Regresi Zero-Inflated Poisson

Top PDF Regresi Zero-Inflated Poisson:

PENDUGAAN PARAMETER MODEL REGRESI ZERO-INFLATED POISSON (ZIP) DENGAN METODE MAXIMUM LIKELIHOOD ESTIMATION UNTUK MENGATASI OVERDISPERSI PADA REGRESI POISSON

PENDUGAAN PARAMETER MODEL REGRESI ZERO-INFLATED POISSON (ZIP) DENGAN METODE MAXIMUM LIKELIHOOD ESTIMATION UNTUK MENGATASI OVERDISPERSI PADA REGRESI POISSON

Puji syukur penulis panjatkan kehadirat Allah SWT karena atas berkat rahmat dan hidayah- Nya penulis dapat menyelesaikan skripsi ini yang berjudul “ Pendugaan parameter model regresi Zero-Inflated Poisson (ZIP) dengan metode Maximum Likelihood Estimation untuk mengatasi overdispersi pada regresi Poisson ” sebagai salah satu syarat meraih gelar kesarjanaan pada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung. Terima kasih yang tulus penulis ucapkan kepada:

11 Baca lebih lajut

PENDUGAAN PARAMETER MODEL REGRESI ZERO-INFLATED POISSON (ZIP) DENGAN METODE MAXIMUM LIKELIHOOD ESTIMATION UNTUK MENGATASI OVERDISPERSI PADA REGRESI POISSON

PENDUGAAN PARAMETER MODEL REGRESI ZERO-INFLATED POISSON (ZIP) DENGAN METODE MAXIMUM LIKELIHOOD ESTIMATION UNTUK MENGATASI OVERDISPERSI PADA REGRESI POISSON

Puji syukur penulis panjatkan kehadirat Allah SWT karena atas berkat rahmat dan hidayah- Nya penulis dapat menyelesaikan skripsi ini yang berjudul “ Pendugaan parameter model regresi Zero-Inflated Poisson (ZIP) dengan metode Maximum Likelihood Estimation untuk mengatasi overdispersi pada regresi Poisson ” sebagai salah satu syarat meraih gelar kesarjanaan pada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung. Terima kasih yang tulus penulis ucapkan kepada:

11 Baca lebih lajut

PENERAPAN REGRESI ZERO INFLATED POISSON DENGAN METODE BAYESIAN

PENERAPAN REGRESI ZERO INFLATED POISSON DENGAN METODE BAYESIAN

ABSTRAK. Filariasis (Penyakit Kaki Gajah) adalah penyakit menular yang disebabkan cacing filaria yang tinggal di sistem limfa dan ditularkan oleh nyamuk. Filariasis merupakan salah satu penyakit yang menjadi target eliminasi dan hampir tersebar luas di Indonesia. Penelitian ini bertujuan untuk mengetahui faktor yang mempengaruhi kejadian Filariasis di Provinsi Papua. Data kejadian filariasis di Provinsi Papua bersifat data count dan mengandung banyak nilai nol. Oleh karena itu, faktor yang mempengaruhi kejadian Filariasis diketahui melalui regresi zero inflated Poisson (ZIP). Karena ukuran sampel dalam penelitian ini kecil, maka metode pendugaan parameter yang digunakan adalah Bayesian. Berdasarkan hasil analisis regresi ZIP dengan metode Bayesian, kejadian Filariasis di Provinsi Papua dipengaruhi oleh presentase penduduk yang berusia 20-39 tahun, presentase rumah tangga yang menggunakan racun serangga/pembasmi hama dan presentasi rumah tangga yang memelihara hewan peliharaan (anjing/kucing/kelinci).
Baca lebih lanjut

8 Baca lebih lajut

PENERAPAN REGRESI ZERO INFLATED POISSON UNTUK MENGATASI OVERDISPERSI PADA REGRESI POISSON (Studi Kasus: Ketidaklulusan Siswa SMA/MA dalam Ujian Nasional di Buleleng).

PENERAPAN REGRESI ZERO INFLATED POISSON UNTUK MENGATASI OVERDISPERSI PADA REGRESI POISSON (Studi Kasus: Ketidaklulusan Siswa SMA/MA dalam Ujian Nasional di Buleleng).

