creators_name: GERALDA AGUSTINA, 1517031185
creators_id: -
type: other
datestamp: 2022-03-11 03:44:41
lastmod: 2022-03-11 03:44:41
metadata_visibility: show
title: PEMODELAN METODE GEOGRAPHICALLY WEIGHTED NEGATIVE
BINNOMIAL REGRESSION (GWNBR)
(Studi Kasus Jumlah Kasus DBD di Kabupaten Lampung Timur Tahun 2016)
ispublished: pub
subjects: General
full_text_status: restricted
abstract: Georaphically Weighted Negative Binomial Regression (GWNBR) merupakan salah
satu metode untuk memodelkan data cacah yang mempunyai heterogenitas spasial
dan overdispersi. Salah satu penerapan metode GWNBR yaitu memodelkan jumlah
kasus DBD di Kabupaten Lampung Timur tahun 2016. Penelitian ini bertujuan untuk
mengetahui faktor-faktor yang mempengaruhi jumlah kasus DBD di setiap
kecamatan. Faktor yang digunakan dalam penelitian ini yaitu persentase rumah
tangga berpola hidup bersih dan sehat, kepadatan penduduk, persentase rumah sehat
dan persentase akses sanitasi layak (Jamban Sehat). Pemodelan setiap kecamatan
dengan fungsi pembobot Gaussian Kernel diperoleh 2 pengelompokkan kecamatan
berdasarkan variabel signifikan. Kelompok pertama adalah kelompok dengan
variabel signifikan persentase akses sanitasi layak (X4) sedangkan kelompok kedua
tidak terdapat variabel yang signifikan.
Kata kunci: GWNBR, DBD, Overdispersi, Heterogenitas Spasial, Gaussian Kernel.


GeoraphicallyWeighted Negative Binomial Regression (GWNBR) is one method for
modeling data counts that have spatial heterogeneity and overdispersion. One
application of the GWNBR method is in mapping the number of DHF cases in East
Lampung on 2016. This study aims to determine the factors that influence the
number of dengue cases in each district. The factors used in this study are the
percentage of households with clean and healthy life patterns, population density, the
percentage of healthy homes and the percentage of access to proper sanitation
(Healthy Latrines). Modeling each sub-district with the Gaussian Kernel weighting
function obtained 2 sub-districts grouping based on significant variables. The first
group is the group with a significant variable percentage of access to proper
sanitation (X4) while the second group has no significant variable.
Keywords: GWNBR, DBD, Overdispersion, Spatial Heterogeneity, Gaussian Kernel
date: 2019
date_type: published
publisher: FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
place_of_pub: UNIVERSITAS LAMPUNG
citation:   GERALDA AGUSTINA, 1517031185  (2019) PEMODELAN METODE GEOGRAPHICALLY WEIGHTED NEGATIVE BINNOMIAL REGRESSION (GWNBR) (Studi Kasus Jumlah Kasus DBD di Kabupaten Lampung Timur Tahun 2016).  FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.     
document_url: http://digilib.unila.ac.id/54393/1/1.%20ABSTRAK.pdf
document_url: http://digilib.unila.ac.id/54393/2/2.%20SKRIPSI%20FULL.pdf
document_url: http://digilib.unila.ac.id/54393/3/3.%20SKRIPSI%20FULL%20TANPA%20BAB%20PEMBAHASAN.pdf