Pemodelan dan Pemetaan Kasus Pneumonia di Kota Padang Tahun 2014 dengan Geograpghically Weighted Negative Binomial Regression

Transkripsi

1 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) (30-98 Prt) D-355 Pemodela da Pemetaa Kasus Peumoa d Kota Padag Tahu 04 dega Geograpghcally Weghted Negatve Bomal Regresso Reo War Dva Rahmtr da Wwek Setya Wahju Jurusa Statstka, Fakultas MIPA, Isttut Tekolog Sepuluh Nopember (ITS) Jl. Aref Rahma Hakm, Surabaya 60 Idoesa e-mal: wwek@statstka.ts.ac.d Abstrak Peumoa merupaka salah satu peyakt yag palg bayak meyebabka kemata pada balta da termasuk dalam peyakt meular. Peyakt meular tertgg d Kota Padag pada tahu 04 adalah kasus ISPA dega 0,5% atau sektar.850 kasus merupaka kasus peumoa. Dalam peelta dlakuka pemodela jumlah kasus peumoa dega metode Geographcally Weghted Negatve Bomal Regresso (GWNBR). Hasl pemodela dega megguaka GWNBR dperoleh tdak terdapat perbedaa varabel yag sgfka tap kecamata d Kota Padag. Seluruh varabel memlk pegaruh yag sgfka terhadap pembe-tuka model utuk masgmasg wlayah kecamata d Kota Padag, varabel tersebut yatu kepadata peduduk, per-setase rumah tagga berperlaku hdup bersh da sehat, persetase ASI ekslusf, persetase balta gz buruk da kualtas udara Kata Kuc GWNBR,Peumoa, Regres Bomal Negatf. P I. PENDAHULUAN eumoa merupaka salah satu peyakt yag termasuk feks salura perapasa. Peumoayatu terjad pera-daga atau rtas pada salah satu atau kedua paru yag dsebabka oleh feks.peumoamerupaka salah satu pe-yakt yag palg bayak meyebabka kemata pada balta da termasuk dalam peyakt meular. Peumoa dapat meular melalu udara. D Idoesa jumlah kasus peumoa sagat tgg yatu sektar 6 juta kasus per tahu. D Kota Padag kasus peyakt meularterbayak pada tahu 04 adalah kasus ISPA yatu sebesar 4% yatu sektar 8.69 kasus. Sedagka jumlah kasus peumoa yag dtemuka pada balta yatu kasus [4]. Agka sagat besar yatu dar seluruh kasus peumoa d Sumatera Barat sektar 67% kasus terjad d Kota Padag. Balta pederta peumoa yag dtemuka da dtaga sebayak.850 kasus atau sektar 0,5%. Jumlah kasus peumoa merupaka data cout, sehgga salah satu aalss yag dapat dguaka utuk megetahu faktor berpegaruh adalah regres Posso. Pada keya-taayaserg kal mucul overdspers [], sehgga metode regres Posso tdak cocok utuk kasus dega adaya overdspers. Salah satu metode yag dguaka uuk meg-atas overdspers dalam regres Posso adalah regres bo-mal egatf. Dega memperhatka aspek spasal maka dguaka metode geographcally weghted egatve bomal regresso (GWNBR), dmaa setap wlayah memlk karakterstk yag berbeda-beda sehgga meyebabka ada-ya perbedaa kasus peumoa atara wlayah yag satu dega wlayah laya. Berdasarka uraa datas, maka peelta dlakuka pemodela terhadap faktor-faktor yag mempegaruh jumlah kasus peumoa d Kota Padag dega metode GWNBR. II. Regres Posso TINJAUAN PUSTAKA Regres Posso merupaka metode yag dguaka dalam megaalss data dskrt (cout) []. Jka varabel Y ber-dstrbus Posso maka fugs peluag dar dstrbus Posso dapat dyataka y e f ( y, ), y 0,,,... () y! Dega μ merupaka rata-rata varabel radom Y yag berdstrbus Posso dmaa la rata-rata da varas mem-puya la lebh dar ol. Persamaa regres Posso dapat dyataka p exp 0 j xj =,,, j=,,, p () j Peaksra parameter dlakuka dega megguaka metode maxmum lkelhood estmato (MLE) yatu dega cara memaksmumka fugs lkelhood. Fugs lkelhoodd-rumuska x l β) e T β T yx β l( y!) (3) Peguja sgfkas parameter terdr dar uj seretak da parsal yatu megguaka Maxmum Lkelhood Rato Test (MLRT) dega hpotess sebaga berkut [0] H 0 : β = β = = β p = 0 H : palg sedkt ada satu β j 0 ; j =,,...,p dega statstk uj ˆ) D( β ˆ) l l( ˆ )) l( ˆ)) ˆ (4) ) Tolak H 0 jka D(β ) > χ (p,α) yag artya bahwa mmal ada satu parameter yag berpegaruh secara sgfka. Dla-jutka dega peguja parameter secara parsal dega h-potess

2 D-356 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) (30-98 Prt) H 0 :β j = 0 H :β j 0 dega statstk uj ˆ j Z htug (5) SE( ˆ j ) Tolak H 0 jka Z htug > Zα dega α merupaka tgkat sgfkas yag dtetuka. Tolak H 0 berart bahwa parame-ter ke-j sgfka terhadap model regres Posso. Overdspers Overdspers adalah kods dmaa la varas lebh besar dar la mea, yag artya sfat equdsperso tdak terpeuh. Overdspers meyebabka taksra parameter mo-del mejad bas da tdak efse. Selatu, overdspers meyebabka tgkat kesalaha model semak besar da regres Posso mejad tdak sesua. Overdspers merupaka la dspers yag ddapat dar la devace yag dbag dega derajat bebasya dar regres Posso, jka dperoleh la lebh besar dar maka dapat dkataka terjad overdspers [6]. Regres Bomal Negatf Model regres bomal egatf mempuya fugs dstrbus f(y, μ, θ) = (y+ θ ) ( ( θ )(y!) ) θ θμ ( +θμ +θμ )y (6) Estmas model regres bomal egatf dyataka p μ = exp(β 0 + j= β j x j ) (7) Metode Maxmum Lkelhood Estmato (MLE) dguaka utuk estmas paraeter, kemuda dlajutka dega teras Newto Raphso dar turua pertama fugs log lkelhood yag dturuka terhadap θ,β da dsamadegaka ol. Fugs log lkelhood dar regres bomal egatf adalah se-baga berkut. β, ) ' { y ( β) l( exp( β)) l ( y ) l ( y ) l ( )} Peguja sgfkas secara seretak utuk estmas parameter model regres bomal egatf dega hpotess H 0 : β = β =... = β p = 0 H : palg sedkt ada satu β j 0, j=,,...,p Statstk Uj: ˆ) D( β ˆ) l l (l ˆ ) l ˆ)) (9) ˆ ) Tolak H 0 jka statstk uj D(β ) > χ (α;p) berart palg sedkt ada satu parameter berpegaruh secara sgfka ter-hadap model. Peguja dlajutka dega uj secara parsal dega hpotess H 0 : β j = 0 H : β j 0 Statstk Uj: ˆ j Z htug (0) SE( ˆ ) j Tolak H 0 jka la Z htug > Zα yag berart parameter ke-j memberka pegaruh yag sgfka terhadap model. (8) Peguja Heterogetas Spasal Peguja heterogetas spasal dguaka utuk melhat perbedaa karakterstk atara satu ttk pegamata dega ttk pegamata laya meyebabka adaya heterogetas spasal. Utuk melhat adaya heterogetas spasal pada data dapat dlakuka peguja Breusch-Paga dega hpotess H 0 : σ = σ = = σ = σ (varas atar lokas sama) H : Mmal adasatu σ σ, =,,..., (varas atar lokas berbeda) dega statstk uj Breusch-Paga (BP) adalah