ESTIMASI PARAMETER MODEL GEOGRAPHYCALLY WEIGHTED LOGISTIC REGRESSION PRINCIPAL COMPONENT ANALYSIS DENGAN MAKSIMUM LIKELIHOOD


KASIM, SITI IHZA ARSELLA (2021) ESTIMASI PARAMETER MODEL GEOGRAPHYCALLY WEIGHTED LOGISTIC REGRESSION PRINCIPAL COMPONENT ANALYSIS DENGAN MAKSIMUM LIKELIHOOD. Skripsi thesis, Universitas Hasanuddin.

[thumbnail of Cover]
Preview
Image (Cover)
H051171017_skripsi cover1.jpg

Download (254kB) | Preview
[thumbnail of Bab 1-2] Text (Bab 1-2)
H051171017_skripsi bab 1-2.pdf

Download (1MB)
[thumbnail of Dapus] Text (Dapus)
H051171017_skripsi dapus-lamp.pdf

Download (637kB)
[thumbnail of Full Text] Text (Full Text)
H051171017_skripsi.pdf
Restricted to Repository staff only

Download (2MB)

Abstract (Abstrak)

Geographically Weighted Logistic Regression (GWLR) merupakan data spasial yang memiiki variabel respon berdistribusi Bernoulli. Dalam pengaplikasian model GWLR terkadang ditemukan adanya multikolinearitas pada data pengamatan. Multikolinearitas yang tidak teratasi pada data spasial dapat mempengaruhi interpretasi koefisien regresi sehingga untuk mengatasi hal tersebut digunakan model Geographically Weighted Logistic Regression Principal Component Analysis (GWLRPCA) dengan gabungan PCA sebagai metode untuk mengatasi masalah multikolinearitas. Tujuan penelitian ini untuk mengetahui estimasi parameter model GWLRPCA serta memodelkan GWLRPCA pada data Indeks Pembangunan Kesehatan Masyarakat (IPKM) di Provinsi Sulawesi Selatan Tahun 2018. Pada penelitian ini, estimasi parameter dilakukan menggunakan maximum likelihood estimation dengan algoritma fisher scoring. Hasil penelitian menunjukkan variabel yang memberikan pengaruh signifikan terhadap peningkatan probabilitas IPKM Kabupaten/Kota masuk kategori diatas rata-rata nasional adalah cakupan kepemilikan JPK dan akses sanitasi. Secara keseluruhan tingkat akurasi model GWLRPCA dalam mengklasifikasikan IPKM Kabupaten/Kota terhadap IPKM Nasional adalah sebesar 79,17%. Terdapat 22 kabupaten/kota di Provinsi Sulawesi Selatan yang signifikan berpengaruh secara lokal terhadap IPKM Nasional.
Kata Kunci: GWLRPCA, IPKM, MLE, Fisher Scoring, Fixed Gaussian Kernel

Item Type: Thesis (Skripsi)
Subjects: Q Science > Q Science (General)
Depositing User: S.Sos Rasman -
Date Deposited: 29 Sep 2021 03:45
Last Modified: 29 Sep 2021 03:45
URI: http://repository.unhas.ac.id:443/id/eprint/7051

Actions (login required)

View Item
View Item