PEMODELAN JUMLAH KASUS KANKER SERVIKS DI JAWA TIMUR TAHUN 2011 DENGAN REGRESI BINOMIAL NEGATIF DAN GWPR (GEOGRAPHICALLY WEIGHTED POISSON REGRESSION)

Transkripsi

1 PEMODELAN JUMLAH KASUS KANKER SERVIKS DI JAWA TIMUR TAHUN 0 DENGAN REGRESI BINOMIAL NEGATIF DAN GWPR (GEOGRAPHICALLY WEIGHTED POISSON REGRESSION Adya Frsaty Ikaprllada Dr. Purhad, M.Sc Jurusa Statstka, Fakultas MIPA, Isttut Tekolog Sepuluh Nopember (ITS Jl. Aref Rahma Hakm, Surabaya 60 E-mal: purhad@statstka.ts.ac.d Abstrak Peyakt yag berlagsug sagat lama adalah peyakt yag kros.peyakt kros serg meyerag pada kaum perempua.salah satu cotoh peyakt kros yag serg dalam oleh perempua adalah Kaker Servks.Kaker buka haya satu peyakt tap bayak peyakt.ada lebh dar 00 berbaga es kaker.data umlah kasus kaker servks d Provs Jawa Tmur pada peelta merupaka salah satu cotoh data dskrt (cout dmaa pada umumya megguaka regres posso dalam aalssya.sehgga utuk megetahu faktor-faktor yag berpotes dalam megkatka umlah kasus kaker servks.keragama karakterstk atar kabupate/kota d Jawa Tmur maka dperluka suatu metode pemodela statstk yag memperhtugka aspek spasal yatu GWPR (Geographcally Weghted Posso Regresso yag dharapka medapatka hasl model yag lebh spesfk. Sela tu dbadgka dega metode pemodela Regres Bomal Negatf karea utuk meaga masalah overdspers.natya dplh metode pemodela maa yag terbak utuk umlah kasus kaker servks d Jawa Tmur. Model GWPR meghaslka AIC sebesar 586,35 da model Regres Bomal Negatf AICya sebesar 3,55. Model terbakya ddapat dar model Regres Bomal Negatf karea meghaslka la AIC terkecl. Sehgga model Regres Bomal Negatf lebh sesua utuk umlah kasus kaker servks d Jawa Tmur Tahu 0. Kata kuc --- AIC (Akake Iformato Crtero, GWPR, Overdspers, Kaker Servks, Regres Bomal Negatf I. PENDAHULUAN P eyakt kros serg meyerag pada kaum perempua. Salah satu cotoh peyakt kros yag serg dalam oleh perempua adalah Kaker Servks.Kaker buka haya satu peyakt tap bayak peyakt.ada lebh dar 00 berbaga es kaker. Pegkata kesehata terhadap perempua merupaka salah satu dar delapa target Mleum Developmet Goals atau dsebut MDGs yag pecapaaya sult dlakuka. Kods kesehata masyarakat dapat dukur dega beberapa peyakt yag dalam seseorag. Ada beberapa es peyakt, yatu : peyakt kros, peyakt lagka, peyakt meular da peyakt tdak meular[]. Meurut WHO tahu 00, data kasus kaker leher rahm wata d dua ddagosa mederta kaker leher rahm, dataraya megalam kemata da 80 % pederta berada d Negara berkembag. Pada tahu 0 megkat mead wata d Dua da d Idoesa merupaka egara terbayak kedua sebayak da kasus berakhr dega kemata terhadap adaya kasus peyakt kaker servks setelah Negara Ca. D Provs Jawa Tmur sedr pada tahu 007 kasus kaker servks setap harya dtemuka kasus dega umlah kemata sebayak 0-5 orag. Regres Bomal Negatf merupaka salah satu model regres terapa GLM (Geeralzed Lear Model sebaga peerapa GLM maka dstrbus Bomal Negatf memlk tga kompoe, yatu: kompoe radom, kompoe sstemats, da fugs lk. Jumlah data kasus kaker servks d Provs Jawa Tmur merupaka