| dc.contributor |
|
|
| dc.contributor |
|
|
| dc.creator |
Fatima, Fiona Harva |
|
| dc.creator |
Achmad, Anneke Iswani |
|
| dc.creator |
Hajarisman, Nusar |
|
| dc.date |
2016-08-11 |
|
| dc.identifier |
http://karyailmiah.unisba.ac.id/index.php/statistika/article/view/4135 |
|
| dc.description |
Abstract. This research discusses data modeling for infant mortality rate in Kuningan regency in 2014 using Poisson regression, Generalized Poisson regression, and Binomial Negative regression. Generally Poisson regression Model is used for analysing discreet data which is assumed scaterring poison in which its mean and variation are equivalent (equidispersion). But on the other hand, it prequently reveals a problem that variation figures exceed its mean figures which is commonly known as overdispersion. Poisson regression applied on data having overdispersion will result in standard error figures which will become underestimate.The models frequently used for handling overdisperssion problem are Generalized Poisson regression and Binomial Negative regression. Both of them can be used for equidisperssion or overdispersion. Parameter estimation can be gained by using maximumlikelihoodmethod. Some comparative measurements can be used to compare Poisson regression, Generalized Poisson regression, and Binomial Negative regression methods. The modelling of Generalized regression Poisson and Binomial Negative regression will be applied for identifying factors giving influences to infant mortality rate in Kuningan Regency at district level in 2014. Abstrak. Dalam skripsi ini dijelaskan mengenai pemodelan data angka kematian bayi di Kabupaten Kuningan tahun 2014 menggunakan regresi Poisson, regresi Generalized Poisson dan regresi Binomial Negatif. Model regresi Poisson secara umum digunakan untuk menganalisis data diskrit yang diasumsikan menyebar Poisson dimana nilai rata-rata dan variansinya sama (equidispersi). Namun seringkali terjadi masalah nilai variansi melebihi nilai rataannya atau lebih dikenal dengan overdispersi. Regresi Poisson yang diterapkan pada data yang mengandung overdispersi akan menghasilkan nilai standard error yang menjadi underestimate. Model yang sering digunakan untuk mengatasi masalah overdispersi adalah regresi Generalized Poisson dan regresi Binomial Negatif. Regresi Generalized Poisson dan regresi Binomial Negatif dapat digunakan baik dalam keadaan equidispersi maupun overdispersi. Penaksiran parameter dapat diperoleh dengan menggunakan metode maximum likelihood. Beberapa ukuran perbandingan dapat digunakan untuk membandingkan model regresi Poisson, regresi Generalized Poisson, dan regresi Binomial Negatif. Pemodelan dari regresi Generalized Poisson dan regresi Binomial Negatif akan diaplikasikan untuk mengetahui faktor – faktor yang mempengaruhi angka kematian bayi di Kabupaten Kuningan tahun 2014 pada level kecamatan. |
|
| dc.description |
Dalam skripsi ini dijelaskan mengenai pemodelan data angka kematian bayi di Kabupaten Kuningan tahun 2014 menggunakan regresi Poisson, regresi Generalized Poisson dan regresi Binomial Negatif. Model regresi Poisson secara umum digunakan untuk menganalisis data diskrit yang diasumsikan menyebar Poisson dimana nilai rata-rata dan variansinya sama (equidispersi). Namun seringkali terjadi masalah nilai variansi melebihi nilai rataannya atau lebih dikenal dengan overdispersi. Regresi Poisson yang diterapkan pada data yang mengandung overdispersi akan menghasilkan nilai standard error yang menjadi underestimate. Model yang sering digunakan untuk mengatasi masalah overdispersi adalah regresi Generalized Poisson dan regresi Binomial Negatif. Regresi Generalized Poisson dan regresi Binomial Negatif dapat digunakan baik dalam keadaan equidispersi maupun overdispersi. Penaksiran parameter dapat diperoleh dengan menggunakan metode maximum likelihood. Beberapa ukuran perbandingan dapat digunakan untuk membandingkan model regresi Poisson, regresi Generalized Poisson, dan regresi Binomial Negatif. Pemodelan dari regresi Generalized Poisson dan regresi Binomial Negatif akan diaplikasikan untuk mengetahui faktor – faktor yang mempengaruhi angka kematian bayi di Kabupaten Kuningan tahun 2014 pada level kecamatan. |
|
| dc.format |
application/pdf |
|
| dc.language |
ind |
|
| dc.publisher |
Universitas islam Bandung |
|
| dc.relation |
http://karyailmiah.unisba.ac.id/index.php/statistika/article/view/4135/pdf |
|
| dc.rights |
Copyright (c) 2016 Prosiding Statistika |
|
| dc.source |
Prosiding Statistika; Vol 2, No 2, Prosiding Statistika (Agustus, 2016); 195-206 |
|
| dc.source |
Prosiding Statistika; Vol 2, No 2, Prosiding Statistika (Agustus, 2016); 195-206 |
|
| dc.source |
2460-6456 |
|
| dc.subject |
Proceedings of Statistics |
|
| dc.subject |
Poisson Regression, overdispersion, Generalized Poisson Regression, Binomial Negative Regression, InfantMortalityRate. |
|
| dc.subject |
Statistika |
|
| dc.subject |
Regresi Poisson, Overdispersi, Regresi Generalized Poisson, Regresi Binomial Negatif, Angka Kematian Bayi. |
|
| dc.title |
Pemodelan Angka Kematian Bayi di Kabupaten Kuningan Tahun 2014 dengan Regresi Generalized Poisson dan Regresi Binomial Negatif |
|
| dc.title |
Pemodelan Angka Kematian Bayi di Kabupaten Kuningan Tahun 2014 dengan Regresi Generalized Poisson dan Regresi Binomial Negatif |
|
| dc.type |
info:eu-repo/semantics/article |
|
| dc.type |
info:eu-repo/semantics/publishedVersion |
|
| dc.type |
Peer-reviewed Article |
|
| dc.type |
Quantitative |
|
| dc.type |
Kuantitatif |
|