1. Indonesian to English
SOURCE LANGUAGE:
SOURCE LANGUAGE:
Regresi Spasial dengan Pendekatan Geographically Weighted Poisson Regression (GWPR)
Abstrak: Analisis regresi merupakan analisis statistik yang bertujuan untuk memodelkan hubungan antara variabel respon dengan variabel prediktor. Apabila variabel respon berdistribusi Poisson, maka model regresi yang digunakan adalah regresi Poisson. Masalah utama dari metode ini adalah bagaimana jika metode ini diterapkan pada data spatial. Untuk mengatasi permasalahan pada data spatial maka metode statistik yang akan digunakan adalah Geographically Weighted Poisson Regression (GWPR) yaitu bentuk lokal dari regresi Poisson dimana lokasi diperhatikan. Hasil penelitian menunjukan bahwa penaksiran parameter model GWPR menggunakan metode Maximum Likelihood Estimator (MLE) dan diselesaikan dengan menggunakan iterasi Newton-Raphson. Pada penelitian ini konsep keadaan geografis diaplikasikan pada regresi poisson. Aplikasi model GWPR pada data persentase kematian bayi di Sumatera Utara, Indonesia menunjukan bahwa dengan menggunakan pembobot yang berbeda maka variabel-variabel yang berpengaruh terhadap jumlah kematian bayi tiap Kab/Kota di Sumatera Utara juga berbeda. Berdasarkan nilai Akaike Information Criterion (AIC) antara model regresi Poisson dan model GWPR, diketahui bahwa model GWPR dengan pembobot fungsi kernel bisquare merupakan model yang lebih baik digunakan untuk menganalisis jumlah kematian bayi di Propinsi Sumatera Utara tahun 2013 karena memiliki nilai AIC yang terkecil.
Keywords: Kematian Bayi, Regresi Poisson, GWPR, MLE
1. Introduction
Regresi poisson merupakan salah satu regresi nonlinear yang variabel responnya dimodelkan dengan distribusi poisson. Variabel respon dalam distribusi poisson berasal dari cacahan suatu kejadian yang jarang terjadi. Contoh dalam kehidupan sehari-hari, seperti banyak kecelakaan mobil setiap bulan, kebakaran hutan setiap tahun, kasus gizi buruk, banyak penderita penyakit tertentu setiap tahun, dan sebagainya.
Suatu kejadian mungkin saja hasilnya bergantung pada wilayah atau lokasi tempat kejadian itu terjadi. Wilayah atau lokasi memiliki sekumpulan data yang berbeda antara satu wilayah dengan wilayah lainnya. Data mengenai wilayah tersebut dikumpulkan dengan menggunakan analisis data spasial. Data spasial merupakan data pengukuran yang memuat suatu informasi lokasi.
Berdasarkan tipe data, pemodelan data spasial dapat dibedakan menjadi pemodelan dengan pendekatan titik dan pemodelan dengan pendekatan area. Jenis pendekatan titik, yaitu Geographically Weighted Regression (GWR) jika data variabel respon berdistribusi normal, GWPR jika data variabel respon berdistribusi Poisson, Generalized Space- Time Autoregressive (GSTAR) jika data berupa runtun waktu. Sementara untuk jenis pendekatan area yaitu MixedRegressive-Autoregressive atau Spatial Autoregressive Model (SAR), Spatial Error Models (SEM), Spatial Durbin Watson (SDM), Conditional Autoregressive Models (CAR), Spatial Autoregressive Moving Average (SARMA), dan panel data.
GWPR merupakan salah satu metode statistika yang digunakan untuk menganalisis model regresi Poisson, ketika data yang dimiliki berupa data diskrit yang spasial. Dengan menggunakan metode GWPR diharapkan akan didapat model yang tidak bias walaupun asumsi homogenitas tidak dipenuhi. Penaksir parameter akan berbeda-beda nilainya untuk masing-masing wilayah, begitu juga dengan variabel predictor yang signifikan. Nakaya, dkk (2004) menggunakan model GWPR untuk suatu himpunan data pekerjaan dengan usia kematian di Tokyo. Hasil yang diperoleh menunjukan bahwa ada variasi yang signifikan dalam hubungan kerja dan usia kematian. Hasil penelitian menunjukan bahwa model GWPR lebih baik digunakan daripada Generalized Linear Model yang konvensional. Hasil penelitian di atas belum menyajikan penaksiran parameter dan statistik uji model GWPR secara terperinci dan hanya menggunakan satu pembobot sehingga tidak bisa disimpulkan pembobot mana yang lebih baik digunakan. Model GWPR akan diterapkan untuk pemodelan jumlah kematian bayi di Provinsi Sumatera Utara tahun 2013 dengan menggunakan pembobot fungsi kernel gauss maupun fungsi kernel bisquare.