salah satu cotoh data dskrt (cout. GWPR (Geographcally Weghted Posso Regresso merupaka suatu metode statstka yag merupaka pegembaga regres posso amu yag membedaka adalah metode memperhatka pembobot berupa letak ltag da letak buur dar ttk-ttk pegamata yag aka damat. Metode GWPR membetuk model yag atya medapatka varabel yag sgfka da varabel yag tdak sgfka.meurut(nakaya, 005 model GWPR meghaslka peaksr parameter model yag bersfat lokal utuk setap ttk pegamata. Keragama karakterstk atar wlayah d Jawa Tmur tahu 0 meetuka kualtas kesehata d wlayah tersebut, sehgga memerluka suatu metode pemodela statstk yag memperhtugka aspek spasalya, da medapatka hasl yag berbeda-beda utuk setap wlayah tertetu sesua karakterstk wlayah tersebut. Peelta dlakuka uga utuk medapatka model terbakya dega membadgka kedua metode yag modelya dperolehregres Bomal Negatf da GWPR pada kasus umlah kaker servks tap kabupate/kota d Provs Jawa Tmur pada tahu 0. II. TINJAUAN PUSTAKA A. Statstka Deskrptf Statstka deskrptf adalah baga statstka yag membahas tetag metode-metode utuk meyaka data sehgga meark da formatf. Secara umum statstka deskrptf

2 dapat dartka sebaga metode-metode yag berkata dega pegumpula da peyaa suatu gugus data sehgga memberka formas yag bergua. Mea (Rataa ddefska sebaga umlah seluruh data d bag dega bayakya data [6]. X X = = ( Varas adalah suatu agka yag meuukka ukura varabltas yag dhtug dega ala megkuadratka stadar devas [6].Rumus yag dguaka utuk varas dtuukka pada persamaa ( sebaga berkut. ( X X S = = ( B. Regres Posso Regres Posso merupaka salah satu regres yag dguaka utuk memodelka atara varabel respo da varabel predktor dega megasumska varabel Y berdstrbus posso.dstrbus posso tu sedr meurut (Walpole, 995 meyataka bayakya sukses yag terad dalam suatu selag waktu atau daerah tertetu.blaga Y yag meyataka bayakya hasl percobaa dalam suatu percobaa posso dsebut varabel acak posso da sebara peluagya dsebut sebara posso. Fugs peluag dar dstrbus posso tu sedr meurut [4] dapat dyataka sebaga berkut: y e f ( y; µ µ µ = ;y=0,,,... (3 y! C. Regres Bomal Negatf Peagaa overdspers pada regres posso uga dapat dlakuka megguaka pedekata model bomal egatf. Dalam regres bomal egatf, ka θ meuu ol maka var(y meuu µ sehgga bomal egatf aka koverge meuu posso.model regres bomal egatf memlk betuk yag sama dega model regres posso yatu persamaa (3. Peaksra parameter regres bomal egatf dlakuka megguaka metode MLE. Persamaa log-lkelhood utuk bomal egatf adalah. y ( { l L θ, β = l ( + θ l y! ( y + θ } = = 0 (4 T ( θ ( x β T dmaa = l + exp + y lθ + yx β Estmas parameter ( ˆ, ˆ θ β dperoleh dega meuruka persamaa (8 terhadap β da θ. Pegua parameter yag dlakuka sama dega pegua pada regres posso. U seretak megguaka D ˆ β da statstk u parsal megguaka u z. statstk u ( D. Geographcally Weghted Posso Regresso Model GWPR merupaka betuk lokal Regres Posso yag meghaslka peaksr parameter model yag bersfat lokal utuk setap ttk atau lokas dmaa data tersebut dkumpulka, dega megasumska data berdstrbus