Post on 01-Aug-2019
Pemodelan Faktor yang Mempengaruhi Jumlah
HIV dan AIDS di Provinsi Jawa Timur
Menggunakan Regresi Poisson Bivariat
JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA
2013
Novi Tri Ratnasari (1309100089)
Dosen Pembimbing :
Dr. Purhadi, M. Sc
1309100089 || Novi
Agenda
----- ----- ----- ----- -----
Pendahuluan
Tinjauan Pustaka
Metodologi Penelitian
Analisis dan Pembahasan
Kesimpulan
Daftar Pustaka
2
1309100089 || Novi
Bab I Bab II Bab III Bab IV Bab V
Latar belakang
IPM
Indonesia urutan
ke 124 dari 187
HIV dan AIDS
Berumur panjangBerkualitasMempunyai daya beli
Kesehatan
3
1309100089 || Novi
Latar Belakang
DKI JAKARTA
Bali, 5 April 1987
PAPUA
Bab I Bab II Bab III Bab IV Bab V
4
1309100089 || Novi
Latar belakang
Jawa Timur
Jumlah penduduk = 37687622
IPMK
orelasi
Berb
eda
HIV dan AIDS
PEMODELAN DENGAN REGRESI POISSON BIVARIAT
Bab I Bab II Bab III Bab IV Bab V
5
1309100089 || Novi
Rumusan Masalah
Bagaimana mendapatkan model jumlah kasus HIV dan AIDS dengan
menggunakan regresi poisson univariat?
Bagaimana mendapatkan model terbaik dari model yang dihasilkan dari
regresi poisson bivariat?
1
2
Bab I Bab II Bab III Bab IV Bab V
Bagaimana mendapatkan model jumlah kasus HIV dan AIDS menggunakan
regresi poisson bivariat?
Faktor apa saja yang mempengaruhi jumlah kasus HIV Dan AIDS dari
model regresi terbaik?
3
4
6
1309100089 || Novi
Tujuan
Bab I Bab II Bab III Bab IV Bab V
7
Mendapatkan model jumlah kasus HIV dan AIDS dengan
menggunakan regresi poisson univariat.
Mendapatkan model terbaik dari model yang dihasilkan dari regresi
poisson bivariat.
1
2
Mendapatkan model jumlah kasus HIV dan AIDS menggunakan regresi
poisson bivariat.
Mengetahui faktor apa saja yang mempengaruhi jumlah kasus HIV Dan
AIDS dari model regresi terbaik.
3
4
1309100089 || Novi
Manfaat
Hasil yang diperoleh dari penelitian ini diharapkan memberi
manfaat, yaitu memberikan masukan terhadap Dinas
Kesehatan Provinsi Jawa Timur untuk melakukan
penanganan cara menangani kasus HIV dan AIDS di Provinsi
Jawa Timur. Mahasiswa mampu memahami penerapan
regresi poisson bivariat ada kasus nyata khususnya di
bidang kesehatan.Memberikan tambahan masukan penerapan
statistika terhadap bidang kesehatan khususnya di bidang
pemodelan terlebih saat terdapat dua variabel respon yang
digunakan dan terdapat korelasi.
Bab I Bab II Bab III Bab IV Bab V
8
1309100089 || Novi
Batasan Masalah
Batasan masalah dalam penelitian ini adalah wilayah Jawa
Timur. Selain itu data yang digunakan adalah Profil Kesehatan
Provinsi Jawa Timur Tahun 2011. Dalam penggunaan metode yaitu
poisson bivariat dibatasi pada penemuan model saja, tidak
mendeteksi adanya over/under dispersi pada model yang ditemukan.
