Pemodelan Mixed Geographically Weighted Bivariate Poisson Regression (Studi pada Banyaknya Kematian Ibu dan Banyaknya Kematian Bayi di Jawa Timur)

Fitrilia, Wulaida Rizky and Dr. Eni Sumarminingsih, S.Si., M.M. and Dr. Dra. Ani Budi Astuti, M.Si. (2024) Pemodelan Mixed Geographically Weighted Bivariate Poisson Regression (Studi pada Banyaknya Kematian Ibu dan Banyaknya Kematian Bayi di Jawa Timur). Magister thesis, Universitas Brawijaya.

Abstract

Distribusi Poisson bivariat merupakan distribusi gabungan dari dua variabel acak yang mengikuti distribusi Poisson, saling berkorelasi, dan perlu diestimasi bersama. Bivariate Poisson Regression (BPR) merupakan analisis regresi ketika variabel responnya mengikuti distribusi Poisson bivariat. Pemodelan BPR menghasilkan penduga parameter yang sama untuk seluruh lokasi pengamatan. Pemodelan spasial dapat menjadi salah satu pilihan ketika memodelkan hubungan antar variabel dengan mempertimbangkan faktor keberagaman wilayahnya (heterogenitas spasial). Geographically Weighted Bivariate Poisson Regression (GWBPR) merupakan regresi Poisson bivariat yang mempertimbangkan aspek spasial. Namun, dalam kenyataannya tidak semua faktor yang mempengaruhi (variabel prediktor) memiliki pengaruh secara spasial. Dalam penelitian ini, dilakukan pengembangan yang merupakan gabungan dari model BPR dan GWBPR yang menghasilkan variabel prediktor global yang memberikan pengaruh yang sama untuk setiap lokasi pengamatan dan variabel prediktor lokal yang memberikan pengaruh yang berbeda untuk setiap lokasi pengamatan. Pendugaan parameter MGWBPR dapat dilakukan dengan menggunakan metode Maximum Likelihood Estimation (MLE) dengan menggunakan iterasi Newton-Raphson. Pengujian parameter MGWBPR secara simultan dapat dilakukan dengan menggunakan metode Maximum Likelihood Ratio Test (MLRT). Berdasarkan hasil pemodelan MGWBPR pada banyaknya kematian ibu dan banyaknya kematian bayi di Jawa Timur tahun 2022, model MGWBPR dibentuk dengan menggunakan tiga variabel prediktor lokal dan lima variabel prediktor global. Hasil pengujian parameter MGWBPR secara simultan dan parsial menunjukkan bahwa seluruh variabel prediktor memberikan pengaruh yang signifikan terhadap banyaknya kematian ibu dan bayi di Jawa Timur. Berdasarkan hasil perbandingan nilai AIC pada pemodelan banyaknya kematian ibu dan bayi di Jawa Timur tahun 2022, model MGWBPR merupakan model yang lebih baik digunakan dibandingkan model BPR dan model GWBPR karena memiliki nilai AIC yang terkecil.

English Abstract

The bivariate Poisson distribution is a combined distribution of two random variables that follow the Poisson distribution, are correlated with each other, and need to be estimated together. Bivariate Poisson Regression (BPR) is a regression analysis when the response variables follow a bivariate Poisson distribution. BPR modeling produces the same parameter estimates for all observation locations. Spatial modeling can be an option when modeling relationships between variables by considering regional diversity factors (spatial heterogeneity). Geographically Weighted Bivariate Poisson Regression (GWBPR) is a bivariate Poisson regression that considers spatial aspects. However, in reality, not all influencing factors (predictor variables) have a spatial influence. In this research, a development was carried out which is a combination of the BPR and GWBPR models which produces global predictor variables that provide the same influence for each observation location and local predictor variables that provide a different influence for each observation location. MGWBPR parameter estimation can be done using the Maximum Likelihood Estimation (MLE) method using Newton-Raphson iteration. Simultaneous testing of MGWBPR parameters can be carried out using the Maximum Likelihood Ratio Test (MLRT) method. Based on the results of MGWBPR modeling on the number of maternal deaths and the number of infant deaths in East Java in 2022, the MGWBPR model was formed using three local predictor variables and five global predictor variables. The results of simultaneous and partial testing of the MGWBPR parameters show that all predictor variables have a significant influence on the number of maternal and infant deaths in East Java. Based on the results of comparing AIC values in modeling the number of maternal and infant deaths in East Java in 2022, the MGWBPR model is a better model to use compared to the BPR model and GWBPR model because it has the smallest AIC value.

Item Type:	Thesis (Magister)
Identification Number:	0424090031
Uncontrolled Keywords:	Poisson bivariat, BPR, GWBPR, Kematian Ibu, Kematian Bayi
Divisions:	S2/S3 > Magister Statistika, Fakultas MIPA
Depositing User:	Unnamed user with username nova
Date Deposited:	11 Sep 2024 06:41
Last Modified:	11 Sep 2024 06:41
URI:	http://repository.ub.ac.id/id/eprint/227871

Text (DALAM MASA EMBARGO) Wulaida Rizky Fitrilia.pdf Restricted to Registered users only Download (15MB)

Actions (login required)

View Item