REGRESI INVERSE GAUSSIAN UNTUK MEMODELKAN KEMATIAN BAYI DI INDONESIA
Regresi inverse Gaussian merupakan model regresi non linier yang dapat memodelkan variabel dependen yang memiliki pola data menceng kanan positif (positively right-skewed). Penelitian ini bertujuan mendapatkan model regresi inverse Gaussian yang digunakan untuk memodelkan kasus kematian bayi di Indonesia tahun 2020 dan mendapatkan faktor-faktor yang berpengaruh signifikan terhadap kematian bayi di Indonesia berdasarkan model regresi inverse Gaussian. Penaksiran parameter model regresi inverse Gaussian menggunakan metode Maximum Likelihood Estimation (MLE) dan Fisher Scoring. Pengujian signifikansi parameter menggunakan metode Likelihood Ratio Test (LRT) dan uji Wald. Metode LRT digunakan untuk uji simultan sedangkan metode uji Wald digunakan untuk uji parsial. Hasil penelitian menunjukkan bahwa model regresi inverse Gaussian yang didapat memiliki nilai Akaike’s Information Criterion (AIC) sebesar 508,58. Faktor-faktor yang berpengaruh signifikan terhadap kematian bayi di Indonesia berdasarkan model regresi inverse Gaussian adalah persentase ibu hamil K4, persentase kunjungan lengkap neonatal (KN3), persentase rumah tangga yang memiliki akses terhadap layanan sumber air minum layak, dan persentase rumah tangga yang memiliki akses terhadap sanitasi layak. Kata kunci: AIC, Fisher Scoring, Kematian Bayi, LRT, MLE, Data Menceng Kanan Positif, Regresi Inverse Gaussian, Uji Wald
Ketersediaan
Detail Information
Judul | REGRESI INVERSE GAUSSIAN UNTUK MEMODELKAN KEMATIAN BAYI DI INDONESIA |
---|---|
Pengarang | INDAH ANGGRANI - Personal Name |
No. Panggil | SKRIPSI IND r 2023 |
Subyek | Uji Wald AIC, Fisher Scoring, Kematian Bayi, LRT, MLE, Data Menceng Kanan Positif, Regresi Inverse Gaussian, |
Bahasa | Indonesia |
Tempat Terbit | Universitas Mulawarman |
Tahun Terbit | 2023 |
Penerbit | Fakultas Matematika Dan Ilmu Pengetahuan Alam |
Jurusan | Statistika |
Lampiran Berkas | LOADING LIST... |
DIGITAL LIBRARY