9
1309100089 || Novi
Bab I Bab II Bab III Bab IV Bab V
Matriks Korelasi
koefisien korelasi dihasilkan dengan membagi covarian dengan standar
deviasi dari masing-masing populasi (Bhattacharya & Johnson, 1997)
ikik
ii kk
sr
s s
Koefisien korelasi sampel
12 1
21 2
1 2
1
1
1
p
p
p p
r r
r rR
r r
Matriks korelasi sampel
10
1309100089 || Novi
Distribusi Poisson
Percobaan yang menghasilkan nilai untuk variabel random dan merupakan
banyaknya hasil percobaan yang terjadi selama selang waktu
tertentu atau di suatu daerah tertentu disebut percobaan
poisson (Walpole, 1995).
Bilangan yang menyatakan banyaknya hasil percobaan disebut
variabel random poisson, sedangkan sebaran peluangnya disebut
distribusi poisson.
Distribusi poisson mempunyai karakteristik yang tidak biasa yaitu
mempunyai mean dan variansi yang sama (Taylor & Karlin, 1998).
Bab I Bab II Bab III Bab IV Bab V
11
1309100089 || Novi
Distribusi Poisson Univariat
; y = 0, 1, 2 , 3, ...( ) !
; yang lain 0
ye
f y yy
Fungsi probabilitas
Mean dan Varians
( )E Y
( )Var Y
Bab I Bab II Bab III Bab IV Bab V
12
1309100089 || Novi
Distribusi Poisson Bivariat
Fungsi probabilitas
Mean ,Varians dan Korelasi (Kawamura, 1973)
2
0
20
21 2 01
1
; = 0,1, 2, ...!( , ) !
0 ; yang lain
ji
j
ky
sj j
j
kj j jj
i
yye k
f y y ky
y
1 2 1 0 2 0 0( , ) ( )( )E Y Y 1 2 1 2 1 2 0( , ) ( , ) ( ) ( )Cov Y Y E Y Y E Y E Y
01 2
1 0 2 0
( , )( )( )
R Y Y
Bab I Bab II Bab III Bab IV Bab V
13
1309100089 || Novi
Regresi Poisson
Analisis regresi merupakan alat statistik yang memanfaatkan
hubungan antara dua atau lebih peubah kuantitatif sehingga
salah satu peubah bisa diramalkan dari peubah-peubah
lainnya (Drapher & Smith, 1992).
Apabila peubah tak bebas (respon) Y berdistribusi poisson
maka model regresi yang digunakan adalah regresi poisson
(Agresti, 1990). Selain itu regresi poisson seringkali
digunakan untuk menganalisis data diskrit (count data) yang
menyatakan jumlah atau banyaknya kejadian dalam suatu
periode waktu
Bab I Bab II Bab III Bab IV Bab V
14
1309100089 || Novi
Regresi Poisson Univariat Model Regresi
~ poisson( )T
y
e
x βPenaksiran Parameter
( )
1 1
1
( )( )
!
n nT
Tii i
i i
e y
n
i
i
e eL
y
x βx β
β
1 1 1
ln ( ) ln( !)T
i
n n nT
i i i
i i i
L e y y
x β
β x β
1 1
ln ( ) Ti
n n
i i iTi i
Le y
x ββx x
β
Bab I Bab II Bab III Bab IV Bab V
15
1309100089 || Novi
Regresi Poisson Univariat
Pengujian Parameter Serentak
:
: paling sedikit ada satu
Tolak jika
0H
:
1 2 0k
1H 0; j =1,2, ,kj
0 1{ , , , | , 0,1,2, , }k j j k
0 0{ | } ˆ( )ˆD( ) 2ln 2lnˆ( )
L
L
2ˆD( ) k 0H
Bab I Bab II Bab III Bab IV Bab V
16
1309100089 || Novi
Regresi Poisson Univariat
Pengujian Parameter Parsial
:
:
Tolak jika
0H
:
1H 0; j =1,2, ,kj
0H
0j
ˆ
ˆse( )
j
j
z
( 2)| |hitungz z
Bab I Bab II Bab III Bab IV Bab V
17
1309100089 || Novi
Regresi Poisson Bivariat
1 2 0 1 2( , ) ~ ( , , )Y Y PM Model Regresi
2
0 1
2 20
0 1 2 201 1 1
1
( , , ) !
j
jj
k
yn s
j j
i i
ki j jjj
j
yL e k
ky
Fungsi Likelihood
Transformasi Model Regresi
0 ; 1,2Ti j
ji e j x β
1
2
3
Bab I Bab II Bab III Bab IV Bab V
18
1309100089 || Novi
Regresi Poisson Bivariat (cont.)
