Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
This is a clear treatment of how to carefully present results from model-fitting in a wide variety of settings. It is a boon to anyone who has to present the tangible meaning of a complex model in a clear fashion, regardless of the audience. As an example, many experienced researchers start to squirm when asked to give a simple explanation of the applied meaning of interactions in nonlinear models such as logistic regression. The tools in Mitchell's book make this task much more enjoyable and comprehensible

Abstrak :
Dalam segala kompetisi olahraga, mengetahui tim mana yang akan menjuarai atau memenangkan pertandingan atau kejuaraan merupakan sesuatu yang menarik untuk diketahui oleh fans dan media, tak terkecuali dengan sepak bola yang beberapa tahun terakhir ini telah menjadi topik penelitian. Dalam skripsi ini digunakan model regresi Poisson untuk memprediksi hasil akhir pertandingan sepak bola, dengan memprediksi rataan gol yang dicetak suatu tim dalam setiap pertandingan yang mengikuti distribusi Poisson. Model regresi Poisson untuk banyak gol yang dicetak suatu tim dikonstruksi dari empat variabel yaitu gol yang dicetak dalam tiap pertandingan, keuntungan bermain kendang home advantage, kemampuan serangan offensive, kemampuan pertahanan deffensive. Metodologi diterapkan pada Liga Utama Inggris 2017-2018. Adapun hasil yang dikeluarkan memiliki tingkat akurasi yang cukup baik. ...... In any sport competition, there is a strong interest in knowing which team shall be the champion at the end of the championship and one of them is football. Football match predictions are of great interest to fans and sports press. In the last few years it has been the focus of several studies. In this essay, propose Poisson regression model to predict the final result of football matches. Predict the average goals scored by each team by assuming that the number of goals scored by a team in a match follows a univariate Poisson distribution. Poisson regression model for many goals scored by the team is formulated from four variables the goal average in a match, the home team advantage, the team 39 s offensive power, the opponent team 39s defensive power. The methodology is applied to the 2017 2018 English Premier League. The results obtained using this model has a fairly good accuracy.

Abstrak :
Angka Harapan Hidup (AHH) merupakan rata-rata perkiraan banyak tahun yang dapat ditempuh oleh seseorang sejak lahir. Badan Pusat Statistik (BPS) mencatat bahwa AHH penduduk di Provinsi Jawa Barat tahun 2021 mencapai 73,23 tahun dan menempati posisi keempat dengan nilai AHH tertinggi di Indonesia pada 2021. Penelitian ini bertujuan untuk menganalisis variabel-variabel yang menjelaskan AHH di setiap kabupaten/kota di Provinsi Jawa Barat tahun 2021 menggunakan model regresi linear berganda, Geographically Weighted Regression (GWR), dan Mixed Geographically Weighted Regression (MGWR) yang kemudian dievaluasi untuk memeroleh model terbaik. Pada penelitian ini, model regresi linier berganda digunakan untuk mengetahui seberapa besar pengaruh variabel-variabel independen terhadap variabel AHH dimana nilai estimasi parameter regresi sama untuk setiap wilayah penelitian atau disebut dengan model regresi global. Provinsi Jawa Barat terdiri dari 27 kabupaten/kota yang memiliki karakteristik berbeda antarwilayah sehingga memungkinkan adanya heterogenitas spasial. Model GWR bertujuan untuk mengeksplor heterogenitas spasial dengan membentuk model regresi yang berbeda