PEMODELAN REGRESI SPASIAL PADA KASUS DEMAM BERDARAH DENGUE (DBD)

THE 5TH URECOL PROCEEDING

18 February 2017

UAD, Yogyakarta

PEMODELAN REGRESI SPASIAL PADA KASUS DEMAM BERDARAH DENGUE (DBD) Putri Ayu Setiyowati1), Safaat Yulianto2) Departemen Statistika, (AIS) Muhammadiyah Semarang email: [email protected] 2 Departemen Statistika, (AIS) Muhammadiyah Semarang email: [email protected]

1

Abstract Demam Berdarah Dengue (DBD) today became one of health problem for the Indonesian people that caused high of mortality rate. Dengue is a disease caused by the dengue virus. Its transmitted to humans through the bite of mosquito Aedes aegypti. This study aimed to determine the spatial model cases of DBD in Ngaliyan district in the year of 2015, and also how much influence of the area adjacent to the spread of dengue cases in Ngaliyan district in the year of 2015. The modeling done with a regional approach, it is the method of Spatial Autoregressive (SAR) by using a spatial weighting matrix based on the relationship of neighborhood. The variables used in this study are Dependent variable; it cover the number cases of DBD, and the independent variables; its cover the population density, building free of wiggler, and the average of visitation to the health centre. The result of the analysis of test spatial effect (spatial autocorrelation) indicate that there is spatial autocorrelation of 0,2342 Keywords: DBD, Regresi Spasial, Spatial Autoregressive Model (SAR), neigborhood PENDAHULUAN Demam Berdarah Dengue (DBD) merupakan salah satu masalah kesehatan penting bagi masyarakat Indonesia dan sering menimbulkan suatu letusan kejadian luar biasa (KLB) serta menimbulkan kematian yang besar. DBD merupakan penyakit yang disebabkan oleh virus Dengue yang ditularkan ke manusia melalui gigitan nyamuk Aedes aegypti yang terinfeksi virus Dengue. Penyakit DBD pertama kali ditemukan pada tahun 1968 di Surabaya dengan kasus 58 orang anak, 24 diantaranya meninggal dunia (Kemenkes RI 2010). Dinas kesehatan provinsi Jawa Tengah mencatat sejak Januari hingga 19 Februari 2016 terdapat 1.833 kasus DBD. Dari jumlah kasus tersebut sebanyak 43 orang telah meninggal dunia. Sementara itu Dinas Kesehatan Kota Semarang mencatat pada Tahun 2013 ada 2.364 kasus Demam Berdarah Dengue (DBD) dengan kematian 27 orang. Tahun 2014 terdapat 1.628 kasus dengan kematian 27 orang. Tahun 2015 terdapat 1.737 kasus dengan kematian 21 orang. Pada Tahun 2016 sampai dengan minggu ke – 19, kasus DBD yang terjadi ada 1.124 dengan 22 angka kematian. Dari 16 kecamatan di Kota


Semarang yang menduduki peringkat pertama yakni Kecamatan Tembalang, dimana sepanjang 2013 hingga Bulan Mei lalu mencapai 172 kasus dan yang meninggal dunia sebanyak satu penderita. Di susul kemudian, Kecamatan Mijen terdapat 49 kasus dengan kematian 1 orang, serta Kecamatan Ngaliyan 109 kasus (Galih, 2016) Setelah di lihat dari beberapa kasus DBD yang menimbulkan angka kematian yang cukup tinggi, Maka perlu dilakukan identifikasi faktor – faktor yang mempengaruhi hal tersebut. Kasus DBD setiap wilayah di daerah yang berbeda memiliki faktor pengaruh yang berbeda, sehingga diperlukan analisis yang dapat mengetahui faktor – faktor yang mempengaruhi kasus DBD di suatu wilayah dengan memperhatikan pengaruh daerah yang berdekatan (Pratiwi et al. 2013). Analisis regresi merupakan salah satu metode statistika yang digunakan untuk mengetahui seberapa besar pengaruh varibel independen terhadap variabel dependen. sehingga dihasilkan suatu model persamaan yang dapat digunakan untuk memprediksi variabel dependen jika diketahui variabel independennya. Regresi biasa dengan metode

