scholarly journals Pemodelan Jumlah Kasus Malaria di Indonesia Menggunakan Generalized Linear Model

2021 ◽  
Vol 5 (1) ◽  
pp. 112-120
Author(s):  
Vera Maya Santi ◽  
Abi Wiyono ◽  
Sudarwanto
Keyword(s):  
Maximum Likelihood ◽  
Maximum Likelihood Estimation ◽  
Linear Model ◽  
Generalized Linear Model ◽  
Likelihood Estimation ◽  
Binomial Model

Generalized Linear Model (GLM) telah banyak digunakan untuk memodelkan berbagai macam tipe data dimana distribusi dari variabel respon merupakan distribusi yang termasuk dalam distribusi keluarga eksponensial. Contoh umum dari distribusi keluarga eksponensial adalah distribusi Poisson dan Binomial. Model regresi GLM mendeskripsikan struktur dari variabel prediktor, sedangkan fungsi penghubung secara khusus mendeskripsikan hubungan antara model regresi dengan nilai ekspektasi dari variabel respon. Tujuan dari artikel ini adalah mendapatkan variabel-variabel prediktor yang berpengaruh signifikan terhadap model. Metode Maximum Likelihood Estimation digunakan untuk mencari estimasi dari nilai parameter regresi model. Jumlah kasus malaria di Indonesia diidentifikasi berdistribusi Poisson. Terdapat 3 variabel prediktor yang berpengaruh signifikan terhadap jumlah kasus malaria di Indonesia, yaitu persentase rumah tangga yang memiliki akses sanitasi layak, jumlah kabupaten/kota yang menyelenggarakan tatanan kawasan kesehatan dan jumlah kabupaten/kota yang melakukan pengendalian vektor terpadu.

Robust maximum likelihood estimation in the linear model

Automatica ◽  
2001 ◽  
Vol 37 (4) ◽  
pp. 573-580 ◽  
Author(s):  
Giuseppe Calafiore ◽  
Laurent El Ghaoui
Keyword(s):  
Maximum Likelihood ◽  
Maximum Likelihood Estimation ◽  
Linear Model ◽  
Likelihood Estimation

scholarly journals ESTIMASI CADANGAN KLAIM MENGGUNAKAN GENERALIZED LINEAR MODEL (GLM) DAN COPULA

2020 ◽  
Vol 9 (4) ◽  
pp. 411-420
Author(s):  
Yuciana Wilandari ◽  
Sri Haryatmi Kartiko ◽  
Adhitya Ronnie Effendie
Keyword(s):  
Parameter Estimation ◽  
Maximum Likelihood ◽  
Linear Model ◽  
Generalized Linear Model ◽  
Likelihood Estimation ◽  
Selection Method ◽  
Information Criteria ◽  
Marginal Model ◽  
Copula Model ◽  
Clayton Copula

In the articles of this will be discussed regarding the estimated reserves of the claim using the Generalized Linear Model (GLM) and Copula. Copula is a pair function distribution marginal becomes a function of distribution of multivariate. The use of copula regression in this article is to produce estimated reserves of claims. Generalized Linear Model (GLM) used as a marginal model for several lines of business. In research it is used three kinds of line of business that is individual, corporate and professional. The copula used is the Archimedean type of copula, namely Clayton and Gumbel copula. The best copula selection method is done using Akaike Information Criteria (AIC). Maximum Likelihood Estimation (MLE) is used to estimate copula parameters. The copula model used is the Clayton copula as the best copula. The parameter estimation results are used to obtain the estimated reserve value of the claim.

Sign in / Sign up

Export Citation Format

Share Document