pada setiap lokasi pengamatan atau dapat disebut dengan model regresi lokal. Hal ini akan menimbulkan permasalahan apabila terdapat variabel independen yang tidak bersifat lokal atau tidak mempunyai pengaruh lokasi, tetapi diduga memiliki pengaruh terhadap variabel dependen secara global. Oleh karena itu, dikembangkan lagi menggunakan model MGWR. Model MGWR menghasilkan estimasi parameter yang bersifat global dan lokal sesuai dengan lokasi pengamatan. Variabel yang bersifat global, yaitu Tingkat Pengangguran Terbuka (TPT) dan Pengeluaran Per Kapita (PPK), sedangkan variabel yang bersifat lokal, yaitu Jumlah Penduduk Miskin (JPM), Harapan Lama Sekolah (HLS), dan Persentase Penduduk yang Mempunyai Keluhan Kesehatan Sebulan Terakhir (KK). Hasil penelitian ini menunjukkan bahwa kedua variabel global berpengaruh terhadap AHH, sedangkan variabel lokal yang berpengaruh terhadap AHH berbeda pada setiap wilayahnya, begitu pula dengan model yang terbentuk juga akan berbeda untuk setiap wilayahnya. Selain itu, model terbaik yang diperoleh adalah model GWR dengan fungsi pembobot fixed Gaussian kernel dengan nilai AIC terkecil, adjusted R-squared terbesar, dan RMSE terkecil dibandingkan model regresi linier berganda dan MGWR. ...... Life Expectancy (AHH) is an estimate of the years that a person will take from birth. Badan Pusat Statistik (BPS) notes that the AHH of the population in West Java Province in 2021 reached 73.23 years and ranked fourth with the highest AHH value in Indonesia in 2021. This study aims to analyze the variables that explain AHH in each district/city in West Java Province in 2021 using multiple linear regression models, Geographically Weighted Regression (GWR) models, and Mixed Geographically Weighted Regression (MGWR) models which are then evaluated to obtain the best model. In this study, the multiple linear regression model is used to determine how much influence the independent variables had on the AHH variable where the estimated values of the regression parameters were the same for each study area or called the global regression model. West Java Province consists of 27 districts/cities which have different characteristics between regions, thus allowing for spatial heterogeneity. The GWR model aims to explore spatial heterogeneity by forming a different regression model at each observation location or it can be called a local regression model. This will cause problems if there are independent variables that are not local in nature or do not have a location effect, but are suspected of having an influence on the dependent variable globally. Therefore, it is further developed using the MGWR model. The MGWR model produces parameter estimates that have global and local characteristics according to the observation location. Global variables are Open Unemployment Rate (TPT) and Per Capita Expenditures (PPK), while local variables are Number of Poor Population (JPM), Expected Years of Schooling (HLS), and Percentage of Population with Health Complaints in the Last Month (KK). The results of this study indicate that both global variables have a significant effect on AHH, while local variables which have a significant effect on AHH are different in each region, as well as the model formed will also be different for each region. In addition, the best model obtained is the GWR model with a fixed Gaussian kernel weighting function with the smallest AIC value, the largest adjusted R-squared, and the smallest RMSE compared to the multiple linear regression model and MGWR model.

