PENERAPAN REGRESI GENERALIZED POISSON UNTUK MENGATASI FENOMENA OVERDISPERSI PADA KASUS REGRESI POISSON
|
|
- Susanto Hermawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 E-Jurnal Matematika Vol., No., Mei 013, ISSN: PENERAPAN REGRESI GENERALIZED POISSON UNTUK MENGATASI FENOMENA OVERDISPERSI PADA KASUS REGRESI POISSON I PUTU YUDANTA EKA PUTRA 1, I PUTU EKA NILA KENCANA, I GUSTI AYU MADE SRINADI 3 1,,3 Jurusan Matematika FMIPA Universitas Udayana, Bukit Jimbaran-Bali 1 yudantaekautra@yahoo.com, i.utu.enk@gmail.com, 3 srinadiigustiayumade@yahoo.co.id Abstract The Poisson regression is generally used to analyze the resonse variable that is a discrete data. Poisson regression has assumtion which must be met, that is condition equidisersion. But in fact this assumtion is often violated, that is the value of the variance is greater or less than the mean value. The condition when value of the variance is greater than the mean value is called overdisersion. One method that can be used for overdisersion data is Generalized Poisson regression. In this research, it was found that the Generalized Poisson regression method was better than Poisson regression method. Keywords: Poisson Regression, Overdisersion, Generalized Poisson regression. 1. Pendahuluan Analisis regresi Poisson meruakan metode regresi yang digunakan untuk menganalisis data yang variabel resonnya berua data diskret. Pada regresi Poisson terdaat asumsi yang harus dienuhi, yaitu nilai varians dan rata-rata dari variabel reson tersebut sama atau equidisersi (Myers et al. [3]). Namun dalam kenyataan di laangan sering terjadi elanggaran asumsi tersebut, yaitu nilai variansnya lebih besar dari nilai rata-rata yang dinamakan overdisersi atau nilai variansnya lebih kecil dari nilai rata-rata yang dinamakan underdisersi (Wang & Famoye [5]). Jika terjadi fenomena overdisersi ada data, maka regresi Poisson kurang akurat digunakan untuk analisis, karena berdamak ada nilai standard error menjadi under estimate (lebih kecil dari nilai sesungguhnya), sehingga kesimulan yang dieroleh menjadi tidak valid (McCullagh & Nelder []). Untuk mengatasi masalah overdisersi tersebut, salah satu metode yang daat digunakan adalah analisis regresi Generalized Poisson yang meruakan erluasan dari regresi Poisson. Tujuan enelitian ini adalah untuk mengetahui model regresi Poisson dan model regresi Generalized Poisson untuk data variabel reson yang mengalami 1 Mahasiswa Jurusan Matematika FMIPA Universitas Udayana,3 Staf Pengajar Jurusan Matematika FMIPA Universitas Udayana
2 I P. Yudanta Eka Putra, I P.E. Nila Kencana, I G.A.M. Srinadi Peneraan Regresi Generalized Poisson overdisersi, dan mengetahui metode analisis regresi yang lebih baik digunakan untuk data variabel reson mengalami overdiersi aabila dilihat dari nilai Pearson chi-square, AIC (Akaike s Information Criterion), BIC (Bayesian Information Criterion), Log likelihood dan Likelihood ratio. Kondisi overdisersi daat dilihat dari nilai taksiran disersi yaitu nilai Pearson chi-square/df dan Deviance/df nilai keduanya lebih besar dari 1, kemudian dilanjutkan dengan melakukan uji rasio disersi (α) (Setyawan [4]) untuk memertegas nilai taksiran disersi. Metode yang daat digunakan menganalisis data yang mengalami overdisersi salah satunya adalah regresi Generalized Poisson, regresi Generalized Poisson meruakan erluasan dari regresi Poisson yang daat mengatasi keadaan overdisersi/underdisersi (Wang & Famoye [5]). Hubungan nilai rata-rata dan varians dalam regresi Generalized Poisson daat dikondisikan sebagai berikut, 1) Jika nilai varians sama dengan nilai rata-rata E Y i x i = Var Y i x i, maka nilai arameter disersi k = 0, sehingga fungsi densitas eluang Generalized Poisson, akan diturunkan ke regresi Poisson. ) Jika nilai varians lebih besar dari nilai rata-rata E Y i x i < Var Y i x i, maka nilai arameter diserse k > 0, sehingga daat dikatakan ada data terjadi overdisersi. 3) Jika nilai varians lebih kecil dari ada nilai rata-rata E Y i x i > Var Y i x i, maka nilai arameter disersi k < 0, sehingga ada data terjadi underdisersi. Pada enelitian ini dalam menentukan metode analisis terbaik antara regresi Poisson dengan regresi Generalized Poisson daat dilihat dari nilai Pearson chi-square/df, AIC, BIC, Log likelihood, dan Likelihood ratio, dengan kriteria nilai Pearson Chi-square yang mendekati df yang lebih baik, nilai AIC dan BIC yang memunyai nilai lebih kecil menunjukkan model yang lebih baik, dan nilai Log likelihood yang memunyai nilai lebih besar menunjukkan metode yang lebih baik Perbedaan antara metode regresi Poisson dan regresi Generalized Poisson secara teori disajikan ada Tabel 1. 50
