PEMETAAN ZONASI RESIKO COVID-19 DI PROVINSI JAWA BARAT MENGGUNAKAN MODEL GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION (GWOLR)

Arif Rahman, Nurul Gusriani, Dianne Amor Kusuma

Sari


Zonasi resiko COVID-19 merupakan kategorisasi atau pemetaan suatu daerah terhadap penyebaran COVID-19 yang bertujuan untuk memberikan gambaran spasial mengenai kondisi dan potensi penyebaran COVID-19 di suatu daerah. Zonasi resiko COVID-19 merupakan permasalahan spasial yang terkait faktor geografis. Model Geographically Weighted Ordinal Logistic Regression (GWOLR) digunakan untuk memodelkan hubungan antara variabel respon yang bersifat kategorik berskala ordinal dengan variabel prediktor yang bergantung pada lokasi geografis. Data yang digunakan merupakan data sekunder yang terdiri dari variabel respon yaitu zonasi resiko COVID-19 dan variabel prediktor  yaitu faktor-faktor yang memengaruhi zonasi resiko COVID-19. Estimasi parameter model GWOLR menggunakan metode maksimum likelihood terboboti dengan fungsi pembobot Adaptive Gaussian Kernel yang dilanjutkan dengan iterasi Newton-Raphson. Pengujian signifikansi parameter model GWOLR secara serentak dilakukan dengan uji dan pengujian secara parsial dilakukan dengan uji . Berdasarkan hasil analisis, diperoleh model terbaik dengan variabel yang signifikan yaitu persentase penduduk yang memiliki keluhan kesehatan selama sebulan terakhir. Ketepatan klasifikasi antara hasil observasi dan prediksi sebesar 62.96%, dengan demikian model GWOLR cukup dapat direkomendasikan untuk memprediksi zonasi resiko COVID-19 di Provinsi Jawa Barat.

Teks Lengkap:

PDF

Referensi


Agresti, A. (2002). Categorical data analysis second edition. New York: John Wiley & Sons, LTD.

Atkinson, P. M., German, S. E., Sear, Clark, M. J., & Atkinson, P. M. (2003). Exploring the relation between riverbank erosion and geomorphological controls using geographically weighted logistic regression. Ohio: Ohio State University.

Badan Pusat Statistik . (2021). Jawa Barat dalam angka tahun 2020. Bandung: Badan Pusat Statistik (BPS) Jawa Barat.

Dinas Kesehatan. (2021). Profil kesehatan Jawa Barat tahun 2020. Bandung: Dinas Kesehatan Provinsi Jawa Barat.

Fotheringham, A. S., Brunsdon, C., & Charton, M. (2002). Geographically weighted regression. West Sussex: John Wiley & Sons, LTD.

Hardle, W., & Marron, J. S. (1991). Optimal bandwidth selection in nonparametrics regression function estimation. The Annals of Statistics, 13(4), 1466-1481.

Hosmer, D. W., & Lemeshow, S. (2000). Applied logistic regression second edition. Massachussets: A Wiley Interscience Publication.

Harisuddin, M. I. (2021). Kemampuan pemecahan masalah matematis dan kemandirian belajar siswa dengan pjj dimasa covid-19. Teorema: Teori dan Riset Matematika, 6(1), 98-106.

Johnson, R. A., & Wichern, D. W. (2007). Applied multivariate statistical analysis sixth edition. New Jersey: Pretince Hall.

Kusuma, D. A. (2021). Dampak penerapan pembelajaran daring terhadap kemandirian belajar (self-regulated learning) mahasiswa pada mata kuliah geometri selama pembelajaran jarak jauh di masa pandemi covid-19. Teorema:Teori dan Riset Matematika, 5(2), 169-175.

Rifada, M., & Purhadi. (2011). Pemodelan tingkat kerawanan demam berdarah dengue di kabupaten lamongan dengan pendekatan geographically weighted ordinal logistic regression. Prosiding Seminar Nasional Statistika, 114-126. Semarang: Universitas Dipenogoro.

Sylfi., & Ratnasari, V. (2015). Estimasi parameter model geographically weighted (GWOLR). Prosiding Seminar Nasional Matematika dan Pendidikan, 522-528. Solo: Universitas Muhammadiyah Surakarta.

William. (2015). Multicolinearity. Australia: University of Notre Dame.

Zuhdi, S., & Saputro, D. R. (2017). R programming for parameters estimation of geographically weighted ordinal logistic regression. AIP Conference Proceeding, 1-5. Semarang: AIP Publishing.




DOI: http://dx.doi.org/10.25157/teorema.v7i1.7050

Refbacks

  • Saat ini tidak ada refbacks.


##submission.copyrightStatement##

Laman Teorema: https://jurnal.unigal.ac.id/index.php/teorema/index

Terindek: