Melola Discovery

← Melola Discovery

Jurnal

Pemodelan Regresi Nonparametrik Spline Poisson Pada Tingkat Kematian Bayi di Sulawesi Selatan

ESTIMASI: Journal of Statistics and Its Application · Vol. 3 No. 1 (2022) · hlm. 14–22

DOI
10.20956/ejsa.vi.11997
ISSN
2721-379X, 2721-3803
Terbit
2022-02-01
Penerbit
Hasanuddin University
Bahasa
en

Abstrak

Poisson regression analysis is a method used to analyze the relationship between predictor variables and response variables with a Poisson distribution. However, not all data have an orderly pattern, so the Poisson regression is not appropriate to use. To solve this problem, a multivariable Poisson nonparametric regression with a spline truncated estimator was used. In this research, the estimation parameters of multivariable Poisson nonparametric regression was applied to data of infant mortality rates in South Sulawesi in 2017. The infant mortality rate can be measured from the number of infant deaths under one year. The method of selecting the optimal knot point uses the Generalized Cross Validation (GCV) method. The best model is formed on a linear spline model with one knot point. Based on the estimation of the parameters formed, it shows that the variable number of babies with low birth weight (x1) and the number of infants who are exclusively breastfed (x3) significantly affect the number of infant deaths. Keywords: GCV, Multivariable Nonparametric Regression, Poisson, Spline Truncated, Total Infant Mortality.

Kata kunci

Jaringan kolaborasi para penulis

40 penulis · 137 tautan kepenulisan bersama · menampilkan 40 yang paling banyak terhubung

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Sultan Ageng Tirtayasa University
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Raupong RaupongAfiliasi tidak diketahui6
Anisa AnisaSultan Ageng Tirtayasa University3
Sri Astuti ThamrinAfiliasi tidak diketahui3
Erna Tri HerdianiAfiliasi tidak diketahui3
Andi Isna YunitaAfiliasi tidak diketahui3
Siswanto SiswantoAfiliasi tidak diketahui3
Muhammad Jayzul UsrahAfiliasi tidak diketahui2
Anisa KalondengAfiliasi tidak diketahui2
Georgina M. TinungkiAfiliasi tidak diketahui2
Nirwan IlyasAfiliasi tidak diketahui2
Andi Kresna JayaAfiliasi tidak diketahui2
Andi M Alfin BasoAfiliasi tidak diketahui2
Nasrah SirajangAfiliasi tidak diketahui2
Widya Nauli Amalia PuteriAfiliasi tidak diketahui1
Zhazha Alifkhamulki RamdhaniAfiliasi tidak diketahui1
Samsul ArifinAfiliasi tidak diketahui1
Bunga ApriliaAfiliasi tidak diketahui1
Vieri KoerniawanAfiliasi tidak diketahui1
Dewi Rahma EnteAfiliasi tidak diketahui1
AnisaAfiliasi tidak diketahui1
Ainun Utari BudistiharahAfiliasi tidak diketahui1
Mamik UtamiAfiliasi tidak diketahui1
Fitri FitriAfiliasi tidak diketahui1
Riska RasyidAfiliasi tidak diketahui1
Ika Pratiwi HayaAfiliasi tidak diketahui1
Hajratul Ashwad KAfiliasi tidak diketahui1
Andi Ummi Melin Aicha AichaAfiliasi tidak diketahui1
Muhammad FadilAfiliasi tidak diketahui1
A. Elisha WulandariAfiliasi tidak diketahui1
Belia Nurul FajriAfiliasi tidak diketahui1
Abdullah PannuAfiliasi tidak diketahui1
Alfian Akbar VallarinoAfiliasi tidak diketahui1
Anugrah Nur Isnaeni RahmanAfiliasi tidak diketahui1
Ayu Pratika PutriAfiliasi tidak diketahui1
Annurial Fitrayah TaufiqAfiliasi tidak diketahui1
Ahmad Maulana SyarifAfiliasi tidak diketahui1
Nurmimie KharinaAfiliasi tidak diketahui1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://journal.unhas.ac.id/index.php/ESTIMASI/oai, pertama di-harvest 2 Nov 2026, terakhir terlihat 2 Nov 2026.
Metadata asli (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en">Pemodelan Regresi Nonparametrik Spline Poisson Pada Tingkat Kematian Bayi di Sulawesi Selatan</dc:title>
	<dc:creator xml:lang="en">Jao, Novilia</dc:creator>
	<dc:creator xml:lang="en">Islamiyati, Anna</dc:creator>
	<dc:creator xml:lang="en">Sunusi, Nurtiti</dc:creator>
	<dc:subject xml:lang="en">GCV</dc:subject>
	<dc:subject xml:lang="en">Multivariable Nonparametric Regression</dc:subject>
	<dc:subject xml:lang="en">Poisson</dc:subject>
	<dc:subject xml:lang="en">Spline Truncated</dc:subject>
	<dc:subject xml:lang="en">Total Infant Mortality</dc:subject>
	<dc:description xml:lang="en">Poisson regression analysis is a method used to analyze the relationship between predictor variables and response variables with a Poisson distribution. However, not all data have an orderly pattern, so the Poisson regression is not appropriate to use. To solve this problem, a multivariable Poisson nonparametric regression with a spline truncated estimator was used. In this research, the estimation parameters of multivariable Poisson nonparametric regression was applied to data of infant mortality rates in South Sulawesi in 2017. The infant mortality rate can be measured from the number of infant deaths under one year. The method of selecting the optimal knot point uses the Generalized Cross Validation (GCV) method. The best model is formed on a linear spline model with one knot point. Based on the estimation of the parameters formed, it shows that the variable number of babies with low birth weight (x1) and the number of infants who are exclusively breastfed (x3) significantly affect the number of infant deaths.
 Keywords: GCV, Multivariable Nonparametric Regression, Poisson, Spline Truncated, Total Infant Mortality.</dc:description>
	<dc:publisher xml:lang="en">Hasanuddin University</dc:publisher>
	<dc:date>2022-02-01</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unhas.ac.id/index.php/ESTIMASI/article/view/11997</dc:identifier>
	<dc:identifier>10.20956/ejsa.vi.11997</dc:identifier>
	<dc:source xml:lang="en">ESTIMASI: Journal of Statistics and Its Application; Vol. 3, No. 1, Januari, 2022 : Estimasi; 14-22</dc:source>
	<dc:source>2721-379X</dc:source>
	<dc:source>2721-3803</dc:source>
	<dc:language>en</dc:language>
	<dc:relation>https://journal.unhas.ac.id/index.php/ESTIMASI/article/view/11997/7852</dc:relation>
</oai_dc:dc>