241

ISBN 978-979-3812-42-7


18 February 2017

OLS (Ordinary Least Square) tidak memperhatikan posisi atau lokasi data yang digunakan (Rita dan Diah, 2015). Menurut Schabenberger (2004) analisis regresi dengan metode OLS berbeda dengan regresi spasial yang memperhatikan unsur spasial dalam analisisnya. Sesuai hukum pertama tentang geografis yang menjadi salah satu dasar pengembangan analisis spasial dikemukakan oleh Tobler yang menyatakan “ everything is related to everything else, but near things are more related than distant things” (Rita dan Diah, 2015). Regresi spasial terdiri dari 3 macam yaitu spasial autoregressive, spasial error, dan SARMA. Hal yang sangat penting dalam analisis spasial adalah adanya pembobot atau sering disebut sebagai matriks pembobot spasial. Matriks pembobot spasial digunakan untuk menentukan bobot antar lokasi yang diamati berdasarkan hubungan ketetanggaan antar lokasi (Triastuti et al, 2011). Pada umumnya ketetanggaan antar lokasi didasarkan pada sisi – sisi utama bukan sudutnya. Menurut kosfeld dalam (Triastuti et al, 2011) matriks pembobot spasial W dapat diperoleh dari dua cara yaitu matriks pembobot terstandarisasi (standardize contiguity matrix W) dan matriks pembobot tak terstandarisasi (unstandardize contiguity matrix W). Tujuan penelitian ini adalah untuk mengetahui gambaran umum kasus DBD di Kecamatan Ngaliyan Tahun 2015, Mengetahui seberapa besar pengaruh daerah yang berdekatan terhadap penyebaran kasus DBD di Kecamatan Ngaliyan Tahun 2015, Dengan variabel yang digunakan dalam penelitian ini adalah jumlah kasus DBD, kepadatan penduduk, bangunan bebas jentik nyamuk, rata-rata kunjungan ke Puskesmas (Erni, 2015). KAJIAN LITERATUR DAN PENGEMBANGAN HIPOTESIS a. Statistik Deskriptif Statistik deskriptif merupakan suatu analisis yang digunakan untuk mengetahui gambaran kasus demam berdarah dengue (DBD ) pada masing – masing kelurahan di Kecamatan Ngaliyan tahun 2015 beserta


UAD, Yogyakarta

variabel – variabel yang mempengaruhinya. Hasil pembahasan disampaikan dalam bentuk diagram tabel. b. Matriks Pembobot spasial (W) Matriks pembobot spasial digunakan untuk menentukan bobot antar lokasi yang diamati berdasarkan hubungan ketetanggaan antar lokasi (Triastuti et al, 2011). Menurut kosfeld (2006) matriks pembobot spasial W dapat diperoleh dari dua cara yaitu matriks pembobot terstandarisasi (standardize contiguity matrix W) dan matriks pembobot tak terstandarisasi (unstandardize contiguity matrix W). Matriks pembobot terstandarisasi (standardize contiguity matrix W) merupakan matriks pembobot yang diperoleh dengan cara memberikan bobot yang sama rata terhadap tetangga lokasi terdekat dan yang lainnya nol, sedangkan matriks pembobot tak terstandarisasi (unstandardize contiguity matrix W) merupakan matriks pembobot yang diperoleh dengan cara memberikan bobot satu bagi tetangga terdekat dan yang lainnya nol (Triastuti et al, 2011). Menurut Lee dan Wong (2001) dalam (Faiz et al. 2013), salah satu yang sangat penting dalam analisis adalah penentuan bobot. Cara untuk memperoleh matriks pembobot spasial (W) yaitu dengan menggunakan informasi jarak dari ketetanggaan (neighborhood) kedekatan antara satu wilayah dengan wilayah yang lain. Jika data didapatkan di sejumlah lokasi (n), maka matriks pembobot spasial akan menjadi 𝑛 × 𝑛. Matriks pembobot spasial dapat diklasifikasikan melalui beberapa cara sebagai berikut: 1. Bobot untuk dua lokasi yang berbeda konstan. 2. Semua hal yang diteliti dan mempunyai jarak mempunyai bobot tersendiri. 3. Tetangga terdekat mempunyai bobot satu dan yang lainnya nol c. Regresi Spasial Regresi spasial merupakan salah satu metode statistika yang digunakan untuk mengetahui hubungan antar variabel dependen dan variabel independen dengan

242

ISBN 978-979-3812-42-7


18 February 2017

𝜺 ~ 𝑁(𝟎, 𝜎 2 𝑰)

mempertimbangkan keterkaitan lokasi atau spasial (Fitri, 2015) . Secara umum regresi spasial dinyatakan dengan persamaan sebagai berikut:

