winda arika skripsi
TRANSCRIPT
PEMODELAN GEOGRAPHICALLY
WEIGHTED LOGISTIC REGRESSION
(GWLR) UNTUK MENGETAHUI
TINGKAT PENGETAHUAN KESEHATAN
REPRODUKSI IBU HAMIL DI KOTA
KEDIRI
1
LATAR BELAKANG MASALAH :
Kehidupan sosial
masyarakat
Kondisi geografis,
karakteristik wilayah,
adat istiadat, gaya
hidup beda (faktor
spasial)
2
LATAR BELAKANG MASALAH :
GWRSusanto (2009) : model penelitian
harga tanah berbasiskan sistem
informasi geografis
GWPRAulele (2010) : jumlah kasus kematian
bayi di provinsi jatim dan jateng
(kernel gaussian dan kernel bisquare)
3
RUMUSAN MASALAH :
BATASAN MASALAH :
1. Pemodelan regresi logistik
2. Pemodelan GWLR
3. Model mana yg lebih baik digunakan
1. Menggunakan pembobot fixed
gaussiann kernel
2. Pemilihan model terbaik -> AIC
3. Data spasial mengenai tingkat
pengetahuan kespro di kota kediri
4
TUJUAN PENELITIAN :
1. Mendapatkan model regresi logistik
2. Mendapatkan model GWLR
3. Mendapatkan model yang lebih baik
antara logistik dan GWLR
5
MANFAAT PENELITIAN :
1. Mendapatkan faktor yang berpengaruh secara
signifikan, memahami dan menerapkan metode
GWLR sebagai metode baru dalam statistika
serta memberikan allternatif pemecahan
masalah tiap-tiap kelurahan untuk memperbaiki
kualitas SDM
2. Mengembangkan pengetahuan mengenai
pendugaan parameter dan pengujian hipotesis
pada GWLR
6
TINJAUAN PUSTAKA :
Regresi logistikUntuk mengetahui hubungan
variabel respon yang
berkategori dengan satu
atau lebih variabel prediktor
yang bersifat kategori atau
kontinyu
7
REGRESI LOGISTIK DIKOTOMUS :
Untuk menggambarkan hubungan variabel respon dan
sekumpulan variabel prediktor di mana variabel respon
berskala biner (dikotomus) dengan variabel prediktor berskala
dikotomus maupun polikotomus.
Variabel Y mengikuti sebaran bernoully dengan fungsi
probabilitas :
8
MODEL REGRESI LOGISTIK (Agresti,1990) :
9
UJI MULTIKOLINIERITAS :
Menurut Weisberg (2005), Variance Inflation Factors (VIF)
merupakan salah satu indikator untuk mengukur besarnya
kolinieritas
VIF dinyatakan sebagai berikut (Montgomery, dkk., 1992) :
10
GWLR (Geographically Weighted Logistic
Regression)
GWLR merupakan bentuk lokal dari regresi logistik di mana lokasi
diperhatikan yang berasumsi bahwa data berdistribusi Bernoulli.
Model GWLR dapat ditulis sebagai berikut :
11
PENDUGAAN PARAMETER MODEL GWLR :
Dapat digunakan dengan menggunakan MLE dengan iterasi Newton
Rhapson .