sebaga berkut. BP = ( ) ft Z(Z T Z) Z T f () dmaa e = y y f = (f, f,, f ) T dega f = e σ ˆ e e = kuadrat ssaa utuk pegamata ke- Z = matrks berukura x(p+) yag bers vektor yag sudah d ormal bakuka (z) utuk setap pegamata. Krtera peolaka yatu tolak H 0 jka statstk uj BP > χ (α,p) yag artya adalah varas atar lokas berbeda. Peguja Depedes Spasal Peguja depedes spasal dguaa utuk melhat apakah pegamata pada suatu lokas bergatug pada lokas peg-amata la yag letakya berdekata. Statstk uj yag dguaka dalam autokorelas spasal adalah Mora s I. Mora s I adalah ukura hubuga atara pegamata yag salg berdekata []. Hpotess yag dguaka H 0 : I = 0 (tdak ada depedes spasal) H : I 0 (ada depedes spasal) dega statstk uj Mora s I sebaga berkut Z I ht = I E(I ) () Var(I ) Dmaa Iˆ k W k k W ( y k y)( y ( y k y) y) (3) = bayak pegamata y = la rata-rata dar y dar lokas y = la pegamata pada lokas ke- y k = la pegamata pada lokas ke-k w k = eleme matrks pembobot kerel fxed Gaussa Krtera peolaka yatu tolak H 0 jka la Z I ht > Zα yag artya terdapat depedes spasal. Fugs pembo-bot yag dguaka adalah fugs kerel fxed Gaussa. GWNBR Model GWNBR merupaka pegembaga dar model regres bomal egatf. Model GWNBR aka meghaslka parameter lokal dega masg-masg

3 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) (30-98 Prt) D-357 lokas aka memlk parameter yag berbeda-beda. Model GWNBR dapat dru-muska sebaga berkut []. p y ~ NB exp j ( u, v ) x j, ( u v, (4) j 0 Estmas parameter model GWNBR megguaka metode maxmum lkelhood estmato. Fugs lkelhood dturuka terhadap θ,β da dsamadegaka ol. Estmas dlakuka dega teras Newto Raphso. Peguja kesamaa model GWNBR dega regres bomal egatf dlakuka utuk melhat terdapat perbedaa yag sgfka atau tdak atara model GWNBR dega regres bomal egatf dega hpotess H 0 β j (u, v ) = β j j=0,,,...,p ; =,,..., H β j (u, v ) β j Statstk uj : F ht = devasmodela dfa devasmodelb dfb (5) Model A adalah model regres bomal egatf da model B adalah model GWNBR yag megkut dstrbus F dega derajat bebas df A da df B. Tolak H 0 jka F ht > F (α,dfa,df B ) yag artya bahwa ada perbedaa yag sgfka atara model bomal egatf dega model GWNBR. Uj sgfkas secara seretak dega megguaka maxmum lkelhood rato test (MLRT) dega hpotess H 0 : β (u, v ) = β (u, v ) = = β p (u, v ) = 0 H : palg sedkt ada satu β j (u, v ) 0 ; j =,,...,p Statstk Uj: D(β ) = l ( ω ) ) ) = (l L ( ) l ω )) (6) Krtera peolaka yatu Tolak H 0 jka statstk uj D(β )χ (α,p). Kemuda dlakuka peguja sgfkas se-cara parsal utuk megetahu parameter maa saja yag memberka pegaruh yag sgfka terhadap varabel res-po pada tap-tap lokas dega hpotess H 0 : β j (u, v ) = 0 H : β j (u, v ) 0 ; j=.,...,p Statstkuj: Z htug ˆ j ( u, v ) (7) SE( ˆ ( u, v ) j Krtera peolaka adalah tolak H 0 jka statstk uj Z htug > Z (α/) yag berart bahwa parameter j berpegaruh sgfka terhadap varabel respo pada lokas ke- Peumoa Peumoa merupaka salah satu peyakt yag termasuk feks salura perapasa. Peumoa yatu terjad perada-ga atau rtas pada