𝒚 = 𝜌𝑾𝒚 + 𝑿𝜷 + 𝒖 𝒖 = 𝜆𝑾𝒖 + 𝜺 𝜺 ~ 𝑁(𝟎, 𝜎 2 𝑰) dimana: 𝒚 : Vektor peubah respon ukuran nx1 𝑿 : Matriks peubah penjelas berukuran n x (p+1) 𝜷 : Vektor koefisien parameter regresi yang berukuran (p+1) x 1 𝝆 : Koefisien parameter lag spasial 𝝀 : Koefisien autoregresi galat spasial yang bernilai |λ| < 1 𝒖 :Vektor galat yang diasumsikan mengandung otokorelasi yang berukuran nx1 𝑾 : Matriks pembobot spasial berukuran nxn Dalam bentuk matriks dapat ditulis sebagai berikut: 𝒚= [y1 y2 ….yn] 1 𝑋11 … 𝑋1𝑝 𝛽0 1 𝑋21 ⋯ 𝑋2𝑝 𝛽 𝑿= ; 𝜷 = [ 1] ; ⋮ ⋮ ⋮ ⋱ ⋮ 𝛽 𝑋 𝑝 [1 𝑋𝑛1 ⋯ 𝑛𝑝 ] 𝑤11 𝑤12 𝑤13 ⋯ 𝑤1𝑛 𝑤 𝑤22 𝑤23 ⋯ 𝑤2𝑛 𝑾 = [ 21 ] ⋮ ⋮ ⋮ ⋱ ⋮ 𝑤𝑛1 𝑤𝑛2 𝑤𝑛3 ⋯ 𝑤𝑛𝑛

Pendugaan parameter pada model SAR menggunakan metode kemungkinan maksimum (Yusma dan Dania, 2013). ̂ = (𝑿𝑇 𝑿)−𝟏 𝑿𝑇 𝒚 – (𝑿𝑇 𝑿)−𝟏 𝑿𝑇 𝜌̂ 𝑾𝒚 𝜷 ̂ = (𝒚′ 𝑾′ 𝑾𝒚)−𝟏 (𝒚′ 𝒚𝑾′) 𝝆

e. Uji Efek Spasial Uji Moran’s merupakan salah satu metode yang yang digunakan dalam autokorelasi spasial. Indeks moran (Moran’s I) adalah ukuran dari korelasi (hubungan) antara pengamatan yang saling berdekatan. Hipotesis: H0:I = 0 (tidak ada autokorelasi spasial) H1:I ≠ 0 (ada autokorelasi spasial) Penyebab ketergantungan spasial pada 𝐻1 tidak ditentukan, yaitu proses spasial yang mendasari tidak ditentukan. Dengan demikian tes Moran adalah tes umum untuk mendeteksi autokorelasi spasial (Sari & Kusrini, 2013). Moran’s I dapat diukur dengan menggunakan persamaan : 𝐼=

𝑛 ∑𝑛𝑖=1 ∑𝑛𝑗=1 𝑤𝑖𝑗 (𝑥𝑖 − 𝑥̅ )(𝑥𝑗 − 𝑥̅ ) 𝑆0 ∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2

dimana: 𝑛

𝑛

𝑆0 = ∑ ∑ 𝑤𝑖𝑗 𝑖=1 𝑗=1

Statistik uji: 𝑍ℎ𝑖𝑡𝑢𝑛𝑔 =

d. Model Spatial Autoregressive (SAR) Model regresi spasial terdiri dari 3 model yaitu : Spatial Autoregressive Model (SAR), Spatial Error Model (SEM), Spatial Autoregressive Moving Average (SARMA). Spatial Autoregressive Model (SAR) merupakan model spasial yang terjadi akibat adanya pengaruh spasial pada variabel dependen. Spatial Error Model (SEM) merupakan model spasial yang terjadi akibat adanya pengaruh spasial pada error. Spatial Autoregressive Moving Average (SARMA) merupakan model spasial yang terjadi akibat adanya pengaruh spasial pada variabel dependen dan error. Menurut Anselin (1988) dalam (Nurul dan Raupong, 2013) Model umum Spatial Autoregressive Model (SAR) :

𝐼 − 𝐸(𝐼) √𝑉𝑎𝑟(𝐼)

~Ν(0,1)

dimana: 𝐸(𝐼) = 𝐼0 = −

1 𝑛−1

𝑉𝑎𝑟(𝐼) 𝑛[(𝑛2 − 3𝑛 + 3)𝑆1 − 𝑛𝑆2 + 2𝑆02 ] = (𝑛 − 1)(𝑛 − 2)(𝑛 − 3)𝑆02 𝑘[(𝑛2 − 𝑛)𝑆1 − 𝑛𝑆2 + 3𝑆02 ] −1 − − 2 (𝑛 − 1)(𝑛 − 2)(𝑛 − 3)𝑆0 𝑛−1 𝑘=

