@prefix epid: .
@prefix void: .
@prefix xsd: .
@prefix cc: .
@prefix ep: .
@prefix eprel: .
@prefix dc: .
@prefix bibo: .
@prefix geo: .
@prefix owl: .
@prefix event: .
@prefix skos: .
@prefix foaf: .
@prefix rdfs: .
@prefix rdf: .
@prefix dct: .
<>
foaf:primaryTopic ;
rdfs:comment "The repository administrator has not yet configured an RDF license."^^xsd:string .
dct:hasPart ;
ep:hasFile ;
rdf:type bibo:Document,
ep:Document;
rdfs:label "PERBANDINGAN ANALISIS REGRESI POISSON DAN\r\nPOISSON-INVERSE GAUSSIAN (PIG) PADA STUDI KASUS :\r\nBIKE SHARING 2011-2012 (Text)"^^xsd:string .
rdf:type bibo:Document,
ep:Document;
rdfs:label "PERBANDINGAN ANALISIS REGRESI POISSON DAN\r\nPOISSON-INVERSE GAUSSIAN (PIG) PADA STUDI KASUS :\r\nBIKE SHARING 2011-2012 (Text)"^^xsd:string .
eprel:isVersionOf ;
eprel:isVolatileVersionOf ;
eprel:islightboxThumbnailVersionOf ;
rdf:type ep:Document;
rdfs:label "PERBANDINGAN ANALISIS REGRESI POISSON DAN\r\nPOISSON-INVERSE GAUSSIAN (PIG) PADA STUDI KASUS :\r\nBIKE SHARING 2011-2012 (Other)"^^xsd:string .
eprel:isVersionOf ;
eprel:isVolatileVersionOf ;
eprel:ispreviewThumbnailVersionOf ;
rdf:type ep:Document;
rdfs:label "PERBANDINGAN ANALISIS REGRESI POISSON DAN\r\nPOISSON-INVERSE GAUSSIAN (PIG) PADA STUDI KASUS :\r\nBIKE SHARING 2011-2012 (Other)"^^xsd:string .
eprel:isVersionOf ;
eprel:isVolatileVersionOf ;
eprel:ismediumThumbnailVersionOf ;
rdf:type ep:Document;
rdfs:label "PERBANDINGAN ANALISIS REGRESI POISSON DAN\r\nPOISSON-INVERSE GAUSSIAN (PIG) PADA STUDI KASUS :\r\nBIKE SHARING 2011-2012 (Other)"^^xsd:string .
eprel:isVersionOf ;
eprel:isVolatileVersionOf ;
eprel:issmallThumbnailVersionOf ;
rdf:type ep:Document;
rdfs:label "PERBANDINGAN ANALISIS REGRESI POISSON DAN\r\nPOISSON-INVERSE GAUSSIAN (PIG) PADA STUDI KASUS :\r\nBIKE SHARING 2011-2012 (Other)"^^xsd:string .
dct:hasPart ;
ep:hasFile ;
eprel:isVersionOf ;
eprel:isVolatileVersionOf ;
eprel:islightboxThumbnailVersionOf ;
rdf:type ep:Document;
rdfs:label "PERBANDINGAN ANALISIS REGRESI POISSON DAN\r\nPOISSON-INVERSE GAUSSIAN (PIG) PADA STUDI KASUS :\r\nBIKE SHARING 2011-2012 (Other)"^^xsd:string .
dct:hasPart ;
ep:hasFile ;
eprel:isVersionOf ;
eprel:isVolatileVersionOf ;
eprel:ispreviewThumbnailVersionOf ;
rdf:type ep:Document;
rdfs:label "PERBANDINGAN ANALISIS REGRESI POISSON DAN\r\nPOISSON-INVERSE GAUSSIAN (PIG) PADA STUDI KASUS :\r\nBIKE SHARING 2011-2012 (Other)"^^xsd:string .
dct:hasPart ;
ep:hasFile ;
eprel:isVersionOf ;
eprel:isVolatileVersionOf ;
eprel:ismediumThumbnailVersionOf ;
rdf:type ep:Document;
rdfs:label "PERBANDINGAN ANALISIS REGRESI POISSON DAN\r\nPOISSON-INVERSE GAUSSIAN (PIG) PADA STUDI KASUS :\r\nBIKE SHARING 2011-2012 (Other)"^^xsd:string .
dct:hasPart ;
ep:hasFile ;
eprel:isVersionOf ;
eprel:isVolatileVersionOf ;
eprel:issmallThumbnailVersionOf ;
rdf:type ep:Document;
rdfs:label "PERBANDINGAN ANALISIS REGRESI POISSON DAN\r\nPOISSON-INVERSE GAUSSIAN (PIG) PADA STUDI KASUS :\r\nBIKE SHARING 2011-2012 (Other)"^^xsd:string .
