Universitas Sumatera Utara
4.4.5 Model Geographically Weighted Regression GWR Balita Gizi Buruk
Aplikasi pemodelan GWR pada penulisan ini memerlukan tahap awal, yaitu menentukan letak geografis tiap kecamatan di Kota Medan Tabel 4.8. Kemudian
pengujian asumsi multikolinearitas.
fit - lmY~X2+X3+X4+X5+X6, data= script viffit
Nilai Variance Inflation Factors VIF pada Tabel 4.12 menunjukkan bahwa tidak terdapat korelasi antara variabel prediktor karena nilai VIF kurang
dari 10 VIF10.
Tabel 4.12 Nilai Variance Inflation Factors VIF
Variabel VIF
X
2
2,2748 X
3
2,4651 X
4
1,6627 X
5
2,1044 X
6
2,3584 Langkah selanjutnya adalah perhitungan bandwidth. Nilai bandwidth
optimum diperoleh dari nilai kriteria Cross Validation CV minimum. Setiap kecamatan mempunyai nilai bandwidth optimum yang berbeda-beda.
libraryspgwr librarysp
col.bw-gwr.selY~ X2+X3+X4+ X5+X6,coords=cbindevisriwahyuniLintang, evisriwahyuni +Bujur,data=script,adapt=TRUE,gweight=gwr.bisquare
gwr1-gwrY~ X2+X3+X4+ X5+X6,data=script,adapt=col.bw,coord=cbindevisriwahyuni Lintang, +evisriwahyuni Bujur,hatmatrix=TRUE,gweight=gwr.bisquare
gwr1bandwidth
Universitas Sumatera Utara
Tabel 4.13 Nilai Bandwidth Tiap Kecamatan
No Kecamatan
Bandwidth
1 Medan Tuntungan
0,1748 2
Medan Johor 0,1386
3 Medan Amplas
0,1495 4
Medan Denai 0,1215
5 Medan Area
0,1165 6
Medan Kota 0,1252
7 Medan Maimun
0,1185 8
Medan Polonia 0,1199
9 Medan Baru
0,1188 10
Medan Selayang 0,1732
11 Medan Sunggal
0,1125 12
Medan Helvetia 0,1003
13 Medan Petisah
0,1102 14
Medan Barat 0,1086
15 Medan Timur
0,1001 16
Medan Perjuangan 0,1225
17 Medan Tembung
0,1023 18
Medan Deli 0,1089
19 Medan Labuhan
0,1503 20
Medan Marelan 0,1239
21 Medan Belawan
0,1749 Nilai bandwidth digunakan untuk membentuk matriks pembobot setiap
lokasi ke-i. Pembobot yang dicari dalam penelitian ini sampai u
21
, v
21
yang dapat dilihat pada Lampiran 7. Setelah ditemukan matriks pembobot maka didapatkan
taksiran parameter disetiap lokasi ke-i.
col.bw - gwr.selY~ X2+X3+X4+ X5+X6, data=script, coords=cbindevisriwahyuni +Lintang, evisriwahyuni Bujur
col.gauss - gwrY~ X2+X3+X4+ X5+X6,data= script,coords=cbindevisriwahyuni +Lintang, evisriwahyuni Bujur, bandwidth=col.bw, hatmatrix=TRUE
col.gauss
Universitas Sumatera Utara
Tabel 4.14 Nilai Minimum dan Maksimum Estimasi Parameter Model GWR Variabel
Nilai Koefisien Parameter Minimum
Maksimum
Intersep -1,186
-0,849 X
2
0,0016 0,0017
X
3
0,0002 0,0004
X
4
0,00010 0,00012
X
5
0,0049 0,0061
X
6
-0,0190 -0,1408
SSE : 84,05
Tabel 4.14 menunjukkan bahwa estimasi parameter variabel fasilitas pelayanan kesehatan X
6
selalu bernilai negatif untuk setiap kecamatan. Sedangkan estimasi parameter variabel imunisasi lengkap X
2
, vitamin A X
3
, penyakit infeksi ISPA X
4
dan diare X
5
selalu bernilai positif untuk setiap kecamatan. Hasil estimasi parameter model GWR untuk tiap kecamatan
ditunjukkan pada Lampiran 9.
col.gauss - gwrY~ X2+X3+X4+ X5+X6,data= script,coords=cbindevisriwahyuni Lintang, + evisriwahyuniBujur, bandwidth=col.bw, hatmatrix=TRUE
LMZ.F1GWR.testcol.gauss
Model GWR merupakan model yang lebih baik dibandingkan dengan model regresi OLS. Hal tersebut dapat dilihat dari nilai SSE yang lebih kecil yaitu 84,05
dan nilai R
2
yang lebih besar yaitu 69,08.
4.4.6 Pengujian Kesesuaian Model GWR
Kategori