3 e-jurnal Matematika Vol., No., Mei 013, Tabel 1. Perbedaan Regresi Poisson dengan Regresi Generalized Poisson Kriteria Poisson Generalized Poisson Fungsi densitas f y i = e μ y iμ i i P Y i = y i y i! μ y i i (1 + kyi ) y i 1 = ex μ i 1 + ky i 1 + kμ i y i! 1 + kμ i Rata-rata dan ragam E y = Var y = μ E y = μ Var y = μ i (1 + kμ i ) Penduga Maximum likelihood Maximum Likelihood n y arameter μ i n y i=1 i ex i=1 μ i i ex β n 0 + β j x ji 1 + ky y i 1 i=1 y i! i n 1 + k ex β 0 + β j x y ji i! Uji signifikansi W = β j SE β j i=1 ex ex (β 0 + β j x ji ) 1 + ky i 1 + k ex (β 0 + β j x ji W = β j SE β j H 0 :β j =0 H 1 :β j 0 H 0 :β j =0 H 1 :β j 0 Parameter - K diserse Model y i = ex(x T i β) y i = ex(x T i β). Metode Penelitian ) Data yang digunakan ada enelitian ini adalah data sekunder yang dieroleh dari Dinas Pendidikan Pemuda dan Olahraga Provinsi Bali, berua variabel reson ada enelitian ini adalah jumlah siswa SMA/SMK yang tidak lulus UN tahun 01 tia kabuaten di Provinsi Bali. Variabel bebas ada enelitian ini adalah jumlah sekolah SMA/SMK negeri tia kabuaten di Provinsi Bali, jumlah ruang kelas SMA/SMK rusak tia kabuaten di Provinsi Bali, jumlah guru S untuk SMA/SMK tia kabuaten di Provinsi Bali, jumlah siswa SMA/SMK yang mengikuti UN tia kabuaten di Provinsi Bali. Adaun langkah-langkah analisis ada enelitian ini ialah mendeskrisikan data siswa SMA/SMK yang tidak lulus UN 01 di Provinsi Bali, selanjutnya mencari model regresi Poisson dari data dan memeriksa terjadinya overdisersi, kemudian melakukan analisis data menggunakan analisis regresi Generalized Poisson, setelah itu mencari metode analisis yang lebih baik antara analisis regresi Poisson dengan regresi Generalized Poisson aabila dilihat dari kriteria Pearson Chi-square, AIC, BIC, Likelihood ratio (Ismail & Jemain [1]), dan sebagai langkah terakhir adalah menginterretasi hasil erbandingan dari model regresi Poisson dan Generalized Poisson. 51
4 I P. Yudanta Eka Putra, I P.E. Nila Kencana, I G.A.M. Srinadi Peneraan Regresi Generalized Poisson 3. Hasil dan Pembahasan Deskrisi data siswa SMA/SMK tidak lulus UN 01 ada enelitian ini disajikan ada Tabel. Tabel. Deskrisi Data Penelitian X 1 X X 3 X 4 Y Mean 10,89 15,90 34, ,00 4,11 Simangan Baku 4,57 91,90 13,75 51,00 5,4 Ragam/Mean 1,91 676,77 5, ,33 7,14 Nilai Minimum Nilai Maksimum Model full regresi Poisson dari data yang dianalisis adalah sebagai beriku: μ = ex( 1,61 + 0,1619X 1 + 0X 0,099X 3 + 0,000X 4 ) Selanjutnya dilakukan emeriksaan overdisersi dengan menghitung nilai taksiran disersi seerti disajikan ada Tabel 3 berikut: Tabel 3. Taksiran Disersi kriteria df Nilai nilai/df Deviance 4 1,866 5,4666 Pearson Chi-square 4 19,331 4,8330 Namun untuk lebih jelasnya akan dilakukan uji lanjutan mengunakan uji statistika rasio diersi (a) dengan hiotesis uji sebagai berikut H 0 : a = 1 (ada data tidak terjadi overdisersi) H 1 : a > 1 (ada data terjadi overdisersi) dengan statistik uji nilai deviance yaitu 1,866 > χ 0.05,4 = 9,48773, yang berarti H 0 ditolak. Hal ini menunjukkan bahwa terjadi overdisersi ada regresi Poisson. Oleh karena itu, selanjutnya akan dianalisis dengan menggunakan metode regresi Generalized Poisson. Model full regresi Generalized Poisson dari data yang dianalisis adalah: μ = ex( 1, ,345X 1 + 0,00059X 0,1548X 3 + 0,000573X 4 ) Untuk menentukan metode yang terbaik berikut disajikan Tabel Kriteria Model Tabel 4. Kriteria Model Kriteria Poisson Generalized Poisson Pearson Chi-square 19,331 4,64 AIC 53,853 5,30 BIC 54, ,48 Log Likelihood -1,966-0,15 Berdasarkan Tabel 4, daat diketahui metode regresi Generalized Poisson lebih baik dari ada regresi Poisson. Namun untuk lebih mertegas berikut disajikan Tabel nilai Standard Error 5
5 e-jurnal Matematika Vol., No., Mei 013, Variabel bebas Tabel 5. Nilai Standard Error Standar error regresi Poisson Standar error regresi Generalized Poisson Intercet 0,6900 1, X1 0,08 0,900 X 0,0009 0, X3 0,0509 0, X4 0,000 0, Berdasarkan nilai standard error yang disajikan ada tabel 5 terlihat nilai standard error ada regresi Generalized Poisson mengalami eningkatan atau under estimate yang terjadi ada regresi Poisson telah diatasi sehingga metode Generalized Poisson lebih baik. 4. Kesimulan Berdasarkan data ketidaklulusan siswa SMA/SMK dalam mengikuti UN 01 yang dieroleh dari Dinas Pendidikan Pemuda dan Olahraga Provinsi Bali yang telah dianalisis menggunakan software SAS 9., model regresi Poisson yang dieroleh untuk data tersebut adalah μ = ex( 1,61 + 0,1619X 1 + 0X 0,099X 3 + 0,000X 4 ) Sedangkan model regresi Generalized Poisson yang dieroleh adalah μ = ex( 1, ,345X 1 + 0,00059X 0,1548X 3 + 0,000573X 4 ) Dilihat dari kriteria model terbaik yaitu nilai Pearson Chi-square, AIC, BIC, Log Likelihood, dan Likelihood Ratio maka daat disimulkan metode regresi Generalized Poisson lebih baik untuk menganalisis. Daftar Pustaka [1] Ismail, Noriszura & Abdul Aziz Jemain Generalized Poisson Regression: An Alternative For Risk Classification. Jurnal Teknologi, 43, 1, htt:// diakses tanggal 1 Oktober 01. [] McCullagh, P. & Nelder, J.A Generalized Linier Models, second edition. London: Chaman & Hall. [3] Myers, R.H., Montgomery, D.C., Vining, G.G., & Robinson, T.J Generalized Linier Models with Alications in Engineering and the Sciences. Canada : A John Wiley & Sons, Inc., Publication. [4] Setyawan, Aji. 01. Perbandingan antara Regresi Poisson, Binomial Negatif dan Zero-Inflated Poisson ada Data Overdisersi. [Skrisi]. htt:// ada tanggal 1 Maret 013. [5] Wang, W. & Famoye, F Modeling household fertility decision with generalized Poisson regression. Journal of Poulation Economics, 10, 3, htt:// diakses ada tanggal 7 Januari
