ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG) DENGAN METODE FISHER SCORING oleh AULIA NUGRAHANI PUTRI M0112014 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET SURAKARTA 2016 i
ii
ABSTRAK Aulia Nugrahani Putri. 2016. ESTIMASI PARAMETER MODEL REGRE- SI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG) DENGAN ME- TODE FISHER SCORING. Fakultas Matematika dan Ilmu Pengetahuan Alam. Universitas Sebelas Maret. Model RLOTG merupakan gabungan model regresi logistik ordinal (RLO) dan model regresi terboboti geografis (RTG). Pada model tersebut terdapat variabel respon, variabel prediktor, dan parameter. Variabel respon dan variabel prediktor dapat ditentukan berdasarkan data sampel, sedangkan parameternya belum diketahui sehingga diperlukan estimasi parameter berdasarkan data sampel tersebut. Estimasi parameter model RLOTG menggunakan metode maksimum likelihood. Dalam estimasi parameter dengan metode tersebut ditemui kendala yaitu sistem persamaan nonlinear yang sulit ditentukan penyelesaian eksak. Oleh karena itu, penyelesaiannya ditentukan secara numerik dengan metode Fisher scoring. Tujuan penelitian ini adalah menentukan estimasi parameter model RLO- TG dengan metode Fisher scoring dan menerapkannya pada data tingkat kerawanan demam berdarah dengue (DBD) di Kota Semarang. Hasil estimasi parameter model RLOTG dengan metode Fisher scoring adalah ˆV = V m+1 dengan V m+1 = V m + Inf 1 m S m dan nilai awal yang digunakan adalah nilai estimasi parameter model regresi logistik ordinal. Pada penerapan, hasil estimasi parameter untuk kelurahan Kuningan yaitu ˆV = [ 4.704688, 2.829467, 0.000042, 0.000048, 0.000533, 0.638496, 0.017453] T dan untuk kelurahan Tinjomoyo yaitu ˆV = [ 4.835065, 2.821396, 0.000004, 0.000047, 0.000376, 0.746907, 0.018490] T dengan ˆV = [ ˆα 1 (u i, v i ), ˆα 2 (u i, v i ), ˆβ 1 (u i, v i ), ˆβ 2 (u i, v i ), ˆβ 3 (u i, v i ), ˆβ 4 (u i, v i ), ˆβ 5 (u i, v i )] T. Parameter ˆα 1 (u i, v i ) dan ˆα 2 (u i, v i ) merupakan parameter intersep yang digunakan untuk membentuk kategori model RLOTG, sedangkan parameter ˆβ 1 (u i, v i ), ˆβ 2 (u i, v i ), ˆβ 3 (u i, v i ), ˆβ 4 (u i, v i ), ˆβ 5 (u i, v i ) merupakan parameter regresi. Kelima parameter regresi tersebut, nilai parameter ˆβ 4 (u i, v i ) (sarana kesehatan) pada kedua kelurahan memiliki nilai yang paling besar. Oleh karena itu, sarana kesehatan memiliki pengaruh yang paling besar terhadap peluang banyaknya penderita DBD di kedua kelurahan tersebut. Berdasarkan banyaknya penderita DBD, dapat ditentukan kategori IR DBD pada kedua kelurahan tersebut. Kata kunci : estimasi parameter, model RLOTG, metode Fisher scoring iii
ABSTRACT Aulia Nugrahani Putri. 2016. PARAMETERS ESTIMATION OF GEOGRA- PHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION (GWOLR) MO- DEL WITH FISHER SCORING METHOD. Faculty of Mathematics and Natural Sciences. Sebelas Maret University. The GWOLR model is a combination of ordinal logistic regression (OLR) and geographically weighted regression (GWR) models. In this model there are response variables, predictor variables, and parameters. The response variables and predictor variables can be determined based on sample data, whereas the parameters are not known so that we need parameters estimation based on these sample data. Parameters estimation of GWOLR model with maximum likelihood method. There is a problem found in the parameters estimation using this method, it is the nonlinear equation system that difficult to be determined the exact solution. Therefore, the solution