ESTIMASI MODEL REGRESI BINOMIAL NEGATIF DENGAN PENDEKATAN REGRESI NONPARAMETRIK BERDASARKAN ESTIMATOR LOKAL LINIER
Data count adalah data bilangan bulat non negatif yang dihasilkan dari suatu proses menghitung pada suatu interval waktu yang kontinu. Model yang umum digunakan dalam meregresikan variabel respon berupa data count adalah regresi Poisson. Salah satu kasus pelanggaran asumsi regresi Poison yang ser...
محفوظ في:
| المؤلف الرئيسي: | |
|---|---|
| التنسيق: | Theses and Dissertations NonPeerReviewed |
| اللغة: | Indonesian Indonesian |
| منشور في: |
2018
|
| الموضوعات: | |
| الوصول للمادة أونلاين: | http://repository.unair.ac.id/72297/1/ST.S.%2023-18%20Saf%20e%20Abstrak.pdf http://repository.unair.ac.id/72297/2/ST.S.%2023-18%20Saf%20e.pdf http://repository.unair.ac.id/72297/ http://lib.unair.ac.id |
| الوسوم: |
إضافة وسم
لا توجد وسوم, كن أول من يضع وسما على هذه التسجيلة!
|
| المؤسسة: | Universitas Airlangga |
| اللغة: | Indonesian Indonesian |
| الملخص: | Data count adalah data bilangan bulat non negatif yang dihasilkan dari suatu
proses menghitung pada suatu interval waktu yang kontinu. Model yang umum
digunakan dalam meregresikan variabel respon berupa data count adalah regresi
Poisson. Salah satu kasus pelanggaran asumsi regresi Poison yang sering terjadi
adalah kasus overdispersion. Penggunaan distribusi Binomial Negatif dapat
mengatasi kasus overdispersion pada model regresi Poisson. Model regresi
Binomial Negatif dengan pendekatan parametrik telah banyak dilakukan. Skripsi
ini bertujuan untuk mengembangkan model regresi binomial negatif dengan
pendekatan regresi nonparametrik berdasarkan estimator lokal linier yang belum
pernah dilakukan sebelumnya. Metode yang digunakan untuk penaksiran kurva
regresi ( ) i m x pada titik 0 x adalah dengan metode Locally Weigthed Maximum
Likelihood Estimator. Oleh karena fungsi local likelihood terboboti tidak dapat
diselesaikan secara langsung, maka digunakan iterasi Newton Rapshon. Metode
untuk mendapatkan h optimal dapat dilakukan menggunakan metode Maximum
Likelihood Cross Validation (MLCV ). Dalam penelitian ini pula dilakukan
pembuatan algoritma pemrograman pada OSS-R untuk mengimplementasikan teori
untuk pemodelan banyaknya kasus HIV di Jawa Timur. Hasil penelitian
menunjukkan bahwa implementasi algoritma program untuk pemodelan banyak
kasus HIV di Jawa Timur dengan pendekatan regresi nonparametrik lebih baik
dibandingkan dengan regresi parametrik. Hal ini dapat dilihat dari gambar plot hasil
estimasi pada regresi nonparametrik yang lebih mendekati nilai sebenarnya serta
nilai deviance yang lebih kecil dan pseudo-R2 yang lebih besar |
|---|