PEMODELAN GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) MENGGUNAKAN MATRIKS PEMBOBOT FIXED GAUSSIAN KERNEL DAN FIXED TRICUBE KERNEL PADA KASUS COVID-19 DI INDONESIA

Geographicaly Weighted Regression (GWR), Fixed Gaussian Kernel dan Fixed Tricube Kernel

Abstract

Covid-19 merupakan suatu kelompok virus yang dapat menyebabkan penyakit pada hewan dan manusia. Pada awal tahun 2020 dunia digemparkan dengan adanya kemunculan virus Corona. Hingga saat ini Covid-19 mewabah secara global pada ratusan negara di dunia termasuk Indonesia. Covid-19 telah membuat kerugian diberbagai macam sektor. Penelitian ini bertujuan untuk mengetahui faktor-faktor penyebab naiknya Covid-19 di Indonesia tahun 2021 dengan pemodelan Geographically Weighted Regression (GWR) menggunakan fungsi pembobot Fixed Gaussian Kernel dan Fixed Tricube Kernel. Data yang digunakan adalah data sekunder bersumber dari website Badan Pusat Statistik Indonesia tahun 2021. GWR merupakan metode statistika yang digunakan untuk mengatasi data yang memiliki permasalahan efek spasial dan faktor geografis. Berdasarkan hasil analisis diperoleh variabel-variabel  yang memiliki efek spasial yaitu variabel jumlah rumah sakit rujukan, jumlah dokter dan jumlah kasus Covid-19. Faktor yang signifikan berpengaruh dengan pembobot Fixed Gaussian Kernel dan Fixed Tricube Kernel adalah jumlah rumah sakit rujukan, kepadatan penduduk dan jumlah dokter. Hasil perbandingan fungsi pembobot Fixed Gaussian Kernel dan Fixed Tricube Kernel diperoleh fungsi pembobot Fixed Gaussian Kernel lebih baik digunakan dalam pemodelan jumlah kasus Covid-19 di Indonesia pada tahun 2021 dengan hasil  sebesar 95% dan  sebesar 821.152.