salah satu atau kedua paru yag d-sebabka oleh feks. Peyakt umumya terjad pada aak-aak dega cr-cr adaya demam, batuk dserta afas cepat atau sesak afas. Secara etolog, peumoa dbedaka berdasarka age peyebab feks, bak tu bakter, vrus maupu parast. Pada umumya terjad akbat adaya feks bakter peumokokus (Streptococcud Peumoae). Beberapa peelta meemuka bahwa kuma meyebabka peu-moahampr pada semua kelompok umur da palg bayak terjad d egara-egara berkembag. Kejada peumoa pada balta dperlhatka dega adaya cr-cr demam, batuk, plek dserta sesak afas da trka ddg dada baga bawah kedalam, serta saoss pada feks yag berat. Tarka ddg baga bawah kedalam terjad karea geraka paru yag megurag atau decreased lug complace akbat feks peumoa yag berat. Faktor rsko yag megkatak kemata akbat peumoa adalah umur, jes kelam, tgkat sosal ekoom redah, gz kurag, berat bada lahr redah, tgkat peddka bu, tgkat jagkaua pelayaa kesehata, kepadata rumah da polus udara. III. Sumber Data METODOLOGI PENELITIAN Sumber data yag dguaka dalam peelta adalah data sekuder megea peyakt peumoa d Kota Padag pada tahu 04 beserta faktor-faktor yag mem-pegaruhya yag dperoleh melalu data profl kesehata d Das Kesehata Kota Padag da data demograf d Bada Pusat Statstk Provs Sumatera Barat. Jumlah lokas pee-lta yag dguaka adalah sebayak kecamata. Varabel Peelta Varabel yag dguaka dalam peelta sebaga berkut.. Jumlah kasus peumoa d tap kecamata d Kota Padag(Y). Kepadata peduduk (jwa/km ) ( ) 3. Persetase rumah tagga yag berperlaku hdup bersh da sehat ( ) 4. Persetase bay yag medapat ASI ekslusf ( 3 ) 5. Persetase balta gz buruk ( 4 ) 6. Partculate matter (PM0, µgram/m 3 ) ( 5 ) Lagkah Aalss Lagkah aalss utuk meyelesaka permasalaha adalah. Medeskrpska karakterstk jumlah kasus peumoa d Kota Padag pada tahu 04 megguaka pemetaa wlayah utuk masgmasg varabel.. Pemerksaa multkoleartas. 3. Megaalss model regres Posso. 4. Peguja overdspers 5. Megaalss model regres bomal egatf 6. Peguja aspek spasal. 7. Megaalss model GWNBR 8. Meark kesmpula IV. ANALISIS DAN PEMBAHASAN Deskrps Varabel Peelta Statstka deskrptf varabel peelta yag dguaka dtujukka pada Tabel. Rata-rata kaus peumoa d Kota Padag tahu 04 sebayak 87 kasus. Varas jumlah kasus peumoa sagat besar yatu 97366, dmaa la varas lebh besar dbadgka la ratarata, data tersebut meu-jukka adaya overdspers. TABEL. STATISTIKA DESKRIPTIF VARIABEL PENELITIAN Varabel Rata-rata Varas M Maks Jumlah kasus peumoa

4 D-358 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) (30-98 Prt) Kepadata peduduk Persetase rumah tagga ber-phbs 67,85 8,938 6,83 74,38 Persetase pembera 75,63 5,39 58,0 83,8 ASI ekslusf Persetase balta gz,8 53,6 3,9 30, buruk Partculate matter (PM0) 3, 06 35,5 54, Karakterstk Jumlah Kasus Peumoa d Kota Padag Tahu 04 Pada tahu 04 jumlah kasus peumoa d Kota Padag sebayak 8983 kasus dega jumlah kasus tertgg d Keca-mata Koto Tagah yatu sebayak 763 kasus sedagka kasus peumoa teredah d Kecamata Bugus Teluk Ka-bug dega 47 kasus. Gambar. Persebara