E-Jurnal Matematika Vol. 2, No.3, Agustus 2013, ISSN:
E-Jurnal Matematika Vol. 2, No.3, Agustus 2013, 23-28 ISSN: 2303-1751 PENERAPAN REGRESI ZERO INFLATED POISSON UNTUK MENGATASI OVERDISPERSI PADA REGRESI POISSON (Studi Kasus: Ketidaklulusan Siswa SMA/MA
Lebih terperinciPENERAPAN REGRESI ZERO-INFLATED NEGATIVE BINOMIAL (ZINB) UNTUK PENDUGAAN KEMATIAN ANAK BALITA
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 11-16 ISSN: 2303-1751 PENERAPAN REGRESI ZERO-INFLATED NEGATIVE BINOMIAL (ZINB) UNTUK PENDUGAAN KEMATIAN ANAK BALITA NI MADE SEKARMINI 1, I KOMANG GDE SUKARSA
Lebih terperinciE-Jurnal Matematika Vol. 5 (4), November 2016, pp ISSN:
E-Jurnal Matematika Vol 5 (4), November 2016, pp 133-138 ISSN: 2303-1751 PERBANDINGAN REGRESI ZERO INFLATED POISSON (ZIP) DAN REGRESI ZERO INFLATED NEGATIVE BINOMIAL (ZINB) PADA DATA OVERDISPERSION (Studi
Lebih terperinciE-Jurnal Matematika Vol. 3 (3), Agustus 2014, pp ISSN:
E-Jurnal Matematika Vol. 3 3), Agustus 2014, pp. 107-115 ISSN: 2303-1751 PERBANDINGAN REGRESI BINOMIAL NEGATIF DAN REGRESI GENERALISASI POISSON DALAM MENGATASI OVERDISPERSI Studi Kasus: Jumlah Tenaga Kerja
Lebih terperinciE-Jurnal Matematika Vol. 2, No.2, Mei 2013, ISSN:
E-Jurnal Matematika Vol., No., Mei 013, 37-41 ISSN: 303-1751 PENERAPAN REGRESI QUASI-LIKELIHOOD PADA DATA CACAH (COUNT DATA) YANG MENGALAMI OVERDISPERSI DALAM REGRESI POISSON (Studi Kasus: Jumlah Kasus
Lebih terperinciPENERAPAN REGRESI POISSON DAN BINOMIAL NEGATIF DALAM MEMODELKAN JUMLAH KASUS PENDERITA AIDS DI INDONESIA BERDASARKAN FAKTOR SOSIODEMOGRAFI
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 58 65 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENERAPAN REGRESI POISSON DAN BINOMIAL NEGATIF DALAM MEMODELKAN JUMLAH KASUS PENDERITA AIDS DI INDONESIA
Lebih terperinciMODEL REGRESI POISSON YANG DIPERUMUM UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON
MODEL REGRESI POISSON YANG DIPERUMUM UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON Ade Susanti, Dewi Retno Sari Saputro, dan Nughthoh Arfawi Kurdhi Program Studi Matematika FMIPA UNS Abstrak
Lebih terperinciPERBANDINGAN REGRESI ZERO INFLATED POISSON (ZIP) DAN REGRESI ZERO INFLATED NEGATIVE BINOMIAL (ZINB) PADA DATA OVERDISPERSION
PERBANDINGAN REGRESI ZERO INFLATED POISSON (ZIP) DAN REGRESI ZERO INFLATED NEGATIVE BINOMIAL (ZINB) PADA DATA OVERDISPERSION (Studi Kasus: Angka Kematian Ibu di Provinsi Bali) KOMPETENSI STATISTIKA SKRIPSI
Lebih terperinciPENERAPAN REGRESI POISSON UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMENGARUHI JUMLAH SISWA SMA/SMK YANG TIDAK LULUS UN DI BALI
PENERAPAN REGRESI POISSON UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMENGARUHI JUMLAH SISWA SMA/SMK YANG TIDAK LULUS UN DI BALI KOMANG AYU YULIANINGSIH 1, KOMANG GDE SUKARSA 2, LUH PUTU SUCIPTAWATI 3 1,2,3
Lebih terperinciPEMODELAN REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSION PADA REGRESI POISSON
PEMODELAN REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSION PADA REGRESI POISSON Rena Muntafiah 1, Rochdi Wasono 2, Moh. Yamin Darsyah 3 1,2,3 Program Studi Statistika, Fakultas Matematika dan Ilmu
Lebih terperinciPEMODELAN JUMLAH ANAK PUTUS SEKOLAH DI PROVINSI BALI DENGAN PENDEKATAN SEMI-PARAMETRIC GEOGRAPHICALLY WEIGHTED POISSON REGRESSION
E-Jurnal Matematika Vol. 2, No.3, Agustus 2013, 29-34 ISSN: 2303-1751 PEMODELAN JUMLAH ANAK PUTUS SEKOLAH DI PROVINSI BALI DENGAN PENDEKATAN SEMI-PARAMETRIC GEOGRAPHICALLY WEIGHTED POISSON REGRESSION GUSTI
Lebih terperinciPengujian Overdispersi pada Model Regresi Poisson (Studi Kasus: Laka Lantas Mobil Penumpang di Provinsi Jawa Barat)
Statistika, Vol. 14 No. 2, 69 76 November 2014 Pengujian Overdispersi pada Model Regresi Poisson (Studi Kasus: Laka Lantas Mobil Penumpang di Provinsi Jawa Barat) Jurusan Matematika, Fakultas Sains dan
Lebih terperinciPERBANDINGAN REGRESI KOMPONEN UTAMA DAN ROBPCA DALAM MENGATASI MULTIKOLINEARITAS DAN PENCILAN PADA REGRESI LINEAR BERGANDA
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 1-5 ISSN: 2303-1751 PERBANDINGAN REGRESI KOMPONEN UTAMA DAN ROBPCA DALAM MENGATASI MULTIKOLINEARITAS DAN PENCILAN PADA REGRESI LINEAR BERGANDA NI WAYAN