TARGET LANGUAGE:
Spatial Regression with Geographically Weighted Poisson Regression (GWPR) Approach
Abstract: Regression analysis is a statistical analysis that aims to model the relationship between response variable and predictor variable. If the response variable distributes Poisson, the regression model used is Poisson regression. The main problem of this method is what if the method is applied to spatial data. To overcome the spatial data problem, the statistical method used is Geographically Weighted Poisson Regression (GWPR) i.e. the local form of Poisson regression where the location noted. The results showed that the GWPR model parameters estimation used Maximum Likelihood Estimator (MLE) and was solved by using Newton-Raphson iteration. In this study the concept of geographical circumstances was applied to Poisson regression. The GWPR model application of the data percentage of infant mortality in North Sumatra, Indonesia showed that by using different weighting, the variables affecting the number of infant mortality per district/city in North Sumatra were also different. Based on the value of the Akaike Information Criterion (AIC) between Poisson regression model and GWPR model, it was known that GWPR model with weighting function of bisquare kernel was the better model used to analyze the number of infant mortality in North Sumatra Province in 2013 because it had the smallest AIC value.
Keywords: infant mortality, Poisson regression, GWPR, MLE
1. Introduction
Poisson regression is one of the non-linear regression in which its response variable is modeled by Poisson distribution. The response variable in Poisson distribution is derived from chopped of a rare occurrence. The examples in daily life are such as how many car accidents happened in each month, forest fires in each year, malnutrition, people with certain diseases in each year, and so on.
An event may have results depended on the area or location where the incident occurred. Area or location has a different set of data from one region to another. The data on the region are collected by using spatial data analysis. Spatial data is the measurement data containing location information.
Based on the data type, the spatial data modeling can be divided into modeling with point approach and area approach. Point approach type, namely Geographically Weighted Regression (GWR) is used if the response variable data distribute normally, GWPR is used if the response variables data distribute in the Poisson way, and Generalized Autoregressive Space-Time (GSTAR) is used if the data are in the form of time series. Whereas, for area approach type it is used Mixed Regressive-Autoregressive or Spatial Autoregressive Model (SAR), Spatial Error Models (SEM), Spatial Durbin Watson (HR), Conditional Autoregressive Models (CAR), Spatial Autoregressive Moving Average (SARMA), and panel data.
GWPR is one of the statistical methods used to analyze Poisson regression model, when the data held are in the form of spatial discrete data. By using GWPR method it is expected to obtain models which are not biased even if the homogeneity assumption is not met. The parameter estimator will vary in value for each region, as well as the significant predictor variable. Nakaya, et al (2004) uses GWPR model to a set of work data with death age in Tokyo. The result obtained showed that there was significant variation between work relationship and death age. The result showed that GWPR model was better in use than used conventional Generalized Linear Model. The result of the above study had not presented parameter estimation and GWPR model test statistics yet in detail and only used one weighting so it could not be concluded which weighting was better in use. GWPR model will be applied for modeling of the number of infant mortality in North Sumatra Province in 2013 by using weighting function of gaussian kernel and bisquare kernel function.
2. English to Indonesian
SOURCE LANGUAGE:
2. English to Indonesian
SOURCE LANGUAGE:
Performance Analysis of AODV, CBRP, DSDV and DSR MANET Routing Protocol using NS2 Simulation
Abstract — A Mobile Ad-hoc Network (MANET) is a collection of multi-hop wireless mobile nodes among which the communication is carried out without any centralized control or fixed infrastructure. MANET is a self-organized, self-configurable network having no infrastructure, and in which the mobile nodes move arbitrarily. The wireless link in the network are highly error prone and can go down frequently due to the mobility of nodes, interference and less infrastructure. Hence, because of the highly dynamic environment routing in MANET is a very difficult task. Over the last decade various routing protocols have been proposed for the mobile ad-hoc network and the most important among all of them are AODV, DSR, DSDV and CBRP. This research paper gives the overview of these routing protocols as well as the characteristics and functionality of these routing protocols along with their pros and cons and then make their comparative analysis in order to measure the performance of the network. The main objective of this paper is to compare the performance of all the four routing protocols and then to make the observations about how the performance of these routing protocols can be improved. Performance of these routing protocols are compared on the basis of various parameters such as throughput, delay and packet delivery ratio.
