Geographically Weighted Poisson Regression dengan Fungsi Pembobot Kernel Gaussian untuk Pemodelan Jumlah Kematian Bayi di Jawa Barat pada Tahun 2019

Bandung Conference Series: Statistics Pub Date : 2022-08-14 DOI:10.29313/bcss.v2i2.4769

Mestika Meytiara, Anneke Iswani Achmad

{"title":"Geographically Weighted Poisson Regression dengan Fungsi Pembobot Kernel Gaussian untuk Pemodelan Jumlah Kematian Bayi di Jawa Barat pada Tahun 2019","authors":"Mestika Meytiara, Anneke Iswani Achmad","doi":"10.29313/bcss.v2i2.4769","DOIUrl":null,"url":null,"abstract":"Abstract. Regression analysis is a statistical analysis that aims to model the relationship between independent variables with dependent variables. If the independent variable is Poisson-distributed then the regression model used is Poisson regression. Geographically Weighted Poisson Regression (GWPR) is a local form of Poisson regression where the location of data collection is considered. In this study, Geographically Weighted Poisson Regression (GWPR) will be used to model the number of infant mortality in West Java in 2019 using the Gaussian kernel weighting function. This study aims to obtain a model of the number of infant mortality in West Java Province in 2019 and find out what factors affect the number of infant mortality in West Java Province in 2019. Based on the value of Akaike's Information Criterion (AIC), it is known that the GWPR model with the Gaussian kernel weighting function is more accurate than the Poisson regression model because it has the smallest AIC value. \nAbstrak. Analisis regresi adalah suatu analisis statistik yang bertujuan untuk memodelkan hubungan antara variabel bebas dengan variabel terikat. Apabila variabel bebas berdistribusi Poisson maka model regresi yang digunakan adalah regresi Poisson. Geographically Weighted Poisson Regression (GWPR) merupakan bentuk lokal dari regresi Poisson dimana lokasi pengambilan data sangat diperhatikan. Dalam penelitian ini akan digunakan Geographically Weighted Poisson Regression (GWPR) untuk memodelkan jumlah kematian bayi di Jawa Barat pada tahun 2019 dengan menggunakan fungsi pembobot kernel Gaussian. Penelitian ini bertujuan untuk mendapatkan model jumlah kematian bayi di Provinsi Jawa Barat pada tahun 2019 serta mengetahui faktor-faktor apa saja yang mempengaruhi jumlah kematian bayi di Provinsi Jawa Barat pada tahun 2019. Berdasarkan nilai Akaike’s Information Criterion (AIC), diketahui bahwa model GWPR dengan fungsi pembobot kernel Gaussian lebih akurat dibandingkan model regresi Poisson karena memiliki nilai AIC terkecil.","PeriodicalId":337947,"journal":{"name":"Bandung Conference Series: Statistics","volume":"4 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-08-14","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Bandung Conference Series: Statistics","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.29313/bcss.v2i2.4769","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

Abstract

Abstract. Regression analysis is a statistical analysis that aims to model the relationship between independent variables with dependent variables. If the independent variable is Poisson-distributed then the regression model used is Poisson regression. Geographically Weighted Poisson Regression (GWPR) is a local form of Poisson regression where the location of data collection is considered. In this study, Geographically Weighted Poisson Regression (GWPR) will be used to model the number of infant mortality in West Java in 2019 using the Gaussian kernel weighting function. This study aims to obtain a model of the number of infant mortality in West Java Province in 2019 and find out what factors affect the number of infant mortality in West Java Province in 2019. Based on the value of Akaike's Information Criterion (AIC), it is known that the GWPR model with the Gaussian kernel weighting function is more accurate than the Poisson regression model because it has the smallest AIC value. Abstrak. Analisis regresi adalah suatu analisis statistik yang bertujuan untuk memodelkan hubungan antara variabel bebas dengan variabel terikat. Apabila variabel bebas berdistribusi Poisson maka model regresi yang digunakan adalah regresi Poisson. Geographically Weighted Poisson Regression (GWPR) merupakan bentuk lokal dari regresi Poisson dimana lokasi pengambilan data sangat diperhatikan. Dalam penelitian ini akan digunakan Geographically Weighted Poisson Regression (GWPR) untuk memodelkan jumlah kematian bayi di Jawa Barat pada tahun 2019 dengan menggunakan fungsi pembobot kernel Gaussian. Penelitian ini bertujuan untuk mendapatkan model jumlah kematian bayi di Provinsi Jawa Barat pada tahun 2019 serta mengetahui faktor-faktor apa saja yang mempengaruhi jumlah kematian bayi di Provinsi Jawa Barat pada tahun 2019. Berdasarkan nilai Akaike’s Information Criterion (AIC), diketahui bahwa model GWPR dengan fungsi pembobot kernel Gaussian lebih akurat dibandingkan model regresi Poisson karena memiliki nilai AIC terkecil.

查看原文本刊更多论文

摘要。回归分析是一种统计分析，旨在对自变量与因变量之间的关系进行建模。如果自变量为泊松分布，则采用泊松回归模型。地理加权泊松回归(GWPR)是泊松回归的一种局部形式，它考虑了数据收集的位置。在本研究中，将使用地理加权泊松回归(GWPR)，利用高斯核加权函数对2019年西爪哇的婴儿死亡率进行建模。本研究旨在获得2019年西爪哇省婴儿死亡率的模型，并找出影响2019年西爪哇省婴儿死亡率的因素。根据赤池信息准则(Akaike’s Information Criterion, AIC)的值可知，高斯核加权函数的GWPR模型AIC值最小，比泊松回归模型更准确。Abstrak。回归分析与数理统计分析与数理统计分析与数理统计分析与数理统计分析Apabila变量bebas berdistribution busi Poisson maka模型回归yang digunakan adalah回归泊松。地理加权泊松回归(GWPR)的局部回归，泊松动态，泊松动态，泊松动态，泊松动态，泊松数据，泊松数据，泊松数据，泊松数据，泊松数据，泊松数据。地理加权泊松回归(GWPR)的研究与应用[j]， 2019, dengan, menggunakan，真菌核高斯分布。Penelitian ini bertujuan untuk mendapatkan模型jumlah kematian bayi i province .爪哇巴拉特巴哈省2019. serta mengetahui因子-因子为巴哈省saja yang mempengaruhi jumlah kematian bayi i province .爪哇巴拉特巴哈省2019。Berdasarkan nilai Akaike的信息准则(AIC)， diketahui bahwa模型GWPR, dengan, phembobot, kernel, Gaussian, lebih, akurat, dibandingkan模型回归，Poisson, karena, memiliki, nilai, AIC等。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

Bandung Conference Series: Statistics

自引率

0.00%

发文量