Abstrak :
Dalam rangka menghindarkan perusahaan asuransi dari adverse selection, aktuaris perlu memprediksi tingkat risiko pada individu tertanggung. Adapun tingkat risiko individu dapat dipandang sebagai variabel ordinal. Pada penelitian ini, tingkat risiko pada skala ordinal diprediksi melalui pendekatan model linear terampat/generalized linear model (GLM), yaitu ordered stereotype model (OSM) yang merupakan salah satu jenis regresi logistik ordinal. OSM memungkinkan estimasi jarak (spacing) yang berbeda-beda antartingkat risiko ordinal dengan adanya penambahan parameter skor, di mana fitur unik ini tidak ditemukan pada model regresi ordinal lainnya. Pengetahuan akan spacing yang berbeda-beda antartingkat risiko membuka jalan untuk melakukan evaluasi terkait struktur pengelompokan tingkat risiko pada data asuransi yang seharusnya bersesuaian dengan pola faktor-faktor risikonya. Mengingat implementasi OSM yang masih jarang khususnya di bidang asuransi umum, penelitian ini mengaplikasikan model tersebut pada data klaim asuransi kendaraan bermotor di Prancis yang diakses dari CASdatasets pada perangkat lunak RStudio. Adapun tingkat risiko sebagai variabel respon disusun berdasarkan severitas klaim yang dipartisi menjadi beberapa kelompok secara ordinal. Penelitian ini pertama-tama menjelaskan terlebih dahulu bagaimana OSM dikonstruksi dari model dasarnya yaitu baseline-category logit model. Parameter model diestimasi dengan metode maximum likelihood, yang kemudian dibantu dengan metode iteratif dua langkah dan metode Newton-Raphson. Selanjutnya, hasil pengujian asumsi ordinal model menggunakan statistik uji rasio likelihood menunjukkan bahwa pengadaan tren ordinal pada OSM yang merupakan modifikasi dari baseline-category logit model adalah suatu langkah yang signifikan. Terakhir, dengan membandingkan hasil perhitungan Akaike’s information criterion (AIC) dan Bayesian information criterion (BIC) antara OSM dengan model regresi logistik ordinal lain (pada penelitian ini dipilih proportional odds model), diperoleh kesimpulan bahwa OSM adalah model terbaik. ......In the context of mitigating adverse selection in insurance companies, actuaries are required to predict the risk levels associated with insured individuals. The ordered stereotype model (OSM) facilitates the estimation of distinct spacings between ordinal risk levels by introducing an additional score parameter. This feature distinguishes OSM from other ordinal logistic regression models. Knowledge of non-equal spacings among ordinal risk levels provides a basis for evaluating the structure of risk level groupings in insurance data, which should align with the patterns of its risk factors. In this research, OSM is applied to a French motor claims data sourced from CASdatasets and processed using the RStudio software. OSM is initially constructed through the modification of the baseline-category logit model. Model parameters are then estimated using the maximum likelihood method, supplemented by iterative two-step and Newton-Raphson methods. Likelihood ratio test statistics demonstrate that the incorporation of ordinal trends in OSM, as a modification of the baseline-category logit model, represents a statistically significant advancement. Finally, through a comparative analysis of Akaike's Information Criterion (AIC) and Bayesian Information Criterion (BIC) calculations between OSM, the baseline-category logit model, and the proportional odds model, it is deduced that OSM stands out as the superior model for predicting the risk levels of insured individuals.

Abstrak :
Latar Belakang: Letak dan geografis Negara Indonesia berkontribusi terhadap banyaknya kasus bencana alam yang muncul yang menyebabkan jatuhnya korban jiwa. Identifikasi usia penting untuk mengidentifikasi korban yang tidak diketahui serta terkait usia kritis yang terdapat di dalam dasar hukum undang-undang Indonesia. Dibutuhkan metode estimasi usia dengan keakuratan yang tinggi untuk digunakan dalam mengidentifikasi usia populasi Indonesia. Metode third molar maturity index modifikasi Cameriere oleh Balla dipublikasikan pada tahun 2019 yang mana menggunakan gigi molar ketiga pada radiograf untuk menentukan usia di populasi India. Metode ini belum pernah dibandingkan atau digunakan pada populasi lain. Metode estimasi usia lainnya adalah atlas London Al Qahtani (2010), dengan cara melihat tahap pertumbuhan dan perkembangan serta erupsi gigi geligi pada usia 30 minggu dalam uterus – 23 tahun. Oleh karena itu, peneliti ingin membuat persamaan regresi I3M baru dan membandingkan hasil estimasi