Bisri, Hasan (2015) Analisis Regresi Poisson Lagrange Dan Regresi Binom Negatif Pada Data Overdispersi (Studi Kasus Penderita Penyakit Demam Berdarah Dengue Di Kabupaten Mojokerto). Sarjana thesis, Universitas Brawijaya.
Abstract
Jumlah pasien DBF di setiap kabupaten di Kabupaten Mojokerto pada tahun 2009 dipengaruhi oleh beberapa faktor seperti persentase pelaksana HCls (gaya hidup bersih sehat), persentase rumah sehat, angka bebas Wiggler, indeks kepadatan populasi dan rata-rata tinggi dari sub -Distrik di atas permukaan laut. Berdasarkan penelitian sebelumnya, Regresi Poisson dapat digunakan untuk memodelkan data demam berdarah di Kabupaten Mojokerto pada tahun 2009. Regresi Poisson membutuhkan beberapa asumsi. Salah satu asumsi penting adalah nilai ekspektasi dari variabel respons harus sama (proporsional) dengan varians. Namun, dalam beberapa kasus ada masalah overdispersion yang merupakan variansnya lebih besar dari rata-rata. Overdispersion dapat ditangani dengan Regresi Lagrange Poisson dan model regresi binomial negatif. Berdasarkan hasil penelitian, model regresi Poisson LaGrange terbentuk adalah: = μi = exp (4.62433 - 0,00479xi1 - 0,00966xi3 + 0,00013xi4 - 0,00265xi5) dan model regresi negatif Binomial yang terbentuk adalah: = μi = exp (4.57327 - 0,00413 XI1 - 0,01105xi3 + 0,00017xi4 - 0,00207xi5). Model regresi negatif Binomial lebih tepat digunakan dalam data DHF di Kabupaten Mojokerto pada tahun 2009 karena menghasilkan statistik uji Pearson Chi-Square yang lebih kecil.
English Abstract
The number of DHF patients in every district in Mojokerto Regency in 2009 influenced by several factors such as percentage of household implementing HCLS (healthy clean lifestyle), the percentage of healthy house, free numbers wiggler, population density index and the height average of the sub-district above the sea level. Based on previous research, Poisson Regression can be used to model the data of dengue in Mojokerto Regency in 2009. Poisson regression requires some assumptions. One of the important assumption is expectation value of the response variable must be the same (proportional) with variance. However, in some cases there is a overdispersion problem that is the variance is greater than the mean. Overdispersion can be dealt with Poisson Lagrange regression and Negative Binomial regression models. Based on the research results, Poisson Lagrange regression model formed is : ̂= μi = exp(4.62433 - 0.00479Xi1 - 0.00966Xi3 + 0.00013Xi4 - 0.00265Xi5) and Binomial Negative regression model formed is : ̂= μi = exp(4.57327 - 0.00413Xi1 - 0.01105Xi3 + 0.00017Xi4 - 0.00207Xi5). Binomial Negative regression model more appropriately used in the data of DHF in Mojokerto regency in 2009 because it produces a smaller Pearson Chi-square test statistic.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2015/116/ 051502278 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Kustati |
| Date Deposited: | 01 Apr 2015 11:12 |
| Last Modified: | 01 Apr 2015 11:12 |
| URI: | http://repository.ub.ac.id/id/eprint/154136 |
Actions (login required)
 |
View Item |