Please use this identifier to cite or link to this item:
http://repository.ipb.ac.id/handle/123456789/125577
Title: | Kajian Perbandingan Regresi Binomial Negatif dan Regresi Poisson Terampat dalam Kondisi Overdispersi |
Authors: | Sadik, Kusman Alamudi, Aam Arifuddin |
Issue Date: | 2017 |
Publisher: | IPB (Bogor Agricultural University) |
Abstract: | Analisis regresi Poisson menunjukkan hubungan antara peubah penjelas dengan peubah respon yang menyebar Poisson. Regresi Poisson memiliki asumsi ekuidispersi, yaitu kondisi dimana nilai rataan dan ragam pada peubah respon bernilai sama. Namun kondisi ini jarang sekali ditemukan sehingga terjadi masalah overdispersi pada data. Untuk menangani kondisi ini dapat dilakukan dengan regresi Binomial Negatif dan regresi Poisson Terampat. Penelitian ini dilakukan dengan menggunakan kajian simulasi perbandingan regresi Binomial Negatif dan regresi Poisson Terampat. Pembangkitan data peubah respon dilakukan dengan dua sebaran data yaitu sebaran Binomial Negatif dan sebaran Poisson Terampat dalam kondisi overdispersi dengan dua peubah penjelas yang menyebar seragam. Hasil simulasi yang diperoleh menyatakan bahwa nilai AIC dan BIC regresi Binomial Negatif lebih kecil dibandingkan regresi Poisson Terampat. Penelitian ini juga dilakukan dengan data terapan yaitu data penderita campak Kota Semarang sebagai peubah respon dan empat peubah penjelas diantaranya jumlah imunisasi, jumlah puskesmas, jumlah keluarga miskin, dan jumlah penduduk. Berdasarkan pemilihan model terbaik pada data simulasi dan data terapan dengan melihat nilai AIC dan BIC terkecil disimpulkan bahwa regresi Binomial Negatif lebih baik digunakan untuk mengatasi overdispersi. |
URI: | http://repository.ipb.ac.id/handle/123456789/125577 |
Appears in Collections: | UT - Statistics and Data Sciences |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
G17ari.pdf Restricted Access | Fulltext | 11.67 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.