BAYESIAN GEOGRAPHICALLY WEIGHTED REGRESSION DALAM PEMODELAN ANGKA INCIDENCE RATE

I Gede Nyoman Mindra Jaya, Neneng Sunengsih

Sari


Dalam dunia kesehatan angka incidence rate dikenal sebagai angka yang menunjukkan jumlah penderita baru suatu penyakit dalam periode waktu tertentu dibandingkan atas populasi yang beresiko pada periode waktu tersebut. Angka ini umumnya dijadikan rujukan untuk memetakan resiko kesehatan suatu lokasi dan mengkaji lebih jauh faktor-faktor resiko yang berpengaruh pada tinggi rendahnya resiko suatu penyakit pada lokasi tertentu. Pemodelan faktor-faktor resiko terhadap angka incidence rate umumnya dilakukan menggunakna metode regresi linear namun pendekatan ini menemukan kendala untuk data yang mengandung heterogenitas spasial, yaitu kondisi dimana faktor resiko memiliki pengaruh yang berbeda untuk setiap lokasi. Sehingga dalam pemodelan yang dinilai lebih tepat adalah pemodelan Geographically Weighted Regression (GWR). Metode Bayesian diperkenalkan dalam menaksir parameter GWR untuk memberikan hasil taksiran yang lebih ajeg.

 

Kata Kunci. Bayesian, GWR, Incidence Rate 


Teks Lengkap:

PDF

Referensi


Chumney, Frances L. 2012. Comparison of Maximum Likelihood, Bayesian, Partial Least Squares, and Generalized Structured Component Analysis Methods for Estimation of Structural Equation Models with Small Samples: An Exploratory Study. Public Access Theses and Dissertations from the College of Education and Human Sciences. 145. http://digitalcommons.unl.edu/cehsdiss/145

Fotheringham, A stewart dkk. 2002. Geographically weighted Regression The Analysis Of Spasially Verying Relationship. United Kingdom : University of Newcastle.

Fotheringham, A., Brunsdon, C., & Charlton, M. 2002. Geographically weighted regression: the analysis of spatially. New York: John Wiley and Sons.

Guo, L., Ma, Z., & Zhang, L. 2008. Comparison of bandwidth selection in application of geographically weighted regression: a case study. Can. J. For. Res , 38, 2526–2534.

Jaya, I. G., Abdullah, A. S., Hermawan, E., & Ruchjana, B. N. (2016). Bayesian Spatial Modeling and Mapping of Dengue Fever: A Case Study of Dengue Fever in The City of Bandung, Indonesia. International Journal of Applied Mathematics and Statistics , 54 (3), 94-103.

Jaya, I. G., Folmer, H., Ruchjana, B. N., Kristiani, F., & Andriyana, Y. 2017. Modeling of Infectious Diseases: A Core Research Topic for the Next Hundred Years. Dalam R. Jackson, & P. Schaeffer, Regional Research Frontiers-Vol 2 (hal. 239-255). United State: Springer International Publishing.

LeSage, J. P. (2004). A Family of Geographically Weighted Regression Models. Dalam L. Anselin, R. Florax, & S. J. Rey, Advances in Spatial Econometrics: Methodology, Tools and Applications (hal. 241-263). Berlin: Springer.

Matthews, S. A., & Yang, T. C. 2012. Mapping the results of local statistics: Using geographically weighted regression. Demographic Research , 26 (6), 151-166.

Nakaya, T., Fotheringham, A., Brunsdon, C., & Charlton, M. (2005). Geographically weighted Poisson regression for disease association mapping. Statist. Med. , 24, 2695–2717.

Oktavia, Mega. 2011. Estimasi Model Linier Spasial Dengan Geographically Weighted Weighed Poisson Regression (GWPR). Tugas Akhir Matematika-Fakultas SAINS dan Teknologi UIN, Malang.

Pringle, D. 1996. Mapping Disease Risk Estimates Based on Small Numbers: An Assessment of Empirical Bayes Techniques. The Economic and Social Review , 27 (4), 341-363.

Rothman, K. J., Greenland, S., & Lash, T. L. 2008. Modern Epidemiology, 3rd Edition. California: Lippincott Williams & Wilkins.

Schabenberger, O. & Gotway, C.A. 2005. Statistical Methods for Spasial Data Analysis, Chapman & Hall/CRC.

Tango, T. 2010. Statistical Methods for Disease Clustering. Japan: Springer.


Refbacks

  • Saat ini tidak ada refbacks.


EUCLID terindeks oleh Google Scholar, ResearchBib, IPI, IOS dan Sinta.

This work is licensed under a Creative Commons Attribution - Share Alike 4.0 International License