2
1 2 0 0
11
( , , ) exp exp( )n
T
i j i
ji
L A
β β x β
Fungsi Likelihood4
Maka didapatkan fungsi Log-Likelihood
2 20 0
201 1 01
exp( )!
exp
jik
yT
si j ji
i ji Tkj j i jj
yA k
ky
x β
x β
5
2
1 2 0 0
1 1 1
ln ( , , ) exp lnn n
T
i j i
i j i
Q L n A
β β x β
Bab I Bab II Bab III Bab IV Bab V
19
1309100089 || Novi
Regresi Poisson Bivariat (cont.)
Pengujian Parameter Serentakn. Karena nilai
devians model reson mengikuti distribusi sehingga tolak jika .
Pengujian Parameter Parsial
Maka tolak hipotesis awal
Bab I Bab II Bab III Bab IV Bab V
>
ˆ( )
ˆ( )
L
L
ˆ( )ˆD( ) 2ln 2lnˆ( )
L
L
2
( , )ˆD( ) ~ k
2
( , )ˆD( ) k Tolak hipotesis awal jika
0
1
: 0
: 0; 1,2
jl
jl
H
H j
( )
jl
jl
zse
|| hitungz2/z
20
0 1 2: ; 1,2j j jkH j
1 : paling tidak ada satu 0; 1,2; 1,2,...jiH j i k
6
7
1309100089 || Novi
Estimasi Standar Eror dengan Botsratp
1. Pilih B sampel
independen bootstrap
2. Evaluasi replikasi
bootstrap yang bersesuaian
pada setiap sampel.
3. Pembentukan model
dari setiap replikasi.
Bab I Bab II Bab III Bab IV Bab V
21
1
2
1
(.)ˆ)(ˆ
B
j
BB
jes
21
4. Menyimpan setiap nilai
estimasi parameter dari hasil
pemodelan tiap iterasi.
5. Mengestimasi standar eror
dengan rumusan
1309100089 || Novi
Ukuran Kebaikan Model
Bab I Bab II Bab III Bab IV Bab V
AIC
BIC
22
2ln ( ) 2AIC L k
)ln()L(ln 2BIC nk
1309100089 || Novi
Multikolinieritas
Multikolinieritas adalah kasus saat antar variabel prediktor
mempunyai korelasi yang tinggi. Hal tersebut dapat
mengakibatkan proses pembangunan model tidak akan mudah
dengan data tersebut dan perlu adanya modifikasi model
(Drapher & Smith, 1992).
2
1
1 j
VIFR
Salah satu cara mendeteksi
Bab I Bab II Bab III Bab IV Bab V
23
1309100089 || Novi
HIV dan AIDS
HIVAIDS
Membunuh limfosit CD4 dari sistem
kekebalan tubuh
Membuat orang rentan terhadap
infeksi oleh berbagai patogen dan
kanker
HIV dapat dikendalikan dengan
menggunakan antivirus
Jumlah CD4 pada orang dengan AIDS
di bawah 200
AIDS adalah suatu kondisi dimana
seseorang menderita beberapa jenis
infeksi, sarkoma kaposi, TBC dll.
