used as independent variables or new predictors in this study. There are three main components, each of which explains the Demographic and Clean Water Factors for PC1 or the first main component, the Decent Living Conditions and Inequality Factors for PC2, and the Child Welfare Factor for PC3. Principal Component Regression (RKU) was then conducted with PC1, PC2, and PC3 as predictors and the assumption of spatial heterogeneity of the RKU model was checked. The assumption check makes a decision that there is spatial heterogeneity in the RKU model so that the GWPCR model can be carried out. Based on the results of RKUTG modeling, the influence of each main component varies at each location and if grouped, 4 groups are obtained, namely group 1, namely districts / cities with Head Count Index influenced by PC1, consisting of 13 districts / cities, group 2, namely districts / cities with Head Count Index influenced by PC1 and PC2, consisting of 5 districts / cities, group 3, namely districts / cities with Head Count Index influenced by PC1 and PC3, consisting of 4 districts / cities, and group 4, namely districts / cities with Head Count Index influenced by PC1, PC2 and PC3, consisting of 4 districts / cities."

"Kematian balita merupakan indikator utama kesehatan anak dan pembangunan bangsa secara keseluruhan, karena mencerminkan kondisi sosial, ekonomi, dan lingkungan. Angka kematian balita sebagai barometer sosial ekonomi dan kesehatan telah dimasukkan dalam Sustainable Development Goals (SDGs) dengan target baru untuk menurunkan angka kematian balita di dunia secara keseluruhan menjadi kurang dari 25 per 1000 kelahiran hidup di tahun 2030. Tujuan penelitian ini adalah untuk mengetahui faktor apa yang memengaruhi jumlah kasus kematian balita di Pulau Jawa. Variabel respon penelitian ini adalah jumlah kasus kematian balita yang merupakan data diskrit  dengan kondisi overdispersi. Penelitian ini menggunakan model Geographically Weighted Negative Binomial Regression (GWNBR) yang merupakan pengembangan regresi Binomial Negatif dengan memperhitungkan pengaruh spasial. Data yang digunakan pada penelitian ini mengandung missing value sehingga dilakukan penanganan dengan imputasi data menggunakan Classification and Regression Tree (CART). Model yang digunakan untuk menganalisis jumlah kasus kematian balita adalah model GWNBR dengan fungsi pembobot kernel Adaptive Gaussian. Hasil dari analisis tersebut menunjukkan bahwa terdapat 5 variabel prediktor yang secara signifikan memengaruhi jumlah kasus kematian balita di seluruh Kabupaten/Kota di pulau Jawa yaitu variabel kecukupan air bersih (AIRB), proporsi diare pada balita (DIARE), kecukupan jumlah dokter (DOK), cakupan penimbangan balita (CPB) dan cakupan Imunisasi Dasar Lengkap (IDL).

---

Under-five mortality is the main indicator of child health and the development of the nation as a whole, because it reflects social, economic and environmental conditions. The under-five mortality rate as a socio-economic and health barometer has been included in the Sustainable Development Goals (SDGs) with a new target to reduce the world under-five mortality rate as a whole to less than 25 per 1000 live births in 2030. The purpose of this study was to determine what factors which affects the number of under-five mortality cases in Java. The response variable of this research is the number of under-five mortality cases which are discrete data with overdispersion conditions. This study uses a Geographically Weighted Negative Binomial Regression (GWNBR) model which is the development of Negative Binomial regression by taking into account the spatial effect. The data used in this study contains missing values ​​so that it is handled by imputing data using the Classification and Regression Tree (CART). The model used to analyze the number of under-five mortality cases is the GWNBR model with the Adaptive Gaussian kernel weighting function. The results of the analysis show that there are 5 predictor variables that significantly affect the number of cases of under-five mortality in all districts/cities on the island of Java, namely the clean water adequacy variable (AIRB), the proportion of diarrhea in children under five (DIARE), the adequacy of the number of doctors (DOK), coverage of under-five weighing (CPB) and coverage of Complete Basic Immunization (IDL)."