| NIM | H1B013054 |
|---|
| Namamhs | YOGI SUGIANTO |
|---|
| Judul Artikel | PENANGANAN MASALAH OVERDISPERSION PADA REGRESI POISSON DALAM KASUS KEMATIAN BALITA DI KABUPATEN BANYUMAS TAHUN 2016
|
|---|
| Abstrak (Bhs. Indonesia) | Regresi Poisson merupakan suatu regresi dengan variabel respon Y harus memenuhi asumsi equidispersion. Namun overdispersion sering terjadi pada data cacah. Overdispersion bisa menyebabkan estimasi galat menurun (underestimate). Tujuan dari penelitian ini adalah mengatasi overdispersion pada regresi Poisson menggunakan regresi binomial negatif dan regresi generalized Poisson serta memperoleh model terbaik dalam kasus kematian balita di Kabupaten Banyumas tahun 2016. Pemilihan model terbaik ditentukan menggunakan kriteria Akaike information criterion (AIC). Berdasarkan hasil yang diperoleh, model regresi generalized Poisson lebih baik digunakan dalam pemodelan kematian balita dibandingkan regresi Poisson maupun regresi binomial negatif. Hal ini karena model regresi generalized Poisson memiliki nilai AIC terkecil sebesar 160,45. Berdasarkan model terbaik, kasus kematian balita dipengaruhi oleh faktor bayi berat lahir rendah dan keluarga pra sejahtera. |
|---|
| Abtrak (Bhs. Inggris) | Poisson regression is a regression model with the dependent variable Y must satisfy the equidispersion assumption. However, overdispersion often occures in the discrete data. Overdispersion may cause standard errors of the estimates to be deflated (underestimated). The purposes of this research are to overcome the overdispersion in the Poisson regression using negative binomial regression and generalized Poisson regression to get the best model of infant mortality in Banyumas Regency in 2016. Selection of the best model is determined using Akaike information criterion (AIC). Bassed on the experiment result, the generalized Poisson regression model is better in terms of modeling infant mortality compared to Poisson regression and negative binomial regression. It is because generalized Poisson regression model has the least AIC’s value of 160,45. Bassed on the best model, the infant mortality case is influenced by low birth weight and pre-prosperous family factor. |
|---|
| Kata kunci | kematian balita, overdispersion, regresi binomial negatif, regresi generalized Poisson, regresi Poisson |
|---|
| Pembimbing 1 | Dr. Jajang, M.Si. |
|---|
| Pembimbing 2 | Siti Rahmah Nurshiami, M.Si. |
|---|
| Pembimbing 3 | |
|---|
| Tahun | 2018 |
|---|
| Jumlah Halaman | 11 |
|---|
| Tgl. Entri | 2018-05-15 22:15:06.693634 |
|---|