NAWAWI, M. ICHSAN (2016) PENAKSIRAN DAN PENGUJIAN HIPOTESIS MODEL GEOGRAPHICALLY WEIGHTED NEGATIVE BINOMIAL BIVARIATE REGRESSION (GWNBBR) Studi Kasus : Jumlah Kematian Bayi dan Kematian Ibu di Propinsi Jawa Timur Tahun 2013. Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
1314201008-Abstract.pdf - Published Version Download (197kB) | Preview |
Preview |
Text
1314201008-Master Thesis.pdf - Published Version Download (4MB) | Preview |
Preview |
Text
1314201008-conclusion.pdf - Published Version Download (261kB) | Preview |
Abstract
Regresi Binomial Negatif merupakan solusi untuk mengatasi overdispersi pada
regresi Poisson. Regresi Binomial Negatif akan menghasilkan model yang bersifat
global, yang berlaku untuk semua wilayah di mana data diambil. Pada
kenyataannya, kondisi geografis, sosial budaya dan ekonomi tentunya akan
berbeda antar wilayah. Hal ini menggambarkan adanya efek heterogenitas spasial
antar wilayah. Pengembangan model regresi yang memperhatikan faktor
heterogenitas spasial yaitu regresi dengan pembobotan geografi (Geographically
Weighted Regression). Dengan memberikan pembobotan berdasarkan posisi atau
jarak satu wilayah pengamatan dengan wilayah pengamatan lainnya maka model
GWR akan menghasilkan model lokal yang berbeda-beda di tiap wilayah.
Selanjutnya, jika variabel respon yang diteliti mengikuti distribusi Binomial
Negatif Bivariat maka pengembangannya menjadi Geographically Weighted
Negative Binomial Bivariate Regression (GWNBBR). Pada penelitian ini model
regresi dengan menggunakan metode GWNBBR akan diterapkan pada pemodelan
angka kematian Ibu dan Kematian Bayi untuk mengetahui faktor-faktor yang
mempengaruhinya. Penaksiran parameter dilakukan dengan menggunakan metode
Maximum Likelihood Estimation (MLE) melalui iterasi Newton-Raphson. Metode
pengujian parameter yang digunakan adalah Maximum Likelihood Ratio Test.Dari
hasil analisis menunjukkan bahwa pemodelan GWNBBR menghasilkan parameter
yang bersifat lokal, hal ini dapat dilihat dari perbedaan variabel prediktor yang
signifikan untuk setiap kab/kota di Jawa Timur
=====================================================================================================
Regression binomial negative is a solution to overcome overdispersi in regression
poisson. Regression negative binomial will yield model is global, that apply to all
areas where the taken.In fact, geography, cultural social and economy will
certainly similar across all areas. What this demonstrates the effect heterogenitas
spatial between regions. Development model regression who see factors
heterogeneity spatial namely Geographically Weighted Regression. By giving
weighting based on position or a distance of one areas observation to the region
observation other so model gwr will produce model local different in every
area.Next, if variable response subjects follow the binomial distribution negative
bivariat so its development be Geographically Weighted Negative Binomial
Bivariate Regression (GWNBBR). In this study model regression uses the
GWNBBR to be applied to modeling maternal mortality and infant mortality
factors influence it. Estimation parameter done use Maximum Likelihood
Estimation (MLE) method with Newton-Raphson iteration. Testing hypotheses
use Maximum Likelihood Ratio Test. the analysis shows that the modeling
GWNBBR produce parameters localized, this can be seen from the different
predictor variables are significant for each disttrict/cities in East Java.
| Item Type: | Thesis (Masters) |
|---|---|
| Additional Information: | RTSt 519.536 Naw p |
| Uncontrolled Keywords: | Kematian Bayi, Kematian Ibu, Maximum Likelihood Estimation. Newton-Raphson, Maximum Likelihood Ratio Test, Geographically Weighted Negative Binomial Bivariate Regression |
| Subjects: | Q Science > QA Mathematics Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression |
| Divisions: | Faculty of Mathematics and Science > Statistics > 49101-(S2) Master Thesis |
| Depositing User: | Mr. Tondo Indra Nyata |
| Date Deposited: | 09 Jan 2017 04:53 |
| Last Modified: | 27 Dec 2018 03:05 |
| URI: | http://repository.its.ac.id/id/eprint/1402 |
Actions (login required)
 |
View Item |