Index Terms — Ad Hoc On Demand Distance Vector (AODV), Cluster Based Routing Protocol (CBRP), Destination-Sequenced Distance Vector (DSDV), Dynamic Source Routing (DSR).
I. INTRODUCTION
Over the last decade, researchers have made various researches in the field of mobile computing especially MANETs. A Mobile ad-hoc network (MANETs) is a self-organized, arbitrarily developed network and can easily adopt in working environment. Basically, MANET is the collection of wireless mobile nodes that can interact and communicate with each other, without having the centralized and established infrastructure. MANETs have converted the dream of getting connected “anywhere and at any time” in to the reality. MANETs are useful in various application areas such as: communication in the battlefields, institutions and colleges, military areas, disaster recovery areas, law and order maintenance, traffic control areas, medical field, conferences and convocations etc. In MANET, all the nodes are mobile nodes and their topology changes rapidly. The Internet Engineering Task Force (IETF) created a MANET working group to deal with the challenges faced during the construction of the MANET routing protocols. These protocols are basically classified in to three basic types such as: reactive (on demand), proactive (table-driven) and hybrid. One of the basic goals of the mobile ad-hoc network is to establish correct and efficient route between the mobile nodes so that communication between the sender and receiver is effective.
In Proactive (table driven) routing protocols, each node maintain one or more routing table which contain information about every other node in a network. Routing tables are updated by all the nodes in order to maintain a consistent and up to date view of the network. In table driven routing protocol, continuous broadcasting of messages is done in order to establish routes and maintain them. One of the basic advantages of proactive routing protocol is that route from source to destination is easily available without any overhead, as they are independent of traffic profiles. Various proactive routing protocols are: DSDV [1], [2], DBF [3], GSR [4], WRP [5] and ZRP [6].
In reactive (on demand) routing protocol, creation of routes is done when it is required. When some packets are to be send from source to destination, it may invoke the route discovery mechanism to find the path to the destination. The route is valid, till the destination is reached or it is no longer be required in the future. Some of the reactive routing protocols are: DSR [1] [3], AODV [8] [6] and TORA [2].
In hybrid protocol routing, we combine the benefits of both the reactive as well as proactive. Hybrid protocols are basically dependent on the network size for their functionality. The remaining portion of this paper is categorized as follows. In section 2, we will discuss the various issues and challenges faced by the MANET. In section 3, we will focus on the routing protocols such as AODV, DSR, DSDV, and CBRP. We will compare the reactive routing protocols with proactive routing protocols and understands the difference between them that affect the performance of these routing protocols. In section 4, we present the simulation of these routing protocols and compare their performance. In section 5, we analyze various results that are obtained from the simulations. Finally, we conclude the paper in section 6.
TARGET LANGUAGE:
TARGET LANGUAGE:
Analisis Performa Protokol Routing MANET AODV, CBRP, DSDV dan DSR dengan Menggunakan Simulasi NS2
Abstrak - Mobile Ad-hoc Network (MANET) adalah kumpulan simpul nirkabel bergerak multi-hop di antara komunikasi yang dilakukan tanpa kontrol terpusat atau infrastruktur tetap. MANET adalah jaringan yang terkonfigurasi dan terorganisir sendiri yang tidak memiliki infrastruktur, dan di mana simpul bergerak memiliki gerakan secara berubah-ubah. Hubungan nirkabel dalam jaringan sangat rentan akan kesalahan dan sering kali bisa menurun karena mobilitas simpul, gangguan, dan infrastruktur yang kurang. Sehingga, karena routing lingkungan yang sangat dinamis dalam MANET adalah tugas yang sangat sulit, selama dekade terakhir berbagai protokol routing telah diusulkan untuk jaringan ad-hoc bergerak dan yang paling penting di antara semuanyaa adalah AODV, DSR, DSDV dan CBRP. Makalah penelitian ini memberikan gambaran protokol routing tersebut, serta karakteristik dan fungsionalitasnya beserta pro dan kontranya dan kemudian membuat analisis komparatifnya untuk mengukur performa jaringan. Tujuan utama dari makalah ini adalah untuk membandingkan performa keempat protokol routing dan kemudian membuat pengamatan tentang bagaimana performa protokol routing dapat ditingkatkan. Performa protokol routing ini dibandingkan dengan berdasarkan pada berbagai parameter seperti debit, penundaan, dan rasio pengiriman paket.
