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."

"Variabel Moderator merupakan variabel yang tidak terdapat dalam model (tidak mempengaruhi variabel respon), tetapi mempengaruhi kekuatan hubungan antara variabel prediktor dan variabel respon. Dalam hal variabel moderator merupakan variabel katagorik, pengidentifikasian variabel moderator tersebut dilakukan dengan membandingkan koefisien regresi linear yang didapat dari model regresi linear untuk setiap katagori dari variabel tersebut. Hal ini dilakukan dengan uji Chow. Jika koefisien regresi linear untuk setiap katagori berbeda maka variabel tersebut merupakan variabel moderator dan analisis regresi linear sederhana dilakukan secara terpisah untuk setiap katagori dari variabel moderator."

"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."

"Tugas akhir ini membahas model regressi logistic yang digunakan untuk menganalisa dan memodel hubungan antara variabel respon kualitatif dikotomi dan variabel - variabel bebas."

"Analisis regresi merupakan suatu metode statistik untuk menyelidikidan memodelkan hubungan antara satu variabel respon Y dengan satu ataulebih variabel prediktor X . Hubungan antara variabel prediktor X danvariabel respon Y secara umum dapat dimodelkan dengan sebuah fungsiregresi. Menentukan fungsi taksiran regresi dapat dilakukan secaraparametrik dan nonparametrik. Dalam tugas akhir ini fungsi regresi ditaksirsecara nonparametrik dengan metode regresi polinomial lokal. Regresipolinomial lokal adalah suatu metode regresi nonparametrik, dengan fungsiregresi ditaksir menggunakan bentuk polinomial. Jika pada regresi polinomialbiasa persamaan regresi di-fit untuk seluruh wilayah data maka dalam regresipolinomial lokal persamaan regresi di-fit sepotong-sepotong. Kemulusankurva dari taksiran regresi ini tergantung pada pemilihan parameter pemulusatau bandwidth, sehingga diperlukan pemilihan bandwidth yang optimal, yaitubandwidth yang meminimumkan GCV. Dalam aplikasi metode regresipolinomial lokal dibandingkan dengan metode Nadaraya-Watson. Hasil yangdiperoleh adalah metode regresi polinomial lokal akan baik menaksir datayang nilainya menyimpang jauh dibandingkan nilai data yang lain, sedangkanmetode Nadaraya-Watson akan baik menaksir pada data yang berkumpul."

"Analisis regresi merupakan suatu metode statistik untuk menyelidiki dan memodelkan hubungan antara satu variabel respon Y dengan satu atau lebih variabel prediktor X . Hubungan antara variabel prediktor X dan variabel respon Y secara umum dapat dimodelkan dengan sebuah fungsi regresi. Menentukan fungsi taksiran regresi dapat dilakukan secara parametrik dan nonparametrik. Dalam tugas akhir ini fungsi regresi ditaksir secara nonparametrik dengan metode regresi polinomial lokal. Regresi polinomial lokal adalah suatu metode regresi nonparametrik, dengan fungsi regresi ditaksir menggunakan bentuk polinomial. Jika pada regresi polinomial biasa persamaan regresi di-fit untuk seluruh wilayah data maka dalam regresi polinomial lokal persamaan regresi di-fit sepotong-sepotong. Kemulusan kurva dari taksiran regresi ini tergantung pada pemilihan parameter pemulus atau bandwidth, sehingga diperlukan pemilihan bandwidth yang optimal, yaitu bandwidth yang meminimumkan GCV. Dalam aplikasi metode regresi polinomial lokal dibandingkan dengan metode Nadaraya-Watson. Hasil yang diperoleh adalah metode regresi polinomial lokal akan baik menaksir data yang nilainya menyimpang jauh dibandingkan nilai data yang lain, sedangkan metode Nadaraya-Watson akan baik menaksir pada data yang berkumpul."