Posso.Meurut [3]model GWPR dkembagka dar metode GWR yatu suatu tekk yag membawa keragka dar model regres sederhaa mead model regres yag terbobot. Dalam model GWPR, varabel respo y dpredks dega varabel predktor yag masg-masg koefse regresya bergatug pada lokas dmaa data tersebut damat. Model GWPR dega meotaska vektor koordat ltag da buur (u,v adalah sebaga berkut: kk y ~posso (µ dega µ = exp =0 ββ (uu, vv xx (5 Peaksra parameter bak pada Regres Posso da GWPR megguaka metode MLE (Maxmum Lkelhood Estmato. E. Peetua Badwth Pemlha badwth optmum sagat petg karea mempegaruh ketepata model terhadap data, yatu dega megatur varas da bas pada model. Secara praktek tdak mugk memmumka la varas da bas secara bersamaa, karea hubuga atara varas da bas yatu berbadg terbalk. Proses peaksra parameter model GWPR d suatu ttk (u v membutuhka pembobot spasal dmaa pembobot yag dguaka adalah sebaga berkut: a. Fugs kerel gauss: w ( u, v = exp ( d g (6 dmaa d = uu uu + vv vv adalah arak eucldea atara lokas (u,v da g adalah la badwth optmum pada tap lokas. Berkut adalah rumus metode Geeralzed Cross Valdato (GCV utuk meetuka badwth optmum. ( y y ( b = GCV ( b = ( v (7 F. AIC Utuk medapatka model terbak dar beberapa kemugka metode dega asums posso maka megguaka krtera model terbak AIC. Terdapat beberapa metode dalam meetuka model terbak, salah satuya adalah Akake Iformato Crtero (AIC.Meurut [], AIC ddefska sebaga berkut. AIC = l L θ + k (8 ( Dmaa L( ˆ θ adalah la lkelhood, da k adalah umlah parameter.model terbak adalah model yag mempuya la AIC terkecl. G. Multkoleartas Syaratyag harus dpeuh dalam pembetuka model regres dega beberapa varabel predktor alah tdak terdapat kasus multkoleartas atau atar varabel predktor salg berkorelas. Apabla kasus terad maka aka dapat megakbatka matrks (XX XX memlk determa sama dega ol. Kasus multkoleartas dapat ddeteks sebagamaa berkut: Jka la VIF lebh besar dar 0, maka terad kasus multkoleartas. Nla VIF dyataka sebaga berkut:

3 3 VIF= RR (9 degarr adalah koefse determas H. Kaker Servks Kaker Servks umumya dkeal dega peyakt Kaker leher rahm, es peyakt bayak dalam oleh kaum hawa (perempua.saat kaker servks mead peyebab kemata perempua omor dua d Dua setelah atug koroer. Kaker servks terad pada servks uterus dega kegaasa yag terad pada leher rahm, yatu baga orga reproduks pada perempua yag letakya datara rahm (uterus dega lag seggama (vaga. Ifeks HPV yag terad stadum d berlagsug tapa membulka geala sedktpu sehgga pederta mash bsa mealaka aktvtas sehar-har.jka pemerksaaya ddeteks d dapat dtemuka adaya sel-sel servks yag tdak ormal yag basa dsebut les prakaker.usa yag serg terkeaya kaker servks rata-rata berumur dbawah 50 tahu da dstrbus pecapaa pucak kal pada usa tahu. III. METODOLOGI PENELITIAN A. Sumber Data Pada peelta data yag dguaka adalah data Jumlah Kasus Kaker Servks d setap kabupate/kota d Provs Jawa Tmur tahu 0 yag dperoleh dar Das Kesehata Provs Jawa Tmur.Utuk data varabel X ddapat hasl Survey Sosal Ekoom Nasoal (SUSENAS BPS