Hasil Pencarian  ::  Simpan CSV :: Kembali

"Salah satu asumsi pada regresi linier adalah bahwa variansi kesalahan () sama. Bila asumsi ini tidak terpenuhi, keadaan ini di sebut heteroskedastisitas. Pada tugas akhir ini akan dibahas bagaimana pengaruh heteroskedastisitas terhadap sifat-sifat parameter regresi serta bagaimana mendeteksi dan mengatasi heteroskedastisitas tersehut."

"Tugas Akhir ini membicarakan cara menghadapi masalah multikolinieritas dengan bantuan metode regresi ridge. Penaksiran dengan metode Regresi Ridge memberikan ketepatan (presisi) yang lebih baik daripada penaksiran dengan metode Kuadrat Terkecil Biasa (Ordinary Least Square), walaupun taksiran Regresi Ridge adalah bias. Kelebihtepatan penaksiran dengan metode Regresi Ridge terhadap metode Kuadrat Terkecil Biasa dilihat dari rata-rata kuadrat residualnya. Dibicarakan pula metode Regresi Ridge untuk pemilihan variabel penjelas mana yang akan dimasukkan dalam model regressi serta contoh penggunaan metode Regresi Ridge dalam menaksir pengaruh lag dalam marketing."

"Analisis regresi adalah Suatu teknik statistik yang digunakan untuk nenyelidiki dan menunjukkan hubungan antara variabel-variabel yang diaggap berpengaruh.Hasil analisis, yang disebut model regresi, akan baik jika data pengamatan yang dipakai sudah memenuhi asumsi-asumsi yang ada dan mempunyai pengaruh yang sama pada saat pencocokan regresi, dalam hal ini pada taksiran β. Artinya, tidak ada sebagian atau satu pengamatan yang lebih berpengaruh dibandingkan dengan data pengamatan yang lain. Untuk nengetahui apakah ada data penganatan yang lebih berpengaruh tersebut, dilakukan Pendeteksian terhadap data yang ada dengan nenggunakan pendekatan penghapusan. Pendekatan ini menguji bagaimana suatu Pengamatan dapat mengubah kuantitas yang terlibat dalam analisis regresi.Ada 2 metode pendeteksian penganatan yang berpengaruh pada β, yaitu :1. Berdasarkan jarak titik pada ruang x - y1.1 Elemen diagonal matrik V1.2 Jarak Mahalanobis1.3 WSSD1.4 Elemen diagonal matrik Vz2. Berdasarkan kurva Pengaruh ( pusat elipsoidakeperaayaan)2.1 Cook distance2.2 Welsch distance2.3 Welsch-Kuh dlstance2.4 Modifikasi Cook distance"

"Metode Aditif Spline Kuadrat Terkecil Parsial (ASKTP) adalah suatu metode pengembangan dari metode Kuadrat Terkecil Parsial (MKTP). Metode ASKTP sangat cocok digunakan untuk mengatasi data yang bersifat non-linier dan memiliki sifat multikolinieritas diantara peubah-peubah prediktornya. Pada dasarnya, pendekatan dengan menggunakan metode ASKTP memiliki dua gagasan mendasar yaitu untuk menggunakan transformasi parameter prediktor dengan fungsi spline dan untuk membuat komponen-komponen dari ASKTP tidak saling berkorelasi (multikolinieritas) untuk menjaga sifat-sifat dari keliniearan komponen-komponen MKTP. Penelitian ini menyajikan perbanding antara metode ASKTP dan MKTP dalam penerapan di bidang ekonomi perikanan yaitu produksi ikan tuna

---

Efectivity of Additive Spline for Partial Least Square Method in Regression Model Estimation. Additive Spline of Partial Least Square method (ASPL) as one generalization of Partial Least Square (PLS) method. ASPLS method can be acommodation to non linear and multicollinearity case of predictor variables. As a principle, The ASPLS method approach is cahracterized by two idea. The first is to used parametric transformations of predictors by spline function; the second is to make ASPLS components mutually uncorrelated, to preserve properties of the linear PLS components. The performance of ASPLS compared with other PLS method is illustrated with the fisher economic application especially the tuna fish production."

