Husni, Imra Atil (2018) Pengujian Hipotesis Parsial Untuk Parameter Model Regresi Nonparametrik Spline Truncates Multivariabel (Aplikasi: Data Kematian Ibu Provinsi Nusa Tenggara Timur). Masters thesis, Institut Teknologi Sepuluh Nopember Surabaya.
Preview |
Text
06211650017010-Mater_Theses.pdf - Accepted Version Download (1MB) | Preview |
Abstract
Regresi nonparametrik adalah suatu metode yang dapat digunakan untuk mengetahui hubungan antara variabel respon dan variabel prediktor yang tidak mengikuti suatu pola tertentu. Salah satu metode dalam regresi nonparametrik yang digunakan untuk menduga bentuk kurva regresi adalah spline truncated. Pengujian hipotesis parsial dalam model regresi nonparametrik spline truncated belum dilakukan dan juga penting dikaji lebih lanjut. Melalui kajian teoritis terhadap pengujian hipotesis parsial, akan diperoleh bentuk dari hipotesis, statistik uji dan distribusinya, serta daerah penolakan hipotesis nol. Penelitian ini akan melakukan kajian teoritis tentang pengujian hipotesis secara parsial terhadap parameter model regresi nonparametrik spline truncated. Metode yang digunakan adalah Likelihood Ratio Test (LRT). Dari kajian teori diperoleh statistik uji pada pengujian hipotesis secara parsial yang dinotasikan dengan dan mengikuti distribusi t student dengan derajat bebas (n-(1+(m+r)h).
Penerapan dalam penelitian ini diaplikasikan pada data kematian ibu di Provinsi Nusa Tenggara Timur (NTT). Variabel respon dalam penelitian ini adalah Angka Kematian Ibu (AKI). Tingginya AKI diduga dipengaruhi oleh beberapa variabel prediktor. Metode yang digunakan untuk memilih titik knot optimum adalah Generalized Cross Validation (GCV). Model terbaik yang didapatkan adalah dengan menggunakan kombinasi knot (2,2,2,3) dengan R2 91.87 persen dan adjusted R2 sebesar 77.64 persen. Variabel yang signifikan adalah persentase ibu hamil mendapatkan zat besi (Tablet Fe3), persentase wanita kawin dengan usia perkawinan pertama kurang dari 16 tahun, persentase persalinan ditolong oleh tenaga kesehatan, dan persentase perempuan dengan pendidikan tertinggi yang ditamatkan SD. ========== Nonparametric regression is a method that examines the association
between the response and the predictor variable with unspecified relationship pattern. One of the basis
functions in nonparametric regression to estimate
the regression curve is the spline truncated model.
The theoretical study on partial hypothesis testing in the spline truncated nonparametric regression model
is presented in this research. Through the theoretical study
, it will be obtained the hypothesis statement, the test statistic and its approximation distribution, and the
critical region. The Likelihood Ratio Test (LRT) method will be used in order to define the test statistic. From the theoretical study resulted the statistical test of partial hypothesis testing is denoted by *Q and following the t student distribution with (n-(1+(m+r)h) degree of freedom.
Applied study conducted on maternal mortality data of Nusa Tenggara Timur (NTT) in 2015. The response variable in this study is Maternal Mortality Ratio (MMR).
The high of MMR was predicted by some predictor variables. The method of selecting optimum knots using Generalized Cross Validation (GCV). The best model which is obtained by using the combination of knots (2,2,2,3) with R2 is 91,87 and adjusted R2 is 77,64 percent. Significant variables were the percentage of pregnant women receiving iron supplement (Tablet Fe3), the percentage of married women with the age of first marriage is less than 16 years old,
the percentage of deliveries with health personnel, and
the percentage of women with educational attainment is SD.
| Item Type: | Thesis (Masters) |
|---|---|
| Additional Information: | RTSt 519.536 Hus p |
| Uncontrolled Keywords: | Nonparametrik Spline Truncated; LRT; Uji Hipotesis Parsial; Angka Kematian Ibu; Nonparametric Spline Truncated; LRT; Partial Hypothesis Testing; Maternal Mortality Ratio. |
| Subjects: | H Social Sciences > HA Statistics Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression |
| Divisions: | Faculty of Mathematics, Computation, and Data Science > Statistics > 49101-(S2) Master Thesis |
| Depositing User: | husni imra atil |
| Date Deposited: | 12 Apr 2018 05:09 |
| Last Modified: | 21 Sep 2020 06:38 |
| URI: | http://repository.its.ac.id/id/eprint/50851 |
Actions (login required)
 |
View Item |