The Poisson regression analysis is one of the regression methods used for count data and has the assumption of equidispersion. However, it is the overdispersion and then underestimate standard errors will be obtained. If the data are overdispersed and more data is zero then ZIP (Zero Inflated Regression) regression is used. ZIP regression model is more appropriate to be used to analyze the amount of Senior High School/Madrasah Aliyah who do not pass the exam with five independent variables, because a lot of data failure is zero. In this paper, data are overdispersed on Poisson regression, so ZIP regression are used. ZIP regression models obtained are only influenced by the proportion of Senior High School/Madrasah Aliyah classroom were damaged (X 3 ), is ( � ) =
Baca lebih lanjut

11 Baca lebih lajut

PENERAPAN REGRESI ZERO INFLATED POISSON UNTUK MENGATASI OVERDISPERSI PADA REGRESI POISSON (Studi Kasus: Ketidaklulusan Siswa SMA/MA dalam Ujian Nasional di Buleleng).

PENERAPAN REGRESI ZERO INFLATED POISSON UNTUK MENGATASI OVERDISPERSI PADA REGRESI POISSON (Studi Kasus: Ketidaklulusan Siswa SMA/MA dalam Ujian Nasional di Buleleng).

The Poisson regression analysis is one of the regression methods used for count data and has the assumption of equidispersion. However, it is the overdispersion and then underestimate standard errors will be obtained. If the data are overdispersed and more data is zero then ZIP (Zero Inflated Regression) regression is used. ZIP regression model is more appropriate to be used to analyze the amount of Senior High School/Madrasah Aliyah who do not pass the exam with five independent variables, because a lot of data failure is zero. In this paper, data are overdispersed on Poisson regression, so ZIP regression are used. ZIP regression models obtained are only influenced by the proportion of Senior High School/Madrasah Aliyah classroom were damaged (X 3 ), is ( � ) =
Baca lebih lanjut

11 Baca lebih lajut

Pemodelan Regresi Zero Inflated Negative Binomial (ZINB) pada Kasus Tetanus Neonatorumdi Provinsi Jawa Timur

Pemodelan Regresi Zero Inflated Negative Binomial (ZINB) pada Kasus Tetanus Neonatorumdi Provinsi Jawa Timur

Menurut Lambert [8], jika pada suatu pemodelan countdata (data hitung) banyak terdapat amatan yang bernilai nol pada variabel respon (zero inflation) maka dapat diatasi dengan menggunakan model regresi Zero InflatedPoisson (ZIP). Namun apabila terdapat data dengan banyak amatan yang bernilai nol dan terjadi overdispersion maka model regresi Zero Inflated Poisson (ZIP) sudah tidak tepat lagi digunakan, model yang dapat digunakan pada data seperti ini adalah model regresi Zero Inflated GeneralizedPoisson(Famoye & Singh, [4]). Kondisi overdispersion dapat didefinisikan sebagai kondisi dalam sebaran Poisson dimana ragam lebih besar dari rata-rata. Pada perkembangannya terdapat alternatif lain untuk memodelkan kasus dengan banyak amatan yang bernilai nol dan terjadi overdispersion selain menggunakan model regresi Zero Inflated GeneralizedPoisson (ZIGP), model tersebut adalah regresi Zero Inflated Negative Binomial (ZINB). Menurut Hilbe [6], model regresi Zero Inflated Negative Binomial merupakan model yang dibentuk dari sebaran campuran Poisson Gamma. Model regresi Zero Inflated Negative Binomial (ZINB) dapat digunakan sebagai alternatif lain dalam memodelkan kasus dengan banyak amatan yang bernilai nol dan terjadi overdispersion karena model ini tidak mensyaratkan ragam harus sama dengan rata-rata, selain itu model regresi Zero Inflated Negative Binomial (ZINB) juga memiliki parameter dispersi yang berguna untuk menggambarkan variasi dari data, yang biasa dinotasikan dengan κ (kappa).
Baca lebih lanjut

10 Baca lebih lajut

PEMODELAN KASUS KDRT (KEKERASAN DALAM RUMAH TANGGA) DI JAWA TIMUR TAHUN 2013 DENGAN MENGGUNAKAN ZERO-INFLATED POISSON (ZIP)

PEMODELAN KASUS KDRT (KEKERASAN DALAM RUMAH TANGGA) DI JAWA TIMUR TAHUN 2013 DENGAN MENGGUNAKAN ZERO-INFLATED POISSON (ZIP)