usia dengan kedua metode tersebut pada populasi laki-laki Indonesia. Tujuan: Mengalisis keakuratan metode estimasi usia populasi laki-laki Indonesia berdasarkan metode third molar maturity index modifikasi Cameriere dibandingkan dengan persamaan regresi I3M Balla (2019) dan metode atlas London Al Qahtani (2010) pada rentang usia 8 – 22 tahun. Metode: Penelitian cross-sectional dengan menggunakan data sekunder radiograf panoramik digital. Sebanyak 108 sampel diperoleh dalam penelitian ini. Hasil: Dari hasil analisis regresi menunjukkan fungsi kubik memberikan korelasi terbaik antara variabel I3M dengan usia, yaitu 0,826. Pada hasil estimasi usia menggunakan persamaan regresi I3M baru berdasarkan populasi laki-laki Indonesia, didapatkan over-estimasi pada kelompok usia 8 – 11 tahun dan 16 – 19 tahun serta under- estimasi pada kelompok usia 12 – 15 tahun dan 20 – 22 tahun. Hasil perbandingan antara estimasi usia dari persamaan regresi I3M baru dengan persamaan regresi Balla (2019) dan metode atlas London Al Qahtani (2010) menunjukkan adanya perbedaan bermakna. Nilai mean absolute error (MAE) dari hasil estimasi menggunakan persamaan regresi I3M baru, persamaan regresi I3M Balla, dan atlas London Al Qahtani secara berurutan adalah 1,48 tahun, 2,08 tahun, dan 0,89 tahun. Kesimpulan: Uji estimasi usia menggunakan metode estimasi usia pada populasi laki-laki Indonesia berdasarkan metode third molar maturity index (I3M) modifikasi Cameriere pada rentang usia 8 – 22 tahun dan metode atlas London perkembangan dan erupsi gigi Al Qahtani (2010) dapat digunakan di Indonesia dengan tingkat akurasi ≤ 1 hingga ≥ 2 tahun, sedangkan persamaan regresi I3M oleh Balla (2019) kurang disarankan untuk digunakan pada populasi laki-laki Indonesia karena tingkat akurasinya ± 4 tahun pada kelompok usia muda dan dewasa. ......Background: Indonesian geographic location contributes to the number of occurring natural disasters that lead to casualties. Age identification is important to identify unknown individual as well as their critical age as stated in the Indonesian law. A method of estimating age with high accuracy is essential to use in identifying Indonesian population’s age. Third Molar Maturity Index method Cameriere modification by Balla was published in 2019 where it uses third molar tooth from radiograph to determine the age of India’s population. This method was never been compared or used on different population. Another method of age estimation is atlas London Al Qahtani (2010), by observing the stage of growth and development as well as eruption of teeth at the age of 30 weeks in uterus – 23 years old. Therefore, the researcher wants to make the new I3M regression models and compare the age estimation result with both method on Indonesian male population. Objectives: Analyzing the accuracy of age estimation method on Indonesian male population according to third molar maturity index Cameriere modification method compared to I3M regression models by Balla (2019) and atlas London Al Qahtani method (2010) on the age range of 8 – 22 years old. Methods: Cross- sectional research using secondary data of digital panoramic radiograph. A number of 108 sample has been acquired in this research. Results: The results of the regression analysis showed that the cubic function provided the best correlation between the I3M and age variables, which is 0,826. The results of age estimation using the newly derived I3M regression models based on Indonesian male population, it was found that overestimation in the age group of 8 – 11 years old and 16 – 19 years old, also underestimation in the age group of 12 – 15 years old and 20 – 22 years old. The comparison analysis between newly derived I3M regression models with Balla’s (2019) regression models and the atlas London Al Qahtani (2010) showed a significant difference. The mean absolute error (MAE) of the age estimation results using the new I3M regression models, the Balla’s I3M regression models, and the atlas London Al Qahtani, are 1,48, 2,08, and 0,89 years, respectively. Conclusion: The test of age estimation using method of age estimation on Indonesian male population according to third molar maturity index (I3M) Cameriere modification on age 8 – 22 years old and atlas London method development and tooth eruption Al Qahtani (2010) can be applied in Indonesia with the accuracy level of ≤ 1 to ≥ 2 years old, meanwhile the I3M regression models by Balla (2019) is not recommended to be used on Indonesian male population due to its accuracy level of ±4 years old on young and adult groups.