Adhipurwa, DindaRatnasita (2016) Perbandingan Efek Overdispersi Pada Regresi Poisson Dengan Regresi Generalized Poisson (Studi Kasus Demam Berdarah Di Kabupaten Lombok Tengah Tahun 2015). Sarjana thesis, Universitas Brawijaya.
Abstract
Regresi Poisson adalah regresi yang mensyaratkan variabel respon mengikuti distribusi Poisson. Asumsi regresi Poisson yaitu rata-rata dan ragam dari variabel respon bernilai sama (equidispersi). Jika diperoleh hasil bahwa ragam lebih besar dari rata-rata (overdispersi) maka analisis yang lebih sesuai yaitu, regresi Generalized Poisson. Pendugaan parameter model regresi Generalized Poisson dengan metode Maximum Likelihood Estimation (MLE). Pada kasus demam berdarah di Kabupaten Lombok Tengah data yang diperoleh merupakan data cacah, sehingga jika terjadi overdispersi maka akan menghasilkan nilai duga yang terlalu kecil dari yang seharusnya. Sebelumnya peneliti telah melakukan pemeriksaan overdispersi pada kasus demam berdarah di Kabupaten Lombok Tengah pada tahun 2015. Setelah dilakukan pemeriksaan overdispersi, diperoleh hasil bahwa terdapat overdispersi pada kasus ini, sehingga peneliti tertarik untuk menganalisis kebaikan model regresi Generalized Poisson dengan melihat nilai standard error yang mengalami peningkatan. Berdasarkan hasil analisis diperoleh model terbaik untuk mengatasi nilai penduga bagi standard error yang lebih kecil (underestimated) yaitu model regresi Generalized Poisson. Karena akan menghasilkan nilai duga yang mendekati nilai yang seharusnya, sehingga tidak menimbulkan kesalahan dalam pendugaan parameter.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2016/292/051608468 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 27 Sep 2016 08:44 |
| Last Modified: | 27 Sep 2016 08:44 |
| URI: | http://repository.ub.ac.id/id/eprint/154811 |
Actions (login required)
 |
View Item |