Pemodelan pada data count berdistribusi poisson sering menggunakan metode poisson. Berdasarkan pelanggaran asumsi kesamaan mean dan variansi pada regresi poisson dapat terjadi karena banyaknya nilai nol pada data. Salah satu metode yang dapat menganalisis banyaknya nilai nol (lebih dari 50%) pada data count adalah dengan regresi Zero- Inflated Poisson (ZIP) yang menghasilkan penaksir parameter bersifat global. Penelitian ini menjelaskan tentang faktor-faktor yang mempengaruhi tindak Kekerasan Dalam Rumah Tangga (KDRT) diseluruh kabupaten dan kota di provinsi Jawa Timur. Jawa Timur merupakan salah satu provinsi penyumbang kasus KDRT terbanyak kedua di Indonesia pada tahun 2013. Kasus KDRT adalah masalah Universal yang dihadapi oleh semua Negara di dunia karena dapat terjadi di dalam rumah tangga tanpa memandang perbedayaan budaya atau bangsa, termasuk Indonesia (Davies, 1997). Pada kasus KDRT dapat diketahui proporsi nilai nol sebesar 71,05%. Penaksiran parameter model regresi ZIP dilakukan dengan metode MLE, menunjukkan bahwa semua parameter β berpengaruh signifikan terhadap model.
Baca lebih lanjut

56 Baca lebih lajut

PEMODELAN INFANT MORTALITY RATE (IMR) DENGAN PENDEKATAN ZERO INFLATED POISSON REGRESSION BERBASIS ALGORITMA EM

PEMODELAN INFANT MORTALITY RATE (IMR) DENGAN PENDEKATAN ZERO INFLATED POISSON REGRESSION BERBASIS ALGORITMA EM

Salah satu penyebab terjadinya overdipsersi adalah lebih banyak observasi bernilai nol daripada yang ditaksir untuk model regresi Poisson. Salah satu metode analisis yang diusulkan untuk lebih banyak observasi bernilai nol daripada yang ditakasir adalah mdel regresi zero inflated poisson. Distribusi zip memiliki fungsi probabilitas sebagai berikut : [5]

8 Baca lebih lajut

Identifikasi faktor-faktor berhenti studi mahasiswa pascasarjana IPB menggunakan regresi logistik dan zero inflated poisson

Identifikasi faktor-faktor berhenti studi mahasiswa pascasarjana IPB menggunakan regresi logistik dan zero inflated poisson

Berdasarkan hasil analisis regresi logistik bahwa mahasiswa laki-laki memiliki peluang berhenti studi lebih tinggi dibandingkan perempuan, mahasiswa yang S1 nya berasal dari perguruan tinggi swasta memiliki peluang berhenti studi lebih tinggi dibandingkan dari perguruan tinggi negeri, mahasiswa dengan sumber biaya pendidikannya mandiri memiliki peluang berhenti studi lebih tinggi dibandingkan mahasiswa penerima beasiswa, dan mahasiswa yang tidak linear S1 nya memiliki peluang berhenti studi lebih tinggi dibandingkan mahasiswa yang linear S1 nya. Nilai Akaike Information Criterion sebesar 904,75 dan Schwarz Criterion sebesar 973,574 mengindikasikan model kurang baik dikarenakan banyaknya data peubah respon yang bernilai nol lebih dominan yaitu sebanyak 97,15%, sedangkan data peubah respon yang bernilai 1 hanya 2,85%. Hasil analisis regresi zero inflated Poisson, untuk model log menunjukkan bahwa semakin kecil persentase mahasiswa menikah dan rata-rata IPK S1 serta semakin besar persentase mahasiswa penerima beasiswa akan meningkatkan jumlah mahasiswa pascasarjana IPB yang berhenti studi, untuk model logit menunjukkan peluang mahasiswa pascasarjana IPB berhenti studi dipengaruhi oleh persentase mahasiswa laki-laki, persentase mahasiswa menikah, persentase perguruan tinggi asal negeri, dan persentase mahasiswa penerima beasiswa.
Baca lebih lanjut