AIDS merupakan stadium lanjut yang
terjadi setelah 2 sampai 15 tahun
terinfeksi HIV
Bab I Bab II Bab III Bab IV Bab V
24
1309100089 || Novi
PendahuluanTinjauan Pustaka
Metodologi Penelitian
Penelitian Terdahulu
Perbandingan Analisis Regresi Poisson, Generalized
Poisson Regression (Studi Kasus: Pemodelan Jumlah
Kasus AIDS di Jawa Timur) (Assriyani, & Purhadi , 2008)
Prevalensi dan Faktor Resiko HIV pada Generalized
Epidemic di Tanah Papua Menggunakan Metode Regresi
Logistik dengan Stratifikasi (Studi Kasus pada Hasil
Surveilans Terpadu HIV-Perilaku 2006) (Susilo, 2009)
25
1309100089 || Novi
Bab I Bab II Bab III Bab IV Bab V
Sumber Data
Dinas Kesehatan Provinsi Jawa Timur
Tabel profil kesehatan Provinsi Jawa
Timur Tahun 2011
26
1309100089 || Novi
Variabel Penelitian
Jumlah
kasus
AIDS
Jumlah
kasus HIV
VARIABEL RESPON
VARIABEL PREDIKTOR
Matriks Korelasi
Bab I Bab II Bab III Bab IV Bab V
27
1309100089 || Novi
Variabel Penelitian
VARIABEL PREDIKTOR
Persentase kelompok umur 25-
29 tahun
Presentase pengguna kondom
Persentase penduduk miskin
Persentase jumlah
tenaga medis
Persentase daerah berstatus desaPersentase penduduk
yang tamat SMA
Bab I Bab II Bab III Bab IV Bab V
28
1309100089 || Novi
PendahuluanTinjauan Pustaka
Metodologi Penelitian
Langkah Analisis
Mendeskripsikan masalah
Mengumpulkan Data
Melakukan deskripsi terhadap data
Mencari korelasi antara variabel respon
Mendeteksi adanya multikolinieritas
A
29
1309100089 || Novi
Langkah Analisis (cont.) A
Model Pertama
Menguji signifikansi parameter
Menganalisis model
Menarik kesimpulan
Model Ketiga
Bab I Bab II Bab III Bab IV Bab V
Model Kedua
Memodelkan dengan regresi poisson univariat
Memodelkan dengan regresi poisson bivariat
30
1309100089 || Novi
Karakteristik Variabel
Bab I Bab II Bab III Bab IV Bab V
Variabel Mean Varians Minimum Maksimum
Y1 68,66 10906,34 0 429
Y2 55,95 8955,78 0 439
X1 1,57 1,37 0,40 5,57
X2 8,97 0,74 7,33 11,98
X3 72,48 1634,88 0 100
X4 18,40 77,26 4,52 37,38
X5 33,16 260,70 11,97 75,52
X6 0,14 0,02 0,02 0,61
Statistika
Deskriptif
31
1309100089 || Novi
Karakteristik Variabel
Bab I Bab II Bab III Bab IV Bab V
Y1 Y2 X1 X2 X3 X4 X5 X6
Y1 1,00 0,81 0,10 0,18 -0,26 0,45 -0,37 0,09
Y2 0,81 1,00 0,02 -0,03 -0,10 0,36 -0,31 0,03