∑𝑛𝑖=1(𝑥𝑖 + 𝑥̅ )4 ((∑𝑛𝑖=1 𝑥𝑖 − 𝑥̅ )2 )2 𝑛

1 2 𝑆1 = ∑(𝑤𝑖𝑗 + 𝑤𝑗𝑖 ) 2 𝑖≠𝑗 𝑛

𝑆2 = ∑(𝑤𝑖0 + 𝑤0𝑖 )2 𝑖=1

𝒚 = 𝜌𝑾𝒚 + 𝑿𝜷 + 𝜺


UAD, Yogyakarta

𝑤𝑖0 = ∑𝑛𝑗=1 𝑤𝑖𝑗

243

ISBN 978-979-3812-42-7


18 February 2017

𝑤0𝑖 = ∑𝑛𝑗=1 𝑤𝑗𝑖 . Kriteria uji:

Setelah mendapatkan data sekunder, tahapan analisis yang akan dilakukan pada penelitian ini adalah sebagai berikut: 1. Melakukan pengolahan data secara deskriptif untuk mengetahui gambaran umum kasus Demam Berdarah Dengue (DBD) di Kecamatan Ngaliyan Tahun 2015. 2. Membentuk matriks pembobot spasial (W) berdasarkan peta tematik/kewilayahan yang dalam penelitian ini menggunakan matriks pembobot spasial Neighborhood. 3. Melakukan uji dependensi spasial ̂ atau korelasi dengan mencari nilai 𝝆 4. Mencari parameter 𝜷 5. Melakukan pemodelan Spasial Autoregresive Model (SAR)

Tolak H0 jika |𝑍ℎ𝑖𝑡𝑢𝑛𝑔 | > 𝑍𝛼 2

f. Demam Berdarah Dengue (DBD) Demam Berdarah Dengue (DBD) merupakan penyakit yang disebabkan oleh virus Dengue yang ditularkan ke manusia melalui gigitan nyamuk Aedes Aegypti yang terinfeksi virus Dengue. Pada penelitian sebelumnya yaitu penelitian (Erni, 2015) menyebutkan bahwa faktor – faktor yang mempengaruhi kasus DBD di suatu wilayah ada 3 variabel yaitu: 1. Kepadatan penduduk. 2. Bangunan bebas jentik nyamuk 3. Rata – rata kunjungan ke Puskesmas. METODE PENELITIAN a. Sumber Data Penelitian ini menggunakan data sekunder yang didapatkan dari Kantor Kecamatan Ngaliyan Tahun 2015. Variabel dependen yang digunakan adalah jumlah kasus Demam Berdarah Dengue (DBD). Unit pengamatan yang digunakan adalah seluruh Kelurahan yang ada di Kecamatan Ngaliyan terdapat 10 Kelurahan yang terdiri dari: 1. Tambak Aji 2. Wonosari 3. Purwoyoso 4. Kalipancur 5. Ngaliyan 6. Bambankerep 7. Gondoriyo 8. Beringin 9. Podorejo 10. Wates b. Variabel Penelitian Pada penelitian ini menggunakan 1 variabel Dependen dan 3 variabel independen yaitu : Y : jumlah kasus DBD setiap Kelurahan Kecamatan Ngaliyan X1 : bangunan bebas jentik nyamuk. X2 : rata – rata kunjungan ke Puskesmas X3 : kepadatan penduduk c. Langkah Analisis


UAD, Yogyakarta

HASIL DAN PEMBAHASAN 4.1 Analisis Deskriptif

Gambar 1. Jumlah kasus DBD 2015 Pada Gambar 1. Menunjukkan jumlah kasus DBD di Kecamatan Ngaliyan Tahun 2015 sebagai berikut. Kelurahan yang menduduki peringkat I jumlah kasus DBD adalah kelurahan Wonosari sebanyak 34 kasus, disusul kemudian kelurahan Purwoyoso dengan jumlah kasus sebanyak 33. Sedangkan kelurahan Wates memiliki jumlah kasus paling rendah daripada kelurahan yang lain yaitu sebanyak 2 kasus. Rata – rata kunjungan ke puskesmas di Kelurahan Wonosari merupakan yang paling tinggi dibandingkan kelurahan yang lain yaitu sebanyak 5 kunnjungan pada tahun 2015. Sedangkan rata – rata terendah kunjungan ke

244

ISBN 978-979-3812-42-7


18 February 2017

Puskesmas terdapat pada kelurahan Gondoriyo dan Wates.

