Tukang Rajut Amatir

tas rajut pertamaku^^Untuk menyeimbangkan otak kanan dan otak kiri maka saya mencoba aktivitas satu ini…pertama kali berkenalan dengan merajut, wuihh kayaknya ribet, membosankan, dan lama.

Tapi ternyata merajut itu menyenangkan lho…yang penting sabar dan telaten…ketika buah karya itu jadi, rasanya nikmat luar biasa, sueneeeeng banget,hehehehe

adalah Elitya Permana, teman sesama alay saya yang membantu membukakan jalan menuju dunia merajut (atau bahasa kerennya knitting world:D)..dari mengajari saya rantai (chain) sampai memodali saya berbagai perangkat untuk belajar, thx Elit:D

Dan mulailah perburuan itu (mencari tahu segala hal tentang merajut dan segala tetek bengeknya), mulai searching di youtube tentang cara-cara merajut dengan kata kunci knitting atau crochet sampai membaca-baca buku-bukunya..yah, meskipun bukunya masih dalam taraf meminjam tapi tak menyurutkan langkah saya untuk mendalami rajut-merajut…

Akhirnya, bagi anda yang ada di dunia ini, selamat merajut^^

Excess Zero pada Regresi Poisson

Respon variabel memungkinkan untuk kosong/tak terisi (zero response), termasuk dalam count data. Zero response dapat diperlakukan dengan banyak cara. Salah satunya yaitu menganggapnya sebagai data missing dan melakukan imputasi pada data tersebut. Akan tetapi, dalam banyak kasus, kosong memiliki arti penting pada penelitian yang bersangkutan, misalnya tidak ada pembunuhan di suatu lokasi, tidak ada penyakit filariasis (kaki gajah) di suatu kabupaten, remaja yang tidak pernah sama sekali meminum minuman keras, dll. Jika nilai nol memiliki arti penting dalam count data maka data tersebut harus dimasukkan dalam analisis.

Dalam penelitian dapat dijumpai kondisi di mana terlalu banyak nol (lebih dari 50 persen). Besarnya proporsi data yang bernilai nol dapat berakibat pada ketepatan (presisi) dari inferensia (Winkleman, 2008). Selain itu, regresi Poisson juga menjadi tidak tepat lagi menggambarkan data yang sebenarnya (Sumarni, 2009). Menurut Hinde dan Demetrio (1992), excess zero merupakan salah satu penyebab terjadinya overdispersion (Bahn dan Massenburg, 2008).

Jadi, jika count data sangat bervariasi dan nilainya lebih besar dari nol atau jumlah nolnya sedikit maka dapat diindikasikan hanya terjadi overdispersion. Jika count data memiliki nilai varians yang sama dengan rata-rata, tetapi banyak yang bernilai nol maka dapat diindikasikan hanya terjadi excess zero. Jika count data sangat bervariasi dan nilai nolnya sangat banyak maka dapat diindikasikan terjadi overdispersion dan excess zero.
Data dengan excess zero bisa diatasi dengan menggunakan Regresi Zero Inflated Poisson (ZIP). Untuk data dengan overdispersion dan excess zero dapat diatasi dengan Zero Inflated Generalized Poisson (ZIGP).

Referensi:
Winkelmann, Rainer. 2008. Econometric Analysis of Count Data 5th edition. Berlin: Springer

Segores Motivasi

Ketika kejenuhan itu mulai datang, ingatlah akan mimpi-mimpimu di masa depan…
Ketika kemalasan itu menyapa, ingatlah kesuksesan itu tidak akan menghampiri orang yang kurang berjuang…
Ketika kebimbangan itu hadir, ingatlah bahwa kamu punya Allah SWT sebagai tempat untuk bergantung dan meminta…
Percayalah…bahwa Allah SWT itu maha Pengabul Doa…
Sepanjang kamu berjuang keras dan optimis…
Apa yang kamu raih hingga saat ini adalah karena-Nya…
Maka jangan pernah sekali-kali kamu menjadi sombong…
Tataplah rendah hati dan tebarkan kebahagiaan kepada sesama di mana saja kamu berada…

Jakarta, 20 Juli 2011
by nft

Previous Older Entries

Follow

Get every new post delivered to your Inbox.