PENERAPAN REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA REGRESI POISSON.
Teks penuh
Gambar
Dokumen terkait
Berdasarkan hasil analisis diperoleh kesimpulan bahwa regresi Poisson dan regresi Quasi-Likelihood tidak mampu mengatasi kasus overdispersi karena nilai Pearson
Pendekatan model yang dilakukan adalah menggunakan regresi Binomial Negatif sebagai model alternatif untuk menghindari masalah overdisperssion pada regresi Poisson..
Pada data yang mengalami overdispersi dengan persentase jumlah amatan yang bernilai nol pada peubah respon sebesar 40%, 60%, dan 80%, regresi Poisson dan regresi
Regresi Poisson menyaratkan keadaan nilai mean dan varians dari variabel respon sama (Myers et al. [3]), pada kenyataannya sering terjadi nilai varians yang lebih besar
Metode Binomial Negatif menghasilkan model statistik data jumlah kasus baru TB dengan nilai AICC yang lebih kecil jika dibandingkan dengan metode regresi Poisson..
Model regresi Binomial Negatif memiliki kegunaan yang sama dengan model regresi Poisson yaitu untuk menganalisis hubungan antara suatu variabel respon data count dengan satu
Pendekatan model yang dilakukan adalah menggunakan regresi Binomial Negatif sebagai model alternatif untuk menghindari masalah overdisperssion pada regresi Poisson.
Pendekatan model binomial negatif pada data klaim resiko sendiri memberikan hasil lebih baik daripada regresi Poisson dengan menurunnya nilai deviasi dan AIC yang diperoleh,