is determined numerically with Fisher scoring method. The aims of this research are to determine parameters estimation of GWOLR model with Fisher scoring method and to apply it on the data of dengue hemorrhagic fever (DHF) vulnerability level at Semarang City. The result of parameters estimation of GWOLR model with Fisher scoring method is ˆV = V m+1 with V m+1 = V m + Inf 1 m S m and the initial value that used is the value of parameters estimation of ordinal logistic regression model. The result of parameters estimation for Kuningan village is ˆV = [ 4.704688, 2.8 29467, 0.000042, 0.000048, 0.000533, 0.638496, 0.017453] T and for Tinjomoyo village is ˆV = [ 4.835065, 2.821396, 0.000004, 0.000047, 0.000376, 0.746907, 0.018490] T with ˆV = [ ˆα 1 (u i, v i ), ˆα 2 (u i, v i ), ˆβ 1 (u i, v i ), ˆβ 2 (u i, v i ), ˆβ 3 (u i, v i ), ˆβ 4 (u i, v i ), ˆβ 5 (u i, v i )] T. The ˆα 1 (u i, v i ) and ˆα 2 (u i, v i ) parameters are the intercept parameters that used to form the GWOLR model category, meanwhile ˆβ 1 (u i, v i ), ˆβ 2 (u i, v i ), ˆβ 3 (u i, v i ), ˆβ 4 (u i, v i ), and ˆβ 5 (u i, v i ) are the regression parameters. From the fifth regression parameters, the value of parameter ˆβ 4 (u i, v i ) (health facilities) in the two villages has the greatest value. Therefore, the health facilities have the greatest effect on the chance of the number of DHF patient at these both villages. Based on the number of DHF patient, we can determine IR DHF category at these both villages. Keywords : parameters estimation, GWOLR model, Fisher scoring method iv
PERSEMBAHAN Karya ini kupersembahkan untuk ibu, bapak, dan kakak atas doa dan semangat yang diberikan. v
KATA PENGANTAR Segala puji dan syukur penulis panjatkan kepada Allah SWT yang telah melimpahkan rahmat dan hidayah-nya sehingga penulis dapat menyelesaikan skripsi ini. Penulis mengucapkan terima kasih kepada 1. Dra. Purnami Widyaningsih, M.App.Sc. sebagai Pembimbing I yang telah memberikan bimbingan, pengarahan, dan saran selama proses penyusunan skripsi, dan 2. Dr. Dewi Retno Sari Saputro, S.Si., M.Kom. sebagai Pembimbing II yang telah memberikan bimbingan, saran, dan motivasi selama proses penyusunan skripsi. Semoga skripsi ini bermanfaat. Surakarta, September 2016 Penulis vi
DAFTAR ISI HALAMAN JUDUL............................ i PENGESAHAN............................... iii ABSTRAK................................. iii ABSTRACT................................ iv PERSEMBAHAN.............................. v KATA PENGANTAR........................... vi DAFTAR ISI................................ viii I PENDAHULUAN 1 1.1 Latar Belakang Masalah....................... 1 1.2 Perumusan Masalah......................... 3 1.3 Tujuan................................. 4 1.4 Manfaat................................ 4 II LANDASAN TEORI 5 2.1 Tinjauan Pustaka........................... 5 2.1.1 Model Regresi......................... 6 2.1.2 Model RLO.......................... 6 2.1.3 Model RLOTG........................ 7 2.1.4 Distribusi Multinomial.................... 7 2.1.5 Pembobot Fixed Gaussian.................. 8 2.1.6 Metode Maksimum Likelihood................ 8 2.1.7 Metode Fisher Scoring.................... 9 2.2 Kerangka Pemikiran......................... 10 vii
III METODE PENELITIAN 11 IV HASIL DAN PEMBAHASAN 14 4.1 Estimasi Parameter.......................... 14 4.2 Penerapan............................... 23 V PENUTUP 27 5.1 Kesimpulan.............................. 27 5.2 Saran.................................. 28 DAFTAR PUSTAKA 30 viii