eprintid: 77386
rev_number: 10
eprint_status: archive
userid: 12241
dir: disk0/00/07/73/86
datestamp: 2026-07-02 02:59:49
lastmod: 2026-07-02 02:59:49
status_changed: 2026-07-02 02:59:49
type: thesis
metadata_visibility: show
contact_email: sophanshofwan@gmail.com
creators_name: Ellif Zahara Yasmin Asadillah, NIM.: 22106010008
title: PERBANDINGAN ANALISIS REGRESI POISSON DAN
POISSON-INVERSE GAUSSIAN (PIG) PADA STUDI KASUS :
BIKE SHARING 2011-2012
ispublished: pub
subjects: Matematika
divisions: jur_mat
full_text_status: restricted
keywords: Bike Sharing, count data, overdispersi, regresi Poisson,
regresi Poisson–Inverse Gaussian
note: Sri Utami Zuliana, S.Si., M.Sc., Ph.D.
abstract: Jumlah penyewaan sepeda merupakan count data yang dapat dimodelkan
menggunakan regresi Poisson. Namun, regresi Poisson mensyaratkan asumsi
equidispersi, yaitu nilai rata-rata sama dengan variansi. Pada praktiknya, count
data sering mengalami overdispersi sehingga asumsi tersebut tidak terpenuhi dan
dapat menyebabkan estimasi parameter menjadi kurang efisien. Salah satu metode
yang dapat digunakan untuk mengatasi permasalahan tersebut adalah regresi
Poisson–Inverse Gaussian yang merupakan pengembangan dari regresi Poisson
dengan memasukkan parameter dispersi.
Penelitian ini bertujuan untuk memperoleh model regresi Poisson dan
regresi Poisson–Inverse Gaussian (PIG) dalam memodelkan jumlah penyewaan
sepeda pada data Bike Sharing tahun 2011–2012 serta menentukan model terbaik
berdasarkan nilai Akaike Information Criterion (AIC). Data yang digunakan
merupakan Bike Sharing Dataset yang diperoleh dari UCI Machine Learning
Repository. Estimasi parameter dilakukan menggunakan metode Maximum
Likelihood Estimation (MLE) dan pengolahan data dilakukan dengan perangkat
lunak R versi 4.5.2.
Dari hasil analisis diperoleh model regresi Poissonnya adalah ln(μi) =
8, 192982+1, 677465X1 −0, 672520X3 −1, 034128X4 dan model regresi Poisson
Inverse Gaussiannya diperoleh μi = exp(8, 3398 + 2, 2177X1 − 1, 0864X3 −
1, 8261X4). Berdasarkan perbandingan nilai AIC, model regresi Poisson–Inverse
Gaussian menghasilkan nilai AIC yang lebih kecil dibandingkan model regresi
Poisson. Oleh karena itu, regresi Poisson–Inverse Gaussian dipilih sebagai model
terbaik untuk memodelkan jumlah penyewaan sepeda pada data Bike Sharing tahun
2011–2012.
Kata kunci: Bike Sharing, count data, overdispersi, regresi Poisson,
regresi Poisson–Inverse Gaussian
date: 2026-05-25
date_type: published
pages: 90
institution: UIN SUNAN KALIJAGA YOGYAKARTA
department: FAKULTAS SAINS DAN TEKNOLOGI
thesis_type: skripsi
thesis_name: other
citation:   Ellif Zahara Yasmin Asadillah, NIM.: 22106010008  (2026) PERBANDINGAN ANALISIS REGRESI POISSON DAN POISSON-INVERSE GAUSSIAN (PIG) PADA STUDI KASUS : BIKE SHARING 2011-2012.  Skripsi thesis, UIN SUNAN KALIJAGA YOGYAKARTA.   
document_url: https://digilib.uin-suka.ac.id/id/eprint/77386/1/22106010008_BAB-I_IV-atau-V_DAFTAR-PUSTAKA.pdf
document_url: https://digilib.uin-suka.ac.id/id/eprint/77386/2/22106010008_BAB-II_sampai_SEBELUM-BAB-TERAKHIR.pdf