54 Baca lebih lajut

Karima Puspita Sari M0112047

Karima Puspita Sari M0112047

Abstrak. Model regresi zero-inflated Poisson(ZIP) adalah suatu model regresi di- mana variabel dependen berdistribusi Poisson dan memiliki banyak nilai nol. Regresi ini terbangun oleh regresi Poisson dan regresi logistik. Estimasi parameter model regresi ZIP dapat menggunakan metode Bayesian. Dalam metode Bayesian terdapat dua distribusi yaitu distribusi prior dan distribusi posterior. Jika distribusi posterior parameter sangat rumit dan tidak dapat dikerjakan secara langsung, maka dilakukan pembangkitan sampel yang mendekati distribusi posterior parameter dengan metode Markov chain Monte Carlo (MCMC ). Tujuan penelitian ini adalah untuk mengestima- si parameter model regresi ZIP menggunakan metode Bayesian dan menerapkannya pada data jumlah kematian difteri di Indonesia tahun 2014 yang dipengaruhi oleh banyaknya pemberian vaksin, jumlah rumah sakit, dan jumlah kasus difteri. Estima- si parameter dilakukan dengan menentukan distribusi prior dan posterior, kemudian melakukan simulasi dengan menetapkan nilai awal parameter. Hasil estimasi para- meternya adalah ˆ α = 0.06335 dan ˆ β = 0.1372. Pada contoh penerapan, estimasi parameternya diperoleh α b = (0.3003, 0.01, 0.0056, 0.0064) dan β b = ( − 0.1386, 0.101). Hasil estimasi parameter α menjelaskan bahwa besarnya peluang penderita difteri yang tidak meninggal dipengaruhi oleh vaksin, jumlah rumah sakit, dan jumlah pen- derita difteri berturut-turut sebesar 1%, 0.56%, dan 0.64%. Hasil estimasi parameter β menjelaskan bahwa banyaknya kasus difteri yang meninggal dipengaruhi oleh vaksin dan jumlah penderita difteri sebesar 13 . 86% dan 10 . 1%.
Baca lebih lanjut

8 Baca lebih lajut

MODEL REGRESI ZERO INFLATED GENERALIZED POISSON

MODEL REGRESI ZERO INFLATED GENERALIZED POISSON

Model regresi GP dapat mengatasi masalah overdispersi tetapi tidak dapat mengatasi masalah zero inflated atau kasus dengan data yang ada terlalu banyak mengandung nilai nol. Oleh karena itu diperlukan suatu model yang dapat menangani masalah tersebut. Salah satu model regresi yang dapat menangani masalah zero inflated adalah model regresi zero inflated Poisson (ZIP), Lambert (1992). Pada tahun 2007 penelitian tentang model ini telah dilakukan oleh Putri. Model regresi ZIP merupakan model yang dapat digunakan pada data cacah dengan frekuensi nol lebih banyak. Akan tetapi, model ZIP ini kurang tepat untuk mengatasi masalah overdispersi atau underdispersi. Sehingga diperlukan suatu model alternatif lain yang tepat untuk mengatasi permasalahan tersebut. Salah satunya adalah memodelkan data cacah tersebut ke dalam model regresi zero inflated generalized Poisson (ZIGP). Menurut Famoye dan Singh (2006) model regresi ZIGP merupakan perluasan dari model regresi Poisson dan merupakan model gabungan dari model regresi ZIP dan model regresi GP. Konsep pembentukan model regresi ZIGP berdasarkan dari distribusi zero inflated generalized Poisson. Sehingga model regresi ZIGP ini dapat diterapkan pada data cacah yang menunjukkan sifat overdispersi atau underdispersi serta mempunyai frekuensi nol yang lebih banyak.
Baca lebih lanjut

43 Baca lebih lajut

Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus Tetanus Neonatorum (TN) di Jawa Timur dengan Metode Regresi Zero- Inflated Generalized Poisson (ZIGP)

Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus Tetanus Neonatorum (TN) di Jawa Timur dengan Metode Regresi Zero- Inflated Generalized Poisson (ZIGP)