Gambar 2. Jumlah kasus DBD per bulan

UAD, Yogyakarta

Gambar 3. bahwa kelurahan purwoyoso merupakan kelurahan dengan bangunan bebas nyamuk tertinggi yaitu sebanyak 698 bangunan dari 3.430 bangunan yang diperiksa. Sedangkan kelurahan wates memiliki bangunan bebas jentik nyamuk terendah yaitu sebesar 530 dari 3430 bangunan yang diperiksa. 4.2 Matriks Pembobot Spasial (W) Salah satu cara untuk memperoleh matrik pembobot spasial (Spasial Weighted Matrix) yaitu dengan menggunakan informasi jarak dari neighborhood, atau kedekatan antara satu wilayah dengan wilayah yang lain. Wilayah yang berdekatan cenderung akan memberikan efek yang lebih besar daripada wilayah yang lebih jauh jaraknya. Dengan bobot 0 untuk wilayah yang jaraknya berjauhan sedangkan 1 untuk bobot wilayah yang jaraknya berdekatan.

Pada gambar 2. Menunjukkan bahwa jumlah kasus demam berdarah dengue cenderung tinggi di awal tahun selama 4 bulan berturut - turut. Jumlah kasus tertinggi terdapat di Bulan Januari sebesar 20,81% kasus kemudian pada bulan Februari hingga April terdapat 16,76% kasus. Kelurahan Wonosari merupakan kelurahan dengan jumlah penduduk tertinggi yaitu sebesar 23.532 penduduk. Kemudian disusul Kelurahan Tambakaji dengan jumlah penduduk sebesar 21.834. Sedangkan Kelurahan Wates memiliki jumlah penduduk paling sedikit dari 10 kelurahan yang lain yaitu sebesar 4.674. Gambar 4. Peta wilayah Kecamatan Ngaliyan Dari peta wilayah diatas dapat diperoleh matriks pembobot spasial sebagai berikut:

0 1 1 0 𝑤= 1 0 1 1 0 [0 Gambar 3. Jumlah bangunan bebas jentik


1 0 0 0 0 0 1 0 0 0

1 0 0 0 1 1 0 0 0 0

0 0 0 0 0 1 0 0 0 0

1 0 1 0 0 1 0 1 0 1

0 0 1 1 1 0 0 0 0 0

1 1 0 0 0 0 0 1 1 1

1 0 0 0 1 0 1 0 0 1

0 0 0 0 0 0 1 0 0 1

4.3 Uji Dependensi spasial

245

ISBN 978-979-3812-42-7

0 0 0 0 1 0 1 1 1 0]


18 February 2017

Uji dependensi spasial digunakan untuk mengetahui ada tidaknya autokorelasi spasial. Diperoleh nilai 𝜌 = 0,2342. Hal ini menunjukkan bahwa adanya autokorelasi spasial positif dengan nilai korelasi sebesar 0,2342. Sehingga dapat disimpulkan bahwa antar kelurahan satu dengan kelurahan yang lainnya memiliki korelasi terhadap penyebaran kasus DBD di Kecamatan Ngaliyan. 4.4 Pendugaan parameter 𝜷 Pendugaan parameter 𝜷 pada model Spasial Autoregresive (SAR) menggunakan metode kemungkinan maximum (maximum likelihood). Sehingga diperoleh hasil sebagai berikut: 𝛽0 = 13,6267; 𝛽1 = −0,0646; 𝛽2 = 10,3513; 𝛽3 = 0,0001 𝛽1 = −0,0646 menunjukkan bahwa jumlah bangunan bebas jentik nyamuk bertambah pada suatu kelurahan, maka jumlah kasus DBD akan berkurang sebesar 0,0646, 𝛽2 = 10,3513 menunjukkan bahwa Apabila rata – rata kunjungan ke puskesmas bertambah pada suatu kelurahan, maka jumlah kasus DBD akan bertambah sebesar 10,351, 𝛽3 = 0,0001 dapat disimpulkan bahwa apabila kepadatan penduduk bertambah, maka jumlah kasus DBD akan bertambah sebesar 0,0001. 4.5 Model Spasial Autoregresive (SAR) Secara umum regresi spasial dinyatakan dengan persamaan sebagai berikut: 𝒚 = 𝜌𝑾𝒚 + 𝑿𝜷 + 𝜺 Setelah didapatkan nilai penduga untuk masing masing parameter maka diperoleh persamaan sebagai berikut: ̂ = 13,6267 + 0,2342𝑊𝑦 − 0,0646𝑋1 𝒚 + 10,3513𝑋2 + 0,0001𝑋3 Model tersebut menunjukkan bahwa apabila jumlah bangunan bebas jentik nyamuk bertambah pada suatu kelurahan, maka jumlah kasus DBD akan berkurang sebesar 0,0646. Apabila rata – rata kunjungan ke puskesmas bertambah pada suatu kelurahan, maka jumlah kasus DBD akan bertambah sebesar 10,351. Sedangkan apabila kepadatan penduduk bertambah, maka jumlah kasus DBD akan bertambah sebesar 0,0001. KESIMPULAN Berdasarkan hasil analisis dan pembahasan diperoleh kesimpulan sebagai berikut:


