LIZA KURNIA SARI Primary Author mixed material bibliography Bandung Magister Statistika Terapan, 2015 id Indonesia

xii,;48 hlm,;29 cm ABSTRAK 1. Judul Tesis Geographically Weighted Negative Binomial Regression pada Data Bayi dengan Berat Badan Lahir Rendah 2. Subjek 1. BBLR 2. overdispersi 3. GWNBR 4. bandwidth 5. matriks pembobot 3. Abstrak Model regresi global mengasurnsikan sebuah model tunggal dapat menjelaskan hubungan antara banyak bayi yang lahir dengan berat badan lahir rendah (BBLR) dengan faktor penyebabnya di seluruh wilayah penelitian. Ketidakstasioneran spasial data tidak dapat dijelaskan oleh sebuah model global. Geographically Weighted Negative Binomial Regression (GWNBR) merupakan model regresi untuk data cacahan yang berdistribusi Poisson tetapi mengalami overdispersi dan ketidakstasioneran spasial. GWNBR menghasilkan model-model lokal dengan taksiran parameter yang berlaku lokal sesuai karakteristik titik pengamatan. Parameter model GWNBR dihitung berdasarkan pembobot kernel adaptif kuadrat ganda Parameter regresi ditaksir dengan metode iterasi IRWLS dan Newton Raphson secara bergantian hingga nilainya konvergen. Penelitian ini menentukan vari ab el yang berpengaruh terhadap BBLR di setiap kabupatenlkota di Nusa Tenggara Timur. Model GWNBR mengelompokkan kabupatenlkota di Nusa Tenggara Timur menjadi 8 kelompok berdasarkan variabel yang berpengaruh signifikan terhadap kejadian BBLR. Berdasarkan nilai devians, model lokal GWNBR yang dihasilkan lebih baik untuk memodelkan data BBLR di Nusa Tenggara Timur daripada model global regresi binomial negatif 4. Abstract Global regression assumes a single model can explain the relationship between low birth weight (LBW) births and contributing factor in all parts of study area. Spatial non-stationarity in data cannot be explained by a global model. Geographically Weighted Negative Binomial Regression (GWNBR) is a tool for the modelling of non-stationarity count data with overdispersion. GWNBR produce local models with parameter estimation applies locally appropriate characteristics observation point. The geographically weights are calculated using the adaptive bi-square kernel. The parameter estimation is performed iteratively with the combination of IRLS and Newton-Raphson methods. This study determines the variables that affect the LBW in LIZA KURNIA SARI 1. Judul Tesis Geographically Weighted Negative Bi 519 Perpustakaan Universitas Padjadjaran Kementerian Riset Teknologi dan Pendidikan Tinggi 519 Sar g/R.14.8 01001150700002 Perpustakaan Pusat (REF.14.8) 519 Sar g 20%252Fscan0001.jpg.jpg 10227 2017-04-01 15:42:29 2018-05-16 10:12:58 machine generated