PENAKSIRAN PARAMETER DAN STATISTIK UJI DALAM MODEL REGRESI POISSON INVERSE GAUSSIAN (PIG)(Studi Kasus : Jumlah Kasus Baru HIV di Propinsi Jawa Timur Tahun 2013)

WIDIARI, SAYU MADE (2016) PENAKSIRAN PARAMETER DAN STATISTIK UJI DALAM MODEL REGRESI POISSON INVERSE GAUSSIAN (PIG)(Studi Kasus : Jumlah Kasus Baru HIV di Propinsi Jawa Timur Tahun 2013). Masters thesis, Institut Teknologi Sepuluh Nopember.

Preview

Text 1314201707-Master Thesis.pdf - Published Version Download (4MB) | Preview

Abstract

Data count (data cacahan) merupakan data yang menggambarkan suatu
kejadian dalam suatu waktu sehingga dalam pemodelannya bisa menggunakan
regresi poisson. Namun terdapat asumsi yang harus terpenuhi bila menggunakan
regresi poisson yaitu mean dan varians harus sama. Sementara itu, beberapa data
cacahan berpotensi melanggar asumsi tersebut karena terjadi overdispersi yaitu,
varians lebih besar dari mean. Oleh karena itu, dalam memodelkan data cacahan
tersebut tidak cukup dengan regresi poisson sederhana. Regresi poisson inverse
gaussian (PIG) merupakan salah satu bentuk regresi yang berasal dari distribusi
mixed poisson yang dirancang untuk pemodelan data cacahan dengan kasus
overdispersi dan telah banyak digunakan pada beberapa penelitian yang
melibatkan data count. Penaksiran parameter regresi PIG dilakukan dengan
metode Maximum Likelihood Estimation (MLE) dan pengujian hipotesis
dilakukan dengan metode Maximum Likelihood Ratio Test (MLRT). Jumlah kasus
baru Human Immunodeficiency Virus (HIV) merupakan salah satu data cacahan
yang berpotensi terjadi overdispersi. Oleh karena itu, dalam memodelkan jumlah
kasus baru HIV yang terjadi di Propinsi Jawa Timur tahun 2013 dapat digunakan
pemodelan dengan menggunakan regresi PIG. Dari model tersebut, variabel
prediktor yang memberikan pengaruh signifikan terhadap jumlah kasus baru HIV
di Propinsi Jawa Timur tahun 2013 adalah persentase penduduk dengan
pendidikan SLTA ke atas (X2), persentase PUS yang menggunakan kondom (X3)
dan rasio fasilitas kesehatan (X5). Berdasarkan plot normalised quantile residuals
dan nilai Filliben Coefficient Correlation, dapat disimpulkan bahwa model yang
terbentuk sudah sesuai (fit).

=====================================================================================================

Count data is data that describes a number of events that occur in a certain
period. In statistics, count data is always modeled with a simple Poisson
regression. But there is assumption which should be fulfilled in poisson
regression, that is means equals to variance (equidispersion). But in fact, most of
the count data fail to describe the assumption, since the variance is larger than the
means (overdispersion). Hence, modeling this kind of count data is not
appropriate with the simple poisson regression. Poisson Inverse Gaussian (PIG)
regression is one of regression formed by the mixed poisson distribution which is
designed for overdispersion data. Parameter estimation in PIG regression is
obtained with Maximum Likelihood Estimation (MLE) method and the statistical
test is established with Maximum Likelihood Ratio Test (MLRT) method. The
number of HIV new cases is one of the overdispersion count data. Therefore, PIG
regression can be implemented for modeling the number of HIV new cases in East
Java Province in 2013. The result shows that there are three predictor variables
which are significantly affect the number of HIV new cases in East Java Province
in 2013, those are percentage of population with high school education and higher
(X2), percentage of couples with childbearing age who use condom (X3) dan ratio
of health facilities (X5). Based on normalised quantile residuals plot and Filliben
Coefficient Correlation value, it is concluded that the model above is fit with the
data.

Item Type:	Thesis (Masters)
Additional Information:	RTSt 519.54 Wid p
Uncontrolled Keywords:	Regresi PIG, MLE, MLRT, HIV
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:	11 Jan 2017 07:39
Last Modified:	27 Dec 2018 08:33
URI:	http://repository.its.ac.id/id/eprint/1488

Actions (login required)

View Item