Jawa Tmur tahu 0. B. Varabel Peelta Varabel yag dguaka dalam peelta terbag mead yatu varabel y (respo atau depede da varabel x (predktor atau depede serta letak ltag selata (u da letak buur tmur (v dega ut yag dtelt adalah tap kabupate/kota d Jawa Tmur tahu 0. Berkut adalah varabel peelta. Varabel Keteraga Skala Pegukura Y Jumlah kasus kaker servks. X Persetase saraa kesehata. X Persetase teaga meds. X 3 Persetase peduduk perempua yag umur kaw pertama 6 tahu. X 4 Persetase peduduk da Rumah Tagga (RT perempua. X 5 Persetase peduduk yag tggal d daerah berstatus desa. X 6 Persetase peduduk perempua yag tamat SMA. X 7 Persetase peduduk msk. X 8 Persetase peduduk perempua yag megguaka kodom. X 9 Persetase perempua dega umlah aak yag dlahrka lebh dar 4. X 0 Persetase peduduk perempua yag berstatus kaw. X Persetase peduduk perempua usa 35 X Persetase rata-rata pegeluara utuk kosums makaa per bula X 3 Persetase peduduk yag merokok. B. Lagkah Aalss Data Dalam mecapa tuua peelta, maka dlakuka aalss yag tepat.berkut adalah lagkah-lagkah aalss.. Medeskrpska varabel respo (Y da varabel predktor (X.. Megdetfkas da meyelesaka adaya kasus multkolertas. a. Mecar la R atar varabel predktor. b. Mecar la VIF da dbadgka dega la 0. c. Megeluarka varabel predktor yag la VIF lebh dar Medapatka model terbak dar Regres Posso pada pemodela umlah kasus kaker servks yag terad dkabupate/kota Jawa Tmur. 4. Medapatka model terbak dar GWPR pada pemodela umlah kasus kaker servks yag terad dkabupate/kota Jawa Tmur. a. Meghtug arak Eucldea utuk medapatka matrks pembobot pada masg-masg fugs pembobot. b. Meetuka badwdth optmum utuk setap obyek. c. Melakuka peaksra parameter model GWPR. d. Megu sgfkas parameter model GWPR. e. Mecar la R DEV model GWPR. 5. Medapatka model terbak dar Regres Bomal Negatf pada pemodela umlah kasus kaker servks yag terad dkabupate/kota Jawa Tmur. a. Meaksr parameter model regres bomal egatf. b. Megu sgfkas parameter model regres bomal egatf secara seretak da parsal. c. Meghtug la AIC dar model regres bomal egatf. 6. Medapatka perbadga atara model dar GWPR da Regres Bomal Negatf pada pemodela kasus kaker servks yag terad d kabupate/kota Jawa Tmur dega la AIC terkecl. IV. ANALISIS DAN PEMBAHASAN A. Statstka Deskrptf Dalam peelta dpaparka pula statstka deskrptf yag melput varabel umlah kasus kaker servks d Jawa Tmur tahu 0 da faktor-faktor yag dduga mempegaruh umlah kasus kaker servks. Tabel. Statstka Deskrptf Varabel Peelta Varabel Mea Varas Mmum Maxmum Y ,40 0,00 747,00 X 0,4 0,04 0,00 0,78 X,45,3 0,00 7,64 X3 7,00 69, 0,07 59,09 X4 50,79, 48,0 53,66 X5 59,3 3,9 0,00 93,55 X6,68 36,79,74 4, X7 4,7 43,5 0,00 3,47 X8 0,8,58 0,00 5,3 X9,90 3,9,85 39,47 X0 6,63 5,7 5,3 67, X 43,3 6,74 36,4 47,99 X 5,05 35,88 40,49 6,89

