Artikel Ilmiah : H1B011045 a.n. SINTA MUHAROMAH
| NIM | H1B011045 |
|---|---|
| Namamhs | SINTA MUHAROMAH |
| Judul Artikel | MODEL REGRESI GENERALIZED POISSON: STUDI KASUS PADA DATA KECELAKAAN DI KABUPATEN BANYUMAS JANUARI 2014 – AGUSTUS 2015 |
| Abstrak (Bhs. Indonesia) | ABSTRAK. Model regresi Poisson dapat digunakan untuk menganalisis hubungan antara variabel tak bebas yang bertipe diskrit hasil pencacahan dengan satu atau lebih variabel bebas. Pada regresi Poisson diasumsikan mean dan variansi dari variabel tak bebas sama (equidispersion). Akan tetapi, sering terjadi pelanggaran asumsi ketika nilai variansi lebih besar dari mean, yang mengakibatkan terjadinya overdispersion, metode yang dapat mengatasi masalah itu yaitu regresi generalized Poisson. Penelitian ini akan memodelkan generalized Poisson pada kasus jumlah data kecelakaan di kabupaten Banyumas. Variabel bebas yang digunakan yaitu jumlah pengendara tidak memiliki SIM, jumlah pengendara yang berusia 21-30 tahun, dan jumlah pengendara yang mengantuk. Hasil penelitian menunjukkan bahwa model regresi generalized Poisson terbaik berdasarkan kriteria AIC terkecil yaitu variabel jumlah pengendara tidak memiliki SIM dengan nilai parameter 0,00977. Oleh karena itu, resiko jumlah pengendara yang tidak memiliki SIM ketika variabel bertambah 1 satuan, maka akan meningkat kali lebih besar dibanding dengan resiko jumlah pengendara yang memiliki SIM pada jumlah data kecelakaan. |
| Abtrak (Bhs. Inggris) | ABSTRACT. Poisson regression model can be used to analyze the relationship between the dependent variable of type discrete enumeration results with one or more independent variables. In the assumed Poisson regression, mean and variance of the dependent equal variable (equidispersion). However, violations of the assumption kept happening when the variance value is greater than the mean, which resulted in a overdispersion. Methods to tackle the problem is generalized Poisson regression. This study will model generalized Poisson in the number of accidents in Kabupaten Banyumas. The independent variables used were the number of riders who do not have drivers' licenses, the number of riders aged 21-30 years, and the number of riders who were sleep deprived. The results showed the best generalized Poisson regression model is obtained by the smallest AIC value of variable number of riders who do not have drivers' licenses with a value of 0.009771 parameter. Thus that the risk of the number of motorists who do not have drivers' license when the variable increases one unit, it will rise times greater than the risk of the amount of riders who have drivers' licenses in the number of accident data. |
| Kata kunci | Kata kunci: Poisson, generalized Poisson, overdispersion. |
| Pembimbing 1 | Dr. Jajang, M.Si. |
| Pembimbing 2 | Supriyanto, M.Si. |
| Pembimbing 3 | |
| Tahun | 2016 |
| Jumlah Halaman | 12 |
| Tgl. Entri | 2016-04-18 09:16:22.855046 |