Jumlah Peumoa d Kota Padag Gambar. meujukka persebara jumlah kasus peumoa d Kota Padag, dega membetuk tga kelompok yatu redah, sedag, da tgg. Dmaapersebara wlayah tersebut lebh ddomas pada jumlah kasus peuoma yag tergolog redah dega jumlah kasus ataa kasus. Pemerksaa Multkolertas Tabel. meujukka la VIF utuk setap varabel predktor. TABEL. NILAI VIF DARI VARIABEL PREDIKTOR Varabel VIF,9 3,534 3,758 4,408 5,409 Masg-masg varabel predktor berla kurag dar 0, maka dapat dsmpulka tdak ada kasus multkolertas. Sehgga dapat dlajutka ke pemodela regres Posso, regres bomal egatf da GWNBR. Pemodela Jumlah Kasus PeumoaMegguaka Regres Posso Berkut adalah hasl estmas parameter model regres Posso. TABEL 3. ESTIMASI PARAMETER MODEL REGRESI POISSON Parameter Estmas Stadart Error Z htug β 0 6,808 0,3809 7,876 β,953x0-5 4,809x0-6 -6,40 Parameter Estmas Stadart Error Z htug β 3x0 7,3x0-3 4,03 β 3 -,408x0-,505x0-3 -5,6 β 4-7,983x0,544x0-3 -3,385 β 5-4,86x0-4 9,074x0-5 -5,308 Devas 6,065 AIC 66,6 Tabel 3. meujukka la devas sebesar 6,065 dega taraf sgfkas 0% la χ (0,;5) sebesar 9,36. Hal berart la devas lebh besar dbadg la χ. Sehgga dperoleh kesmpula bahwa tolak H (0,;5) 0 yag artya mmal ada satu varabel predktor yag berpegaruh sg-fka terhadap varabel respo, sehgga perlu dlajutka peguja secara parsal utuk melhat varabel maa yag berpegaruh sgfka terhadap model. Berdasarka hasl peguja secara parsal dega taraf sgfkas 0% ddapatka la Z (0,05) sebesar,645. Nla Z htug yag dpe-roleh dtujukka pada Tabel, semua varabel memberka pegaruh yag sgfka terhadap model, karea la Z htug lebh besar dbadgka la Z (0,05). Sehgga model regres Posso yag dperoleh μˆ exp 6,808 -,953x0-7,983x0 3x0 4-4,86x0 Pemerksaa Overdspers ,408x0 3 Dkataka overdspers jka la devas dbag dega derajat bebasya meghaslka la lebh dar. Nla devas yag dperoleh dar pemodela regres Posso sebesar 6,065 dega derajat bebas adalah 5, hasl la devas dbag dega derajat bebas sebesar,43, la tersebut lebh dar. Hal meujukka bahwa terjad kasus overdspers.sehgga kasus overdspers tersebut harus da-tas. Salah satu metode yag dapat megatas kasus over-dspers yatu megguaka regres bomal egatf. Pemodela Jumlah Kasus PeumoaMegguaka Regres Bomal Negatf Berkut adalah hasl estmas parameter model regres bomal egatf. TABEL 4. ESTIMASI PARAMETER MODEL REGRESI BINOMIAL NEGATIF Parameter Estmas Stadart Error Z htug β 0 6,759 0,933 7,58 β,8x0-5,35x0-5,476 β 3,398x0,758x0,933 β 3 -,789x0 6,48x0-3,783 β 4-7,386x0 4,96x0-3 5,04 β 5-5,037x0-4,44x0-4,45 Devas 0,86 AIC 36,64 Tabel 4. meujukka la devas sebesar 0,86 dega taraf sgfkas 0% la χ (0,;5) sebesar 9,36. Hal berart la devas lebh besar dbadg laχ (0,;5). Sehgga dperoleh kesmpula bahwa tolak H 0 yag artya mmal ada satu varabel predktor yag berpegaruh sgfka terhadap varabel respo. Pada peguja secara seretak dperoleh hasl tolak H 0, sehgga perlu dlakuka peguja secara parsal. Berdasarka hasl peguja secara parsal dega taraf sgfkas 0% ddapatka la Z (0,05) sebesar,645.