4 4 X3 4,6,5 5,53 33,66 Berdasarka pada Tabel meuukka bahwa umlah kaker servks d Jawa Tmur tahu 0 mempuya rata-rata umlah kasus kaker servks sebayak 49 kasus. Sedagka umlah kaker servksmempuya varas sebesar 557,40 yag berart bahwa varas dar kasus kaker servks d Jawa Tmur sagat besar dkareaka adaya ratusa d berbaga daerah, amu ada uga yag tdak dtemuka adaya kaker servks. Daerah yag tdak dtemuka kasus kaker servks dataraya adalah Kota Probolggo, Surabaya, Batu, Kedr, Kabupate Pamekasa, Bagkala, Mookerto, Jombag, Pasurua, Stubodo, Lumaag da Jember. Berdasarka hasl VIFtdak ada lag yag memlk la VIF > 0, maka tdak ada lag yag megadug koleartas atar varabel predktor atau dapat dkataka sudah teradya multkoleartas. Jad utuk pembetuka permodela dega Regres Posso, GWPR, da Regres Bomal Negatf megguaka 0 varabel predktor tapa varabel X 5, X 6 da X karea varabel tersebut megadug koleartas. B. Pemodela Jumlah Kasus Kaker Servks d Jawa Tmur Megguaka Regres Posso Pegua seretak dalam model Regres Posso dega hpotess sebaga berkut. H 0 : ββ = ββ = ββ 3 = ββ 4 = ββ 7 = ββ 8 = ββ 9 = ββ 0 = ββ = ββ 3 = 0 H : palg sedkt ada satu ββ 0 Ddapatka la devas D(βˆ sebesar 34,3. Kemuda la devas dbadgka dega la Ch- Square dega taraf sgfkas sebesar 5%.Nla D(βˆ >χχ (0,05:0 (8,307 sehgga keputusaya tolak H 0 yag mempuya art bahwa terdapat satu parameter yag berpegaruh secara sgfka terhadap model. Setelah dlakuka pegua secara seretak, maka lagkah selautya alah melakuka pegua secara parsal utuk mecar parameter maa saa yag berpegaruh secara sgfka terhadap model.hpotess dar pegua secara parsal adalah sebaga berkut. Tabel. Estmas Parameter Model Regres Posso Parameter Estmas Stadart Error Z P-Value β0 6,30,6946,7 0,086 β -6,9495 0,4979-3,96 <0,000 β 0,9554 0,0659 4,48 <0,000 β3 0,0778 0,0046 6,93 <0,000 β4 0,3307 0,0468 7,06 <0,000 β7-0,578 0,0097-6,5 <0,000 β8 0,866 0,037 7,70 <0,000 β9 0,0500 0,000 4,97 <0,000 β0-0,0739 0,05-4,85 <0,000 β -0,669 0,059-6,78 <0,000 β3-0,088 0,0093 -,3 <0,000 H 0 : β = 0 H : ββ 0 ; =,,3,4,7,8,9,0,,3 Dar hasl aalss ddapatka pada Tabel la Z htug aka dbadgka dega la Z α/ dega taraf sgfkaya 5% yatu,96. Da semua la Z htug > Z α/ sehgga semua parameter berpegaruh secara sgfka terhadap model Regres Posso. Model terbakya sebaga berkut. µˆ = exp(6,30 6,9495X + 0,9554X + 0,07789X 3 + 0,3307X 4 0,578X 7 + 0,866X 8 + 0,0500X 9 0,07396X 0 0,669X 0,088 X 3 Varabel predktor yag berpegaruh terhadap kasus kaker servks d Jawa Tmur yatu persetase saraa kesehata (X, persetase teaga meds (X, persetase peduduk perempua yag umur kaw pertama 6 tahu (X 3, persetase peduduk da Rumah Tagga (RT perempua (X 4, persetase peduduk msk (X 7, persetase peduduk perempua yag megguaka kodom (X 8, persetase perempua dega umlah aak yag dlahrka lebh dar 4 (X 9, persetase peduduk perempua yag berstatus kaw (X 0, persetase peduduk perempua usa 35 tahu (X, da persetase peduduk yag merokok (X 3. Selautya dlakuka pemerksaa kasus overdspers pada model regres posso yag dsaka pada Tabel 3. Tabel 3. Nla Devas da Pearso dar Model Regres Posso Krtera Nla db Nla/db Devas 89,3 7 8,085 Pearso Ch-Square 75,5 7 00,944 Dar hasl pada Tabel 3 dapat dketahu bahwa la devas/db da pearso ch-square/db lebh besar sehgga dsmpulka bahwa model regres