Pemodelan Regresi Hurdle Negative Binomial (Hnb) Untuk Mengatasi Overdispersi Dengan Excess Zeros

Zharfani, Aulya (2015) Pemodelan Regresi Hurdle Negative Binomial (Hnb) Untuk Mengatasi Overdispersi Dengan Excess Zeros. Sarjana thesis, Universitas Brawijaya.

Abstract

Regresi Poisson adalah salah satu metode regresi yang digunakan untuk menganalisis hubungan antara variabel respon diskrit Y (count data) dengan variabel prediktor X. Pada regresi Poisson asumsi yang harus dipenuhi adalah equidispersi di mana ragam dan rata-rata variabel respon bernilai sama. Namun sering kali terjadi pelanggaran asumsi yaitu overdispersi yaitu keadaan di mana ragam suatu variabel lebih besar dari rata-ratanya, sehingga regresi Poisson tidak tepat lagi digunakan. Regresi Hurdle Negative Binomial (HNB) dapat digunakan untuk memodelkan data count yang mengalami overdispersi dengan banyaknya nilai nol pada respon (excess zeros). Metode Maximum Likelihood Estimation (MLE) dengan algoritma Expectation Maximation (EM) digunakan untuk menduga parameter regresi HNB. Pengujian hipotesis tentang keberartian parameter secara simultan dan parsial dilakukan dengan menggunakan Likelihood Ratio Test. Model regresi HNB ini diterapkan pada kasus Ujian Nasional SMA tahun pelajaran 2013/2014 di kota Malang. Variabel respon pada kasus ini adalah banyaknya siswa yang gagal ujian nasional di setiap SMA di Kota Malang. Dari hasil analisis diperoleh peluang SMA yang semua siswanya lulus UN dipengaruhi oleh akreditasi sekolah, rasio rencana penerimaan-pendaftar, rasio guru-murid dan rasio murid-kelas.

Item Type: Thesis (Sarjana)
Identification Number: SKR/MIPA/2015/194/051504895
Subjects: 500 Natural sciences and mathematics > 510 Mathematics
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika
Depositing User: Budi Wahyono Wahyono
Date Deposited: 19 Aug 2015 11:36
Last Modified: 14 Dec 2023 07:26
URI: http://repository.ub.ac.id/id/eprint/154222
[thumbnail of AULYA ZHARFANI.pdf] Text
AULYA ZHARFANI.pdf

Download (3MB)

Actions (login required)

View Item View Item