• Tidak ada hasil yang ditemukan

KAJIAN OVERDISPERSI PADA REGRESI POISSON MENGGUNAKAN SEMIPARAMETRIK ZERO-INFLATED POISSON NANDA PINANDITA RAMADHANI

N/A
N/A
Info
Unduh - Bebas
Protected

Academic year: 2021

Membagikan "KAJIAN OVERDISPERSI PADA REGRESI POISSON MENGGUNAKAN SEMIPARAMETRIK ZERO-INFLATED POISSON NANDA PINANDITA RAMADHANI"

Copied!
38
0
0

Memuat.... (Lihat teks lengkap sekarang)

Unduh sekarang ( 38 Halaman )

Teks penuh

Gambar

Gambar 1 Plot antara peubah penjelas dengan peubah respon yang dibangkitkan pada
Tabel 2 Nilai dispersi dan jumlah peubah respon bernilai nol pada setiap n dan
Tabel 3 Hasil uji multikolinieritas data simulasi
Tabel 4 Nilai AKTG regresi Poisson dan ZIP model parametrik dan semiparametrik pada setiap n dan
+6

Referensi

Unduh sekarang ( PDF - 38 Halaman - 1.47 MB )

Dokumen terkait

Penanganan Masalah Overdispersi Dalam Data Cacahan Melalui Model Regresi Umum Poisson [Generalized Poisson Regression Models] [Studi Kasus Pada Cara Persalinan Dengan Menggunakan Pervaginam Vacuum Extractum [Ve] Di Daerah Kabupaten Sumedang].

Terkait dengan fenomena overdispersi dalam variabel respon yang bersifat cacahan, penggunaan model regresi poisson untuk menjelaskannya dengan menggunakan sejumlah

PENERAPAN REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA REGRESI POISSON.

Salah satu metode yang dapat digunakan untuk mengatasi overdispersi pada Regresi Poisson adalah Regresi Binomial Negatif, karena distribusi Binomial Negatif tidak

Penerapan Regresi Quasi-Likelihood pada Data Cacah yang Mengalami Overdispersi pada Regresi Poisson.

Berdasarkan hasil analisis diperoleh kesimpulan bahwa regresi Poisson dan regresi Quasi-Likelihood tidak mampu mengatasi kasus overdispersi karena nilai Pearson

2008 Perbandingan Model Regresi Poisson dan Model Regresi Binomial Negatif (2008)

Jika model regresi Poisson tidak fit dengan data cacahan dan ragam peubah respon melebihi rata-ratanya yang sering disebut sebagai overdispersi (hal ini dapat

PENERAPAN REGRESI ZERO INFLATED POISSON DENGAN METODE BAYESIAN

Peubah respon dalam penelitian ini adalah banyaknya penderita Filariasis setiap kota/kabupaten di Provinsi Papua (Y), sedangkan peubah prediktor yang digunakan

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI BANYAKNYA KLAIM ASURANSI KENDARAAAN BERMOTOR MENGGUNAKAN MODEL REGRESI ZERO-INFLATED

Sehingga rumusan masalah dalam tulisan ini adalah menentukan model regresi Zero-Inflated Poisson (ZIP) dalam mengatasi masalah overdispersi akibat excess zero

Pemodelan Indikator Kejadian Penyakit Tetanus Neonatorum Pada Bayi Di Indonesia Menggunakan Regresi Zero-Inflated Poisson

Pada model regresi Zero-Inflated Poisson (ZIP) variabel prediktor yang mempengaruhi poisson state adalah variabel persentase cakupan imunisasi TT2+ terhadap jumlah

Analisis Faktor-faktor yang Mempengaruhi Banyaknya Klaim Asuransi Kendaraaan Bermotor Menggunakan Model Regresi Zero-inflated Poisson (Studi Kasus di PT. Asuransi Sinar Mas Cabang Semarang Tahun 2010)

Sehingga rumusan masalah dalam tulisan ini adalah menentukan model regresi Zero-Inflated Poisson (ZIP) dalam mengatasi masalah overdispersi akibat excess zero