X1 0,10 0,02 1,00 0,59 -0,67 0,69 -0,15 0,91
X2 0,18 -0,03 0,59 1,00 -0,62 0,67 -0,28 0,63
X3 -0,26 -0,10 -0,67 -0,62 1,00 -0,75 0,39 -0,77
X4 0,45 0,36 0,69 0,67 -0,75 1,00 -0,56 0,80
X5 -0,37 -0,31 -0,15 -0,28 0,39 -0,56 1,00 -0,27
X6 0,09 0,03 0,91 0,63 -0,77 0,80 -0,27 1,0032
Korelasi
c
Variabel persentase jumlah
tenaga medis dengan
persentase pengguna
kondom
c
Variabel persentase
penduduk miskin dengan
persentase jumlah tenaga
medis
1309100089 || Novi
Multikolinieritas
Bab I Bab II Bab III Bab IV Bab V
Variabel VIF
X10,83 5,924
X20,50 1,985
X30,66 2,954
X40,79 4,812
X50,44 1,779
X60,89 8,843
2R
33
Tidak terdeteksi
multikolinieritas
1309100089 || Novi
Pemodelan Jumlah Kasus HIV dengan RegresiPoisson Univariat
Bab I Bab II Bab III Bab IV Bab V
)43,9013,013,00032,012,021,089,1exp(ˆ654321 XXXXXX
34
)ˆ(D =4322,8
2
( , )ˆD( ) k Tolak hipotesis awal jika
2
)05.0,6( =12,592Maka terdapat variabel prediktor
yang berpengaruh terhadap model
1309100089 || Novi
Semua variabel signifikan berpengaruh terhadap respon
Pemodelan Jumlah Kasus HIV dengan RegresiPoisson Univariat
Bab I Bab II Bab III Bab IV Bab V
35
Parameter Estimasi SE z P-value
1,89 0,31 6,01 1,91.10-9
0,21 0,04 5,79 7,05.10-9
0,12 0,03 3,79 0.000153
-0,0032 0,0007 -4,86 1,18.10-6
0,13 0,0047 28,18 2.10-16
-0,01 0,0025 -5,26 1,46.10-7
-9,44 0,42 -22,21 2.10-16
0
1
2
3
4
5
6
1309100089 || Novi
Pemodelan Jumlah Kasus HIV dengan RegresiPoisson Univariat
Bab I Bab II Bab III Bab IV Bab V
36
)ˆ(D =3653,3
2
( , )ˆD( ) k Tolak hipotesis awal jika
2
)05.0,6( =12,592Maka terdapat variabel prediktor
yang berpengaruh terhadap model
)79,701,014,00004,044,024,01,6exp(ˆ654321 XXXXXX
1309100089 || Novi
Pemodelan Jumlah Kasus AIDS dengan RegresiPoisson Univariat
Bab I Bab II Bab III Bab IV Bab V
1Parameter Estimasi SE Z P-value
6,10 0,39 15,64 <2.10-16
0,24 0,04 5,42 5,97.10-08
-0,44 0,04 -11,05 <2.10-16
-0,0004 0,0008 -0,52 0,604
0,14 0,0048 28,73 < 2.10-16
-0,01 0,0025 -3,95 7,69.10-05
-7,79 0,46 -16,87 <2.10-16
0
1
2
3
4
5
6
37
Variabel persentase kelompok umur tidak signifikan
1309100089 || Novi
Pemodelan dengan Regresi Poisson Bivariat
Bab I Bab II Bab III Bab IV Bab V
Model Pertama
Model Kedua
Model Ketiga
38
Model dengan nilai adalah
suatu konstanta.
