Pemodelan Regresi Probit Bivariat Semiparametrik Pada Data Paritas Ibu Dan Pemberian Imunisasi Dasar (Studi Kasus Di Provinsi Kalimantan Utara tahun 2017)

Amelia, Rahmi (2019) Pemodelan Regresi Probit Bivariat Semiparametrik Pada Data Paritas Ibu Dan Pemberian Imunisasi Dasar (Studi Kasus Di Provinsi Kalimantan Utara tahun 2017). Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 06211750010026-Master_Thesis.pdf Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Model regresi probit bivariat adalah model regresi probit yang terdiri dari dua variabel respon dengan eror antara kedua variabel saling berkorelasi. Korelasi antara dua variabel respon dapat terjadi sebagai akibat dari adanya endogenitas, suatu kondisi di mana variabel respon menjadi variabel eksogen dalam variabel respon lain. Endogenitas tersebut apabila diabaikan dapat berpengaruh terhadap hasil estimasi. Hubungan antara variabel respon dan prediktor, terutama variabel prediktor diskrit atau kontinu dapat berupa hubungan yang nonlinier. Kemungkinan adanya nonlinieritas tersebut apabila diabaikan juga dapat berpengaruh terhadap estimasi. Regresi probit bivariat yang dapat mengatasi masalah tersebut adalah model regresi probit bivariat semiparametrik. Langkah pertama dalam pemodelan probit bivariat semiparametrik adalah menguji hipotesis eksogenitas untuk menentukan apakah ada kasus endogenitas atau tidak. Uji eksogenitas yang digunakan dalam penelitian ini adalah uji Lagrange Multiplier (LM) dan Likelihood Ratio (LR). Data yang digunakan dalam penelitian ini terdiri dari dua variabel respon kategorik biner, yaitu status paritas ibu dan pemberian imunisasi dasar untuk bayi di Provinsi Kalimantan Utara pada 2017. Hasil uji eksogenitas menggunakan uji LM dan uji LR menyatakan bahwa ada korelasi yang signifikan antara variabel respon. Beberapa variabel yang berpengaruh secara signifikan terhadap model antara lain adalah usia kawin pertama Ibu, pendidikan Ibu, dan pekerjaan Ibu. Model regresi probit bivariat semiparametrik menghasilkan ketepatan klasifikasi sebesar 65.3%.
==================================================================================================================================
The bivariate probit regression model is a probit regression model consisting of two response variables with errors between the two variables correlating each other. Correlation between two response variables can occur as a result of endogenicity, a condition in which the response variable becomes an exogenous variable in another response variable. The endogenicity, if ignored, can affect the estimation results. The relationship between response variables and predictors, especially discrete or continuous predictor variables can be nonlinear relationships. The possibility of the nonlinear relationship if ignored also can affect the estimation. Bivariate probit regression which can overcome this problem is a semiparametric bivariate probit regression model. The first step in semiparametric bivariate probit modeling is to test the exogenous hypothesis to determine whether there are cases of endogenicity or not. The exogenous test used in this study is the Lagrange Multiplier (LM) and Likelihood Ratio (LR) test. The data used in this study consisted of two binary categorical response variables, namely parity of mother and basic immunization giving in North Kalimantan Province in 2017. The exogenous test results using the LM test and LR test stated that there was a significant correlation between the response variables. Some variables that significantly influence the model are the age of the first marriage of the mother, mother's education, mother's occupation, and parity of mother. Semiparametric bivariate probit regression models result in classification accuracy of 65,3%.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Imunisasi dasar, Paritas, Probit bivariat semiparametrik, Endogenitas, Lagrange Multiplier, Likelihood Ratio
Subjects:	H Social Sciences > HA Statistics > HA31.3 Regression. Correlation. Logistic regression analysis. H Social Sciences > HA Statistics > HA31.7 Estimation
Divisions:	Faculty of Mathematics, Computation, and Data Science > Statistics > 49101-(S2) Master Thesis
Depositing User:	Rahmi Amelia
Date Deposited:	23 Jul 2026 05:55
Last Modified:	23 Jul 2026 05:55
URI:	http://repository.its.ac.id/id/eprint/68871

Actions (login required)

View Item