APLIKASI K-FOLD CROSS VALIDATION DALAM PENENTUAN MODEL REGRESI BINOMIAL NEGATIF TERBAIK

  • Yekti Widyaningsih Universitas Indonesia
  • Graceilla Puspita Arum Department of Mathematics, Faculty of Mathematics and Natural Sciences
  • Kevin Prawira Department of Mathematics, Faculty of Mathematics and Natural Sciences
DOI: https://doi.org/10.30598/barekengvol15iss2pp315-322
Keywords: overdispersi, publikasi ilmiah, regresi binomial negatif, k-fold cross validation

Abstract

Publikasi ilmiah merupakan salah satu indikator penilaian terhadap kualitas akademisi. Tetapi tidak dapat dipungkiri pembuatan publikasi ilmiah bukanlah suatu hal yang mudah, karena membutuhkan proses pembuatan dan proses penelaahan yang rumit. Tujuan dari penelitian ini adalah untuk mengetahui faktor-faktor yang memengaruhi banyaknya publikasi ilmiah yang dihasilkan oleh mahasiswa PhD Biokimia tahun 1997. Karena variabel dependen merupakan count data, metode analisis yang digunakan adalah Regresi Poisson. Namun karena data mengalami overdispersi, akan digunakan Regresi Binomial Negatif. Perbandingan beberapa model Regresi Poisson dan Binomial Negatif dilakukan untuk menentukan model terbaik dengan k-fold cross validation sebagai validasi model. Hasil penelitian menunjukkan bahwa model terbaik yang didapatkan adalah model Regresi Binomial Negatif dengan variabel independen jenis kelamin, status pernikahan, banyaknya anak dibawah 5 tahun, prestise, dan banyaknya artikel oleh mentor dalam 3 tahun terakhir.

Downloads

Download data is not yet available.

References

Republik Indonesia. Peraturan Menteri Riset, Teknologi, dan Pendidikan Tinggi Republik Indonesia Nomor 42 Tahun 2016 Tentang Pengukuran dan Penetapan Tingkat Kesiapterapan Teknologi.

M. Setiyo, Teknik Menyusun Manuskrip dan Publikasi Ilmiah Internasional, Yogyakarta: Deepublish, 2017.

Republik Indonesia. Peraturan Menteri Riset, Teknologi, dan Pendidikan Tinggi Republik Indonesia Nomor 50 Tahun 2018 Tentang Perubahan Atas Peraturan Menteri Riset, Teknologi, dan Pendidikan Tinggi Nomor 44 Tahun 2015 Tentang Standar Nasional Pendidikan Tinggi.

R. Ruliana, P. Hendikawati, and A. Agoestanto, “Pemodelan Generalized Poisson Regression (GPR) untuk Mengatasi Pelanggaran Equidispersi pada Regresi Poisson Kasus Campak Di Kota Semarang Tahun 2013â€, UNNES Journal of Mathematics, vol. 5, no. 1, pp. 39-46, May 2016.

J.S. Long, “The origins of sex differences in scienceâ€, Social Forces, vol. 68, no. 4, pp. 1297–1315, June 1990.

J.S. Long, Regression Models for Categorical and Limited Dependent Variables. California: Sage, 1997.

N.M.R. Keswari, I.W. Sumarjaya, and N.L.P. Suciptawati, “Perbandingan Regresi Binomial Negatif Dan Regresi Generalisasi Poisson Dalam Mengatasi Overdispersi (Studi Kasus: Jumlah Tenaga Kerja Usaha Pencetak Genteng Di Br. Dukuh, Desa Pejaten)â€, E-Jurnal Matematika, vol. 3, no. 3, pp. 107-115, August 2014.

R. Cahyandari, “Pengujian Overdispersi pada Model Regresi Poisson (Studi Kasus: Laka Lantas Mobil Penumpang di Provinsi Jawa Barat)â€, Statistika, vol. 14, no. 2, pp. 69-76, November 2014

J.M. Hilbe, Negative Binomial Regression, 2nd edition. New York: Cambridge University Press, 2011.

R.T. Simarmata, and D. Ispriyanti, “Penanganan Overdispersi Pada Model Regresi Poisson Menggunakan Model Regresi Binomial Negatifâ€, Media Statistika, vol. 4, no. 2, pp. 95-104, December 2011.

Darnah, “Mengatasi Overdispersi pada Model Regresi Poisson dengan Generalized Poisson Regression Iâ€, Jurnal Eksponensial, vol. 2, no. 2, pp. 5-10, November 2011.

V. Eminita, A. Kurnia, and K. Sadik, “Penanganan Overdispersi Pada Pemodelan Data Cacah dengan Respon Nol Berlebih (Zero-Inflated)â€, FIBONACCI : Jurnal Pendidikan Matematika dan Matematika, vol. 5, no. 1, pp. 71-80, June 2019.

P.S. Pradawati, K.G. Sukarsa, and I.G.A.M. Srinadi, “Penerapan Regresi Binomial Negatif Untuk Mengatasi Overdispersi Pada Regresi Poissonâ€, E-Jurnal Matermatika, vol. 2, no. 2, pp. 6-10, May 2013.

Sanjay, “Why and how to Cross Validate a Model?â€, Towards Data Science, 13 November 2018, [Online]. Tersedia: https://towardsdatascience.com/why-and-how-to-cross-validate-a-model-d6424b45261f [Diakses: 6 Januari 2021].

M. Kuhn, and K. Johnson, Applied Predictive Modeling 1st edition. Berlin: Springer, 2013.

C. Zhang, Statistical Modeling of Count Data with Over-Dispersion or Zero-Inflation Problems. Master [Thesis]. Montclair, NJ: Montclair State Univ., 2019. [Online]. Available: Montclair State University Digital Commons.

Published
2021-06-01
How to Cite
[1]
Y. Widyaningsih, G. Arum, and K. Prawira, “APLIKASI K-FOLD CROSS VALIDATION DALAM PENENTUAN MODEL REGRESI BINOMIAL NEGATIF TERBAIK”, BAREKENG: J. Math. & App., vol. 15, no. 2, pp. 315-322, Jun. 2021.
Issue
Vol 15 No 2 (2021): BAREKENG: Jurnal Ilmu Matematika dan Terapan
Section
Articles

Authors who publish with this Journal agree to the following terms:

  1. Author retain copyright and grant the journal right of first publication with the work simultaneously licensed under a creative commons attribution license that allow others to share the work within an acknowledgement of the work’s authorship and initial publication of this journal.
  2. Authors are able to enter into separate, additional contractual arrangement for the non-exclusive distribution of the journal’s published version of the work (e.g. acknowledgement of its initial publication in this journal).
  3. Authors are permitted and encouraged to post their work online (e.g. in institutional repositories or on their websites) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published works.