Geographically Weighted Logistic Regression
Geographically Weighted Logistic Regression
Geographically Weighted Logistic Regression
1
Jurusan Matematika, Fakultas MIPA - Universitas Udayana [Email: evi.noviyantari@gmail.com]
2
Jurusan Matematika, Fakultas MIPA - Universitas Udayana [Email: sukarsakomang@yahoo.com]
3
Jurusan Matematika, Fakultas MIPA - Universitas Udayana [Email: susilawati.made@gmail.com]
$
Corresponding Author
ABSTRACT
This research is aim to determine the comparison of logistic regression models and models
Geographically Weighted Logistic Regression and the factors that significantly affect the risk of
pneumonia in toddlers in East Java Province. Logistic regression is a statistical analysis that is used
to describe the response variable is categorical with the independent variables are categorical or
continuous. The main problem of this method if it’s applied in data that is affected of geographic
location or spatial data. One of many method to solve the spatial data is Geographically Weighted
Logistic Regression (GWLR). GWLR is a statistical method for analyze the data to account for spatial
factor. The results showed that there are no significant differences between the logistic regression
model with GWLR model. Factors that significantly affect the risk of pneumonia in toddlers in East
Java Province is the percentage of low birth weight, the percentage of toddlers who get measles
immunization, the percentage of toddlers who get vitamin A, and the percentage of toddlers who get
DPT+HB immunization.
1. PENDAHULUAN
Penyakit pneumonia merupakan salah satu penduduk, serta faktor ibu baik pendidikan,
penyebab dari kesakitan dan kematian pada umur, maupun pengetahuan ibu. Berdasarkan
anak di seluruh dunia. Pneumonia terjadi uraian di atas, maka sangat diperlukan upaya
karena infeksi akut yang mengenai jaringan serius dalam menangani masalah pneumonia
paru-paru, dengan gejala berupa batuk pilek tersebut.
yang disertai nafas sesak dan nafas cepat Salah satu cara yang dapat dilakukan
karena paru-paru yang meradang secara untuk menurunkan angka kesakitan dan
mendadak. Beberapa faktor risiko kesakitan kematian pada anak adalah mengetahui faktor-
dan kematian akibat penyakit pneumonia, yaitu faktor penyebabnya. Faktor-faktor penyebab
faktor instrinsik dan faktor ekstrinsik (Noviana, terjadinya pneumonia pada tiap wilayah diduga
et al. [5]). berbeda-beda tergantung pada karakteristik dari
Faktor instrinsik meliputi status gizi, berat masing-masing kabupaten atau kota tersebut.
badan lahir rendah, status imunisasi, pemberian Oleh karena itu, diperlukan suatu metode
ASI, dan pemberian vitamin A. Sedangkan pemodelan statistik dengan memperhitungkan
Faktor ekstrinsik meliputi kepadatan tempat faktor spasial untuk setiap pengamatannya.
tinggal, polusi udara, tipe rumah, letak dapur, Metode statistika yang telah dikembangkan
jenis bahan bakar, penggunaan obat nyamuk, untuk menganalisis data dengan
asap rokok, penghasilan keluarga, jumlah memperhitungkan faktor spasial adalah
31
E. N. Fatimah, I K.G.Sukarsa, M.Susilawati Pemodelan Risiko Penyakit Pneumonia pada Balita..
p
dan j, dengan persamaan:
exp k u i , v i x ik
k0
( ) √( ) ( ) , h adalah
p
4. Menganalisis model GWLR dengan Kabupaten Ngawi yaitu sebesar 3,70 persen
langkah sebagai berikut: dan persentase balita gizi buruk yang terendah
a. Menghitung jarak Euclidean antar berada di Kabupaten Jember yaitu sebesar 0,21
lokasi pengamatan berdasarkan posisi persen.
