Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Euclid

BAYESIAN GEOGRAPHICALLY WEIGHTED REGRESSION DALAM PEMODELAN ANGKA INCIDENCE RATE I Gede Nyoman Mindra Jaya; Neneng Sunengsih
Euclid Vol 5, No 1 (2018): EDISI JANUARI
Publisher : Universitas Swadaya Gunung Jati.

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1017.901 KB) | DOI: 10.33603/e.v5i1.707

Abstract

Dalam dunia kesehatan angka incidence rate dikenal sebagai angka yang menunjukkan jumlah penderita baru suatu penyakit dalam periode waktu tertentu dibandingkan atas populasi yang beresiko pada periode waktu tersebut. Angka ini umumnya dijadikan rujukan untuk memetakan resiko kesehatan suatu lokasi dan mengkaji lebih jauh faktor-faktor resiko yang berpengaruh pada tinggi rendahnya resiko suatu penyakit pada lokasi tertentu. Pemodelan faktor-faktor resiko terhadap angka incidence rate umumnya dilakukan menggunakna metode regresi linear namun pendekatan ini menemukan kendala untuk data yang mengandung heterogenitas spasial, yaitu kondisi dimana faktor resiko memiliki pengaruh yang berbeda untuk setiap lokasi. Sehingga dalam pemodelan yang dinilai lebih tepat adalah pemodelan Geographically Weighted Regression (GWR). Metode Bayesian diperkenalkan dalam menaksir parameter GWR untuk memberikan hasil taksiran yang lebih ajeg. Kata Kunci. Bayesian, GWR, Incidence Rate 
METODE BAYESIAN DALAM PENAKSIRAN MODEL SPATIAL AUTOREGRESSIVE (SAR) (STUDI KASUS PEMODELAN PENYAKIT TB PARU DI KOTA BANDUNG) I Gede Nyoman Mindra Jaya; Zulhanif Zulhanif; Bertho Tantular; Neneng Sunengsih
Euclid VOL 4, NO 2 (2017): EDISI JULI
Publisher : Universitas Swadaya Gunung Jati.

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (867.539 KB) | DOI: 10.33603/e.v4i2.419

Abstract

Aplikasi pemodelan spatial ekonometrik dalam berbagai bidang ilmu semakin banyak khususnya dalam ruang lingkup spatial regional dan spatial epidemiologi. Metode ini berkembang karena kemampuan metode ini mengakomodasi adanya ketergantungan spatial dalam data. Analisis ekonometrik biasa tidak mampu memberikan hasil yang baik pada saat data tidak berdistribusi independen. Metode Maksimum likelihood adalah metode yang umumnya digunakan untuk menaksir parameter model spatial econometrics. Namun metode ini tidak cukup baik dalam mengestimasi parameter model pada saat unit spatialnya sangat banyak. Metode alternative Bayesian diperkenalkan untuk mengatasi masalah tersebut. Penelitian ini mengkaji pendekatan metode Bayesian pada model Spatial Autoregresive (SAR). Model SAR merupakan satu dari delapan model spatial ecokometrik yang paling banyak digunakan. Pendekatan Bayesian akan diaplikasikan pada pemodelan kasus TB Paru di Kota BandungKata kunci: Bayesian, Model SAR, Maximum Likelihood, Spatial