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI POISSON TERGENERALISASI TERBATAS DENGAN METODE MAKSIMUM LIKELIHOOD
ESTIMASI PARAMETER MODEL REGRESI POISSON TERGENERALISASI TERBATAS DENGAN METODE MAKSIMUM LIKELIHOOD Fitra1, Saleh2, La Podje3 Mahasiswa Program Studi Statistika, FMIPA Unhas 2,3 Dosen Program Studi Statistika,
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TENGAH MENGGUNAKAN REGRESI GENERALIZED POISSON DAN BINOMIAL NEGATIF
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TENGAH MENGGUNAKAN REGRESI GENERALIZED POISSON DAN BINOMIAL NEGATIF 1 Alan Prahutama, 2 Sudarno, 3 Suparti, 4 Moch. Abdul Mukid 1,2,3,4
Lebih terperinciE-Jurnal Matematika OPEN JOURNAL SYSTEMS Journal Help USER Username Password 1 of 3 3/17/2015 1:27 PM
E-Jurnal Matematika http://ojs.unud.ac.id/index.php/mtk/index 1 of 3 3/17/2015 1:27 PM E - J u r n a l M a t e m a t i k a OPEN JOURNAL SYSTEMS Journal Help USER Username Password E-Jurnal Matematika http://ojs.unud.ac.id/index.php/mtk/index
Lebih terperinciPemodelan Jumlah Kematian Bayi Di Kabupaten Bojonegoro Dengan Menggunakan Metode Analisis Regresi Binomial Negatif
1 Pemodelan Jumlah Kematian Bayi Di Kabupaten Bojonegoro Dengan Menggunakan Metode Analisis Regresi Binomial Negatif Nike Dwi Wilujeng Mahardika dan Sri Pingit Wulandari Statistika, FMIPA, Institut Teknologi
Lebih terperinciPEMODELAN JUMLAH KASUS TETANUS NEONATORUM DENGAN MENGGUNAKAN REGRESI POISSON UNTUK WILAYAH REGIONAL 2 INDONESIA (SUMATERA)
Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 116 124 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN JUMLAH KASUS TETANUS NEONATORUM DENGAN MENGGUNAKAN REGRESI POISSON UNTUK WILAYAH REGIONAL 2
Lebih terperinciMasalah Overdispersi dalam Model Regresi Logistik Multinomial
Statistika, Vol. 16 No. 1, 29 39 Mei 2016 Masalah Overdispersi dalam Model Regresi Logistik Multinomial Annisa Lisa Nurjanah, Nusar Hajarisman, Teti Sofia Yanti Prodi Statistika, Fakultas Matematika dan
Lebih terperinciModel Regresi Zero Inflated Poisson Pada Data Overdispersion
Model Regresi Zero Inflated Poisson Pada Data Overdispersion Wirajaya Kusuma Fakultas MIPA, Universitas Mataram e-mail: Kusuma_Wirajaya@yahoo.co.id Desy Komalasari Fakultas MIPA, Universitas Mataram e-mail:
Lebih terperinciPERBANDINGAN REGRESI ROBUST PENDUGA MM DENGAN METODE RANDOM SAMPLE CONSENSUS DALAM MENANGANI PENCILAN
E-Jurnal Matematika Vol. 3, No.2 Mei 2014, 45-52 ISSN: 2303-1751 PERBANDINGAN REGRESI ROBUST PENDUGA MM DENGAN METODE RANDOM SAMPLE CONSENSUS DALAM MENANGANI PENCILAN NI PUTU NIA IRFAGUTAMI 1, I GUSTI
Lebih terperinciPEMODELAN JUMLAH KEMATIAN BAYI DI KOTA PADANG TAHUN 2013 DAN 2014 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 74 82 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN JUMLAH KEMATIAN BAYI DI KOTA PADANG TAHUN 2013 DAN 2014 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF
Lebih terperinciPENERAPAN METODE GENERALIZED RIDGE REGRESSION DALAM MENGATASI MASALAH MULTIKOLINEARITAS
e-jurnal Matematika Vol. 2, No. 1, Januari 2013, 54-59 PENERAPAN METODE GENERALIZED RIDGE REGRESSION DALAM MENGATASI MASALAH MULTIKOLINEARITAS NI KETUT TRI UTAMI 1, I KOMANG GDE SUKARSA 2, I PUTU EKA NILA
Lebih terperinciPENERAPAN METODE LEAST MEDIAN SQUARE-MINIMUM COVARIANCE DETERMINANT (LMS-MCD) DALAM REGRESI KOMPONEN UTAMA
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 6-10 ISSN: 2303-1751 PENERAPAN METODE LEAST MEDIAN SQUARE-MINIMUM COVARIANCE DETERMINANT (LMS-MCD) DALAM REGRESI KOMPONEN UTAMA I PUTU EKA IRAWAN 1, I KOMANG
Lebih terperinciAPLIKASI MODEL REGRESI POISSON TERGENERALISASI PADA KASUS ANGKA KEMATIAN BAYI DI JAWA TENGAH TAHUN 2007
APLIKASI MODEL REGRESI POISSON TERGENERALISASI PADA KASUS ANGKA KEMATIAN BAYI DI JAWA TENGAH TAHUN 2007 SKRIPSI Oleh: Nurwihda Safrida Umami NIM : J2E006025 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI ZERO-INFLATED POISSON (ZIP) MENGGUNAKAN METODE BAYESIAN
ESTIMASI PARAMETER MODEL REGRESI ZERO-INFLATED POISSON (ZIP) MENGGUNAKAN METODE BAYESIAN Karima Puspita Sari, Respatiwulan, dan Bowo Winarno Program Studi Matematika FMIPA UNS Abstrak. Model regresi zero-inflated
Lebih terperinciPEMODELAN JUMLAH KEMATIAN AKIBAT DIFTERI DI PROVINSI JAWA TIMUR DENGAN REGRESI BINOMIAL NEGATIF DAN ZERO-INFLATED POISSON
Prosiding Seminar Nasional Matematika, Universitas Jember, 9 November 04 0 PEMODELAN JUMLAH KEMATIAN AKIBAT DIFTERI DI PROVINSI JAWA TIMUR DENGAN REGRESI BINOMIAL NEGATIF DAN ZERO-INFLATED POISSON Nurul
Lebih terperinciISSN: Vol. 1 No. 1 Agustus 2012
ISSN: 2303-1751 Vol. 1 No. 1 Agustus 2012 e-jurnal Matematika, Vol. 1, No. 1, Agustus 2012, 94-98 ISSN: 2303-1751 PEMODELAN ANGKA KEMATIAN BAYI DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION
Lebih terperinciLampiran 1. Perhitungan nilai IR (incident rate per kecamatan) = x = 61, karena nilai IR Kecamatan Adiwerna > 55 per 100.