Model dengan nilai adalah
suatu persamaan
Model dengan nilai adalah 0
0
0
0
1309100089 || Novi
Bab I Bab II Bab III Bab IV Bab V
39
)ˆ(D =4149,216
Tolak hipotesis awal jika
Maka terdapat variabel prediktor
yang berpengaruh terhadap model
Pemodelan dengan Regresi Poisson Bivariat
Model Pertama
026,212
05.0,12
2)ˆ( tabelD β
)23,1001,015,0003,011,026,051,1exp(*ˆ6543311 xxxxxx
)39,801,016,00004,063,032,011,7exp(*ˆ6543312 xxxxxx
)36,2exp(ˆ0
1309100089 || Novi
Pemodelan dengan Regresi Poisson Bivariat
Bab I Bab II Bab III Bab IV Bab V
Jumlah Kasus HIV Jumlah Kasus AIDS
par koef SE zhitung koef SE zhitung
1,51 0,48 3,14 7,11 0,57 1,51
0,26 0,05 5,56 0,32 0,05 0,26
0,11 0,05 2,34 -0,63 0,06 0,11
-0,0033 0,0008 -4,23 -0,0004 0,0009 -0,0033
0,15 0,01 18,63 0,16 0,01 0,15
-0,01 0,0041 -3,52 -0,01 0,0039 -0,01
-10,23 0,73 -13,96 -8,39 0,7 -10,23
0
1
2
3
4
5
6
40
Model Pertama
Variabel
yang tidak
signifikan
41 1309100089 || Novi
Pemodelan dengan Regresi Poisson Bivariat
Bab I Bab II Bab III Bab IV Bab V
koef SE zhitung
2,36 0,22 10,96
Nilai 0
41
Model Pertama
Persamaan
)23,1001,015,0003,011,026,051,1exp(*ˆ6543311 xxxxxx
)39,801,016,00004,063,032,011,7exp(*ˆ6543312 xxxxxx
)36,2exp(ˆ0
1309100089 || Novi
Bab I Bab II Bab III Bab IV Bab V
42
)ˆ(D =3090,316
Tolak hipotesis awal jika
Maka terdapat variabel prediktor
yang berpengaruh terhadap model
Pemodelan dengan Regresi Poisson Bivariat
Model kedua
2)ˆ( tabelD β
)05,601,005,00003,054,006,073,0exp(*ˆ6543211 xxxxxx
)64,001,005,002,023,046,05,3exp(*ˆ6543212 xxxxxx
)86,6742,097,715,001,426,454,258exp(ˆ6543210 xxxxxx
=28,8692
tabel
Jumlah Kasus HIV Jumlah Kasus AIDS
par koef SE zhitung Koef SE zhitung
-0,73 0,41 -1,79 3,50 0,67 5,21
-0,06 0,06 -1,02 -0,46 0,09 -5,21
0,54 0,05 11,41 -0,23 0,07 -3,54
0,0003 0,001 0,27 0,02 0,003 7,71
0,05 0,01 6,29 0,05 0,01 6,32
-0,01 0,002 -5,81 -0,01 0,003 -3,46
-6,05 0,71 -8,47 0,64 1,23 0,52
1309100089 || Novi
Pemodelan dengan Regresi Poisson Bivariat
Bab I Bab II Bab III Bab IV Bab V
Model Kedua
0
1
2
3
4
5
6
43
Tidak
signifikan
1309100089 || Novi
Pemodelan dengan Regresi Poisson Bivariat
Bab I Bab II Bab III Bab IV Bab V
Model Kedua
Nilai 0
par koef SE zhitung
-258,5 522,01 -0,5
-4,26 12,13 -0,35
4,01 22,51 0,18
-0,15 0,16 -0,92
7,97 12,7 0,63
-0,42 2,98 -0,14
-67,86 455,96 -0,15
0
1
2
3
4
5
6
44
Persamaan
)05,601,005,00003,054,006,073,0exp(*ˆ6543211 xxxxxx
)64,001,005,002,023,046,05,3exp(*ˆ6543212 xxxxxx
)86,6742,097,715,001,426,454,258exp(ˆ6543210 xxxxxx
1309100089 || Novi
Bab I Bab II Bab III Bab IV Bab V
45
)ˆ(D =
Tolak hipotesis awal jika
Maka terdapat variabel prediktor
yang berpengaruh terhadap model
Pemodelan dengan Regresi Poisson Bivariat
Model ketiga
2)ˆ( tabelD β
=2
tabel
4315,618
21,062
)44,9013,0133,0003,012,021,089,1exp(*ˆ6543211 xxxxxx
)79,701,0139,00004,044,024,01,6exp(*ˆ6543212 xxxxxx
Jumlah Kasus HIV Jumlah Kasus AIDS
par koef SE zhitung koef SE zhitung
