Pengembangan Model Kecelakaan Sepeda Motor Menggunakan Generalized Poisson Regression Berdasarkan Algoritma Fisherscoring

Dinnullah, Riski Nur Istiqomah and Dr. Sobri Abusini, M.T. and Rahma Fitriani, S.Si, M.Sc., Ph.D. and Prof. Dr. Marjono, M. Phil. (2024) Pengembangan Model Kecelakaan Sepeda Motor Menggunakan Generalized Poisson Regression Berdasarkan Algoritma Fisherscoring. Doktor thesis, Universitas Brawijaya.

Abstract

Kecelakaan lalu lintas merupakan salah satu kasus terapan yang melibatkan pemodelan count data. Regresi Poisson menjadi pilihan yang tepat dalam memodelkan kecelakaan. Regresi ini memiliki hubungan mean dan variansi yang sering mengalami dispersi. Adanya kasus dispersi ini dapat menyebabkan ketidakakuratan model yang dihasilkan. Apabila model Regresi Poisson yang berindikasi dispersi ini tetap digunakan, maka taksiran parameter regresi dapat tetap konsisten namun tidak efisien. Hal tersebut mengakibatkan taksiran parameter menjadi bias sehingga dapat memberikan hasil yang salah dalam penarikan kesimpulan data yang diamati. Regresi alternatif yang digunakan dalam penelitian ini adalah Generalized Poisson Regression (GPR). Regresi ini merupakan pengembangan dari Regresi Poisson. Model regresi tersebut juga merupakan bagian dari GLM di mana variabel responnya berupa distribusi dalam keluarga eksponensial. Pemodelan regresi tidak terlepas dari metode estimasi dalam penentuan nilai parameter. Maximum Likelihood Estimation (MLE) menjadi pilihan metode estimasi parameter yang digunakan dengan cara memaksimumkan fungsi likelihood. Namun, penduga MLE memiliki bentuk implisit dan nonlinear yang tidak dapat diselesaikan secara analitik sehingga diperlukan metode optimasi numerik dalam penyelesaiannya. Maka dari itu, tujuan penelitian ini adalah a) menggunakan Algoritma Fisher-Scoring dalam penentuan solusi optimal penduga parameter MLE pada model Generalized Poisson Regression, b) mengembangkan model kecelakaan lalu lintas di Provinsi Jawa Timur menggunakan analisis model Generalized Poisson Regression berdasarkan Algoritma Fisher-Scoring, c) mengetahui distribusi dan sifat penduga parameter MLE berdasarkan Algoritma Fisher-Scoring, dan d) menentukan variabel signifikan yang mempengaruhi banyaknya kecelakaan lalu lintas di Provinsi Jawa Timur.Penelitian ini menggunakan data sekunder yang diperoleh dari Polda Jatim khususnya pada Unit Kecelakaan Lalu Lintas dan BPS Jawa Timur untuk 38 kota/kabupaten di tahun 2022. Variabel respon yang digunakan adalah banyaknya kecelakaan lalu lintas (Y), sedangkan variabel prediktor adalah Persentase usia remaja (X1), persentase pendidikan tingkat rendah (X2), rasio jenis kelamin (X3), persentase penduduk yang memiliki masalah kesehatan (X4), jumlah kendaraan bermotor (X5), panjang jalan dengan kondisi jalan baik (X6), rata-rata curah hujan tahunan (X7), kepadatan penduduk (X8), dan persentase kepemilikan SIM aktif (X9). Metode analisis penelitian ini, meliputi: a) prosedur analisis pemeriksaan normalitas penduga MLE berdasarkan Algoritma Fisher-Scoring dengan Metode

English Abstract

Traffic accidents are one of the cases that involve count data modeling. Poisson regression is the right choice for modeling accidents. This regression has a meanand-variance relationship that often experiences dispersion. This spread case can cause inaccuracies in the resulting model. If the Poisson regression model, which indicates dispersion, is still used, then the estimated regression parameters can remain inconsistent but inefficient. It causes the estimated parameters to be biased so that they can draw wrong conclusions from the observed data. The alternative regression used in this research is Generalized Poisson Regression (GPR). This regression is a development of Poisson Regression. This regression model is also part of GLM, where the exponential family's response variable is a distribution. The practical implication of this research is that it provides a more accurate and efficient model for predicting and preventing motorcycle accidents, which can significantly contribute to the field of traffic safety and accident analysis. This implication is crucial as it can potentially save lives and reduce the economic burden of motorcycle accidents. Regression modeling cannot be separated from the estimation method for determining parameter values. In this research, we have employed the rigorous maximum Likelihood Estimation (MLE) as the parameter estimation method to maximize the likelihood function. A numerical optimization method is necessary to solve this estimator, as it has an implicit and nonlinear form that cannot be solved analytically. Therefore, the aim of this research is (a) to use the Fisher-Scoring Algorithm in determining the optimal solution for estimating MLE parameters using the Generalized Poisson Regression model, (b) to develop a traffic accident model in East Java Province using Generalized Poisson Regression model analysis based on the Fisher-Scoring Algorithm, (c) to determine the distribution and properties of MLE parameter estimates based on the Fisher-Scoring Algorithm, and (d) to determine the significant variables influencing the number of traffic accidents in East Java Province. This robust methodology ensures the reliability and validity of our research findings.

Item Type:	Thesis (Doktor)
Identification Number:	062409
Divisions:	S2/S3 > Doktor Matematika, Fakultas MIPA
Depositing User:	Unnamed user with username nova
Date Deposited:	04 Oct 2024 01:47
Last Modified:	04 Oct 2024 01:47
URI:	http://repository.ub.ac.id/id/eprint/228933

Text (DALAM MASA EMBARGO) Riski Nur Istiqomah Dinnullah.pdf Restricted to Registered users only Download (7MB)

Actions (login required)

View Item