JANNAH, Lutfiatul (2026) Metode Geographically Weighted Generalized Poisson Regression dan Geographically Weighted Negative Binomial Regression (Studi Kasus: Jumlah Kasus Diare di Kota Surakarta). Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Archive (FULL TEXT) SOFT FILE SKRIPSI - LUTFIATUL JANNAH (ZIP).zip Restricted to Repository staff only Download (5MB) | Request a copy
	Text 1. COVER.pdf Download (226kB)
	Text 3. HALAMAN PENGESAHAN I.pdf Download (252kB)
	Text 4. HALAMAN PENGESAHAN II.pdf Download (217kB)
	Text 5. KATA PENGANTAR.pdf Download (240kB)
	Text 6. ABSTRAK.pdf Download (225kB)
	Text 7. ABSTRACT.pdf Download (225kB)
	Text 8. DAFTAR ISI.pdf Download (238kB)
	Text 12. BAB I PENDAHULUAN.pdf Download (283kB)
	Text 17. DAFTAR PUSTAKA.pdf Download (248kB)

Abstract

Diare merupakan penyakit berbasis lingkungan yang masih menjadi
permasalahan kesehatan masyarakat di Indonesia, termasuk di Kota Surakarta. Data
jumlah kasus diare di Kota Surakarta merupakan data diskrit (count) yang
mengindikasikan adanya overdispersi serta efek spasial antar wilayah, sehingga
diperlukan pendekatan analisis yang mampu mengakomodasi kedua karakteristik
tersebut. Penelitian ini bertujuan untuk memodelkan jumlah kasus diare di Kota
Surakarta tahun 2023 serta menentukan model terbaik dan variabel-variabel yang
berpengaruh dengan mempertimbangkan aspek spasial. Metode yang digunakan
dalam penelitian ini adalah Geographically Weighted Generalized Poisson
Regression (GWGPR) dan Geographically Weighted Negative Binomial
Regression (GWNBR). Variabel prediktor yang digunakan meliputi kepadatan
penduduk, elevasi, jarak rumah ke fasilitas kesehatan, slope, jarak rumah ke sungai,
dan jarak rumah ke tempat pembuangan sampah (TPA). Pembobot spasial yang
digunakan adalah adaptive bisquare kernel. Pemilihan model terbaik dilakukan
berdasarkan kriteria Akaike Information Criterion (AIC). Hasil penelitian
menunjukkan bahwa pemodelan menggunakan GWGPR menghasilkan 6 kelompok
wilayah berdasarkan kombinasi variabel prediktor yang signifikan, sedangkan
pemodelan menggunakan GWNBR menghasilkan 5 kelompok wilayah.
Berdasarkan nilai AIC, model GWNBR memiliki nilai AIC paling kecil, yaitu
617.50, sehingga merupakan model terbaik dalam memodelkan jumlah kasus diare
di Kota Surakarta tahun 2023. Berdasarkan model terbaik GWNBR, variabel yang
memengaruhi jumlah kasus diare berbeda antar wilayah, dengan kombinasi elevasi,
jarak rumah ke fasilitas kesehatan, dan jarak rumah ke sungai sebagai variabel yang
paling dominan.
Kata Kunci: Diare, Data Count, Overdispersi, Geographically Weighted
Generalized Poisson Regression, Geographically Weighted Negative Binomial
Regression

(NO. KETERSEDIAAN : 1659/E/2025)

Actions (login required)

View Item