Lampiran 1 Perhitungan nilai IR (incident rate per kecamatan) 1. IR Adiwerna = JKD = 79 128968 x100.000 = 61, karena nilai IR Kecamatan Adiwerna > 55 per 100.000 penduduk, maka digolongkan sebagai daerah
Lebih terperinciGENERALIZED POISSON REGRESSION (GPR)
PEMODELAN JUMLAH KASUS KANKER SERVIKS DI JAWA TIMUR MENGGUNAKAN ANALISIS GENERALIZED POISSON REGRESSION (GPR) 12/06/2012 Oleh: RIZA INAYAH / 1309.030.042 Dosen Pembimbing: DR. Purhadi, M.Sc Jurusan Statistika
Lebih terperinciHASIL DAN PEMBAHASAN Model Regresi Poisson
HASIL DAN PEMBAHASAN Model Regresi Poisson Hubungan antara jumlah penderita DBD dan faktor-faktor yang mempengaruhinya dapat diketahui dengan menggunakan analisis regresi. Analisis regresi yang digunakan
Lebih terperinciKematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan
VIF Distribusi Poisson Regresi Poisson Kematian Bayi Kematian Ibu Kematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan 1 Pendaharan terberat pada masa nifas
Lebih terperinciGeneralized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017
Prosiding Statistika ISSN: 2460-6456 Generalized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017 Generalized Ordinal Logistic
Lebih terperinciPENERAPAN METODE PENDUGAAN AREA KECIL (SMALL AREA ESTIMATION) PADA PENENTUAN PROPORSI RUMAH TANGGA MISKIN DI KABUPATEN KLUNGKUNG
E-Jurnal Matematika Vol. 2, No.3, Agustus 2013, 35-39 ISSN: 2303-1751 PENERAPAN METODE PENDUGAAN AREA KECIL (SMALL AREA ESTIMATION) PADA PENENTUAN PROPORSI RUMAH TANGGA MISKIN DI KABUPATEN KLUNGKUNG PUTU
Lebih terperinciRegresi Poisson dan Penerapannya Untuk Memodelkan Hubungan Usia dan Perilaku Merokok Terhadap Jumlah Kematian Penderita Penyakit Kanker Paru-Paru
Regresi Poisson dan Penerapannya Untuk Memodelkan Hubungan Usia dan Perilaku Merokok Terhadap Jumlah Kematian Penderita Penyakit Kanker Paru-Paru IIN SUNDARI Program Studi Matematika, Fakultas Matematika
Lebih terperinciGENERALIZED LINEAR MODELS (GLM) UNTUK DATA ASURANSI DALAM MENENTUKAN HARGA PREMI
GENERALIZED LINEAR MODELS (GLM) UNTUK DATA ASURANSI DALAM MENENTUKAN HARGA PREMI Agus Supriatna 1), Riaman 2), Sudradjat 3), Tari Septiyani 4) Departemen Matematika, FMIPA Unpad Jalan Raya Bandung-Sumedang
Lebih terperinciKOMPARASI ANALISIS GEROMBOL (CLUSTER) DAN BIPLOT DALAM PENGELOMPOKAN
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 17-22 ISSN: 2303-1751 KOMPARASI ANALISIS GEROMBOL (CLUSTER) DAN BIPLOT DALAM PENGELOMPOKAN I MADE ANOM ARIAWAN 1, I PUTU EKA NILA KENCANA 2, NI LUH PUTU
Lebih terperinciPEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN. Mike Susmikanti *
PEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN Mike Susmikanti * ABSTRAK PEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN. Pemodelan dalam penelitian berbagai bidang khususnya bidang industri, merupakan kebutuhan
Lebih terperinciMENAKSIR VALUE AT RISK (VAR) PORTOFOLIO PADA INDEKS SAHAM DENGAN METODE PENDUGA VOLATILITAS GARCH
MENAKSIR VALUE AT RISK (VAR) PORTOFOLIO PADA INDEKS SAHAM DENGAN METODE PENDUGA VOLATILITAS GARCH INTAN AWYA WAHARIKA 1, KOMANG DHARMAWAN 2, NI MADE ASIH 3 1, 2, 3 Jurusan Matematika FMIPA Universitas
Lebih terperinciE-Jurnal Matematika Vol. 2, No.3, Agustus 2013, ISSN:
E-Jurnal Matematika Vol. 2, No.3, Agustus 2013, 40-45 ISSN: 2303-1751 ANALISIS FAKTOR-FAKTOR YANG MEMENGARUHI WAKTU KELULUSAN MAHASISWA DENGAN MENGGUNAKAN METODE GOMPIT (Studi Kasus: Mahasiswa Fakultas
Lebih terperinciMODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 33 41 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND MODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA PENDERITA GIZI BURUK PADA BALITA DI PAPUA TAHUN 2015 DENGAN METODE REGRESI ZERO INFLATED POISSON (ZIP)
Jurnal LOG!K@, Jilid 7, No. 1, 2017, Hal. 1-14 ISSN 1978 8568 FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA PENDERITA GIZI BURUK PADA BALITA DI PAPUA TAHUN 2015 DENGAN METODE REGRESI ZERO INFLATED POISSON (ZIP)
Lebih terperinciPENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Pada Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 697-704 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL
Lebih terperinciPUSPA DEWI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
KAJIAN OVERDISPERSI PADA REGRESI POISSON DENGAN MENGGUNAKAN REGRESI BINOMIAL NEGATIF (Studi Kasus Ketidaklulusan Siswa SMA dalam Ujian Nasional di DKI Jakarta) RANI PUSPA DEWI DEPARTEMEN STATISTIKA FAKULTAS
Lebih terperinciBAB I PENDAHULUAN. mengetahui fenomena yang akan terjadi pada periode mendatang akan
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pada kehidupan sehari-hari, adanya ketidakmampuan manusia untuk mengetahui fenomena yang akan terjadi pada periode mendatang akan mengakibatkan kurang tepatnya
Lebih terperinciPEMODELAN INFANT MORTALITY RATE (IMR) DENGAN PENDEKATAN ZERO INFLATED POISSON REGRESSION BERBASIS ALGORITMA EM
E-ISSN 2527-9378 Jurnal Statistika Industri dan Komputasi Volume 3, No. 1, Januari 2018, pp. 71-78 PEMODELAN INFANT MORTALITY RATE (IMR) DENGAN PENDEKATAN ZERO INFLATED POISSON REGRESSION BERBASIS ALGORITMA
Lebih terperinciS - 13 PEMODELAN SPASIAL KEMISKINAN DENGAN MIXED GEOGRAPHICALLY WEIGHTED POISSON REGRESSION DAN FLEXIBLY SHAPED SPATIAL SCAN STATISTIC