geografis, menentukan bandwidth Persentase berat bayi lahir rendah ( )
optimum dan menghitung matriks yang tertinggi berada di Kota Madiun yaitu
pembobot dari setiap lokasi sebesar 9,66 persen. Sedangkan Kabupaten
pengamatan dengan menggunakan Bangkalan merupakan daerah dengan tingkat
fungsi pembobot gaussian kernel persentase berat bayi lahir rendah yang
b. Menduga parameter model GWLR terendah yaitu sebesar 1,25 persen. Kabupaten
c. Melakukan pengujian kesamaan model Malang merupakan kabupaten dengan
regresi logistik dan model GWLR persentase balita yang mendapatkan imunisasi
d. Melakukan pengujian parameter model campak ( ) yang tertinggi yaitu sebesar
GWLR dengan fungsi pembobot 112,27 persen dan persentase balita yang
gaussian kernel mendapatkan imunisasi campak yang terendah
5. Membandingkan model regresi logistik berada di Kota Kediri yaitu 78,67 persen.
dengan model GWLR Persentase balita yang mendapatkan
vitamin A ( ) tertinggi berada di Kota Malang
3. HASIL DAN PEMBAHASAN yaitu sebesar 98,87 persen dan Kabupaten
Sampang merupakan daerah dengan tingkat
3.1. Gambaran Pneumonia di Jawa Timur
persentase balita yang mendapatkan vitamin A
terendah yaitu 34,09 persen. Persentase
Gambaran umum mengenai risiko
pemberian ASI ekslusif ( ) pada balita
penyakit pneumonia pada balita di Jawa Timur
terendah terdapat di Kabupaten Lamongan
dapat dilihat pada Tabel berikut.
yaitu sebesar 37.82 persen dan persentase
pemberian ASI ekslusif pada balita tertinggi
Tabel 1. Statistika Deskriptif Risiko Penyakit
terdapat di Kabupaten Bangkalan yaitu sebesar
Pneumonia 87,08 persen. Kabupaten Sampang merupakan
Variabel Mean StDEv Min Max kabupaten dengan persentase balita yang
Y 29,01 23,58 3,71 90,17 mendapatkan imunisasi DPT+HB ( ) tertinggi
X1 1,199 0,741 0,210 3,700 yaitu sebesar 128,24 persen dan persentase
X2 3,630 1,515 1,250 9,660
balita yang mendapatkan imunisasi DPT+HB
X3 99,39 6,99 78,67 112,27
terendah berada di Kota Kediri yaitu 79,86
X4 76,95 12,59 34.09 98,87
persen.
X5 64,20 10,68 37,82 87,08
X6 102,23 8,21 79,86 128,24
3.2. Model Regresi Logistik
Tabel 1 menunjukkan bahwa persentase Sebelum membentuk suatu model regresi
rata-rata balita penderita pneumonia (Y) di logistik, maka perlu dilakukan uji
Provinsi Jawa Timur tahun 2012 sebesar 29,01 multikolinieritas untuk mengetahui apakah
persen. Kabupaten Probolinggo merupakan antar variabel-variabel bebas tidak saling
kabupaten dengan persentase balita penderita berkorelasi. Untuk mengetahui apakah terjadi
pneumonia yang terendah yaitu sebesar 3,71 multikolinieritas, maka digunakan nilai
persen dan yang tertinggi berada di Kabupaten koefisien korelasi (Pearson Correlation).