5 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) (30-98 Prt) D-359 Nla Z htug yag dperoleh dtujukka pada Tabel 4, seluruh la Z htug lebh besar dar la Z (0,05) yag berart semua varabel berpegaruh sgfka terhadap model. Sehgga model regres bomal egatf yag dperoleh μˆ exp 6,759 -,8x0-7,386x ,037x0 Peguja Aspek Spasal 3,398x0 5 -,789x0 3 Berdasarkahasl peguja heterogetas dperoleh la statstk uj Breusch-Paga sebesar 4,0684 dega p- value 0,5396, dega jumlah parameter 5 da dguaka α se-besar 0% maka ddapatka χ (0,;5) sebesar 9,36. Nla BP > χ, maka dambl keputusa gagal tolak (0,;5) H 0 yag berart varas atarlokas sama atau tdak terdapat perbedaa karakerstk atara satu lokas ttk pegamata dega ttk pegamata laya. Berdasarka hasl peguja dega matrks pembobot fxed gaussa kerel. Hasl perhtuga statstk uj dperoleh bahwa la Z t adalah sebesar,67. Nla lebh besar d-badgka la Z (0,05) yatu sebesar,645, sehgga dapat dputuska tolak H 0 yag berart bahwa ada depedes spasal atau pegamata suatu lokas bergatug pada peg-amata d lokas la yag letakya berdekata. Pemodela Jumlah Kasus Peumoa Megguaka Geographcally Weghted Negatf Bomal Regresso Peguja kesamaa model GWNBR dega regres bomal egatf dega regres bomal egatf. Nla devas model regres bomal egatf sebesar 0,86 da la devas model GWNBR sebesar 0,39, ddapatka F ht =,045, dega megguaka taraf sgfkas 0% ddapatka F (0,;5;5)= 3,45 yag berart gagal tolak H 0, dapat dsmpulka bahwa tdak terdapat perbedaa atara model regres bomal egatf dega model GWNBR. Pada peelta dplh model GWNBR sehgga dlajutka utuk peguja parameter. Berdasarka hasl perhtuga ddapatka la devas model GWNBR sebesar 0,39 dega taraf sgfkas 0% ddapatka χ (0,;5) sebesar 9,36, la devas lebh besar dbadgka la χ (0,;5), sehgga dapat dputuska bahwa tolak H 0, berart bahwa palg sedkt ada satu parameter model GWNBR yag berpegaruh sgfka, maka dlajutka dega peguja parameter secara parsal. Berdasarka hasl peguja sgfkas parameter, dperoleh parameter yag sgfka utuk tap kecamata tdak berbeda. Seluruh parameter,, 3, 4, da 5 mem-lk pegaruh yag sgfka utuk tap kecamata d Kota Padag pada tgkat kepercayaa 0%. Sedagka tgkat kepercayaa 5%, seluruh parameter memlk pegaruh yag sgfka utuk tap kecamata d Kota Padag kecual Kecamata Koto Tagah, dmaa parameter yag sgfka utuk Kecamata Koto Tagah adalah,, 3, da 4. Gambar. meujukka persebara wlayah berdasarka varabel yag sgfka, dmaa varabel yag sgfka adalah,, 3, 4, da 5, varabel yag sgfka utuk masg-masg wlayah adalah sama pada taraf sgfkas 0%. Pada taraf sgfkas 0%, terdapat kelompok wlayah berdasarka varabel yag sgfka, dmaa kelompok merupaka wlayah dega varabel yag sgfka adalah,, 3, 4, da 5, sedagka kelompok merupaka wlayah dega varabel yag sgfka adalah,, 3, da 4. TABEL 5. ESTIMASI PARAMETER MODEL GWNBR DI KECAMATAN PADANG TIMUR Parameter Estmas Z htug β 0 6, , β -3x0-5 -3,3 β 3,3339x0 4,405 β 3 -,735x0,5987 β 4-7,40x0 -,486 β 5-5x0-4,649 Seluruh varabel memberka pegaruh yag sgfka terhadap model, karea la Z htug lebh besar dbadgka la Z (0,05) sebesar,645, sehgga model GWNBR yag dapat dbetuk utuk Kecamata Padag Tmur adalah l(μˆ) 6, x0-5 3,3339x0-4 -,735x0 3-7,40x0 4-5x0 5 Berdasarka model yag terbetuk dsmpulka bahwa setap pertambaha jwa/km ( ) maka aka megurag rata-rata jumlah kasus peumoa sebesar exp(-3x0-5 ) kasus dega asums bahwa varabel laya kosta. Setap pertambaha perse rumah tagga yag berperlaku hdup bersh da sehat ( ) aka megkatka kasus