Penaksiran Parameter Dan Pengujian Hipotesis Mixed Geographically Weighted Bivariate Negative Binomial Regression (Studi Kasus: Jumlah Penderita Penyakit Kusta Tipe Pausi Basiler dan Multi Basiler di Jawa Timur Tahun 2012 )

-, Sulantari (2017) Penaksiran Parameter Dan Pengujian Hipotesis Mixed Geographically Weighted Bivariate Negative Binomial Regression (Studi Kasus: Jumlah Penderita Penyakit Kusta Tipe Pausi Basiler dan Multi Basiler di Jawa Timur Tahun 2012 ). Masters thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
1315201019-Master-Theses.pdf - Published Version

Download (1MB) | Preview

Abstract

Regresi Poisson merupakan metode yang sering digunakan untuk menganalisis data count. Model Regresi Poisson memiliki asumsi yang spesifik, yaitu variansi dari variabel respon sama dengan mean (ekuidispersi). Pada kenyataannya sering ditemui data diskrit dengan varians lebih besar dibandingkan dengan mean (overdispersi). Model regresi data count bivariat digunakan ketika kejadian count yang secara bersama-sama saling bergantung. Salah satu metode yang digunakan dalam mengatasi overdispersi dalam regresi Poisson adalah regresi Binomial Negatif Bivariat (BNBR). Analisis Regresi Binomial Negatif Bivariat akan menghasilkan satu model yang disebut dengan model global. Selanjutnya pengembangan dari model BNBR yang memperhatikan faktor heterogenitas spasial disebut dengan Geographically Weighted Bivariate Negative Binomial Regression (GWBNBR). Pada kenyataannya, dalam regresi beberapa variabel prediktor berpengaruh secara global, sedangkan yang lainnya mempertahankan pengaruh lokal atau spasialnya. Oleh karena itu, selanjutnya model GWBNBR dikembangkan menjadi model Mixed Geographically Weighted Bivariate Negative Binomial Regression (MGWBNBR). Kusta merupakan salah satu penyakit menular yang bisa menyebabkan kelumpuhan pada penderita. Penyakit ini terbagi menjadi dua tipe yaitu tipe Pausi Basiler (PB) dan tipe Multi Basiler (MB). Analisis yang digunakan untuk memodelkan jumlah kasus kusta PB dan MB serta faktor-faktor yang mempengaruhinya di tiap kabupaten/kota di Jawa Timur adalah MGWBNBR. Penaksiran parameter model MGWBNBR menggunakan MLE dengan iterasi Newton-Raphson serta pengujian hipotesis menggunakan MLRT. Dari hasil analisis ini diketahui bahwa terdapat 6 kelompok pembagian wilayah terhadap kusta PB dan 4 kelompok pembagian wilayah terhadap kusta MB berdasarkan kesamaan variabel prediktor yang signifikan. Variabel prediktor yang berpengaruh signifikan terhadap seluruh kelompok baik kusta PB dan MB adalah persentase kegiatan penyuluhan kesehatan dan persentase penduduk yang melakukan keterbukaan informasi yang berarti bahwa variabel ini bersifat global untuk seluruh kab/kota di Jawa Timur. Sedangkan persentase rumah tangga ber PHBS, rasio tenaga medis, rasio penduduk yang tidak tamat SMA dan rasio sarana kesehatan berpengaruh signifikan di sebagian kab/kota di provinsi Jawa Timur dimana variabel ini hanya bersifat lokal. ===================================================================================== Poisson regression is a method often used to analyze the data count. Poisson regression models have specific assumptions, the variance of the response variable is equal to the mean (equidispersion). In fact often encountered discrete data with variance greater than the mean (overdispersion). Bivariate count data regression model is used when the event count together interdependent. One method used to overcome overdispersion the Poisson regression is Bivariate Negative Binomial Regression (BNBR). Bivariat Negative Binomial Regression Analysis will produce one model called global models. Furthermore, the development of a BNBR model that takes into account factors spatial heterogeneity is called the Geographically Weighted Bivariate Negative Binomial Regression (GWBNBR). In fact, in regression some predictor variables influence globally, while others maintain the local influence or spatial. Therefore, the next GWBNBR model was developed into a Mixed Geographically Weighted Bivariate Negative Binomial Regression (MGWBNBR) model. MGWNBR model is a combination of the (BNBR) global model with GWBNBR models, so the MGWBNBR model will be produced parameter estimator is partly global and partly localized in accordance with the observed data. Parameter estimation of MGWBNBR models using MLE with Newton-Raphson iteration. From the analysis it is known that there are zoning of the 6 groups PB leprosy and zoning of the 4 groups MB leprosy based on similarities significant predictor variables. Predictor variables that significantly influence the entire group of both PB and MB leprosy is the percentage of health education activities and the percentage of people who disclose information which means that these variables are global for all districts / cities in East Java. While the percentage of PHBS household, the ratio of medical personnel, the ratio of people who did not finish high school and the ratio of health facilities have a significant effect in most districts / municipalities in the province of East Java, where this variable is local only.

Item Type: Thesis (Masters)
Uncontrolled Keywords: ekuidispersi; overdispersi; Mixed Geographically Weighted Bivariate Negative Binomial Regression (MGWBNBR); MLE, MLRT; equidispersion; overdispersion
Subjects: Q Science > QA Mathematics > QA278.2 Regression Analysis
Divisions: Faculty of Mathematics and Science > Statistics > (S2) Master Theses
Depositing User: - SULANTARI
Date Deposited: 03 May 2017 05:02
Last Modified: 03 May 2017 05:02
URI: http://repository.its.ac.id/id/eprint/3135

Actions (login required)

View Item View Item