Responsive Banner

Estimasi parameter model regresi poisson diperumum dengan metode maksimum likelihood

Badriyah, Lailatul (2018) Estimasi parameter model regresi poisson diperumum dengan metode maksimum likelihood. Undergraduate thesis, Universitas Islam Negeri Maulana Malik Ibrahim.

[img]
Preview
Text (Fulltext)
13610079.pdf - Accepted Version
Available under License Creative Commons Attribution Non-commercial No Derivatives.

Download (2MB) | Preview

Abstract

INDONESIA:

Regresi Poisson adalah suatu bentuk analisis regresi yang digunakan untuk memodelkan data berupa data diskrit (count data). Model regresi Poisson merupakan Generalized Linear Model (GLM) dengan data responnya diasumsikan berdistribusi Poisson. Namun, terdapat asumsi dalam regresi Poisson yaitu variansi dari variabel dependen Y sama dengan mean, yang disebut equidispersi. Apabila variansi dari variabel dependen Y lebih besar daripada mean, maka data terjadi overdispersi. Overdispersi memiliki akibat yang sama pada pelanggaran homoskedastisitas dalam model regersi linier. Akibatnya, estimasi parameter pada data dengan kondisi yang demikian menjadi tidak tepat. Kasus overdispersi dapat ditangani menggunakan regresi Poisson diperumum. Metode yang digunakan untuk estimasi parameter model regresi Poisson diperumum yaitu Maximum Likelihood Estimation (MLE) dan diselesaikan menggunakan iterasi Newton Rapshon. Penelitian ini menjelaskan tentang faktor-faktor yang mempengaruhi Angka Kematian Bayi (AKB) di Kabupaten Kediri.

ENGLISH:

Poisson regression is a form of regression analysis used to model data in the form of discrete data (data count). The Poisson regression model is a Generalized Linear Model (GLM) with response data assumed to be Poisson distributed. However, there is an assumption in Poisson regression that the variance of the dependent variable Y is equal to the mean, which is called equidispersion. If the variance of the dependent variable Y is greater than the mean, then overdispersion occurs on the data. Overdispersion has the same effect on violations of homoskedasticity in the linear regression model. As a result, parameter estimates on data with such conditions are not correct. Overdispersion cases can be handled using general Poisson regression. The method used for parameter estimation of the Poisson regression model is summarized as Maximum Likelihood Estimation (MLE) and resolved using Newton Rapshon iterations. This study describes the factors that influence the Infant Mortality Rate (IMR) in Kediri Regency.

Item Type: Thesis (Undergraduate)
Supervisor: Sujarwo, Imam and Nashichuddin, Achmad
Contributors:
ContributionNameEmail
UNSPECIFIEDSujarwo, ImamUNSPECIFIED
UNSPECIFIEDNashichuddin, AchmadUNSPECIFIED
Keywords: regresi poisson diperumum; overdispersi; maximum likelihood estimation; angka kematian bayi; generalized poisson regression; overdispersion; maximum likelihood estimation; infant mortality rate
Departement: Fakultas Sains dan Teknologi > Jurusan Matematika
Depositing User: Heni Kurnia Ningsih
Date Deposited: 30 Apr 2020 12:59
Last Modified: 30 Apr 2020 12:59
URI: http://etheses.uin-malang.ac.id/id/eprint/15224

Downloads

Downloads per month over past year

Actions (login required)

View Item View Item