posso umlah kaker servks d Jawa Tmur terdapat adaya overdspers. Dega teradya overdspers maka aka meyebabka model yag terbetuk mead estmas parameter yag bas. Maka dar tu utuk megatas kasus overdspers aka dlakuka pemodela dega megguaka Regres Bomal Negatf da GWPR. C. Pemodela Jumlah Kasus Kaker Servks d Jawa Tmur Megguaka Regres Bomal Negatf Dar sepuluh varabel predktor yag telah sgfka dapat membetuk model regres bomal egatf kemugka sebayak 03 da aka dcar la AIC terkeclya utuk model yag terbak.setap kombas varabel yag dmula dar kombas satu sampa ke sepuluh varabel predktor dega megguaka taraf sgfka sebesar 5% dapat dlhat pada Tabel 4 sebaga berkut. Tabel 4 Model Regres Bomal Negatf dar Kombas Varabel Kemugka Model (Y dega X AIC Parameter yag Sgfka X 0 38,64 β 0 X 3 X 0 38,85 β 0 β 0 X 3 X 0 X 3 39,65 β 0 β 3 β 0 X 3 X 8 X 0 X 3 30,65 β 0 β 3 β 0 X X X 8 X X 3 3,55 β 0 β β β 8 β β 3 X X 3 X 8 X 9 X 0 X 3 33,59 β β 3 X X X 3 X 4 X 8 X 0X 3 33,8 β β β 3 β 8 β 0 β 3 X X X 3 X 4 X 8 X 0 X X 3 34,87 β β β 3 β 8 β 3 X X X 3 X 4 X 8 X 9 X 0 X X 3 36,55 β β β 3 β 8 β 3 X X X 3 X 4 X 7 X 8X 9 X 0 X X 3 39,39 β β β 3 β 8 β 3 Berdasarka la estmas atau taksra pada Tabel 4 dketahu bahwa dar semua varabel predktor haya kombas ke lma yag memlk parameter sgfka lebh bayak dega la AIC terkecl dbadgka dega kombas ke tuuh yatu sebesar 3,55. Berkut adalah hasl estmas parameter dar kombas ke lma.

5 5 Tabel 5 Estmas Parameter Model Regres Bomal Negatf Parameter Estmas Stadart Error Z htug P value β 0 8,5684 7,557,537 0,07 β -, , ,053 0,007 β,9708 0, ,450 0,00056 β 8 0,666 0,6889,464 0,0373 β -0,764 0,3738 -,0 0,0440 β 3-0,784 0,0833 -,64 0,03048 Ddapatka la devas D(βˆ sebesar 307,55. Kemuda la devas dbadgka dega la Ch- Square dega taraf sgfkas sebesar 5%.Nla D(βˆ >χχ (0,05:5 (,070 sehgga keputusaya tolak H 0 yag mempuya art bahwa terdapat satu parameter yag berpegaruh secara sgfka terhadap model. µˆ = exp(8,5684,47533x +,9708X + 0,666X 8 0,764X 0,784X 3 Varabel predktor yag berpegaruh berdasarka model regres bomal egatf terhadap kasus kaker servks d Jawa Tmur yatu persetase saraa kesehata (X, persetase teaga meds (X, persetase peduduk perempua yag megguaka kodom (X 8, persetase peduduk perempua usa 35 tahu (X, da persetase peduduk yag merokok (X 3. D. Pemodela Jumlah Kasus Kaker Servks d Jawa Tmur Megguaka GWPR (Geographcally Weghted Posso Regresso Sebelum melakuka pegua seretak da pegua Parsalaka dlakuka pegua kesesuaa model yag dbadgka dega model regres posso. Utuk megetahu apakah terdapat adaya perbedaa atara model Regres Posso dega model GWPR. Berkut adalah hpotessya. H 0 : β (u, v = β = 0,,,3,4,7,8,9,0,,3 H : β ( u, v β Dbawah adalah tabel utuk megu kesesuaa model GWPR dega dbadgka dega model regres posso. Tabel 6 U Kesesuaa Model GWPR Model Devas df Devas/df F htug Global 3348,3 7 4,005,497 GWPR 547, 5,59 99,3 Berdasarka Tabel 6 meuuka bahwa la dar F htug sebesar,497. Kemuda la F htug dbadgka dega F tabel dega la F (0,05;7;5 =,5 dsmpulka bahwa gagal tolak Ho