Pemodelan Regresi Zero Inflated Negative Binomial (ZINB) Pada Kasus Tetanus Neonatorum Di Provinsi Jawa Timur

Astuti, Cindy Cahyaning (2015) Pemodelan Regresi Zero Inflated Negative Binomial (ZINB) Pada Kasus Tetanus Neonatorum Di Provinsi Jawa Timur. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
undergraduated thesis.pdf - Published Version

Download (1MB) | Preview

Abstract

Analisis regresi digunakan untuk mengetahui hubungan antara satu atau beberapa variabel respon (Y) dengan satu atau beberapa variabel prediktor (X). Model regresi yang digunakan untuk menjelaskan hubungan antara variabel prediktor dan variabel respon yang memiliki sebaran Poisson adalah model regresi Poisson. Namun, pada model regresi Poisson terdapat asumsi ragam harus sama dengan rata-rata (equidispersion), sehingga model ini tidak tepat digunakan pada data yang mengalami overdispersion (ragam lebih besar dari rata-rata). Regresi Poisson adalah model umum yang digunakan untuk menganalisis count data (data hitung). Pada jenis count data (data hitung) sering dijumpai amatan yang bernilai nol dengan proporsi nilai nol yang besar pada variabel respon (zero inflation). Regresi Poisson dapat digunakan untuk menganalisis data hitung namun masih belum dapat mengatasi masalah nilai nol berlebih pada variabel respon (zero inflation). Alternatif model yang lebih sesuai untuk data yang mengalami overdispersion dan dapat mengatasi masalah nilai nol berlebih pada variabel respon (zero inflation) adalah model regresi Zero Inflated Negative Binomial (ZINB). Model regresi Zero Inflated Negative Binomial (ZINB) diaplikasikan pada kasus Tetanus Neonatorum di Provinsi Jawa Timur. Tujuan penelitian ini adalah mengkaji bentuk likelihood dan mengkaji estimasi parameter model regresi Zero Inflated Negative Binomial (ZINB) serta mengaplikasikan model regresi Zero Inflated Negative Binomial (ZINB) pada kasus Tetanus Neonatorum di Provinsi Jawa Timur. Hasil pengujian parameter model regresi ZINB menunjukkan bahwa variabel prediktor yang berpengaruh signifikan secara parsial pada model negative binomial adalah persentase kunjungan ibu hamil dan persentase ibu bersalin ditolong tenaga kesehatan, sedangkan variabel prediktor yang berpengaruh signifikan secara parsial pada model zero inflation adalah persentase kunjungan neonatus. ======================================================================================================================== Regression analysis is used to determine relationship between one or several response variable (Y) with one or several predictor variables (X). Regression model between predictor variables and the Poisson distributed response variable is called Poisson Regression Model. Since, Poisson Regression requires an equality between mean and variance, it is not appropriate to apply this model on overdispersion (variance is higher than mean). Poisson regression model is commonly used to analyze the count data. On the count data type, it is often to encounteredd some observations that have zero value with large proportion of zero value on the response variable (zero Inflation). Poisson regression can be used to analyze count data but it has not been able to solve problem of excess zero value on the response variable. An alternative model which is more suitable for overdispersion data and can solve the problem of excess zero value on the response variable is Zero Inflated Negative Binomial (ZINB). In this research, ZINB is applied on the case of Tetanus Neonatorum in East Java. The aim of this research is to examine the likelihood function and to form an algorithm to estimate the parameter of ZINB and also applying ZINB model in the case of Tetanus Neonatorum in East Java. Maximum Likelihood Estimation (MLE) method is used to estimate the parameter on ZINB and the likelihood function is maximized using Expectation Maximization (EM) algorithm. Test results of ZINB regression model showed that the predictor variable have a partial significant effect at negative binomial model is the percentage of pregnant women visits and the percentage of maternal health personnel assisted, while the predictor variables that have a partial significant effect at zero inflation model is the percentage of neonatus visits.

Item Type: Thesis (Undergraduate)
Additional Information: RTSt 519.536 Ast p
Uncontrolled Keywords: Overdispersion, Tetanus Neonatorum, Zero Inflation, Zero Inflated Negative Binomial (ZINB), Overdispersion, Tetanus Neonatorum, Zero Inflation, Zero Inflated Negative Binomial (ZINB).
Subjects: Q Science > QA Mathematics > QA278.2 Regression Analysis
Divisions: Faculty of Mathematics and Science > Statistics > (S2) Master Theses
Depositing User: ansi aflacha
Date Deposited: 26 Mar 2018 02:06
Last Modified: 24 Aug 2018 02:05
URI: http://repository.its.ac.id/id/eprint/51630

Actions (login required)

View Item View Item