Pemodelan Regresi Poisson Inverse Gaussian (Studi Kasus: Jumlah Kasus Baru Hiv Di Provinsi Jawa Tengah Tahun 2015)

Herindrawati, Andriana Yoshinta (2017) Pemodelan Regresi Poisson Inverse Gaussian (Studi Kasus: Jumlah Kasus Baru Hiv Di Provinsi Jawa Tengah Tahun 2015). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
1313100015-Undergraduate_Theses.pdf - Published Version

Download (3MB) | Preview

Abstract

Data count (data cacahan) adalah data yang menggambarkan jumlah kejadian pada kurun waktu tertentu dan hanya dapat bernilai positif, sehingga dalam pemodelannya dapat menggunakan regresi poisson. Terdapat asumsi yang harus dipenuhi jika menggunakan regresi poisson yaitu mean dan varians harus sama, sedangkan pada kasus data cacahan asumsi ini sering tidak terpenuhi. Hal ini terjadi karena adanya kasus overdispersi, yaitu varians lebih besar dari mean. Oleh karena itu dalam memodelkan data cacahan tersebut tidak cukup dengan regresi poisson sederhana. Regresi poisson inverse gaussian (PIG) merupakan salah satu bentuk regresi dari mixed poisson yang dirancang untuk data cacahan dengan kasus overdispersi dan telah digunakan pada beberapa penelitian yang menggunakan data cacaha. Penaksiran parameter dilakukan dengan metode MLE dan pengujian hipotesis dengan menggunakan metode MLTR. Jumlah kasus baru HIV merupakan salah satu data cacahan yang berpotensi terjadi overdispersi. Oleh karena itu, dalam memodelkan jumlah kasus baru HIV di Provinsi Jawa Tengah tahun 2015 dapat digunakan pemodelan dengan regresi PIG. Berdasarkan model tersebut, variabel prediktor yang memberikan pengaruh signifikan adalah persentase PUS yang menggunakan kondom, rasio fasilitas kesehatan, persentase daerah perkotaan, dan persentase penduduk usia 25-34 tahun. ==================================================================================================================Count data is data that describe a number of events at a certain time and can only be positive, so that it can be used Poisson Regression modeling. But there is assumption which should be fulfilled when using poisson regression, that is mean equals to variance, while in the case of data count, assumption of the data is often not fulfilled. This happens because overdispersion case, the variance is greater than the mean. Hence, modeling this kind of count data is not appopriate with the simple poisson regression. Poisson Inverse Gaussian (PIG) regression is one of regression formed by the mixed poisson distribution which is designed for overdispersion data. Parameter estimation in PIG regression is obtained with Maximum Likelihood Estimation (MLE) method and the statistical test is established with Maximum Likelihood Ratio Test (MLRT) method. The number of HIV new cases is one of the overdispersion count data. Therefore, PIG regression can be implemented for modeling the number of HIV new cases in Central Java Province in 2015. Based on the model, predictor variables which significant effect is the percentage of couples with childbearing age who use condom, ratio of health facilities, the percentage of urban areas, and the percentage of the population aged 25-34.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Overdispersi, regresi Poisson Inverse Gaussian (PIG), HIV Overdispersion, Poisson Inverse Gaussian Regression.
Subjects: H Social Sciences > HA Statistics
Divisions: Faculty of Mathematics and Science > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User: - ANDRIANA YOSHINTA HERINDRAWATI
Date Deposited: 02 May 2017 06:53
Last Modified: 08 Mar 2019 04:11
URI: https://repository.its.ac.id/id/eprint/3479

Actions (login required)

View Item View Item