Pemodelan Mixed Geographically Weighted Regression (MGWR) pada Kasus Penderita Diare di Provinsi Bali

  • Luh Putu Safitri Pratiwi ITB STIKOM Bali
  • Ni Putu Meina Ayuningsih ITB STIKOM Bali
Keywords: MGWR, Spasial, Diare

Abstract

Penyakit diare merupakan salah satu kondisi dimana seseorang memiliki konsistensi buang air besar yang lunak atau cair, bahkan dapat berupa air dan frekuensi yang lebih sering dalam satu hari. Terdapat beberapa wilayah yang berada di Provinsi bali yang persentase diarenya cenderung meningkat setiap tahunnya. Oleh karena itu, sebagai salah satu upaya penanganan kasus diare di Provinsi Bali, maka penelitian ini menggunakan model Mixed Geographically Weighted Regression (MGWR) yang merupakan metode pemodelan yang menggabungkan model regresi global dan model Geographically Weighted Regression (GWR). Pemodelan MGWR bertujuan untuk mengetahui faktor-faktor yang mempengaruhi jumlah penderita diare, dimana faktor-faktor tersebut dibedakan menjadi faktor yang mempengaruhi secara lokal di setiap daerah dan faktor yang mempengaruhi secara global di seluruh daerahi. Hasil yang diperoleh variabel prediktor yang berpengaruh  signifikan secara global terhadap Kasus diare di Provinsi Bali adalah jumlah sarana sanitasi (X3), serta diperoleh bahwa model MGWR dengan menggunakan pembobot fungsi adaptive Gaussian lebih baik digunakan untuk memodelkan tingkat kasus diare di Bali karena mempunyai nilai R2 terbesar yaitu 0,843 dengan nilai AIC terkecil yaitu sebesar 244,435.

Downloads

Download data is not yet available.

References

Ambarwati & Nasution. (2012). Buku Pintar Asuhan Keperawatan dan Balita. Yogyakarta: Cakrawala Ilmu.

Apriyani, N., Yuniarti, D., & Hayati, M. (2018). Pemodelan Mixed Geographically Weighted Regression (MGWR). EKSPONENSIAL, 9(1), 59-66. Retrieved from http://jurnal.fmipa.unmul.ac.id/index.php/exponensial/article/view/276

Darsyah, M. Y., Wasono, R., & Agustina, M. F. (2015). Pemodelan MGWR Pada Tingkat Kemiskinan di Provinsi Jawa Tengah. Value Added: Majalah Ekonomi dan Bisnis, 11(1). https://doi.org/10.26714/vameb.v11i1.1947

Dinas Kesehatan Provinsi Bali. (2020). Profil Kesehatan Provinsi Bali Tahun 2020. Bali: Dinas Kesehatan Provinsi Bali.

Dinas Kesehatan Provinsi Bali. (2021). Profil Kesehatan Provinsi Bali Tahun 2020. Bali: Dinas Kesehatan Provinsi Bali

Fotheringham, A.S., Charlton, M., & Brunsdon, C. (1996). The geography of parameter space: an investigation of spatial non-stationarity. International Journal of Geographical Information Systems, 10(5), 605-627. https://doi.org/10.1080/02693799608902100

Fotheringham, A.S., Brundson, C. and Charlthon, M. (2002). Geographically Weighted Regression: The Analysis of Spatially Varying Relationships. John Wiley and Sons, Ltd. UK.

Kementerian Kesehatan RI (2018). Profil Kesehatan Indonesia Tahun 2017. Jakarta: Kementerian Kesehatan RI.

Kementerian Kesehatan RI. (2020). Profil Kesehatan Indonesia Tahun 2019. Jakarta : Kementerian Kesehatan RI.

Sariyya, H. (2013). Pemodelan Mixed Geographically Weighted Regression (MGWR) Sebagai Pendekatan Model Geographically Weighted Regression (GWR) Yang Melibatkan Parameter Global (Studi Kasus Persentase Balita Gizi Buruk d (Doctoral dissertation, Universitas Brawijaya).

Sidqi, D. N. S., Anasta, N., & Mufidah, P. K. (2021). Analisis Spasial Kasus Diare pada Balita di Kabupaten Banyumas Tahun 2019. Jurnal Biostatistik, Kependudukan, dan Informatika Kesehatan, 1(3), 135-147.

Schabenberger, O., & Gotway, C. A. (2017). Statistical methods for spatial data analysis: Texts in statistical science. Chapman and Hall/CRC.

WHO. (2017). Diarrhoeal disease. Available at: https://www.who.int/news-room/factsheets/detail/diarrhoeal-disease.

Published
2023-01-28
How to Cite
Safitri Pratiwi, L. P., & Ayuningsih, N. P. M. (2023). Pemodelan Mixed Geographically Weighted Regression (MGWR) pada Kasus Penderita Diare di Provinsi Bali. SAINTIFIK, 9(1), 18 - 27. https://doi.org/10.31605/saintifik.v9i1.384