"Dalam pembuatan model yang melibatkan variabel yang nilainya berupa rata-rata untuk menaksir koefisien regresinya sering digunakan data yang didapat dari satu kali pengukuran saja. Karena hal itu, maka akan terjadi dilution bias atau tidak sesuainya taksiran koefisien regresi dengan koefisien regresi yang sebenarnya.Agar nilai taksiran koefisien regresi mendekati nilai koefisien regresi yang sebenarnya digunakan faktor koreksi yang akan dikalikan dengan taksiran koefisien regresi yang didapat. Terdapat beberapa metode untuk menaksir faktor koreksi, pada skripsi ini yang akan dibahas dan dibandingkan adalah Rosner Regression Method dan Intraclass Correlation Coefficient. Kedua metode tersebut menaksir faktor koreksi dengan menggunakan pengukuran yang diulang satu kali untuk individu yang sama.Diantara kedua metode tersebut variansi taksiran faktor koreksi yang lebih kecil didapat dari metode ICC, oleh sebab itu metode ICC lebih baik dalam memperbaiki dilution bias."

"Dalam pembuatan model yang melibatkan variabel yang nilainya berupa rata-rata untuk menaksir koefisien regresinya sering digunakan data yang didapat dari satu kali pengukuran saja. Karena hal itu, maka akan terjadi dilution bias atau tidak sesuainya taksiran koefisien regresi dengan koefisien regresi yang sebenarnya. Agar nilai taksiran koefisien regresi mendekati nilai koefisien regresi yang sebenarnya digunakan faktor koreksi yang akan dikalikan dengan taksiran koefisien regresi yang didapat. Terdapat beberapa metode untuk menaksir faktor koreksi, pada skripsi ini yang akan dibahas dan dibandingkan adalah Rosner Regression Method dan Intraclass Correlation Coefficient. Kedua metode tersebut menaksir faktor koreksi dengan menggunakan pengukuran yang diulang satu kali untuk individu yang sama. .Diantara kedua metode tersebut variansi taksiran faktor koreksi yang lebih kecil didapat dari metode ICC, oleh sebab itu metode ICC lebih baik dalam memperbaiki dilution bias."

"Analisis regresi adalah suatu teknik statistik yang digunakan untuk menyelidiki dan menunjukkan hubungan antara variabel-variabel yang dianggap berpengaruh. Hasil analisis, yang disebut model regresi, akan baik jika data pengamatan yang dipakai sudah memenuhi asumsi-asumsi yang ada dan mempunyai pengaruh yang sama pada saat pencocokan regresi, dalam hal ini pada taksiran β. Artinya, tidak ada sebagian atau satu pengamatan yang lebih berpengaruh dibandingkan dengan data pengamatan yang lain. Untuk mengetahui apakah ada data pengamatan yang lebih berpengaruh tersebut, dilakukan pendeteksian terhadap data yang ada dengan menggunakan pendekatan penghapusan. Pendekatan ini menguji bagaimana suatu pengamatan dapat mengubah kuantitas yang terlibat dalam analisis regresi. Ada 2 metode pendeteksian pengamatan yang berpengaruh pada β , yaitu : 1. Berdasarkan jarak titik pada ruang X - Y 1.1 Elemen diagonal matrik V 1.2 Jarak Mahalanobis 1.3 WSSD 1.4 Elemen diagonal matrik VZ 2. Berdasarkan Kurva Pengaruh ( pusat elipsoida keperoayaan) 2.1 Cook distance 2.2 Welsch distance 2.3 Welsch-Kuh distance 2.4 Modifikasi Cook distance."

"Berdasarkan Vocabulary Of International Metrology (VIM), kalibrasi merupakan serangkaian kegiatan yang membentuk hubungan antara nilai yang ditunjukkan oleh instrumen (alat) ukur atau nilai observasi, dengan nilai yang sudah diketahui atau nilai aktual yang berkaitan dengan besaran yang diukur dalam kondisi tertentu. Salah satu metode yang digunakan untuk menaksir nilai aktual adalah metode classic. Ekspansi Deret Taylor digunakan untuk menunjukkan bahwa taksiran nilai aktual pada metode classic merupakan taksiran yang asimtotik unbiased. László J. Naszódi melakukan modifikasi penaksir nilai aktual dari metode classic. Dengan Ekspansi Deret Taylor ditunjukkan bahwa taksiran tersebut merupakan taksiran yang asimtotik unbiased namun lebih efisien.

