Pemodelan Banyaknya Siswa Gagal Ujian Nasional Dengan Regresi Zero-Inflated Generalized Poisson

Cahyosetiyono, Dwi (2009) Pemodelan Banyaknya Siswa Gagal Ujian Nasional Dengan Regresi Zero-Inflated Generalized Poisson. Masters thesis, Institut Teknologi Sepuluh November.

Text 1307201712-Master_thesis.pdf Restricted to Repository staff only Download (8MB)

Abstract

Generalized Poisson Regression Model digunakan untuk memodelkan sebaran data yang berupa count (jumlahan). Zero-Inflated Generalized Poisson dan Zero-Inflated Negative Binomial Regression Model dikembangkan untuk kondisi jika dalam suatu proses dihasilkan banyak observasi yang bernilai nol yang merupakan asumsi dari Poisson. Pada penelitian ini dikembangkan Zero-Inflated Generalized Poisson Regression Model untuk memodelkan banyaknya siswa yang gagal Ujian Nasional di Kabupaten Pasuruan yang banyak mengandung nol sekitar 70% - 87% untuk tingkat SMA dan sekitar 66% - 72% untuk tingkat SMK pada tahun pelajaran 2006/2007 dan 2007/2008. Metode estimasi parameter yang digunakan adalah Maksimum Likelihood. Kemudian hasil ini dibandingkan dengan menggunakan model Zero-Inflated Poisson Regression dengan menggunakan statistik uji Vuong. Dari analisa diperoleh kesimpulan bahwa faktor-faktor yang mempengaruhi siswa gagal menempuh Ujian Nasional antara lain, adanya seleksi pada penerimaan siswa baru, jarak sekolah terhadap pusat kota dan rasio murid-kelas untuk tingkat SMA. Sedangkan untuk tingkat SMK yang berpengaruh adalah status akreditasi sekolah, adanya seleksi pada penerimaan siswa baru, dan rasio murid-kelas. Dari statistik Vuong diperoleh bahwa pemodelan regresi ZIGP lebih baik daripada pemodelan regresi ZIP.
====================================================================================================================================
The Generalized Poisson Regression Model has been used to model dispersed count data. It is a good competitor to the Negative Binomial Regression model when the count data is over-dispersed. Since Zero-Inflated Generalized Poisson (ZIGP) and Zero-Inflated Negative Binomial Regression Model have been proposed for condition of the responses that have enormous null data, the analysis of which Poisson distribution applied is not appropriate yet. In this paper, we propose a Zero-Inflated Generalized Poisson Regression Model to model the unsuccessful students of national examination with too many zeros. In fact, in Pasuruan Regency it comprises 70% - 87% for Senior High School and reaches 66,7% - 72% for Vocational School. Estimation parameter of the ZIGP model using of maximum Likelihood is provided. The application shows that the variables which effect the unsuccessful students of national examination in Pasuruan Regency involved School's accreditation status, selection of new students, distances of the school itself to downtown and student-class ratio. The Vuong statistics indicates that ZIGP regression model is better than ZIP regression.

Item Type:	Thesis (Masters)
Additional Information:	RTSt 519.536 Cah p
Uncontrolled Keywords:	Count data, Zero-Inflated Generalized Poisson, Estimasi parameter, Vuong Test. Ujian Nasional, Corm: data, Zero-Inflated Generalized Poisson (ZIGP). parameter estimation. Vuong T'es, National Examination.
Subjects:	Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression
Divisions:	Faculty of Mathematics and Science > Statistics > 49101-(S2) Master Thesis
Depositing User:	magang .
Date Deposited:	02 Oct 2026 02:26
Last Modified:	02 Oct 2026 02:26
URI:	http://repository.its.ac.id/id/eprint/145163

Actions (login required)

View Item