Budiani, Jauhara Rana (2018) Penaksiran Parameter Dan Statistik Uji Bivariate Gamma Regression (Studi Kasus : Pencemaran Air Sungai Di Surabaya Tahun 2016). Masters thesis, Institu Teknologi Sepuluh Nopember.
Preview |
Text
06211650010036-Master_Thesis.pdf - Accepted Version Download (1MB) | Preview |
Abstract
Pada umumnya analisis regresi yang digunakan adalah regresi linier yang harus memenuhi asumsi klasik salah satunya adalah error berdistribusi normal, akan tetapi dalam kenyataan terdapat hasil eksperimen yang dilakukan, error tidak mengikuti distribusi normal. Hal tersebut karena distribusi data bersifat asimetris dan bahkan bisa lebih tebal atau lebih tipis dari distribusi normal. Distribusi data yang mampu menangkap pola dan ketebalan asimetris pada ekor salah satu datanya adalah distribusi Gamma. Regresi gamma merupakan regresi yang menjelaskan hubungan antara satu atau lebih variabel prediktor dengan suatu variabel respon yang mengikuti distribusi gamma. Variabel gamma yang hanya melibatkan satu variabel respon akan tidak dapat diterapkan pada beberapa kasus, karena pada kenyataannya beberapa kasus akan melibatkan lebih dari satu variabel respon. Pada penelitian ini dikembangkan model bivariat menggunakan dua variabel. Hasil dari penelitian ini adalah didapatkan penaksir parameter model dengan metode Maximum Likelihood Estimation (MLE) dan iterasi Newton-Raphson, serta mendapatkan statistik uji pada model Bivariate Gamma
Regression dengan metode Maximum Likelihood Ratio Test (MLRT). Pada penerapannya model BGR pada pencemaran air sungai di Surabaya menghasilkan faktor-faktor yang mempengaruhi BOD dan DO adalah Fosfat, Nitrit, Nitrat, pH
Air, dan Temperatur.
======================================================================================================
Generally, regression analysis used is linear regression that must meet the
classical assumption one of them is normal distributed error. but in reality there
are experimental results performed, the error does not follow the normal
distribution. This is because the data distribution is asymmetric and can even be
thicker or thinner than the normal distribution. The distribution of data capable of
capturing the asymmetric pattern and thickness in the tail of one of the data is the
Gamma distribution. Gamma regression is a regression that explains the
relationship between one or more predictor variables with a response variable
following the gamma distribution. One is gamma regression, a regression that
explains the relationship between one or more predictor variables with a response
variable following the gamma distribution. A gamma variable that involves only
one response variable will not be applicable in some cases, as in reality some
cases will involve more than one response variable. In this research developed
bivariate model using two variables. The result of this research is got the model
parameter estimator with the Maximum Likelihood Estimation (MLE) method
and Newton-Reaphson iteration and obtain test statistics on Bivariate Gamma
Regression model. In the application of BGR model on river water pollution in
Surabaya produce factors that influence BOD and DO are Phosphate, Nitrite,
Nitrate, Water pH, and Temperature.
| Item Type: | Thesis (Masters) |
|---|---|
| Uncontrolled Keywords: | Bivariate Gamma, Bivariate Gamma Regression, Maximum Likelihood Estimation (MLE), Newton-Raphson |
| Subjects: | 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: | Jauhara Rana Budiani |
| Date Deposited: | 24 Jun 2021 02:15 |
| Last Modified: | 24 Jun 2021 02:15 |
| URI: | http://repository.its.ac.id/id/eprint/55073 |
Actions (login required)
 |
View Item |