Penerapan General Spatial Model (GSM) untuk Menentukan Faktor-Faktor Penyebab Tuberkulosis di Jawa Barat

Rahma Syifa Syahida, Nusar Hajarisman

Abstract


Abstract. General Spatial Model (GSM) is an approach model of spatial regression analysis. Spatial regression analysis is used to determine a relationship based on attribute information and location or geographic location information. General Spatial Model (GSM) is a combination of the Spatial Autoregressive Model (SAR) and the Spatial Error Model (SEM). The purpose of this study is to model GSM to determine the factors that influence the occurrence of tuberculosis (TB) in West Java. To explain the spatial relationship between observation locations, a spatial weight matrix based on neighbors (contiguity) is used, namely the Queen Contiguity matrix. The results of the tests carried out show that the SAR model is better than other models seen from the smallest Akaike Info Criterion (AIC) value. The independent variables that have a significant effect on the number of TB cases in West Java based on the classical regression model, SAR, SEM, and GSM are the same, namely the number of community health centers (Puskesmas) and population density.

Keywords: General Spatial Model, Queen Contiguity, Spatial Regressive, Spatial Autoregressive Model, Tuberculosis.

Abstrak. General Spatial Model (GSM) atau model spasial umum merupakan model pendekatan dari analisis regresi spasial. Analisis regresi spasial digunakan untuk mengetahui suatu hubungan berdasarkan informasi atribut dan informasi lokasi atau letak geografis. General Spatial Model (GSM) merupakan gabungan dari model Spatial Autoregressive Model (SAR) dan Spatial Error Model (SEM).  Tujuan dari penelitian ini adalah memodelkan regresi spasial GSM untuk mengetahui faktor-faktor yang mempengaruhi terjadinya tuberkulosis (TB) di Jawa Barat. Untuk menjelaskan hubungan spasial antar lokasi pengamatan digunakan matriks pembobot spasial berdasarkam ketetanggaan (contiguity) yaitu matriks Queen Contiguity. Hasil pengujian yang dilakukan menunjukkan model SAR lebih baik dari model yang lain dilihat dari nilai Akaike Info Criterion (AIC) terkecil. Variabel independen yang berpengaruh signifikan terhadap jumlah kasus TB di Jawa Barat berdasarkan model regresi klasik, SAR, SEM, dan GSM sama, yaitu jumlah pusat kesehatan masyarakat (Puskesmas) dan kepadatan penduduk.

Kata Kunci: General Spatial Model, Queen Contiguity, Regresi Spasial, Spatial Autoregressive Model, Tuberkulosis.

Keywords


General Spatial Model, Queen Contiguity, Spatial Regressive, Spatial Autoregressive Model, Tuberkulosis

Full Text:

PDF

References


Anderson, T. W. dan Darling, D. A. (1954). A Test of Goodness of Fit. Journal of the American Statistical Association. 49(268). 765-769.

Anselin, L. (1988). Spatial Econometrics: Methods and Model. Netherlands: Kluwe Academia Publisher.

Anselin, L.; Syabri, I., dan Youngihn, K. (2004). GeoDa: An Introduction to Spatial Data Analysis. Urbana: University of Illinois.

Bonham-Carter, G. F. (1994). Geographic Information System for Geoscientists: Modelling with GIS. Oxford: Pergamon Press.

Breusch, T. S. dan Pagan, A. R. (1979). Econometrical: A Simple Test for Heteroscedasticity and Random Coefficient Variation. 47(5).

Burridge, P. (1980). On The Cliff-Ord Test for Spatial Correlation. Journal of The Royal Statistical Society. 42(1). 107-108.

Caraka, R. E. dan Yasin, H. (2017). Geographically Weighted Regression (GWR); Sebuah Pendekatan Regresi Geografis. Yogyakarta: Mobius.

Dinas Kesehatan Provinsi Jawa Barat. (2019). Profil Kesehatan Jawa Barat Tahun 2019. Bandung: Dinas Kesehatan Provinsi Jawa Barat.

Draper, N. R dan Smith, H. (1992). Analisis Regresi Terapan. Terjemahan oleh Bambang Sumantri. (1992). Jakarta: PT. Gramedia Pustaka Umum.

Hair, J. F.; Black, W. C.; Babin, B. J. dan Anderson, R. E. (2007). Multivariate Data Analysis. New Jersey : Pearson Prentice Hall.

LeSage, J. P. (1999). The Theory and Practice of Spatial Econometrics. Departement of Econometris. University of Toledo. United States.

Mariana. (2013). Pendekatan Regresi Spasial Dalam Pemodelan Tingkat Pengangguran Terbuka. Jurnal Matematika dan Pembelajarannya, 1(1).

Wei, W. W. (1990). Time Series Analysis. Addison-Wesley Publishing Company.

Utama Muhammad Bangkit Riksa, Hajarisman Nusar. (2021). Metode Pemilihan Variabel pada Model Regresi Poisson Menggunakan Metode Nordberg. Jurnal Riset Statistika, 1(1), 35-42.




DOI: http://dx.doi.org/10.29313/.v0i0.28771

Flag Counter