S - 13 PEMODELAN SPASIAL KEMISKINAN DENGAN MIXED GEOGRAPHICALLY WEIGHTED POISSON REGRESSION DAN FLEXIBLY SHAPED SPATIAL SCAN STATISTIC (Studi Kasus: Jumlah Rumah Tangga Sangat Miskin di Kabupaten Kulonprogo)
Lebih terperinciPEMODELAN ANGKA KEMATIAN BAYI DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION DI PROVINSI BALI
PEMODELAN ANGKA KEMATIAN BAYI DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION DI PROVINSI BALI M ARRIE KUNILASARI ELYNA 1, I GUSTI AYU MADE SRINADI 2, MADE SUSILAWATI 3 1,2,3, Jurusan Matematika,
Lebih terperinciPENERAPAN METODE PERMUKAAN RESPONS DALAM MASALAH OPTIMALISASI
E-Jurnal Matematika Vol. 2, No.2, Mei 2013, 32-36 ISSN: 2303-1751 PENERAPAN METODE PERMUKAAN RESPONS DALAM MASALAH OPTIMALISASI ADE KUSUMA DEWI 1, I WAYAN SUMARJAYA 2, I GUSTI AYU MADE SRINADI 3 1,2,3
Lebih terperinciPEMODELAN REGRESI SPLINE (Studi Kasus: Herpindo Jaya Cabang Ngaliyan)
PEMODELAN REGRESI SPLINE (Studi Kasus: Herpindo Jaya Cabang Ngaliyan) I Made Budiantara Putra 1, I Gusti Ayu Made Srinadi 2, I Wayan Sumarjaya 3 1 Jurusan Matematika, Fakultas MIPA - Universitas Udayana
Lebih terperinciMETODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015
III. METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015 bertempat di Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciESTIMASI FERTILITAS DENGAN MODEL COALE- TRUSSELL DAN APLIKASINYA TERHADAP DATA INDONESIA
ESTIMASI FERTILITAS DENGAN MODEL COALE- TRUSSELL DAN APLIKASINYA TERHADAP DATA INDONESIA A. RAMADHANI 1, H. SUMARNO 2, I W. MANGKU 3 Abstrak Model fertilitas Coale-Trussell merupakan salah satu metode
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3. Prosedur Pengumulan Data 3.. Sumber Data Data yang digunakan dalam enelitian ini meruakan data sekunder yang diambil dari Deartemen Keuangan, BAPEPAM, dan IAPI. Data-data
Lebih terperinciBAB 1 PENDAHULUAN. ii Bagaimana rata-rata atau nilai tengah dibuat oleh Stimulan eksternal.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan ilmu pengetahuan matematika dan penerapannya dalam berbagai bidang keilmuan selalu mencari metode baru untuk memudahkan dalam memprediksi dan menaksir
Lebih terperinciPENAKSIRAN PARAMETER MODEL REGRESI POISSON DENGAN METODE EXACT GENERALIZED ESTIMATING EQUATIONS (EGEE) UNTUK MULTIPLE-RANDOM EFFECTS
PENAKSIRAN PARAMETER MODEL REGRESI POISSON DENGAN METODE EXACT GENERALIZED ESTIMATING EQUATIONS (EGEE) UNTUK MULTIPLE-RANDOM EFFECTS Anisah Nurul Hayati Pembimbing : Dr. Yekti Widyaningsih, M.Si dan Dr.
Lebih terperinciPENERAPAN HURDLE NEGATIVE BINOMIAL PADA DATA TERSENSOR
PENERAPAN HURDLE NEGATIVE BINOMIAL PADA DATA TERSENSOR SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 215 S-5 Penerapan Hurdle Negative Binomial pada Data Tersensor Resa Septiani Pontoh, Defi
Lebih terperinciDeteksi Pencilan dengan Pendekatan Bayesian pada Regresi Linear (Studi Kasus Hubungan Pengeluaran Rumah Tangga dengan PDRB di Jawa Barat Tahun 2013)
Deteksi Pencilan dengan Pendekatan Bayesian pada Regresi Linear (Studi Kasus Hubungan Pengeluaran Rumah Tangga dengan PDRB di Jawa Barat Tahun 2013) Dwiningrum Prihastiwi, Dadang Juandi, Nar Herrhyanto
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teori statistika telah mempengaruhi hampir semua aspek kehidupan. Hal ini disebabkan statistika merupakan salah satu disiplin ilmu yang berperan
Lebih terperinciTUGAS AKHIR. Untuk Memenuhi Sebagian Persyaratan Memperoleh Gelar Sarjana Sains HASNARIKA NIM /2007
PENGARUH FAKTOR EKSTERNAL TERHADAP KETIDAKLULUSAN SISWA SMA/MA/SMK DALAM UJIAN NASIONAL MENGGUNAKAN REGRESI POISSON (Studi Kasus Pada SMA/MA/SMK di Kota Tanjungpinang) TUGAS AKHIR Untuk Memenuhi Sebagian
Lebih terperinciISSN: Vol. 1 No. 1 Agustus 2012
ISSN: 2303-1751 Vol. 1 No. 1 Agustus 2012 e-jurnal Matematika, Vol. 1, No. 1, Agustus 2012, 99-102 ISSN: 2303-1751 FAKTOR-FAKTOR YANG MEMENGARUHI PDB INDONESIA DENGAN PERSAMAAN SIMULTAN 2SLS NI MADE
Lebih terperinciPenaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar
Vol.14, No. 2, 159-165, Januari 2018 Penaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar Sutrianah Burhan 1, Andi Kresna Jaya 1
Lebih terperinciPERBANDINGAN TRANSFORMASI BOX-COX DAN REGRESI KUANTIL MEDIAN DALAM MENGATASI HETEROSKEDASTISITAS
E-Jurnal Matematika Vol. 4 (1), Januari 2015, pp. 8-13 ISSN: 2303-1751 PERBANDINGAN TRANSFORMASI BOX-COX DAN REGRESI KUANTIL MEDIAN DALAM MENGATASI HETEROSKEDASTISITAS Ni Wayan Yuni Cahyani 1, I Gusti
Lebih terperinciBAB III MODEL REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON
BAB III MODEL REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON 3.1 Regresi Poisson Regresi Poisson merupakan salah satu model regresi dengan variabel responnya tidak berasal
Lebih terperinciPENGARUH MIXED DISTRIBUTION PADA PENDEKATAN QUASI-LIKELIHOOD DALAM MODEL LINEAR 1)
PENGARUH MIXED DISTRIBUTION PADA PENDEKATAN QUASI-LIKELIHOOD DALAM MODEL LINEAR 1) Anang Kurnia Departemen Statistika FMIPA IPB Jl. Meranti, Wing 22 Level 4 Kampus IPB Darmaga, Bogor Email: anangk@ipb.ac.id
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI COM-POISSON UNTUK DATA TERSENSOR KANAN MENGGUNAKAN METODE MAKSIMUM LIKELIHOOD. Oleh DIAN ANGGRAENI NIM.