Metode Zero-Inflated Negative Binomial (ZINB) dalam teknik iterasi yang digunakan pada estimasi parameter sering gagal konvergen [5]. Jika proporsi data yang bernilai nol besar, maka disarankan menggunakan model regresi Zero-Inflated Poisson (ZIP). Proporsi data bernilai nol pada regresi Zero-Inflated Poisson (ZIP) sekitar 63,7% sedangkan model regresi Zero-Inflated Generalized Poisson (ZIGP) akan lebih baik dibandingkan regresi Zero-Inflated Poisson (ZIP) karena proporsi banyaknya data bernilai nol adalah minimal 65,7%. Maka dalam penelitian ini akan digunakan metode regresi Zero-Inflated Generalized Poisson (ZIGP).
Baca lebih lanjut

6 Baca lebih lajut

Pemodelan Jumlah Kasus Penyakit Tetanus Neonatorum Di Jawa Timur Tahun 2012 Dengan Geographically Weighted Zero-Inflated Poisson Regression (GWZIPR) - ITS Repository

Pemodelan Jumlah Kasus Penyakit Tetanus Neonatorum Di Jawa Timur Tahun 2012 Dengan Geographically Weighted Zero-Inflated Poisson Regression (GWZIPR) - ITS Repository

Pemodelan pada data count berdistribusi Poisson sering menggunakan metode regresi Poisson. Banyaknya pelanggaran asumsi kesamaan mean dan variansi pada regresi Poisson dapat terjadi karena banyaknya nilai nol pada data. Salah satu metode yang dapat menganalisis banyaknya nilai nol (lebih dari 50%) pada data count adalah dengan regresi Zero- Inflated Poisson (ZIP) yang menghasilkan penaksir parameter bersifat global. Akan tetapi data spasial dari berbagai lokasi mewakili perbedaan kondisi di setiap lokasi. Hal itu dapat dipengaruhi oleh karakteristik masyarakat (sosial budaya), kondisi geografis dan ekonom sebagai gambaran adanya faktor spasial. Penelitian ini menjelaskan tentang faktor-faktor yang mempengaruhi penyakit tetanus di seluruh kabupaten dan kota di Provinsi JawaTimur. JawaTimur merupakan salah satu provinsi penyumbang kasus tetanus terbanyak kedua di Indonesia. Metode yang digunakan adalah pengambangan dari regresi ZIP yang telah memperhitungkan faktor spasial yang disebut metode Geographically Weighted Zero-Inflated Poisson (GWZIPR). Pola persebaran data tetanus di Jawa Timur mengikuti distribusi Poisson dengan dengan mean sebesar 0,76 pada Tetanus Neonatorum dengan proporsi nilai nol 76,31%. Penaksiran parameter model GWZIPR dilakukan dengan metode MLE dan diselesaikan menggunakan algoritma Ekspektasi-Maksimalisasi (EM). Dengan pembobot fungsi yang digunakan adalah kernel Bisquare menunjukkan bahwa semua parameter berpengaruh pada semua kabupaten/kota di Jawa Timur.
Baca lebih lanjut

106 Baca lebih lajut

BAB II TINJAUAN PUSTAKA 2.1 Kolinieritas - PEMODELAN KASUS TETANUS NEONATORUM DENGAN PENDEKATAN ZERO-INFLATED POISSON (ZIP) REGRESSION DI PROVINSI JAWA TIMUR - Repository Universitas Muhammadiyah Semarang

BAB II TINJAUAN PUSTAKA 2.1 Kolinieritas - PEMODELAN KASUS TETANUS NEONATORUM DENGAN PENDEKATAN ZERO-INFLATED POISSON (ZIP) REGRESSION DI PROVINSI JAWA TIMUR - Repository Universitas Muhammadiyah Semarang

Salah satu penyebab terjadinya overdisersi adalah lebih banyak observasi yang bernilai nol daripada yang ditaksir untuk model regresi Poisson. Salah satu metode analisis yang diusulkan untuk kasus seperti ini adalah model regresi Zero- Inflated Poisson (ZIP) (Jansakul, N. & Hinde, J. P dalam Nur, I.M, 2018).