rdf:_1 .
bibo:abstract "Jumlah penyewaan sepeda merupakan count data yang dapat dimodelkan\r\nmenggunakan regresi Poisson. Namun, regresi Poisson mensyaratkan asumsi\r\nequidispersi, yaitu nilai rata-rata sama dengan variansi. Pada praktiknya, count\r\ndata sering mengalami overdispersi sehingga asumsi tersebut tidak terpenuhi dan\r\ndapat menyebabkan estimasi parameter menjadi kurang efisien. Salah satu metode\r\nyang dapat digunakan untuk mengatasi permasalahan tersebut adalah regresi\r\nPoisson–Inverse Gaussian yang merupakan pengembangan dari regresi Poisson\r\ndengan memasukkan parameter dispersi.\r\nPenelitian ini bertujuan untuk memperoleh model regresi Poisson dan\r\nregresi Poisson–Inverse Gaussian (PIG) dalam memodelkan jumlah penyewaan\r\nsepeda pada data Bike Sharing tahun 2011–2012 serta menentukan model terbaik\r\nberdasarkan nilai Akaike Information Criterion (AIC). Data yang digunakan\r\nmerupakan Bike Sharing Dataset yang diperoleh dari UCI Machine Learning\r\nRepository. Estimasi parameter dilakukan menggunakan metode Maximum\r\nLikelihood Estimation (MLE) dan pengolahan data dilakukan dengan perangkat\r\nlunak R versi 4.5.2.\r\nDari hasil analisis diperoleh model regresi Poissonnya adalah ln(μi) =\r\n8, 192982+1, 677465X1 −0, 672520X3 −1, 034128X4 dan model regresi Poisson\r\nInverse Gaussiannya diperoleh μi = exp(8, 3398 + 2, 2177X1 − 1, 0864X3 −\r\n1, 8261X4). Berdasarkan perbandingan nilai AIC, model regresi Poisson–Inverse\r\nGaussian menghasilkan nilai AIC yang lebih kecil dibandingkan model regresi\r\nPoisson. Oleh karena itu, regresi Poisson–Inverse Gaussian dipilih sebagai model\r\nterbaik untuk memodelkan jumlah penyewaan sepeda pada data Bike Sharing tahun\r\n2011–2012.\r\nKata kunci: Bike Sharing, count data, overdispersi, regresi Poisson,\r\nregresi Poisson–Inverse Gaussian"^^xsd:string;
bibo:authorList ;
bibo:status ;
dc:hasVersion ,
;
dct:creator ;
dct:date "2026-05-25";
dct:isPartOf ;
dct:issuer ,
;
dct:subject ;
dct:title "PERBANDINGAN ANALISIS REGRESI POISSON DAN\r\nPOISSON-INVERSE GAUSSIAN (PIG) PADA STUDI KASUS :\r\nBIKE SHARING 2011-2012"^^xsd:string;
ep:hasDocument ,
,
,
,
,
,
,
,
,
;
ep:hasPublished ,
;
rdf:type bibo:Article,
bibo:Thesis,
ep:EPrint,
ep:ThesisEPrint;
rdfs:seeAlso .
rdf:type skos:Concept;
skos:prefLabel "Matematika"@id .
rdfs:label "22106010008_BAB-I_IV-atau-V_DAFTAR-PUSTAKA.pdf"^^xsd:string .
rdfs:label "lightbox.jpg"^^xsd:string .
rdfs:label "preview.jpg"^^xsd:string .
rdfs:label "medium.jpg"^^xsd:string .
rdfs:label "small.jpg"^^xsd:string .
dc:format "text/html";
dc:title "HTML Summary of #77386 \n\nPERBANDINGAN ANALISIS REGRESI POISSON DAN
\nPOISSON-INVERSE GAUSSIAN (PIG) PADA STUDI KASUS :
\nBIKE SHARING 2011-2012\n\n";
foaf:primaryTopic .
dct:hasPart ;
foaf:name "UIN SUNAN KALIJAGA YOGYAKARTA"^^xsd:string;
rdf:type foaf:Organization .
dct:isPartOf ;
foaf:name "FAKULTAS SAINS DAN TEKNOLOGI, UIN SUNAN KALIJAGA YOGYAKARTA"^^xsd:string;
rdf:type foaf:Organization .
foaf:familyName "Ellif Zahara Yasmin Asadillah"^^xsd:string;
foaf:givenName "NIM.: 22106010008"^^xsd:string;
foaf:name "NIM.: 22106010008 Ellif Zahara Yasmin Asadillah"^^xsd:string;
rdf:type foaf:Person .