Indeks Istilah - Ad Hoc On Demand Distance Vector (AODV), Cluster Based Routing Protocol (CBRP), Destination-Sequenced Distance Vector (DSDV), Dynamic Source Routing (DSR).
I. PENDAHULUAN
Pada dekade terakhir, para peneliti membuat berbagai penelitian di bidang komputasi mobile khususnya MANET. Mobile ad-hoc network (MANET) adalah jaringan yang dikembangkan secara berubah-ubah dan terorganisir serta dapat dengan mudah diadopsi dalam lingkungan kerja. Pada dasarnya, MANET adalah kumpulan simpul bergerak nirkabel yang dapat berinteraksi dan berkomunikasi satu sama lain, tanpa memiliki infrastruktur yang terpusat dan terbangun. MANET mengonversi impian mendapatkan hubungan "di mana saja dan kapan saja" dalam realita. MANET berguna dalam berbagai bidang aplikasi seperti: komunikasi dalam medan perang, lembaga dan perguruan tinggi, daerah militer, daerah pemulihan bencana, hukum dan pemeliharaan ketertiban, bidang kontrol lalu lintas, bidang medis, konferensi dan mengadakan pertemuan-pertemuan lainnya. Pada MANET, semua simpul merupakan simpul bergerak dan topologinya berubah dengan cepat. Internet Engineering Task Force (IETF) membentuk kelompok kerja MANET untuk menghadapi tantangan yang dihadapi selama pembangunan protokol routing MANET. Protokol ini pada dasarnya diklasifikasikan ke dalam tiga jenis dasar seperti: reaktif (on demand), proaktif (table-driven) dan hibrid (hybrid). Salah satu tujuan dasar dari jaringan ad-hoc bergerak adalah untuk membangun rute yang benar dan efisien di antara simpul bergerak sehingga komunikasi antara pengirim dan penerima efektif.
Dalam protokol routing Proaktif (tabel yang digerakkan), setiap simpul menjaga satu atau lebih tabel routing yang berisi informasi tentang setiap simpul yang lainnya dalam jaringan. Tabel routing diperbarui oleh semua simpul untuk menjaga tampilan yang konsisten dan terkini pada jaringan. Dalam tabel yang digerakkan oleh protokol routing, penyiaran pesan terus-menerus dilakukan dalam rangka membangun rute dan menjaganya. Salah satu keuntungan dasar protokol routingproaktif adalah rute dari sumber ke tujuan mudah tersedia tanpa pengeluaran tambahan apapun, karena profil arus perjalanannnya bebas. Berbagai protokol routing proaktif tersebut adalah: DSDV [1], [2], DBF [3], GSR [4], WRP [5] dan ZRP [6].
Dalam protokol routing reaktif (on demand), penciptaan rute dilakukan bila diperlukan. Ketika beberapa paket akan dikirim dari sumber ke tujuan, paket tersebut akan mengaktifkan mekanisme penemuan rute untuk menemukan jalan ke tujuan. Rute ini berlaku, sampai tujuan tercapai atau tidak lagi diperlukan di masa depan. Beberapa protokol routing reaktif adalah: DSR [1] [3], AODV [8] [6] dan TORA [2].
Dalam protokol routing hibrid, kami menggabungkan manfaat dari reaktif serta proaktif. Protokol hibrid pada dasarnya tergantung pada ukuran jaringan untuk fungsinya. Bagian yang tersisa dari makalah ini dikategorikan sebagai berikut. Pada bagian 2, kami akan membahas berbagai isu dan tantangan yang dihadapi oleh MANET tersebut. Pada bagian 3, kami akan fokus pada protokol routing seperti AODV, DSR, DSDV, dan CBRP. Kami akan membandingkan protokol routing reaktif dengan protokol routing proaktif serta memahami perbedaan antara protokol yang mempengaruhi performa protokol routing. Pada bagian 4, kami menyajikan simulasi protokol routing ini dan membandingkan performanya. Pada bagian 5, kami menganalisis berbagai hasil yang diperoleh dari simulasi. Akhirnya, kami menyimpulkan makalah ini di bagian 6.
Butuh jasa penerjemahan B. Inggris<->B. Indonesia? Segera hubungi:
Griya Alih Bahasa
English-Indonesian and Indonesian-English Translation Service
alamat: Jl. Silikat I no. 5 Purwantoro, Blimbing, Malang
e-mail: virtualdataterjemahan@gmail.com atau fitrianienis@gmail.com
telp./SMS/WhatsApp: +6285646575239
