:: UI - Skripsi Membership :: Kembali

UI - Skripsi Membership :: Kembali

Taksiran generalized ridge sebagai taksiran parameter pada model regresi linier berganda untuk kasus multikolinieritas = Generalized ridge estimator as an parameter estimator in multiple linear regression for multicollinearity case

(Universitas Indonesia, 2013)

 Abstrak

[Analisis regresi linier berganda adalah suatu teknik statistik untuk memodelkan
dan menganalisis hubungan antara variabel respon dan variabel-variabel regresor.
Pada umumnya, penaksiran parameter pada model regresi linier berganda
menggunakan metode OLS (Ordinary Least squares) yang menghasilkan taksiran
least squares. Pada model regresi linier berganda dimungkinkan kondisi
multikolinieritas yang menyebabkan variansi taksiran least squares menjadi besar
sehingga taksiran least squares tidak stabil. Salah satu metode alternatif
penaksiran parameter model regresi linier berganda untuk kasus multikolinieritas
adalah metode ridge yang menghasilkan taksiran ridge. Taksiran ridge bergantung
pada sebuah konstanta bias k yang disebut konstanta bias ridge. Metode
generalized ridge merupakan pengembangan dari metode ridge, dengan
menerapkan Dekomposisi Spektral untuk memperoleh bentuk kanonik, kemudian
ditambahkan beberapa konstanta bias sebanyak jumlah variabel regresor yang
diperoleh dari proses iterasi. Taksiran generalized ridge menghasilkan mean
square error yang lebih kecil dari mean square error taksiran least squares., Analysis of regression is a statistical technique for modeling and analizing the
relationship between the response variable and regressor variables. This skripsi is
modeling the relationship between one response variable and several regressor
variables when there is no linear relationship among the regressors variable. The
ordinary least squares method is used to estimate regression coefficient.
Multicollinearity result in large variance for the least squares estimators of the
regression coefficient, and the estimators also will be unstable. Ridge method is
the most common method to overcome this problem. Ridge estimator depends on
biasing parameter k called constant of ridge. Generalized ridge is an extension of
the ordinary ridge method by applying spectral decompotition to obtain the
canonical form, then adding biasing parameters as many as number of regressor
variables that specified by iteration. The advantage of generalized ridge estimator
over the least squares estimator is generalized ridge estimator has less scalar mean
square error (mse) than mse of least squaress estimator .]

 File Digital: 1

Shelf
 S54349-Amanda Walidya.pdf :: Unduh

LOGIN required

 Metadata

No. Panggil : S54349
Subjek :
Penerbitan : [Place of publication not identified]: Universitas Indonesia, 2013
Program Studi :
Bahasa : ind
Sumber Pengatalogan :
Tipe Konten :
Tipe Media :
Tipe Carrier :
Deskripsi Fisik : xii, 108 hlm. ; 30 cm. + lamp.
Naskah Ringkas :
Lembaga Pemilik : Universitas Indonesia
Lokasi : Perpustakaan UI, Lantai 3
  • Ketersediaan
  • Ulasan
No. Panggil No. Barkod Ketersediaan
S54349 TERSEDIA
Ulasan:
Tidak ada ulasan pada koleksi ini: 20368785