UAD, Yogyakarta

1. Jumlah kasus DBD tertinggi di Kecamatan Ngaliyan berada di Kelurahan Wonosari dengan jumlah kasus sebanyak 34, jumlah kepadatan penduduk 23.532 2. Berdasarkan perhitungan nilai 𝜌 didapatkan hasil sebesar 0,2342. Dapat diperoleh kesimpulan bahwa adanya autokorelasi spasial positif dengan korelasi sebesar 0,2342. Nilai 𝜌 = 0,2342 ini bararti bahwa antar kelurahan yang satu dengan kelurahan yang lain saling berkorelasi terhadap penyebaran kasus di Kecamatan Ngaliyan Tahun 2015. 3. Model Spasial Autoregresive (SAR) diperoleh sebagai berikut : ̂ = 13,6267 + 0,2342𝑊𝑦 𝒚 − 0,0646𝑋1 + 10,3513𝑋2 + 0,0001𝑋3 Variabel yang berpengaruh terhadap pertambahan jumlah kasus adalah variabel bangunan bebas jentik nyamuk. Apabila jumlah bangunan bebas jentik nyamuk bertambah pada suatu kelurahan, maka jumlah kasus DBD akan berkurang sebesar 0,0646. REFERENSI Erni. 2015. Pengaruh Faktor-Faktor Sosial Ekonomi Dan Lingkungan Fisik Terhadap Keterjangkitan DBD (Demam Berdarah Dengue) di Kabupaten Kediri. , pp.77–82. Faiz, N., Rahmawati, R. & Safitri, D., 2013. Analisis spasial penyebaran penyakit demam berdarah dengue dengan indeks Moran dan Geary’s C (studi kasus di Kota Semarang tahun 2011). Gaussian, 2(1), pp.69–78. Fitri, S. 2015. Pemodelan Faktor-Faktor Yang di Jawa Timur dengan Analisis Regresi Spasial. 4(1). Kemenkes RI, 2010. Buletin Jendela Epidemiologi , Volume 2 , Agustus 2010.

246

ISBN 978-979-3812-42-7


18 February 2017

UAD, Yogyakarta

Buletin Jendela Epidemiologi, 2, p.48. Nurul, Raupong, A., 2013. Estimasi Parameter Regresi Spatial Autoregressive Model. pp.1–7. Pratiwi, L.P.S., Srinadi, I.G.A.M. & Susilawati, M., 2013. Analisis kemiskinan dengan pendekatan model regresi spasial Dublin (studi kasus: Kabupaten Gianyar). EJurnal Matematika, 2(3), pp.11–16. Rita, Diah, O., 2015. Analisis Spasial Penyebab Penyakit Demam Berdarah Dengue Dengan Indeks Moran Dan Geary’s C (Studi kasus Di Kota Semarang Tahun 2011). , pp.23–30. Sari, D.M. & Kusrini, D.E., 2013. Pemodelan Kasus Tindak Pidana di Kota Surabaya dengan Pendekatan Regresi Spasial. , 2(2). Triastuti , Abdul , Dewi, D.R., 2011. Identifikasi Autokorelasi Spasial Pada Jumlahpengangguran Di Jawa Tengah Menggunakan Indeks Moran. , pp.1–10. Yusma dan Dania, 2013. Pendugaan Parameter Pada Model Spatial Autoregressive Model (SAR).


247

ISBN 978-979-3812-42-7

PEMODELAN REGRESI SPASIAL PADA KASUS DEMAM BERDARAH DENGUE (DBD)

Recommend Documents