Maulida, Nur Fanita (2017) Pemodelan Angka Harapan Hidup (AHH) di Provinsi Jawa Timur tahun 2014 menggunakan Geographically Weighted Regression (GWR) dengan pembobot fixed bi-square Kernel / Nur Fanita Maulida. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
ABSTRAK Maulida Nur Fanita. 2017. Pemodelan Angka Harapan Hidup (AHH) di Provinsi Jawa Timur tahun 2014 Menggunakan Geographically Weighted Regression (GWR) dengan Pembobot Fixed Bi-Square Kernel. Skripsi Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Malang. Pembimbing Nur Atikah S.Si M.Si. Kata Kunci Angka Harapan Hidup (AHH) Geographically Weighted Regression (GWR) Fixed Bi-Square Kernel. Angka Harapan Hidup (AHH) digunakan sebagai salah satu indikator derajat kesehatan masyarakat suatu wilayah. Sejak tahun 2009 angka harapan hidup penduduk Jawa Timur mengalami peningkatan yaitu dari 69 15 tahun menjadi 70 19 tahun pada tahun 2013 (BPS 2015). Pada data yang terdapat aspek spasial maka digunakan Geographically Weighted Regression (GWR). Penelitian ini menggunakan data angka harapan hidup tahun 2014 di setip kabupaten dan kota di Jawa Timur dengan 4 faktor yang diduga mempengaruhinya yaitu angka kematian bayi (X_1) banyaknya posyandu (X_2) pengeluaran perkapita (X_3) dan presentase laju perekonomian (X_4). Model Geographically Weighted Regression (GWR) untuk data angka harapan hidup pada kabupaten dan kota di Jawa Timur tahun 2014 dilakukan menggunakan pembobot fixed bi-square kernel dengan persamaan y_i 70 703640-0 120048X_i1 0 000596X_i2 0 000035X_i3 0 020202X_i4 Faktor-faktor yang berpengaruh signifikan terhadap angka harapan hidup di Jawa Timur tahun 2014 adalah persentase angka kematian bayi ( ) dan jumlah posyandu ( ). Sedangkan untuk angka harapan hidup di setiap Kabupaten dan Kota di Jawa Timur tahun 2014 dipengaruhi oleh faktor-faktor yang berbeda. Contohnya Kab. Pacitan dipengaruhi oleh persentase angka kematian bayi ( ) Kab. Malang dipengaruhi oleh persentase angka kematian bayi ( ) dan jumlah posyandu ( ) Kab. Banyuwangi dipengaruhi oleh angka kematian bayi ( ) variabel pengeluaran perkapita ( ) dan variabel persentase laju ekonomi ( ) dan Kab. Blitar tidak dipengaruhi oleh satupun variabel yang ditentukan. ABSTRACT Maulida Nur Fanita. 2017. Life expectancy In East Java Province 2014 Using Geographically Weighted Regression (GWR) With Fixed Bi-Square Kernel Weight. Thesis Department of Mathematics Faculty of Mathematics and Natural Sciences State University of Malang. Advisor Nur Atikah S.Si M.Si. Keywords Life expectancy Geographically Weighted Regression (GWR) Fixed Bi-Square Kernel. Life expectancy is used as one indicator of community health status of a region. Since 2009 the life expectancy of East Java has increased from 69.15 years to 70.19 years in 2013 (BPS 2015). In the data there are spatial aspects then used Geographically Weighted Regression (GWR). This research uses data of life expectancy year 2014 in setip of regency and city in East Java with 4 factors allegedly influencing infant mortality (X_1) number of posyandu (X_2) expenditure per capita (X_3) and percentage of economic rate (X_4). The results showed that the AIC GWR model of 109.38 is smaller than the regression model of 122.28 it shows that the GWR model is better. Spatial factors influenced the life expectancy in East Java. The Geographically Weighted Regression (GWR) model for life expectancy data in districts and cities in East Java 2014 was carried out using fixed bi-square kernel weights with equations y_i 70 703640-0 120048X_i1 0 000596X_i2 0 000035X_i3 0 020202X_i4 Factors that have significant effect on life expectancy in East Java in 2014 are percentage of infant mortality rate (X_1) and number of posyandu (X_2) While for life expectancy in every Regency and City in East Java 2014 is influenced by different factors. For example Kab. Pacitan is affected by the percentage of infant mortality (X_1) Kab. Malang influenced by percentage of infant mortality rate (X_1) and number of posyandu (X_2) Kab. Banyuwangi is influenced by infant mortality rate (X_1) expenditure variable per capita (X_3) and percentage variable of economic rate (X_4) and Kab. Blitar is not influenced by any of the specified variables.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | Q Science > QA Mathematics |
| Divisions: | Fakultas Matematika dan IPA (FMIPA) > Departemen Matematika (MAT) > S1 Matematika |
| Depositing User: | library UM |
| Date Deposited: | 13 Sep 2017 04:29 |
| Last Modified: | 09 Sep 2017 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/17505 |
Actions (login required)
 |
View Item |