PEMILIHAN MODEL TERBAIK PADA GENERALIZED POISSON REGRESSION MENGGUNAKAN AKAIKE INFORMATION CRITERION (STUDI KASUS: TUBERKULOSIS PARU DI INDONESIA)
Poisson regressionmerupakan salah satu model regresi yang dapat digunakan untuk menganalisis hubungan antara variabel respon yang berupa data count dengan variabel prediktorberupa data count, kontinu, kategorik atau campuran dengan syarat terjadi equidispersion yaitu nilai variansi dari variabel respon harus sama dengan nilai rata-ratanya. Namun yang sering terjadi adalah nilai variansi lebih besar dari nilai rata-ratanya atau disebut overdispersion.Generalized Poisson Regression(GPR)adalah suatu model regresi yang digunakan untuk menganalisis hubungan antara variabel respon yang berupa data count dengan satu atau lebih variabel prediktor dan mengalamiunderdispersion, equidispersion, atau overdispersion. Data tuberkulosis paru (TB paru) di Indonesia tahun 2020 mengalami overdispersion, sehingga GPR adalah metode yang cocok untuk memodelkan data tersebut. Tujuan penelitian ini adalah untuk mendapatkan model GPR terbaik dan interpretasi serta mendapatkan faktor-faktor yang berpengaruh signifikan terhadap jumlah kasus TB paru di Indonesia tahun 2020. Hasil analisis menunjukkan bahwa terdapat limabelas model GPR yang terbentuk dari empat variabel prediktor yang berpengaruh terhadap jumlah kasus TB paru di Indonesia tahun 2020. Model GPR terbaik berdasarkan nilai Akaike Information Criterion (AIC) terkecil adalah model dengan empat variabel yang berpengaruh yaitu kepadatan penduduk, jumlah penduduk miskin, persentase lantai rumah tidak kedap air,dan persentase tempat pengelolaan pangan yang memenuhi syarat.
Ketersediaan
Detail Information
Judul | PEMILIHAN MODEL TERBAIK PADA GENERALIZED POISSON REGRESSION MENGGUNAKAN AKAIKE INFORMATION CRITERION (STUDI KASUS: TUBERKULOSIS PARU DI INDONESIA) |
---|---|
Pengarang | Rut Esra - Personal Name |
No. Panggil | SKRIPSI RUT p 2022 |
Subyek | overdispersion |
Bahasa | Indonesia |
Tempat Terbit | Universitas Mulawarman |
Tahun Terbit | 2022 |
Penerbit | Fakultas Matematika Dan Ilmu Pengetahuan Alam |
Jurusan | Matematika |
Lampiran Berkas | LOADING LIST... |
DIGITAL LIBRARY