Arif Rahman
Universitas Padjadjaran, Jawa Barat

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

PEMETAAN ZONASI RESIKO COVID-19 DI PROVINSI JAWA BARAT MENGGUNAKAN MODEL GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION (GWOLR) Arif Rahman; Nurul Gusriani; Dianne Amor Kusuma
Teorema: Teori dan Riset Matematika Vol 7, No 1 (2022): Maret
Publisher : Universitas Galuh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25157/teorema.v7i1.7050

Abstract

Zonasi resiko COVID-19 merupakan kategorisasi atau pemetaan suatu daerah terhadap penyebaran COVID-19 yang bertujuan untuk memberikan gambaran spasial mengenai kondisi dan potensi penyebaran COVID-19 di suatu daerah. Zonasi resiko COVID-19 merupakan permasalahan spasial yang terkait faktor geografis. Model Geographically Weighted Ordinal Logistic Regression (GWOLR) digunakan untuk memodelkan hubungan antara variabel respon yang bersifat kategorik berskala ordinal dengan variabel prediktor yang bergantung pada lokasi geografis. Data yang digunakan merupakan data sekunder yang terdiri dari variabel respon yaitu zonasi resiko COVID-19 dan variabel prediktor  yaitu faktor-faktor yang memengaruhi zonasi resiko COVID-19. Estimasi parameter model GWOLR menggunakan metode maksimum likelihood terboboti dengan fungsi pembobot Adaptive Gaussian Kernel yang dilanjutkan dengan iterasi Newton-Raphson. Pengujian signifikansi parameter model GWOLR secara serentak dilakukan dengan uji dan pengujian secara parsial dilakukan dengan uji . Berdasarkan hasil analisis, diperoleh model terbaik dengan variabel yang signifikan yaitu persentase penduduk yang memiliki keluhan kesehatan selama sebulan terakhir. Ketepatan klasifikasi antara hasil observasi dan prediksi sebesar 62.96%, dengan demikian model GWOLR cukup dapat direkomendasikan untuk memprediksi zonasi resiko COVID-19 di Provinsi Jawa Barat.