Estimasi Model Geographically Weighted Poisson Regression (Gwpr) Dengan Pembobot Adaptive Gaussian Kernel Dan Adaptive Bisquare Kernel

Data spasial adalah suatu data yang mengacu pada posisi, obyek, dan hubungan diantaranya dalam ruang bumi. Berdasarkan jenis data spasial, pemodelan hubungan spasial dapat dibedakan menjadi pemodelan dengan pendekatan titik dan area. Salah satu jenis pendekatan titik yaitu Geographically Weighted Poisson Regression (GWPR). GWPR merupakan metode yang menggunakan sistem pembobotan. Pembobotan yang umum digunakan adalah fungsi kernel. Pada penelitian ini akan digunakan pembobot kernel dengan tipe adaptive yaitu Adaptive Gaussian Kernel dan Adaptive Bisquare Kernel. Data yang digunakan pada penelitian ini adalah data spasial mengenai jumlah kasus AIDS di Jawa Timur tahun 2008. Menekan jumlah kasus AIDS dapat dilakukan dengan cara mengetahui faktorfaktor sosial ekonomi di tiap wilayah yang berpotensi untuk meningkatkan jumlah kasus AIDS. Tujuan dari penelitian ini adalah membentuk model GWPR data kasus AIDS,memperoleh informasi spasial dari model yang terbentuk dan membandingkan pembobotan yang paling baik menggunakan criteria AIC. Berdasarkan perbandingan nilai AIC, diperoleh kesimpulan bahwa model yang paling baik untuk memodelkan kasus AIDS di Jawa Timur adalah model GWPR dengan pembobot Adaptive Bisquare Kernel. Pembobotan ini menghasilkan pendugaan parameter yang bervariasi di tiap kabupaten/kota dan terbentuk 8 kelompok kabupaten/kota yang memiliki kesamaan variabel prediktor yang signifikan