14 Baca lebih lajut

Kajian Overdispersi pada Regresi Poisson Menggunakan Semiparametrik Zero-Inflated Poisson

Kajian Overdispersi pada Regresi Poisson Menggunakan Semiparametrik Zero-Inflated Poisson

Analisis regresi merupakan metode dalam statistika yang digunakan untuk mengkaji hubungan antara peubah respon dengan peubah penjelas. Analisis regresi Poisson merupakan salah satu jenis analisis regresi yang digunakan untuk memodelkan kejadian yang jarang terjadi dengan peubah respon berupa data cacah atau data diskrit. Data cacah termasuk dalam data kuantitatif yang tidak berbentuk pecahan. Analisis regresi Poisson memiliki asumsi yaitu kesamaan nilai rata-rata dan nilai ragam yang disbut dengan equidispersi. Akan tetapi dalam kenyataannya, sering terjadi pelanggaran dalam asumsi tersebut. Pelanggaran yang terjadi adalah underdispersi yaitu nilai ragam yang lebih kecil dari rataan dan overdispersi yaitu nilai ragam yang lebih besar dari rataan (Long 1997). Penyebab overdispersi salah satunya adalah banyaknya amatan bernilai nol pada peubah respon. Metode yang dapat digunakan untuk menangani overdispersi pada regresi Poisson adalah regresi Zero-Inflated Poisson (ZIP) (Li 2012).
Baca lebih lanjut

38 Baca lebih lajut

Perbandingan antara Regresi Poisson, Binomial Negatif, dan Zero-Inflated Poisson pada Data Overdispersi

Perbandingan antara Regresi Poisson, Binomial Negatif, dan Zero-Inflated Poisson pada Data Overdispersi

Regresi Poisson digunakan untuk mengkaji hubungan antara peubah penjelas dengan peubah respon yang berupa data cacah. Regresi Poisson mengasumsikan nilai tengah dan ragam dari peubah respon mempunyai nilai yang sama. Akan tetapi, dalam penerapannya sering terjadi kondisi overdispersi. Overdispersi adalah kondisi pada saat ragam dari peubah respon lebih besar dari nilai tengah peubah respon. Overdispersi dapat terjadi karena banyaknyajumlah pengamatan yang bernilai nol pada peubah respon.Salah satu penanganan overdispersi pada regresi Poisson adalah menggunakan Regresi Binomial Negatif. Sedangkan penanganan overdispersi yang disebabkan oleh banyaknya jumlah amatan dengan peubah respon yang bernilai nol dapat menggunakan regresi Zero-Inflated Poisson (ZIP).Kajian simulasi dilakukan untuk membandingkan kinerja metode regresi Poisson, regresi Binomial Negatif, dan regresi ZIP yang dicobakan pada data yang tidak overdispersi dan data overdispersi. Pada data overdispersi diatur berbagai persentase jumlah amatan dengan peubah respon yang bernilai nol pada tiap jumlah amatan. Ketiga metode memberikan hasil yang sama baiknya pada data yang tidak mengalami overdispersi baik dari penduga parameter, penduga galat baku, dan sisaan. Overdispersi pada regresi Poisson akan menghasilkan galat baku yang lebih kecil dari nilai sesungguhnya (underestimate). Semakin besar jumlah amatan maka penduga parameter yang dihasilkan akan semakin mendekati parameter yang sebenarnya. Semakin besar persentase jumlah amatan yang bernilai nol pada peubah respon maka parameter yang dihasilkan akan semakin jauh dari parameter yang sebenarnya. Penerapan regresi ZIP pada data dengan banyak jumlah amatan yang bernilai nol pada peubah respon menghasilkan penduga parameter dan penduga galat baku dari penduga parameter yang sangat dekat dengan nilai sebenarnya daripada penduga parameter dan penduga galat baku yang dihasilkan oleh regresi Poisson dan regresi Binomial Negatif.
Baca lebih lanjut

25 Baca lebih lajut

Perbandingan Regresi Zero Inflated Negatif Binomial dan Regresi Hurdle Negatif Binomial pada Data Overdispersi (Studi Kasus: Kejadian Difteri di Indonesia)

Perbandingan Regresi Zero Inflated Negatif Binomial dan Regresi Hurdle Negatif Binomial pada Data Overdispersi (Studi Kasus: Kejadian Difteri di Indonesia)