digilib.uns.ac.id ESTIMASI PARAMETER MODEL REGRESI COM-POISSON UNTUK DATA TERSENSOR KANAN MENGGUNAKAN METODE MAKSIMUM LIKELIHOOD Oleh DIAN ANGGRAENI NIM. M0107028 SKRIPSI ditulis dan diajukan untuk memenuhi
Lebih terperinciANALISIS KETERGANTUNGAN ANTARA CAPAIAN PENGUASAAN KONSEP DASAR DENGAN KETUNTASAN PEMAHAMAN MATERI PENCACAHAN DALAM MATEMATIKA DISKRET
ANALISIS KETERGANTUNGAN ANTARA CAPAIAN PENGUASAAN KONSEP DASAR DENGAN KETUNTASAN PEMAHAMAN MATERI PENCACAHAN DALAM MATEMATIKA DISKRET LUH PUTU IDA HARINI 1, I GEDE SANTI ASTAWA 2, I GUSTI AYU MADE SRINADI
Lebih terperinciPERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO
Perbandingan Model ARIMA... (Alia Lestari) PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO Alia Lestari Fakultas Teknik Universitas
Lebih terperinciISSN: Vol. 2 No. 1 Januari 2013
ISSN: 2303-1751 Vol. 2 No. 1 Januari 2013 e-jurnal Matematika Vol. 2, No. 1, Januari 2013, 19-23 ISSN: 2303-1751 PENENTUAN KEUNTUNGAN MAKSIMUM PADA PENJUALAN OLAHAN TAPE DENGAN MENGGUNAKAN METODE LAGRANGE
Lebih terperinciPemodelan Jumlah Kasus Hiv dan Aids di Kota Surabaya Menggunakan Bivariate Generalized Poisson Regression
JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 337-3 (3-98X Print) D-98 Pemodelan Jumlah Kasus Hiv dan Aids di Kota Surabaya Menggunakan Bivariate Generalized Poisson Regression Suprianto Simanuntak,
Lebih terperinciD-109 JURNAL SAINS DAN SENI ITS Vol. 4, No.1, (2015) ( X Print)
D-9 JURNAL SAINS DAN SENI ITS Vol 4 No 25 2337-352 23-928X Print Pemodelan Log Linier dan Regresi Logistik Biner Bivariat ada Hasil Medical Check-U Pegawai Negeri Siil PNS Institut Teknoi Seuluh Noember
Lebih terperinciPEMODELAN KEMATIAN BALITA MALNUTRISI DENGAN PENDEKATAN ZERO-INFLATED POISSON (ZIP) REGRESSION DI PROVINSI JAWA TENGAH
PEMODELAN KEMATIAN BALITA MALNUTRISI DENGAN PENDEKATAN ZERO-INFLATED POISSON (ZIP) REGRESSION DI PROVINSI JAWA TENGAH 1 Prisca Shery Camelia, 2 Indah Manfaati Nur, 3 Moh. Yamin Darsyah 1,2,3 Program Studi
Lebih terperinciESTIMASI TOTAL DAYA LISTRIK YANG HILANG MELALUI PROSES POISSON TERPANCUNG MAJEMUK
ESTIMASI TOTAL DAYA LISTRIK YANG HILANG MELALUI PROSES POISSON TERPANCUNG MAJEMUK Adri Arisena 1, Anna Chadidjah 2, Achmad Zanbar Soleh 3 Departemen Statistika Universitas Padjadjaran 1 Departemen Statistika
Lebih terperinciRegresi Logistik Nominal dengan Fungsi Hubung CLOGLOG
Regresi Logistik Nominal dengan Fungsi Hubung CLOGLOG Julio Adisantoso, G16109011/STK 11 Mei 2010 Ringkasan Regresi logistik merupakan suatu pendekatan pemodelan yang dapat digunakan untuk mendeskripsikan
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) ( X Print)
Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus Tetanus Neonatorum (TN) di Jawa Timur dengan Metode Regresi Zero- Inflated Generalized Poisson (ZIGP) D-116 Siska Puji Lestari dan Sri Pingit Wulandari
Lebih terperinciRegresi Rasio Prevalensi dengan Model Log-Binomial: Isu Ketakkonvergenan. Netti Herawati 1) Alfian Futuhul Hadi 2)
BIAStatistika (2) Vol. 4, No., hal. 35 45 Regresi Rasio Prevalensi dengan Model Log-Binomial: Isu Ketakkonvergenan Netti Herawati ) Alfian Futuhul Hadi 2) ) Jurusan Matematika FMIPA Universitas Lamung
Lebih terperinciMODEL ASURANSI KENDARAAN BERMOTOR MENGGUNAKAN DISTRIBUSI MIXED POISSON ABSTRACT
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 229-240 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian MODEL ASURANSI KENDARAAN BERMOTOR MENGGUNAKAN DISTRIBUSI MIXED POISSON Tina
Lebih terperinciBAB I PENDAHULUAN. Pada bab ini akan dibahas mengenai latar belakang tema yang diambil dalam
BAB I PENDAHULUAN Pada bab ini akan dibahas mengenai latar belakang tema yang diambil dalam tugas akhir ini, perumusan masalah yang akan dibahas, batasan masalah, tujuan penulisan, manfaat penulisan, dan
Lebih terperinciKata Kunci: Model Regresi Logistik Biner, metode Maximum Likelihood, Demam Berdarah Dengue
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 9 16 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI KEJADIAN DBD (DEMAM BERDARAH DENGUE) MENGGUNAKAN REGRESI LOGISTIK
Lebih terperinciJurnal Matematika Vol. 2 No. 2, Desember ISSN :
Jurnal Matematika Vol. 2 No. 2, Desember 2012. ISSN : 1693-1394 Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif Untuk Mengatasi Overdispersi Studi Kasus: Pemodelan
Lebih terperinciPenerapan Hurdle Negative Binomial pada Data Tersensor
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 Penerapan Hurdle Negative Binomial pada Data Tersensor S - 5 Resa Septiani Pontoh, Defi Yusti Faidah. Departemen Statistika FMIPA Universitas
Lebih terperinciPemodelan Data Curah Hujan Menggunakan Proses Shot Noise Modeling Rainfall Data Using a Shot Noise Process
Prosiding Statistika ISSN: 2460-6456 Pemodelan Data Menggunakan Proses Shot Noise Modeling Rainfall Data Using a Shot Noise Process 1 Novi Tri Wahyuni, 2 Sutawatir Darwis, 3 Teti Sofia Yanti 1,2,3 Prodi
Lebih terperinciMENGATASI MASALAH HETEROSKEDASTISITAS DENGAN MENGASUMSIKAN VARIANS VARIABEL GANGGUANNYA PROPORSIONAL DENGAN X i
E-Jurnal Matematika Vol. 3, No.1 Januari 014, 33-37 ISSN: 303-1751 MENGATASI MASALAH HETEROSKEDASTISITAS DENGAN MENGASUMSIKAN VARIANS VARIABEL GANGGUANNYA PROPORSIONAL DENGAN X i DAN [E( )] MADE ADI GUNAWAN
Lebih terperinciAPLIKASI REGRESI PARTIAL LEAST SQUARE UNTUK ANALISIS HUBUNGAN FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN MANUSIA DI KOTA YOGYAKARTA
-ISSN 979 3693 e-issn 2477 0647 MEDIA STATISTIKA 9(2) 206: 75-84 htt://eournal.undi.ac.id/index.h/media_statistika APLIKASI REGRESI PARTIAL LEAST SQUARE UNTUK ANALISIS HUBUNGAN FAKTOR-FAKTOR YANG MEMPENGARUHI
Lebih terperinciKETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI DI KOTA SEMARANG MENGGUNAKAN BOOSTSTRAP AGGREGATTING REGRESI LOGISTIK MULTINOMIAL
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman 11-20 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI DI KOTA SEMARANG
Lebih terperinciPEMODELAN REGRESI LINIER MULTIVARIAT DENGAN METODE PEMILIHAN MODEL FORWARD SELECTION
PEMODELAN REGRESI LINIER MULTIVARIAT DENGAN METODE PEMILIHAN MODEL FORWARD SELECTION DAN ALL POSSIBLE SUBSET SELECTION PADA JUMLAH KEMATIAN BAYI DAN INDEKS PEMBANGUNAN MANUSIA (IPM) ( Studi Kasus di Provinsi
Lebih terperinciOleh : Anindya Frisanty Ikaprillia Dosen Pembimbing : Dr. Purhadi, M.Sc
Oleh : Anindya Frisanty Ikaprillia 1309 100 014 Dosen Pembimbing : Dr. Purhadi, M.Sc Pendahuluan Tinjauan Pustaka Metodologi Penelitian Analisis dan Pembahasan Kesimpulan dan Saran Rumusan Masalah Tujuan
Lebih terperinciEARLY WARNING SYSTEM JUMLAH ANAK PUTUS SEKOLAH DENGAN METODE ZERO TRUNCATED NEGATIVE BINOMIAL
EARLY WARNING SYSTEM JUMLAH ANAK PUTUS SEKOLAH DENGAN METODE ZERO TRUNCATED NEGATIVE BINOMIAL Robert Kurniawan Jurusan Statistika Komputasi, Sekolah Tinggi Ilmu Statistik (STIS), Jakarta Jl. Otto Iskandardinata
Lebih terperinciKata Kunci Overdispersi, regresi Zero-Inflated Generalized Poisson (ZIGP), Tetanus Neonatorum.
