Perbandingan Gwann dan Gwnbr Terhadap Analisis Faktor-Faktor Positif COVID-19

Abstract

Covid-19 pertama kali muncul dengan tingkat penyebaran yang cepat tanpa diketahui penyebab pasti faktor-faktor yang mempengaruhi penyebarannya. Analisis spasial diperlukan dalam menganalisis faktor-faktor yang mempengaruhi untuk meminimalisir jumlah positif Covid-19 di Jawa Timur. Dalam penelitian ini akan menggunakan penelitian secara global dan lokal dengan menggunakan pembobot adaptive bisquare kernel. Penelitian secara global menggunakan metode Regresi Binomial Negatif sedangkan penelitian secara lokal menggunakan metode Geographically Weighted Negative Binomial Regression (GWNBR) dan metode Geographically Weighted Artificial Neural Network (GWANN). Pada penelitian ini akan dibandingkan metode NBR, GWANN dan GWNBR untuk didapatkan mana metode terbaik dalam menganalisis faktor-faktor Covid-19 di Jawa Timur. Pemilihan model terbaik dalam penelitian ini menggunakan nilai R^2 dan RMSE. Hasil dari penelitian ini adalah GWNBR merupakan model terbaik dengan RMSE sebesar 936,2055 dan R^2 sebesar 0,902.