peumoa sebesar exp(0,03339) kasus dega asums varabel laya kosta. Setap pertambaha perse pembera ASI ekslusf ( 3 ) aka megurag kasus peumoa sebesar exp(0,0735) kasus dega asums varabel laya kosta. Hal sesua bahwa jka pembera ASI secara ekslusf semak megkatka maka aka megurag kasus peumoa, ka-rea kaduga ASI bak utuk kesahata da perkembaga balta. Setap pertambaha perse balta gz buruk ( 4 ) aka megurag kasus peumoa sebesar exp(0,074) kasus dega asums varabel laya kosta. Selajutya setap pegkata ugram/m 3 partculate matter (PM0) aka me-gurag kasus peumoa sebesar exp(0,0005) dega asums varabel laya kosta. Gambar. Persebara Wlayah berdasarka Varabel yag Sgfka (α=0%)

6 D-360 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) (30-98 Prt) persetase rumah tagga berpe-rlaku hdup bersh da sehat ( ), persetase ASI ekslusf ( 3 ), persetase balta gz buruk ( 4 ) da kualtas udara ( 5 ). Sara utuk peelta selajutya dapat meambahka beberapa varabel da megguaka ut peelta yag lebh bayak utuk memperoleh hasl yag lebh bak, karea berdasarka hasl yag dperoleh beberapa parameter yag hasl koefse regresya tdak sesua. VI. UCAPAN TERIMA KASIH Terma kash peuls ucapka kepada Das Kesehata Kota Padag yag telah memberka z utuk melakuka pegambla data. Da terma kash peuls ucapka kepada seluruh phak yag telah memberka masuka, dukuga da sara dalam peelta. Gambar 3. Persebara Wlayah berdasarka Varabel yag Sgfka (α=5%) Pemlha model terbak berdasarka krtera la AIC, dmaa model yag terbak adalah model dega la AIC terkecl. Nla AIC utuk model regres Posso, regres Bomal Negatf da model GWNBR dapat dlhat pada Tabel 6 TABEL 6. NILAI AIC Model AIC Regres Posso 66,6 Regres Bomal Negatf 36,64 GWNBR 06,396 Tabel 6 meujukka bahwa dar ketga model tersebut la AIC palg kecl terdapat pada model GWNBR, sehgga dapat dputuska bahwa model GWNBR lebh bak dalam memodelka jumlah kasus peumoa d Kota Padag pada tahu 04. V. KESIMPULAN DAN SARAN Berdasarka hasl aalss da pembahasa yag telah dlakuka, dperoleh kesmpula yatumodel terbak utuk kasus peumoa d Kota Padag tahu 04 adalah model GWNBR. Hasl pemodela GWNBR dperoleh bahwa tdak terdapat perbedaa varabel yag sgfka utuk tap kecamata d Kota Padag. Semua varabel berpegaruh sgfkadalam pembetuka model, varabel tersebut yatu kepadata peduduk ( ), DAFTAR PUSTAKA [] Agrest,A. (00). Categorcal Data Aalyss Secod Edto. New York: Joh Wley & Sos. [] Asel, L. (998). Spatal Ecoometrs: Methods ad Models, Dordrecht: Kluwer Academc Publshers. [3] Camero, A.C. da Trved, P.K. (998). Regresso Aalyss of Cout Data. Cambrdge: Cambrdge Uversty Press. [4] Das Kesehata Kota Padag. (05). Profl Kesehata Kota Padag Tahu 04. Padag: Das Kesehata Kota Padag. [5] Famoye, F., Wulu, J.T. da Sgh, K.P. (004). O The Geeralzed Posso Regresso Model wth a Applcato to Accdet Data. Joural of Data Scece (004) [6] Hard, J. W., & Hlbe, J.M. (007). Geeralzed Lear Models ad Extesos Secod Edto. Texas: Stata Press. [7] Hockg, R. (996). Methods ad Applcato of Lear Models. New York: Joh Wley & Sos. [8] Hlbe, J.M. (0). Negatf Bomal Regresso Secod Edto. Cambrdge: Cambrdge Uversty Press. [9] Machmud, R Peumoa Balta d Idoesa da Pera Kabupate dalam Meaggulagya. Padag: Adalas Uversty Press. [0] Mc Cullagh, P. & Nelder,J.A. (007). Geeralzed Lear Models Secod Edto. Lodo: Chapma & Hall. [] Rcardo, A. & Carvalho, T.V.R. (03). Geographcally Weghted Negatf Bomal Regresso-Icorporatg Overdsperso. New York: Sprger Scece.