karea la F htug < F (0,05;7;5, maka dapat dkataka dega taraf sgfkas 5% tdak terad adaya perbedaa atara model posso dega model GWPR. Setelah melakuka u kesesuaa maka lagkah selautya melakuka pegua parameter secara seretak dar model GWPR. Berkut adalah hpotessya. H 0 :β (u,v = β (u,v = β 3 (u 3,v 3 = =β 3 (u 3,v 3 = 0 H : palg tdak ada salah satu β ( u, v 0 Nla devas D(ββ sebesar 547, da la χχ (0,05;0 sebesar 8,307 berart tolak H 0 karea la D(ββ >χχ (0,05;0. Kesmpulaya mmal ada satu parameter yag mempegaruh terhadap model secara sgfka. Pegua parsal dmaksudka utuk megetahu varabel maa saakah yag berpegaruh secara sgfka terhadap model dega hpotess alah sebaga berkut. H : β ( u, v = 0 0 : H β ( u, v 0 Tabel 7. U Parsal Model GWPR d Kabupate Pacta Parameter Estmas Stadart Error Z htug β 0-0,985 4,4665 -,45946 β -5, ,566-9,04466 β 0,8464 0,078,74 β 3 0,0649 0,0059 0,5653 β 4 0, ,0747 7,45563 β 7-0,6365 0,00-4,87 β 8 0,383 0, ,5793 β 9 0, ,004 3,7647 β 0 0,0994 0,0403 4,375 β -0, ,0443-4,6007 β 3-0,38 0,0079 -,5096 Berdasarka Tabel 7 dketahu bahwa varabel-varabel yag berpegaruh secara sgfka dapat dlhat dar la Z htug > Z α/ dega taraf sgfkasya sebesar 5% dmaa Z tabel atau Z α/ =,96 da dar Tabel meuukka semua varabel sgfka. Jad modelya sebaga berkut. l (μμ R = -0,985 5,08458 X + 0,8464 X + 0,0649 X 3 + 0,55709 X 4 0,6365 X 7 + 0,383 X 8 + 0,04533 X 9 + 0,0994 X 0 0,35675 X 0,38 X 3 Varabel predktor yag berpegaruh terhadap kasus kaker servks d Jawa Tmur yatu persetase saraa kesehata (X, persetase teaga meds (X, persetase peduduk perempua yag umur kaw pertama 6 tahu (X 3, persetase peduduk da Rumah Tagga (RT perempua (X 4, persetase peduduk msk (X 7, persetase peduduk perempua yag megguaka kodom (X 8, persetase perempua dega umlah aak yag dlahrka lebh dar 4 (X 9, persetase peduduk perempua yag berstatus kaw (X 0, persetase peduduk perempua usa 35 tahu (X, da persetase peduduk yag merokok (X 3. Gambar. Persebara Varabel yag Sgfka Terhadap Jumlah Kasus Kaker Servks (Gaussa d Tap- Tap Kabupate/Kota

6 6 Berdasarka Gambar meuukka bahwa terdapat adaya pegelompoka varabel yag telah sgfka. Pada varabel X, X, X 3, X 4, X 7, X 8, X 9, X 0, X, X 3 terdapat Kabupate pacta, bayuwag, bodowoso, probolggo, gaw, gresk, pamekasa da kota bltar, pasurua, batu. D Varabel X, X 3, X 4, X 7, X 8, X 9, X 0, X, X 3 terdapat Kabupate poorogo da pasurua. Kesamaa karakterstk datara lokas-lokas yag berdekata berpegaruh terhadap perlaku masyarakat, maka lokas yag berdekata tersebut mempuya perlaku yag sama. E. Pemlha Model Terbak Pemlha model terbak aka membadgka model Regres Bomal Negatf dega model GWPR utuk megetahu model maa yag lebh bak dalam pemodela umlah kasus kaker servks d Jawa Tmur. Tabel 8. Pemlha Model Terbak Model Varabel Sgfka Nla AIC Regres Bomal Negatf X X X 8 X X 3 3,55 GWPR X X X 3 X 4 X 7 X 8 X 9 X 0 X X 3 586,35 Berdasarka pada Tabel 8 dketahu la AIC yag terkecl yatu pada model Regres Bomal Negatf, yag artya bahwa Regres Bomal Negatf pemodelaya lebh sesua utuk