PEMODELAN GEOGRAPHICALLY WEIGHTED NEGATIVE BINOMIAL REGRESSION (GWNBR) DENGAN MEMBANDINGKAN PEMBOBOT ADAPTIVE GAUSSIAN DAN ADAPTIVE TRICUBE PADA KASUS MALARIA DI INDONESIA

SIREGAR, ASLA ROFIFAH, B2A218027 (2019) PEMODELAN GEOGRAPHICALLY WEIGHTED NEGATIVE BINOMIAL REGRESSION (GWNBR) DENGAN MEMBANDINGKAN PEMBOBOT ADAPTIVE GAUSSIAN DAN ADAPTIVE TRICUBE PADA KASUS MALARIA DI INDONESIA. Sarjana / Sarjana Terapan (S1/D4) thesis, ["eprint_fieldopt_institution_Muhammadiyah University, Semarang" not defined].

Preview	Text 5. ABSTRAK.pdf Download (488kB) | Preview
Preview	Text BAB I.pdf Download (534kB) | Preview
Preview	Text BAB II.pdf Download (489kB) | Preview
	Text BAB III.pdf Restricted to Repository staff only Download (622kB) | Request a copy
	Text BAB IV.pdf Restricted to Repository staff only Download (966kB) | Request a copy
Preview	Text BAB V.pdf Download (494kB) | Preview
Preview	Text DAFTAR PUSTAKA.pdf Download (616kB) | Preview

Abstract

Malaria merupakan penyakit menular yang yang disebabkan melalui gigitan nyamuk malaria (Anopheles) betina yang disebabkan oleh parasit Plasmodium yang berkembang biak di sel darah merah manusia. Malaria menjadi salah satu penyebab kematian terbesar di Indonesia sehingga perlu penanganan khusus dalam pencegahan jumlah kasus malaria Indonesia. Penyebaran kasus malaria salah satunya disebabkan oleh kepadatan penduduk, persentase rumah tangga dengan perilaku hidup bersih dan sehat (PHBS), persentase penderita mendapatkan program ACT, dan persenstase rumah tangga yang tinggal di daerah kumuh. Indonesia merupakan Negara kesatuan yang memiliki wilayah yang luas dan pasti memiliki karakteristik lingkungan yang berbeda. Sehingga analisis regresi spasial solusi yang tepat untuk kasus Malaria di Indonesia. Analisis regresi spasial yang digunakan yaitu Geographically Weighted Negative Binomial Regression (GWNBR) merupakan salah satu model pada spasial titik. Tujuan penelitian ini yaitu penentuan pemodelan terbaik dengan menggunakan GWNBR dengan kasus malaria di Indonesia dan faktor-faktor yang mempengaruhinya dari sudut pandang kewilayahan dengan membandingkan matriks pembobot Adaptive Gaussian dan Adaptive Tricube. Hasil penelitian menunjukkan bahwa pemodelan terbaik dengan nilai AIC terkecil sebesar 695,2341962 yaitu Geographically Weighted Negative Binomial Regression (GWNBR) dengan pembobot Adaptive Tricube. Pengaruh direct dan indirect efek yang signifikan adalah kepadatan penduduk, pemberian pengobatan ACT dan penduduk kumuh dengan mengambil sampel dari Provinsi Papua sebagai Provinsi dengan jumlah kasus malaria tertinggi. Kata Kunci: Geographically Weighted Negative Binomial Regression, Malaria

Actions (login required)

View Item