Estimasi Model Regresi Generalized Poisson Berdasarkan Metode Maximum Likelihood.

Amila Mufidah, 080513246 (2009) Estimasi Model Regresi Generalized Poisson Berdasarkan Metode Maximum Likelihood. Skripsi thesis, UNIVERSITAS AIRLANGGA.

[img]
Preview
Text (Abstrak)
gdlhub-gdl-s1-2011-mufidahami-15975-abstrak-e.pdf

Download (246kB) | Preview
[img] Text (Full Text)
gdlhub-gdl-s1-2011-mufidahami-13378-kkckkm-e.pdf
Restricted to Registered users only

Download (996kB) | Request a copy
Official URL: http://lib.unair.ac.id

Abstract

Model regresi Generalized Poisson (GP) merupakan suatu perluasan dari model regresi Poisson yang digunakan untuk mengatasi terjadinya underdispersion atau overdispersion. Penggunaan model regresi Poisson pada variabel respon yang mengalami overdispersion memungkinkan terjadinya underestimate pada standart error dan overstate sehingga mengacaukan tingkat signifikansinya. Untuk mengestimasi parameter model regresi GP, digunakan metode Maximum Likelihood. Karena hasil estimasinya implisit, maka untuk menyelesaikannya digunakan algoritma Newton-Raphson. Data yang digunakan yaitu data jumlah balita yang meninggal di 38 kabupaten/kota di propinsi Jawa Timur pada tahun 2007 yang mengalami overdispersion, dan variabel prediktornya yaitu jumlah balita yang sakit Pneumonia dan jumlah balita yang sakit DBD. Dari hasil analisa data diperoleh bahwa jumlah balita yang sakit DBD tidak mempengaruhi jumlah balita yang meninggal akan tetapi setiap kenaikan satu balita yang sakit Pneumonia akan menyebabkan kenaikan balita yang meninggal sebesar 1,00120873 kali.

Item Type: Thesis (Skripsi)
Additional Information: KKC KK MPM 36-10 Muf e
Uncontrolled Keywords: POISSON REGRESSION MODEL
Subjects: Q Science > QA Mathematics > QA11-14 Study and Teaching, Research
Divisions: 08. Fakultas Sains dan Teknologi > Matematika
Creators:
CreatorsEmail
Amila Mufidah, 080513246UNSPECIFIED
Contributors:
ContributionNameEmail
ContributorNur Chamidah, S.Si.,M.SiUNSPECIFIED
ContributorToha Saifudin, S.Si.,M.SiUNSPECIFIED
Depositing User: Tn Septian Eko Budianto
Date Deposited: 10 Mar 2011 12:00
Last Modified: 23 Sep 2016 07:30
URI: http://repository.unair.ac.id/id/eprint/25500
Sosial Share:

Actions (login required)

View Item View Item