umlahkasus kaker servks d Jawa Tmur. V. KESIMPULAN DAN SARAN A. Kesmpula Berdasarka hasl aalss da pembahasa, maka telah dperoleh kesmpula sebaga berkut.. Agka kasus kaker servks d Jawa Tmur pada tahu 0 meuukka pegkata da dar 38 Kabupate/Kota ada 6 kasus d setap Kabupate/Kota. D kota Malag merupaka kota yag mempuya kasus kaker serks palg bayak d Jawa Tmur, sedagka ada Kabupate/Kota yag tdak dtemuka teradya kasus kaker servks yatu, Kabupate Lumaag, Jember, Stubodo, Pasurua, Mookerto, Jombag, Bagkala, Pamekasa da Kota Kedr, Kota Probolggo, Kota Surabaya, Kota Batu.. Utuk model Regres Posso varabel predktor yag mempegaruh terhadap umlah kasus kaker servks d Jawa Tmur yatu persetase saraa kesehata, persetase teaga meds, persetase peduduk perempua yag umur kaw pertama 6 tahu, persetase peduduk da Rumah Tagga (RT perempua, persetase peduduk msk, persetase peduduk perempua yag megguaka kodom, persetase perempua dega umlah aak yag dlahrka lebh dar 4, persetase peduduk perempua yag berstatus kaw, persetase peduduk perempua usa 35 tahu, da persetase peduduk yag merokok. 3. Utuk pemodela dega Regres Bomal Negatf varabel predktor yag mempegaruh terhadap umlah kasus kaker servks d Jawa Tmur yatu, persetase saraa kesehata, persetase teaga meds, persetase peduduk perempua yag megguaka kodom, persetase peduduk perempua usa 35 tahu, da persetase peduduk yag merokok. 4. Utuk pemodela umlah kasus kaker servks d Jawa Tmur megguaka GWPR dega fugs kerel fxed Gaussa meuukka bahwa varabel yag sgfka hampr d setap Kabupate yatu varabel Persetase saraa kesehata, Persetase teaga meds, Persetase peduduk perempua yag umur kaw pertama 6 tahu, Persetase peduduk msk, Persetase perempua dega umlah aak yag dlahrka lebh dar 4, Persetase peduduk perempua yag berstatus kaw, Persetase peduduk perempua usa 35, Persetase peduduk yag merokok. 5. Model terbak yag dguaka dalam aalss umlah kasus kaker servks d Jawa tmur yatu dega megguaka model Regres Bomal Negatf, karea dketahu bahwa la AIC palg kecl dar model GWPR. Sehgga model Regres Bomal Negatf lebh sesua utuk umlah kasus kaker servks d Jawa Tmur pada tahu 0. B. Sara Pada proses aalss secara keseluruha varabelvarabel yag ada sgfka. Oleh karea tu terdapat beberapa sara yag drekomedaska utuk peelta selautya, yatu dalam aalss, mash dperluka varabel peduga yag dguaka lebh berhubuga dega kaker servks. DAFTAR PUSTAKA [] Aeahra. (0. Jes Peyakt. []Bozdoga, H. (000. Akake's Iformato Crtero ad Recet Developmets Iformato Complexty. Dalam Mathematcal Psychology (hal. 44, 6-9. [3] Fotherghem, A.S., Brudso, c. da Charlto, M. (00. Geographcally Weghted Regresso : The Aalyss of Spatally Varyg Relatoshp. Chchester: Wley. [4] Myers, R. (990. Classcalad Moder Regresso wth Applcatos, secod edto. Bosto: PWS-KENT Publshg Compay. [5]Nakaya, T., Fothergham, A.S. da Brudso, C. (005. Geographcally weghted Posso regresso for dsease assocato mappg. Statstcs Medce 005; 4: [6] Walpole, E Roald. (995. Pegatar Statstk Eds Ketga. Jakarta : PT. Grameda Pustaka Utama.