Pemodelan Mixed Geographically Weighted Regression Menggunakan Fungsi Pembobot Adaptive Gaussian Kernel: Studi Kasus Kejadian TB Paru Di Jawa Timur

Brenda Rahmahdania (Universitas Brawijaya)
Atiek Iriany (Universitas Brawijaya)

Studia: Journal of Humanities and Education Studies
Vol. 1 No. 1 (2025): August: Studia: Journal of Humanities and Education Studies

Model Geographically Weighted Regression (MGWR) ialah model regresi linier dengan parameter lokal untuk setiap tempat dengan kondisi yang bervariasi. Model Geographically Weighted Regression (MGWR) dirancang pada kondisi dengan faktor global dan lokal. Jawa Timur masih berjuang melawan tuberkulosis paru. Variabel lingkungan, sosial, dan ekonomi dapat menyebarkan penyakit ini. Penelitian ini akan mengidentifikasi model Geographically Weighted Regression maupun variabel memengaruhi insiden TB paru di Jawa Timur pada tahun 2023. Model MGWR mengungguli model GWR dalam memprediksi insiden TB paru di Jawa Timur pada tahun 2023, berdasarkan nilai  yang disesuaikan (0,964) dan kriteria AIC (573,138). Berdasarkan pemodelan MGWR, variabel global tidak memengaruhi insiden TB paru di Jawa Timur, tetapi variabel lokal seperti rerata konsumsi rokok mingguan, kasus AIDS, dan tenaga medis berpengaruh secara signifikan. Insiden TB paru di Jawa Timur pada tahun 2023 sebagian dipengaruhi oleh faktor global, termasuk kepadatan penduduk dan kebersihan rumah.