Model Regresi Logistik

Multivariat Berbobot
Geografis dan
Penerapannya
NAMA: WIDIA HARYANSANTI
NPM : E2D022009
 PENDAHULUAN
• Jurnal ini membahasan megenai model regresi logistik multivariat
berbobot geografis (GWMLR/ geographically weighted multivariate
logistic regression), estimasi parameter, dan prosedur pengujian
hipotesis.
• Umumnya penelitian tentang model regresi berbobot geografis (GWR)
telah difokuskan pada aplikasi yang berisi dua atau lebih tanggapan
berkorelasi (multivariat).
• model GWR multivariat (MGWR) dan estimasi parameter dan prosedur
uji hipotesis menggunakan metode estimasi maksimum likelihood
terbatas (RMLE) dan uji rasio maksimum likelihood (MLRT).
• Pada jurnal ini Model GWMLR digunakan untuk menjelaskan hubungan
spasial antara dua variabel dependen kategorikal berkorelasi dengan
satu atau lebih variabel independen, dimana masing-masing variabel
dependen memiliki dua kategori
 Metode Regresi logistik
multivariat (MLR)
• Regresi logistik multivariat (MLR) menjelaskan hubungan antara dua atau lebih
variabel dependen kategori berkorelasi dengan satu atau lebih variabel
independen. Dimana Y1 dan Y2 menjadi variabel terikat dengan nilai 0 atau 1

• y mengikuti distribusi multinomial dengan fungsi massa probabilitas :

• Misalkan X1, X2,…, Xk adalah k variabel bebas, maka model MLR dapat
dinyatakan sebagai berikut:
 Model Regresi Logistik Multivariat
Berbobot Geografis

• Model GWMLR dalam penelitian ini dinyatakan sebagai berikut:

 Pemilihan Model
• Model terbaik dipilih menggunakan tiga kriteria informasi yang paling umum, yaitu
Akaike’s information criterion (AIC), the corrected AIC (AICC), and the Bayesian
information criterion (BIC).
 Hasil dan Pembahasan
• Estimasi Parameter Model GWMLR. Parameter model GWMLR dapat
diperoleh dengan menggunakan metode maksimum likelihood. Dengan fungsi
• Estimator kemungkinan maksimum GWMLR parameter model dapat
ditentukan dengan memaksimalkan logaritma natural dari fungsi likelihood
(log-likelihood) sebagai berikut:

• Fungsi log-likelihood pada Persamaan (9) dimaksimalkan dengan menentukan

turunan parsial orde pertama dari fungsi likelihood, kemudian disamakan
dengan nol.

• Pendekatan numerik dengan metode Newton-Raphson digunakan untuk

mendapatkan estimator kemungkinan maksimum dari parameter model
GWMLR. Metode Newton-Raphson membutuhkan vektor gradien dan matriks
Hessian.
• Unit observasi adalah kabupaten/kota di Pulau Kalimantan,
Indonesia, tahun 2013. Besar sampel adalah 55, terdiri dari 46
kabupaten dan 9 kota
• 13 kabupaten/kota memiliki nilai PHDI dan HDI lebih besar atau
sama dengan nilai PHDI dan HDI Indonesia, dan 26 kabupaten/kota
memiliki nilai PHDI dan HDI kurang dari nilai PHDI dan HDI
Indonesia.
• 13 kabupaten/kota memiliki nilai PHDI kurang dari nilai PHDI
Indonesia dan nilai HDI lebih besar atau sama dengan nilai HDI
Indonesia.
• Variabel dependen PHDI dan HDI sesuai untuk model MLR dan
GWMLR dengan nilai odds ratio variabel dependen sebesar 8,6667
yang menunjukkan bahwa variabel dependen berkorelasi positif.
• Nilai bandwidth optimal fungsi fixed kernel bi square weighting
adalah 4,8572, dengan nilai CV 90,3673.
• Model MLR dan GWMLR berbeda secara signifikan dengan nilai uji
statistik sebesar 376,0917, dan nilai Zÿ/2 pada taraf signifikansi
10% sebesar 1,6449
• Tingkat kemiskinan dan pertumbuhan ekonomi secara simultan
berpengaruh signifikan terhadap PHDI dan IPM kabupaten/kota di
Pulau Kalimantan dengan nilai statistik likelihood ratio adalah
401.6335.
• Model GWMLR lebih akurat daripada model MLR. Oleh karena itu,
model GWMLR paling baik untuk memodelkan hubungan antara
variabel dependen (PHDI dan IPM) dan variabel independen (tingkat
kemiskinan dan pertumbuhan ekonomi) kabupaten/kota di Pulau
Kalimantan, Indonesia, pada tahun 2013.
 kesimpulan
• Model GWMLR mengevaluasi hubungan antara dua variabel dependen yang
bergantung pada fungsi pembobot spasial pada setiap lokasi di wilayah studi.
• fixed kernel bi-square digunakan, karena berkaitan dengan jarak Euclidean
dan bandwidth optimal.
• Parameter model GWMLR diestimasi menggunakan metode maksimum
likelihood. Estimator maksimum likelihood memiliki bentuk implisit dan
diperoleh dengan metode Newton-Raphson.
• Pengujian hipotesis model GWMLR meliputi uji kesamaan, uji simultan, dan uji
parsial.
• Kinerja model GWMLR dievaluasi dengan faktor-faktor yang mempengaruhi
indeks pembangunan kesehatan masyarakat dan indeks pembangunan manusia
kabupaten/ kota di Pulau Kalimantan, Indonesia, pada tahun 2013.
TERIMAKASIH