Estimasi Parameter Dan Pengujian Hipotesis Bivariate Spatial Error Model (Studi Kasus : Pemodelan Pneumonia Dan ISPA di Tingkat Desa Kabupaten Tuban )

Eriani, Seni (2024) Estimasi Parameter Dan Pengujian Hipotesis Bivariate Spatial Error Model (Studi Kasus : Pemodelan Pneumonia Dan ISPA di Tingkat Desa Kabupaten Tuban ). Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6003222009-Masther_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2027. Download (2MB) | Request a copy

Abstract

Regresi spasial adalah metode yang digunakan untuk mengetahui hubungan antar variabel respon dengan variabel prediktor yang memperhatikan pengaruh lokasi atau spasial dari data pengamatan. Pengaruh lokasi ditunjukkan dengan adanya dependensi spasial. Spatial Error Model (SEM) merupakan salah satu metode regresi spasial area yang terdapat dependensi spasial pada error model. Dalam perkembangannya, banyak kasus yang memiliki lebih dari satu variabel respon sehingga SEM dikembangkan menjadi Bivariate Spatial Error Model (BSEM) dengan dua variabel respon kontinyu yang saling berkorelasi. Penelitian ini bertujuan untuk mendapatkan estimasi parameter dan statistik uji hipotesis pada model BSEM. Estimasi parameter menggunakan Maximum Likelihood Estimation (MLE) untuk mengestimasi koefisien model BSEM dan matriks varians-kovarians serta aproksimasi numerik means of concentrated log-likelihood untuk mengestimasi parameter efek spasial. Pengujian hipotesis menggunakan metode Maximum Likelihood Ratio Test (MLRT) untuk pengujian hipotesis secara serentak dan Uji Wald untuk pengujian hipotesis secara parsial. Selanjutnya, BSEM diaplikasikan untuk memodelkan persentase kasus pneumonia dan infeksi saluran pernafasan akut (ISPA) pada balita di Kabupaten Tuban tahun 2023 dengan menggunakan lima variabel prediktor serta pembobot khusus yaitu queen contiguity. Hasil penelitian didapatkan model BSEM untuk persentase kasus pneumonia dan ISPA pada balita di Kabupaten Tuban tahun 2023 dengan variabel prediktor yang berpengaruh terhadap model yaitu persentase bayi yang mendapatkan ASI eksklusif, persentase balita yang mendapatkan vitamin A dan persentase ibu hamil yang mengikuti kelas ibu hamil.
==================================================================================================================================
Spatial regression is a method used to determine the relationship between response variables and predictor variables that take into account the location or spatial influence of the observation data. Location effects are indicated by the presence of spatial dependencies. Spatial Error Model (SEM) is one of the area spatial regression methods where there are spatial dependencies in the error model. In its development, many cases have more than one response variable so SEM was developed into a Bivariate Spatial Error Model (BSEM) with two correlated continuous response variables. This study aims to obtain parameter estimators and hypothesis test statistics on the BSEM model. Parameter estimation uses Maximum Likelihood Estimation (MLE) to estimate the BSEM model coefficients and variance-covariance matrix and numerical means approximation of concentrated log-likelihood to estimate the spatial effects parameters. Hypothesis testing uses the Maximum Likelihood Ratio Test (MLRT) method for simultaneous hypothesis testing and the Wald Test for partial hypothesis testing. Furthermore, BSEM was applied to model the percentage of pneumonia and acute respiratory infections (ARI) cases among children under five years old in Tuban Regency in 2023 using five predictor variables and a special weight, queen contiguity. The results of the study obtained a BSEM model for the percentage of pneumonia and ARI cases among children under five years old in Tuban district in 2023 with predictor variables that influence the model are the percentage of infants who are exclusively breastfed, the percentage of toddlers who get vitamin A and the percentage of pregnant women who attend pregnancy classes.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	BSEM, ISPA, MLE, MLRT, Pneumonia, ARI
Subjects:	H Social Sciences > HA Statistics > HA30.6 Spatial analysis H Social Sciences > HA Statistics > HA31.3 Regression. Correlation. Logistic regression analysis. H Social Sciences > HA Statistics > HA31.7 Estimation
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49101-(S2) Master Thesis
Depositing User:	Seni Eriani
Date Deposited:	30 Dec 2024 07:00
Last Modified:	30 Dec 2024 07:00
URI:	http://repository.its.ac.id/id/eprint/116063

Actions (login required)

View Item