Difteri merupakan penyakit menular yang menyerang saluran pernafasan bagian atas dan terlihat selaput putih kotor yang semakin lama akan membesar yang akan mempersempit saluran pernafasan. Penyakit difteri merupakan kejadian luar biasa (KLB), yaitu penyakit yang sebelumnya memiliki jumlah kasus yang sedikit tetapi mengalami peningkatan pesat. Jumlah kasus difteri merupakan data count yang mengikuti distribusi poisson sehingga untuk mengetahui faktor-faktor yang berpengaruh terhadap kasus difteri menggunakan analisis regresi Poisson. Regresi Poisson mensyaratkan kondisi dimana nilai mean dan variansi dari variabel respon bernilai sama. Namun, adakalanya terjadi fenomena overdispersi dalam data yang dimodelkan dengan distribusi Poisson. Pada penelitian ini dilakukan analisis dengan memperhatikan excess zero dan overdispersi menggunakan regresi Zero Inflated Negative Binomial (ZINB) dan model regresi Hurdle Negative Binomial (HNB) pada kasus difteri di Indonesia. Hasil penelitian menunjukkan bahwa model ZINB memiliki nilai AIC sebesar 123,40 lebih kecil dibandingkan model HNB. Sehingga model ZINB merupakan model yang tepat untuk mengendalikan overdispersi pada data kasus difteri di Indonesia.
Baca lebih lanjut

10 Baca lebih lajut

PENERAPAN REGRESI ZERO-INFLATED NEGATIVE BINOMIAL (ZINB) UNTUK PENDUGAAN KEMATIAN ANAK BALITA.

PENERAPAN REGRESI ZERO-INFLATED NEGATIVE BINOMIAL (ZINB) UNTUK PENDUGAAN KEMATIAN ANAK BALITA.

One method of regression analysis used to analyze the count data is Poisson regression. Poisson regression requires that the mean value equal to the value of variance (equidispersion). However, sometimes the data is going overdispersion the state variance values greater than the mean value. One of the causes overdispersion is the excessive number of zero values on the response variable (excess zeros). One method of analysis that can be used on data that had overdispersion due to excess zeros is regression Zero-Inflated Negative Binomial (ZINB). The data that can be analyzed using the ZINB regression is the early childhood mortality in the province of Bali because much of the data is zero . The analysis showed that the data had overdispersion on Poisson regression, so the ZINB regression analysis was used. From the results of the ZINB regression can overcome overdispersion so it was better than the Poisson Regression Model.
Baca lebih lanjut

10 Baca lebih lajut

Regresi Poisson Menggunakan Generalized Estimating Equation (Case Study: Flood Occurance Longitudinal Data In East Java Province Year 2011-2013) - ITS Repository

Regresi Poisson Menggunakan Generalized Estimating Equation (Case Study: Flood Occurance Longitudinal Data In East Java Province Year 2011-2013) - ITS Repository

GP yang digunakan Famoye, Wulu dan Singh (2004) dalam pemodelan data kecelakaan kendaraan ternyata lebih tepat menggambarkan keadaan data dibanding model Poisson. Oleh karena itu banyak para peneliti yang beralih dari model Poisson dan ZIP ke model lain yang dapat mengatasi zero inflation dan over/under dispersion. Ariani (2014) menyatakan bahwa model regresi Zero Inflated Generalized Poisson (ZIGP) menghasilkan nilai AIC (Akaike Information Criterion) yang lebih kecil dibandingkan model regresi Zero Inflated Negative Binomial pada kasus data dengan overdispersion dan zero inflation pada peubah respon.
Baca lebih lanjut

66 Baca lebih lajut

PENERAPAN REGRESI ZERO-INFLATED NEGATIVE BINOMIAL (ZINB) UNTUK PENDUGAAN KEMATIAN ANAK BALITA.

PENERAPAN REGRESI ZERO-INFLATED NEGATIVE BINOMIAL (ZINB) UNTUK PENDUGAAN KEMATIAN ANAK BALITA.

One method of regression analysis used to analyze the count data is Poisson regression. Poisson regression requires that the mean value equal to the value of variance (equidispersion). However, sometimes the data is going overdispersion the state variance values greater than the mean value. One of the causes overdispersion is the excessive number of zero values on the response variable (excess zeros). One method of analysis that can be used on data that had overdispersion due to excess zeros is regression Zero-Inflated Negative Binomial (ZINB). The data that can be analyzed using the ZINB regression is the early childhood mortality in the province of Bali because much of the data is zero . The analysis showed that the data had overdispersion on Poisson regression, so the ZINB regression analysis was used. From the results of the ZINB regression can overcome overdispersion so it was better than the Poisson Regression Model.
Baca lebih lanjut

11 Baca lebih lajut

Show all 8544 documents...

Related subjects