Bojonegoro sebesar 90,17 persen. Persentase Berdasarkan nilai koefisien korelasi dari
rata-rata balita gizi buruk ( ) di Provinsi Jawa masing-masing variabel bebas diperoleh hasil
Timur sebesar 1,199 persen dengan persentase bahwa tidak ada hubungan korelasi yang kuat
balita gizi buruk yang tertinggi berada di antar variabel bebas, sehingga variabel-variabel
E-Jurnal Matematika Vol. 4 (2), Mei 2015, pp. 31-36 ISSN: 2303-1751
bebas tersebut dapat digunakan dalam dilakukan untuk mengetahui apakah model
pembentukan model regresi logistik. GWLR lebih sesuai digunakan dibandingkan
Berdasarkan analisis dengan menggunakan dengan model regresi logistik. Hipotesis yang
regresi logistik, maka model regresi logistik digunakan sebagai berikut:
yang terbentuk untuk data risiko penyakit ( ) (tidak ada
pneumonia pada balita di Provinsi Jawa Timur perbedaan yang signifikan antara model
adalah: regresi logistik dan GWLR)
( ) ( ( ) yang
) berhubungan dengan lokasi ( ) (ada
perbedaan yang signifikan antara model
Berdasarkan model regresi logistik yang
regresi logistik dan GWLR)
terbentuk maka dapat disimpulkan bahwa
persentase berat bayi lahir rendah ( ) dan
Tabel 2. Uji Kesesuaian Model Regresi
persentase balita yang mendapatkan imunisasi Logistik dan Model GWLR
campak ( ) dapat meningkatkan peluang
Provinsi Jawa Timur mengalami persentase Model Devians df Devians/df
Regresi Logistik 36,826 31,00 1,188
penderita penyakit pneumonia di atas 27,8
GWLR 34,371 29,38 1,170
persen. Sedangkan untuk variabel persentase
balita yang mendapatkan vitamin A ( ) dan
Berdasarkan Tabel 2 didapatkan bahwa
persentase balita yang mendapatkan imunisasi
nilai yang diperoleh dari model regresi
DPT+HB ( ) dapat menurunkan peluang
Provinsi Jawa Timur mengalami persentase logistik dan model GWLR sebesar
penderita penyakit pneumonia di atas 27,8 1,015384615 apabila digunakan tingkat
persen. signifikansi (α) sebesar 0,05 maka diperoleh
nilai sebesar 1,848151713, sehingga
dapat disimpulkan bahwa terima H0 yang
3.3. Model Geographically Weighted Logistic
Regression (GWLR) artinya tidak ada perbedaan yang signifikan
antara model regresi logistik dan GWLR.
Langkah pertama dalam mendapatkan Selanjutnya dilakukan pengujian parameter
model GWLR adalah menentukan letak secara parsial. Pengujian dilakukan untuk
geografis berdasarkan garis Lintang Selatan mengetahui faktor-faktor yang berpengaruh
dan garis Bujur Timur untuk setiap terhadap risiko penyakit pneumonia pada balita
kabupaten/kota di Provinsi Jawa Timur, di setiap lokasi ( ). Berdasarkan hasil
menghitung jarak Euclidean antara lokasi analisis model GWLR diperoleh hasil bahwa
pengamatan, menentukan nilai bandwidth terdapat beberapa variabel yang berpengaruh
optimum dan menghitung matriks pembobot signifikan di semua titik lokasi yaitu adalah
dari masing-masing titik lokasi. Pembobot persentase berat bayi lahir rendah ( ),
spasial yang digunakan pada model GWLR persentase balita yang mendapatkan imunisasi
untuk menghitung matriks pembobot tersebut campak ( ), persentase balita yang
adalah fungsi pembobot gaussian kernel. mendapatkan vitamin A ( ), dan persentase
Persamaan dari fungsi pembobot gaussian balita yang mendapatkan imunisasi DPT+HB
kernel sebagai berikut: ( ). Selain itu juga terlihat bahwa pada model
( ) ( ( ⁄ ) ) regresi logistik dan GWLR menunjukkan
bahwa pada data risiko penyakit pneumonia
Pada model GWLR dilakukan pengujian pada balita di Provinsi Jawa Timur
kesesuaian model regresi logistik dengan model mengandung kasus overdispersi karena nilai
GWLR dan pengujian parameter model GWLR devians dari model regresi logistik dan GWLR
secara parsial. Pengujian kesesuaian model yang masing-masing nilai deviansnya dibagi
E. N. Fatimah, I K.G.Sukarsa, M.Susilawati Pemodelan Risiko Penyakit Pneumonia pada Balita..