---

Based on the Vocabulary of International Metrology (VIM), calibration is a series of activities that forms the relationship between values indicated by the measurement instrument (tool) or the observation value, with a known value or actual value related to the quantity that is measured under certain conditions. One method that is used to estimate the actual value is the classic method.

The Taylor series expansion is used to indicate that the estimated actual value on the classic method is an asymptotically unbiased estimate. László J. Naszódi modified the estimated actual value of the classic method. By the Taylor series expansion, it is shown that these estimates are asymptotically unbiased estimates, but more efficient. "

"ABSTRAKAnalisis regresi linier memodelkan hubungan linier antara variabel respon dengan variabel regresor. Analisis regresi linier menghasilkan suatu model yang disebut model regresi linier. Metode yang sering digunakan untuk menaksir parameter pada model regresi linier adalah metode ordinary least square OLS . Metode OLS akan menghasilkan taksiran terbaik ketika semua asumsinya terpenuhi. Namun pada kenyataannya, asumsi-asumsi tersebut seringkali tidak terpenuhi. Asumsi yang seringkali tidak terpenuhi adalah adanya multikolinieritas dan outlier. Multikolinieritas akan menyebabkan variansi dari taksiran parameter regresi membesar, sedangkan outlier akan membuat taksiran parameter menjadi bias. Jika terdapat multikolinieritas dan outlier pada data, digunakan jackknife ridge M-estimator. Jackknife ridge M-estimator adalah taksiran koefisien regresi yang memiliki sifat robust sehingga tidak terpengaruh oleh outlier dan menggunakan metode ridge untuk mengatasi masalah multikolinieritas serta menggunakan metode jackknife untuk mereduksi bias yang dihasilkan metode ridge. Pada regresi linier berganda, model regresi dapat terdiri dari banyak kandidat variabel regresor. Metode subset selection digunakan untuk memilih sebagian kecil saja dari kandidat variabel regresor pada model regresi linier berganda yang paling baik dalam memprediksi nilai dari variabel respon. Kriteria seleksi yang dapat digunakan pada metode subset selection apabila terdapat outlier dan multikolinieritas pada data yaitu kriteria GSp yang merupakan generalized version dari kriteria Sp. Hal tersebut dikarenakan, kriteria GSp didasarkan oleh jackknife ridge M-estimator yang dapat mengatasi masalah outlier dan multikolinieritas. Selanjutnya, kriteria GSp diimplementasikan untuk mendapatkan model terbaik pada data IQ yang memiliki masalah outlier dan multikolinieritas. Berdasarkan analisis data, diperoleh bahwa untuk mengetahui IQ seseorang orang tersebut tidak harus melakukan 5 tes kepribadian berbeda, karena dengan hanya melakukan 3 tes kepribadian saja yaitu tes 1, tes 3 dan tes 5, sudah dapat diketahui besar IQ dari orang tersebut, dimana hal tersebut dapat mengurangi waktu, biaya dan tenaga yang diperlukan.

---

ABSTRACTLinear regression analysis model the linear relation between response variable with regressor variables. Linear regression analysis produce a linear regression model. Ordinary least squares OLS method is often utilized to estimate parameters of linear regression model. OLS method will produce the best estimates when all the assumptions are met. However, in real data, those assumptions are often not violated. Such as the multicollinearity and outliers. Multicollinearity will produce a large variance of the regression parameters, while outliers will cause a biased estimates. Jackknife ridge M estimator is recommended to be implemented in the model when these problems are present. Jackknife ridge M estimator is the regression with robust property, which makes it able not to be influenced by the presence of outlier, and ridge method is utilized to overcome multicollinearity, where the jackknife method is utilized to reduce the bias from the result of the ridge method. In multiple linear regression, regression model could possibly contain many regressor variable candidates. Subset selection method is utilized to select some of those regressor variable candidates on the multiple linear regression model that best predicts the value of the response variable. The selection criterion that can be utilized on the subset selection method when outlier and multicollinearity are present is the GSp criterion which is the generalized version of the Sp criterion. The reason for this is because the GSp criterion is based on jackknife ridge M estimator, which is able to solve the problem of outlier and multicollinearity. Furthermore, GSp criterion is implemented to obtain the best model on IQ data that has outlier and multicollinearity issues. Based on the data analysis, it was found that to know the IQ of a person the person does not need to do 5 different personality tests, because by only doing 3 personality test which is test 1, test 3 and test 5, it can be known the IQ of that person, where it can reduce the time, cost and energy required."