1.89 0.31 6.04 6.10 0.41 14.84
0.21 0.04 5.70 0.24 0.04 5.60
0.12 0.03 3.80 -0.44 0.04 -10.51
-0.003 0.001 -4.91 -0.0004 0.001 -0.51
0.133 0.005 29.17 0.139 0.005 27.48
-0.013 0.002 -5.67 -0.010 0.003 -3.85
-9.44 0.43 -21.93 -7.79 0.47 -16.47
1309100089 || Novi
Pemodelan dengan Regresi Poisson Bivariat
Bab I Bab II Bab III Bab IV Bab V
Model Ketiga
6
5
4
3
2
1
0
46
Tidak
signifikan
1309100089 || Novi
Pemodelan dengan Regresi Poisson Bivariat
Bab I Bab II Bab III Bab IV Bab V
Model Ketiga
47
Persamaan
)44,9013,0133,0003,012,021,089,1exp(*ˆ6543211 xxxxxx
)79,701,0139,00004,044,024,01,6exp(*ˆ6543212 xxxxxx
1309100089 || Novi
Perbandingan Model Regresi Poisson Bivariat
Bab I Bab II Bab III Bab IV Bab V
AIC BIC Loglikelihood
Model
pertama 4179.2164 4214.1774 -2074.608
Model
kedua 3132.3155 3181.2609 -1545.158
Model
ketiga 4343.6174 4376.2477 -2157.809
48
1309100089 || Novi
Kesimpulan
Bab I Bab II Bab III Bab IV Bab V
)43,9013,013,00032,012,021,089,1exp(ˆ654321 XXXXXX
)79,701,014,00004,044,024,01,6exp(ˆ654321 XXXXXX
Model regresi poisson univariat untuk jumlah kasus HIV dengan keenam variabel prediktor
adalah
sedangkan model regresi poisson univariat untuk jumlah kasus AIDS adalah sebagai berikut
Nilai parameter yang didapatkan dari ketiga buah model regresi berbeda, demikian juga halnya
dengan nilai zhitung yang dihasilkan oleh model juga menghasilkan nilai berbeda dari ketiga buah
model regresi.
Model terbaik adalah model kedua
Hasil signifikansi parameter model regresi poisson bivariat kedua menunjukkan variabel yang
signifikan pada jumlah kasus AIDS adalah persentase penduduk pengguna kondom, persentase
kelompok umur 25-29 tahun, persentase daerah berstatus desa, persentase penduduk tamat
SMA dan persentase penduduk miskin di tiap kabupaten dan kota.
49
1309100089 || Novi
Saran
Bab I Bab II Bab III Bab IV Bab V
> Mendeteksi lebih lanjut mengenai pengujian dispersi. Setelah teruji adanya disperse,
penelitian dapat melakukan pengembangan dengan metode diagonal bivariate zero
inflated poisson.
> Walaupun variabel persentase daerah berstatus desa tidak berpengaruh terhadap
model, variabel pembobot geografis bisa ditambahkan untuk pemodelan. Jadi faktor
spasial letak suatu daerah bisa ditambahkan dalam pemodelan ini sehingga bisa diketahui
apakah wilayah mempunyai pengaruh terhadap penyebaran jumlah kasus HIV dan AIDS.
Saran yang bisa diberikan terhadap Dinas Kesehatan Provinsi JawaTimur adalah
menambah jumlah tenaga medis, khususnya ahli di bidang HIV dan AIDS. Selain itu
penyuluhan tentang penyakit ini perlu dilakukan terhadap semua kalangan, karena
penyakit ini tidak membedakan umur dan juga jenis kelamin.
50
Agadjanian, V. (2005). Gender, Religous Involvement, and HIV/AIDS Prevention
in Mozambique. Sosial Science & Medicine , 1529-1539.
Agresti, A. (1990). Categorical Data Analysis. New York: John Wiley & Sons, Inc. .