1 Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus Tetanus Neonatorum (TN) di Jawa Timur dengan Metode Regresi Zero- Inflated Generalized Poisson (ZIGP) 1 Siska Puji Lestari, 2 Ir. Sri Pingit Wulandari,
Lebih terperinciPerbandingan Analisis Generalized Poisson Regression
1 Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif (Studi Kasus: Pemodelan Jumlah Penderita Kusta di Jawa Timur Tahun 2012 Sari Putri (1) dan Wiwiek Setya Winahju
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 651-659 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KLASIFIKASI TINGKAT KELANCARAN NASABAH DALAM MEMBAYAR PREMI
Lebih terperinciGENERALIZED CROSS VALIDATION DALAM REGRESI SMOOTHING SPLINE
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No. 3 (2013), hal 191 196. GENERALIZED CROSS VALIDATION DALAM REGRESI SMOOTHING SPLINE Andi Sayuti, Dadan Kusnandar, Muhlasah Novitasari Mara
Lebih terperinciAPLIKASI REGRESI BINOMIAL NEGATIF DAN GENERALIZED POISSON DALAM MENGATASI OVERDISPERSION PADA REGRESI POISSON
APLIKASI REGRESI BINOMIAL NEGATIF DAN GENERALIZED POISSON DALAM MENGATASI OVERDISPERSION PADA REGRESI POISSON (Studi Kasus Data Kemiskinan Provinsi di Indonesia Tahun 2009) Fitriana Fadhillah PROGRAM STUDI
Lebih terperinciSTATISTIKA INDUSTRI 2 TIN 4004
STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 8 Outline: Simple Linear Regression and Correlation Multiple Linear Regression and Correlation Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and
Lebih terperinciPENERAPAN ANALISIS REGRESI LOGISTIK PADA PEMAKAIAN ALAT KONTRASEPSI WANITA
Saintia Matematika Vol. 1, No. 1 (2013), pp. 51 61. PENERAPAN ANALISIS REGRESI LOGISTIK PADA PEMAKAIAN ALAT KONTRASEPSI WANITA (Studi kasus di desa Dolok Mariah Kabupaten Simalungun) Oktani Haloho, Pasukat
Lebih terperinciSTK 511 Analisis statistika. Materi 7 Analisis Korelasi dan Regresi
STK 511 Analisis statistika Materi 7 Analisis Korelasi dan Regresi 1 Pendahuluan Kita umumnya ingin mengetahui hubungan antar peubah Analisis Korelasi digunakan untuk melihat keeratan hubungan linier antar
Lebih terperinciE - J u r n a l. M a t e m a t i k a. 1 of 2 8/4/ :13 PM. Journal Help USER. Username. Password. Remember me. Log In NOTIFICATIONS
E-Jurnal Matematika http://ojs.unud.ac.id/index.php/mtk 1 of 2 8/4/2014 12:13 PM M a t e m a t i k a E - J u r n a l OPEN JOURNAL SYSTEMS Journal Help USER Username Password Remember me Log In NOTIFICATIONS
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar belakang
BAB I PENDAHULUAN 1.1 Latar belakang Analisis regresi merupakan salah satu metode statistika yang digunakan untuk mengetahui hubungan antara variabel Y(variabel dependen, respon, tak bebas, outcome) dengan
Lebih terperinciESTIMASI PARAMETER DISTRIBUSI BINOMIAL NEGATIF-GENERALIZED EKSPONENSIAL (BN-GE) PADA DATA OVERDISPERSI
Jurnal LOG!K@, Jilid 6, No. 2, 2016, Hal. 161-169 ISSN 1978 8568 ESTIMASI PARAMETER DISTRIBUSI BINOMIAL NEGATIF-GENERALIZED EKSPONENSIAL (BN-GE) PADA DATA OVERDISPERSI Annisa Ulfiyah 1), Rini Cahyandari
Lebih terperinciPEMODELAN DATA MIGRASI MENGGUNAKAN MODEL POISSON BAYESIAN
PEMODELAN DATA MIGRASI MENGGUNAKAN MODEL POISSON BAYESIAN Preatin 1, Iriawan N. 2, Zain I. 3, Hartanto W. 4 S - 25 1,2,3 Jurusan Statistika, Fakultas MIPA, ITS Surabaya, 4 BKKBN Jakarta 1 preatin10@mhs.statistika.its.ac.id,
Lebih terperinciA. Latar Belakang Analisis regresi merupakan suatu metode yang digunakan untuk mengetahui
PENDAHULUAN A. Latar Belakang Analisis regresi merupakan suatu metode yang digunakan untuk mengetahui hubungan sebab akibat antara peubah respon dengan peubah penjelas. Analisis regresi terbagi atas dua
Lebih terperinci