Model Geographically Weighted Multivariate Zero Inflated Generalized Poisson Regression

Sari, Dewi Novita (2022) Model Geographically Weighted Multivariate Zero Inflated Generalized Poisson Regression. Doctoral thesis, Institut Teknologi Sepuluh Nopember.

Text 06211860010003_Disertasi Dewi Novita Sari.pdf - Accepted Version Restricted to Repository staff only until 1 September 2025. Download (4MB) | Request a copy

Abstract

Model Multivariate Zero Inflated Generalized Poisson Regression (MZIGPR) terdiri dari dua tipe yaitu MZIGPR tipe I (MZIGPR(I)) dan MZIGPR tipe II (MZIGPR(II)). MZIGPR(II) yang dikembangkan pada penelitian ini merupakan model yang dapat digunakan untuk menangani overdispersi atau underdispersi, excess zero dan dapat diterapkan pada data count yang memiliki lebih dari dua respon. Berbeda dengan MZIGPR tipe I (MZIGPR(I)) yang hanya terdiri atas kelompok pasangan Y = 0 dan kelompok pasangan Y ≠ 0, MZIGPR(II) terdiri atas beberapa kombinasi pasangan Y. Dengan memperhatikan aspek spasial, model MZIGPR(II) kemudian dikembangkan menjadi model Geographically Weighted Multivariate Zero Inflated Generalized Poisson Regression (GWMZIGPR(II)) yang dapat menangani adanya overdispersi atau underdispersi, excess zero, keragaman antar wilayah dan dapat diterapkan pada data count yang memiliki lebih dari dua respon. Kasus kematian ibu merupakan contoh data count yang memiliki excess zero, terindikasi mengalami overdispersi atau underdispersi dan terdapat keragaman antara satu wilayah dengan wilayah lain. Oleh karena itu, model MZIGPR(II) dan GWMZIGPR(II) yang sudah dibangun akan diterapkan pada data jumlah kematian ibu hamil, kematian ibu bersalin dan kematian ibu nifas di eks Karesidenan Pekalongan, Jawa Tengah. Tujuan penelitian ini adalah mendapatkan penaksir parameter dan statistik uji model MZIGPR(II) dan GWMZIGPR(II) . Penaksiran parameter dilakukan menggunakan algoritma EM (Expectation-Maximization algorithm). Penentuan statistik uji pada pengujian hipotesis serentak menggunakan metode Maximum Likelihood Ratio Test (MLRT) sedangkan pengujian secara parsial menggunakan uji Wald. Tujuan berikutnya adalah memodelkan data jumlah kematian ibu hamil, ibu bersalin dan ibu nifas di 91 kecamatan di eks-Karesidenan Pekalongan. Hasil pemodelan MZIGPR(II) menunjukkan bahwa semua variabel prediktor memiliki pengaruh signifikan terhadap respon. Hasil yang berbeda diberikan oleh model GWMZIGPR(II) dengan variabel prediktor yang berpengaruh signifikan berbeda untuk setiap kecamatan di eks-Karesidenan Pekalongan. Pemodelan GWMZIGPR(II) memberikan hasil yang lebih baik daripada pemodelan MZIGPR(II) berdasarkan nilai AICc.
=================================================================================================================================
The Multivariate Zero Inflated Generalized Poisson Regression (MZIGPR) consist of two types, MZGPR type I (MZIGPR(I)) and MZGPR type II (MZIGPR(II)). MZIGPR(II) developed in this study is a model that can be used to handle overdispersion or underdispersion and excess zero. The MZIGPR(II) can be applied to count data with more than two responses. MZIGP type I (MZIGPR(I)) only consists of pairs of Y = 0 and pairs of Y ≠ 0. In contrast, MZIGPR(II) consists of several combinations of Y. By taking into account the spatial aspect, the MZIGPR(II) model is then developed into a Geographically Weighted Multivariate Zero Inflated Generalized Poisson Regression (GWMZIGPR(II)) model. The GWMZIGPR(II) can handle overdispersion or underdispersion, excess zero, diversity between regions and can be applied to count data that has more than two responses. The case of maternal death is an example of count data with excess zeros, overdispersion or underdispersion, and diversity between one region and another. Therefore, the MZIGPR(II) and GWMZIGPR(II) models will be applied to data on the number of pregnancy deaths, maternal childbirth deaths, and the number of postpartum maternal deaths in the Pekalongan Residency, Central Java Province. This study aimed to obtain parameter estimators and test statistics for the MZIGPR(II) and GWMZIGPR(II) . Parameter estimation was carried out using the EM (Expectation-Maximization) algorithm. Determination of test statistics on simultaneous hypothesis testing using the maximum likelihood ratio test (MLRT) method, while partial testing uses the Wald test. The next objective is to model the number of pregnancy deaths, maternal childbirth deaths and the number of postpartum maternal deaths in 91 sub-districts in the ex-Pekalongan Residency. MZIGPR(II) modeling results show that all predictor variables significantly affect the response. Different results are given by the GWMZIGPR(II) model with the predictor variables having a significantly different effect for each sub-district in the ex-Pekalongan Residency. The GWMZIGPR(II) modeling giving better results than the MZIGPR(II) modeling based on AICc values.

Item Type:	Thesis (Doctoral)
Additional Information:	RDSt 519.536 Sar m-1 2022
Uncontrolled Keywords:	EM Algorithm, GWMZIGPR(II), Kematian Ibu, MZIGPR(II), MLE, MLRT, Maternal Deaths
Subjects:	H Social Sciences > HA Statistics Q Science > QA Mathematics > QA9.58 Algorithms
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49001-(S3) PhD Thesis
Depositing User:	Anis Wulandari
Date Deposited:	27 May 2024 06:19
Last Modified:	27 May 2024 06:19
URI:	http://repository.its.ac.id/id/eprint/107989

Actions (login required)

View Item