Akuntono, I. (2012, Desember 7). Kompas. Dipetik Februari 2, 2013, dari
megapolitan:http://megapolitan.kompas.com/read/2012/12/07/11
544 013/Kasus.Penularan.AIDS.Tertinggi.Ada.di.Jakarta
anonim. (2012, November 14). apotas. Dipetik Februari 2, 2013, dari
www.apotas.com: http://www.apotas.com/perbedaan-hiv-dan-aids/
Anonim. (2012, November 25). obat HIV aman dan sehat. Dipetik Februari 2,
2013, dari http://obathiv.net/perbedaan-hiv-dan-aids.html
Assriyanti, N., & Purhadi. (2008). Tugas Akhir dengan Judul Perbandingan Analisis
Regresi Poisson, Generalized Poisson Regrression (Studi Kasus : Pemodelan
Jumlah Kasus AIDS di Jawa Timur Tahun 2008). Surabaya: ITS press.
1309100089 || Novi
Daftar Pustaka
----- ----- ----
51
Bermudes, L., & Karlis, D. (2012). A Finite Mixture of Bivariate Poisson
Regression Models with an Application to Insurance Ratemaking.
Computational Statistics and Data Analysis , 3988-3999.
Bhattacharya, G. K., & Johnson, R. A. (1977). Statistical Concepts and Methods.
Singapura: John Wiley & Sons, Inc.
Cameron, A. C., & Trivedi, P. K. (1998). Regression Analysis of Count Data.
Cambridge: Cambridge University Press.
Dinas Kesehatan Provinsi Jawa Timur. (2009). Profil Kesehatan Provinsi Jawa Timur.
Surabaya: Dinas Kesehatan Provinsi Jawa Timur.
Drapher, N., & Smith, H. (1992). Analisis Regresi Terapan. Jakarta: PT Gramedia
Pustaka Utama.
Gurmu, S., & Elder, J. (2008). A Bivariate Zero-inflated Count Data Regression
Model with Unrestricted Correlation. Eonomic Letters , 245-248.
1309100089 || Novi
Daftar Pustaka (cont.)
----- ----- ----
52
Hair, J. F., Anderson, R. E., Tatham, R. L., & Black, W. C. (1998). Multivariate
Data Analysis. New Jersey: Prentica Hall.
Johnson, R. A., & Wichern, D. W. (1998). Applied Multivariate Statistical
Analysis. New Jersey: Prentice Hall, Inc.
Karlis, D., & Ntzoufras, I. (2005). Bivariate Poisson and Diagonal Inflated
Bivariate Poisson Regression Models in R. Journal of Statistical Software , 1-36.
Kawamura, K. (1973). The Structure of Bivariate Poisson Distribution. Kodai
Math. Sem. Rep , 246-256.
Kleinbaum, D. G. (1994). Logistic Regression. New York: Springer.
Mangkuprawira, S. (2012, September 20). Puzzle Minds. Dipetik Januari 29,
2013, dari http://puzzleminds.com/kualitas-kependudukan-di-
indonesia/
1309100089 || Novi
Daftar Pustaka (cont. 2)
----- ----- ----
53
Susilo, B. (2009). Prevalensi dan Faktor Resiko HIV pada Generalized
Epidemic di Tanah Papua Menggunakan Metode Regresi Logistik dengan
Stratfikasi (Studi Kasus pada Hasil Surveilans Terpadu HIV-Perilaku 2006).
Surabaya: Program Pasca Sarjana, Institut Teknologi Sepuluh
Nopember.
Taylor, H. M., & Karlin, S. (1998). An Introduction to Stochastic
Modeling. San Diego: Academic Press.
Tim Penyusun Kamus Besar Bahasa Indonesia. (1990). Kamus Besar
Bahasa Indonesia. Jakarta: Balai Pustaka.
Walpole, R. E. (1995). Pengantar Statistika. Jakarta: PT Gramedia
Pustaka Utama.
1309100089 || Novi
Daftar Pustaka (cont. 3)
----- ----- ----
54
JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA
2013
Novi Tri Ratnasari (1309100089)
Dosen Pembimbing :
Dr. Purhadi, M. Sc
55
JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA
2013
56