12
UJI HIPOTESIS MODEL GWLR :
Pengujian kelayakan model yang diperoleh dari estimasi
parameter, dilakukan dengan menggunakan metode Maximum
Likelihood Ratio Test (MLRT) dengan melakukan pengujian
hipotesis berikut :
13
PENGUJIAN PARAMETER SECARA PARSIAL
Bentuk hipotesisnya adalah sebagai berikut :
14
BANDWIDTH :
Menurut Bailey dan Gatrel (1995), bandwidth (h) dapat
dianalogikan sebagai radius dari suatu lingkaran sehingga
sebuah titik yang berada di dalam radius lingkaran masih
dianggap memiliki pengaruh
Metode pemilihan bandwidth sangat penting untuk
mendapatkan taksiran fungsi kernel yang tepat. Nilai
bandwidth yang sangat kecil akan menyebabkan varians akan
semaikn besar
15
PEMILIHAN BANDWIDTH OPTIMAL :
16
PEMBOBOTAN FUNGSI KERNEL :
1. Fixed kernel
2. Adaptive kernel
17
PEMILIHAN MODEL TERBAIK :
18
KESEHATAN REPRODUKSI
Sebagai salah satu upaya menurunkan angka kematian ibu dan
angka kematian bayi, diadakan proyek kerja sama antara
Departemen Kesehatan-RI dengan JICA (Japan International
Cooperation Agency) untuk membentuk buku KIA sebagai alat
integrasi pelayanan kesehatan ibu dan anak
Buku KIA sebagai alat informasi, Edukasi dan Komunikasi (IECI)
dalam menyebarkan informasi penting mengenai Kesehatan Ibu dan
Anak (KIA) kepada keluarga.
Pada dasarnya pengetahuan seseorang dipengaruhi oleh umur,
pendidikan, pengalaman, pekerjaan dan intelegensia. Oleh karena
itu secara tidak langsung faktor-faktor tersebut juga mempengaruhi
tingkat pemahaman seseorang terhadap suatu informasi.
19
SUMBER DATA :
Dalam penelitian mengenai
pendugaan parameter model
GWLR ini, digunakan data
primer mengenai faktor-faktor
yang mempengaruhi tingkat
pengetahuan tentang
kesehatan reproduksi terhadap
ibu hamil yang diamati di
kelurahan di Kota Kediri.
Peubah respon yang
digunakan berupa data
kategori yaitu biner.
20
21
mulai
data
Pemeriksaan multikoliniritas
Multikolinieritas
terpenuhi
Pemodelan regresi
Data non multikol
Pendugaan parameter
regresi logistik
Pengujian signifikansi
prameter
Model regresi logistik
Mendapatkan nilai AIC
Intepretasi model
Menentukan letak titik
koordinat ui dan vi
Menghitung dij antar lokasi pengamatan
Mendaatkan bandwidth
optimal
Menghitung matriks
pembobot
Pendugaan parameter
GWLR
Pengujian signifikansi
parameter
Mendapatkan nilai AIC
Menetukan model terbaik
selesai
Regresi logistik GWLR
selesai
tidak
ya
22
Deskriptif statistik
23
Deskriptif statistik
24
Deskriptif statistik
25
Deskriptif statistik
26
Uji multikolinieritas
27
Pendugaan Parameter Regresi Logistik
28
Pengujian Parameter Regresi Logistik
29
Pemodelan GWLR (Geographically Weighted Logistic Regression)
30
Pemodelan GWLR (Geographically Weighted Logistic Regression)
31
Pengujian Parameter
GWLR (Geographically Weighted Logistic Regression)
32
Pengujian Parameter
GWLR (Geographically Weighted Logistic Regression)
33
Pengelompokan kelurahan berdasarkan variabel prediktor
yang signifikan
34
Pengelompokan kelurahan berdasarkan variabel prediktor
yang signifikan
35
Pemilihan model terbaik
36
Kesimpulan1. Model regresi global regresi logistik adalah sebagai berikut :
Model tersebut memiliki tiga variabel yang berpengaruh signifikan
terhadap tinggi rendahnya kesehatan reproduksi terhadap ibu hamil
yaitu pendidikan ibu, paritas, dan pekerjaan ibu.
2. Berdasarkan kesamaan variabel prediktor yang signifikan
dari 45 model GWLR dengan pembobot fixed Gaussian Kernel
menghasilkAN 9 kelompok kelurahan.
3. Model GWLR dengan pembobot fixed Gaussian Kernel
lebih sesuai digunakan untuk meganalisis pemodelan tingkat
pengetahuan ibu hamil terhadap kesehatan reproduksi
di Kota Kediri tahun 2011 dibandingkan dengan regresi logistik
karena mempunyai nilai AIC lebih kecil yaitu 66.941317.
37
Winda Arika
~] Terima kasih atas perhatiannya [~
0710953028
Wassalamu’alaikum Wr. Wb