Perpustakaan Universitas Padjajaran
Pencarian Spesifik

Detail Cantuman

Image of GEOGRAPHICALLY WEIGHTED NEGATIVE BINOMIAL REGRESSION PADA DATA BAYI DENGAN BERAT BADAN LAHIR RENDAH

 

GEOGRAPHICALLY WEIGHTED NEGATIVE BINOMIAL REGRESSION PADA DATA BAYI DENGAN BERAT BADAN LAHIR RENDAH

ABSTRAK

1. Judul Tesis Geographically Weighted Negative Binomial Regression
pada Data Bayi dengan Berat Badan Lahir Rendah ...

  • CodeCallNoLokasiKetersediaan
    01001150700002519 Sar gPerpustakaan Pusat (REF.14.8)Tersedia
  • Perpustakaan
    Perpustakaan Pusat
    Judul Seri
    -
    No. Panggil
    519 Sar g/R.14.8
    Penerbit Magister Statistika Terapan, : Bandung.,
    Deskripsi Fisik
    xii,;48 hlm,;29 cm
    Bahasa
    Indonesia
    ISBN/ISSN
    -
    Klasifikasi
    519
    Tipe Isi
    -
    Tipe Media
    -
    Tipe Pembawa
    -
    Edisi
    -
    Subyek
    1. Judul Tesis Geographically Weighted Negative Bi
    Info Detil Spesifik
    -
    Pernyataan Tanggungjawab
  • ABSTRAK

    1. Judul Tesis Geographically Weighted Negative Binomial Regression
    pada Data Bayi dengan Berat Badan Lahir Rendah

    2. Subjek 1. BBLR

    2. overdispersi

    3. GWNBR

    4. bandwidth

    5. matriks pembobot

    3. Abstrak

    Model regresi global mengasurnsikan sebuah model tunggal dapat
    menjelaskan hubungan antara banyak bayi yang lahir dengan berat badan lahir
    rendah (BBLR) dengan faktor penyebabnya di seluruh wilayah penelitian.
    Ketidakstasioneran spasial data tidak dapat dijelaskan oleh sebuah model
    global. Geographically Weighted Negative Binomial Regression (GWNBR)
    merupakan model regresi untuk data cacahan yang berdistribusi Poisson tetapi
    mengalami overdispersi dan ketidakstasioneran spasial. GWNBR
    menghasilkan model-model lokal dengan taksiran parameter yang berlaku
    lokal sesuai karakteristik titik pengamatan. Parameter model GWNBR
    dihitung berdasarkan pembobot kernel adaptif kuadrat ganda Parameter
    regresi ditaksir dengan metode iterasi IRWLS dan Newton Raphson secara
    bergantian hingga nilainya konvergen. Penelitian ini menentukan vari ab el
    yang berpengaruh terhadap BBLR di setiap kabupatenlkota di Nusa Tenggara
    Timur. Model GWNBR mengelompokkan kabupatenlkota di Nusa Tenggara
    Timur menjadi 8 kelompok berdasarkan variabel yang berpengaruh signifikan
    terhadap kejadian BBLR. Berdasarkan nilai devians, model lokal GWNBR
    yang dihasilkan lebih baik untuk memodelkan data BBLR di Nusa Tenggara
    Timur daripada model global regresi binomial negatif

    4. Abstract

    Global regression assumes a single model can explain the relationship
    between low birth weight (LBW) births and contributing factor in all parts of
    study area. Spatial non-stationarity in data cannot be explained by a global
    model. Geographically Weighted Negative Binomial Regression (GWNBR) is
    a tool for the modelling of non-stationarity count data with overdispersion.
    GWNBR produce local models with parameter estimation applies locally
    appropriate characteristics observation point. The geographically weights are
    calculated using the adaptive bi-square kernel. The parameter estimation is
    performed iteratively with the combination of IRLS and Newton-Raphson
    methods. This study determines the variables that affect the LBW in

  • Tidak tersedia versi lain

  • Silakan login dahulu untuk melihat atau memberi komentar.


Informasi