:: UI - Skripsi Membership :: Kembali

UI - Skripsi Membership :: Kembali

Aplikasi metode interior point dalam penaksiran parameter regresi kuantil = Interior point method for estimating quantile regression parameter

(Universitas Indonesia, 2014)

 Abstrak

[Regresi kuantil merupakan salah satu teknik regresi dengan memodelkan kuantil
dari variabel dependen bersyarat variabel penjelas. Model yang diperoleh dengan
regresi kuantil merupakan suatu gambaran lengkap atas perilaku data baik di
bagian tengah maupun ekor (tail) sebaran. Sehingga teknik ini baik digunakan
untuk analisa data apabila dicurigai adanya perbedaan pengaruh variabel penjelas
terhadap bagian-bagian tertentu variabel dependen. Hal ini dapat dilihat dari hasil
taksiran parameter regresi kuantil yang berubah secara monoton. Selain itu regresi
kuantil juga bagus digunakan pada data dengan nilai ekstrim yang penting untuk
dianalisa. Untuk mendapatkan model regresi kuantil diperlukan proses penaksiran
parameter yang dilakukan dengan meminimumkan ekspektasi suatu fungsi loss.
Proses optimisasi ini selanjutnya diubah ke dalam program linier dan dapat
diselesaikan dengan metode interior point. Metode interior point yang digunakan
dalam skripsi ini mengacu pada algoritma Frisch-Newton. Selanjutnya pada
skripsi ini, regresi kuantil akan diterapkan pada dua data yang masing-masing
memiliki karakteristik yang berbeda., Quantile regression is a regression technique by modeling the conditional quantile
of the dependent variable. Models obtained with quantile regression is a complete
picture of the behavior of the data either in the middle or tail. This technique is
well used to analyze data when there is suspected differences in the effect of
explanatory variables on the dependent variable. It can be seen from the results of
quantile regression parameter estimates which changed monotonically. In addition
quantile regression is also good to use on the data with extreme values that are
important to be analyzed. To get the required quantile regression model,
parameter estimation process is done by minimizing the expectation of a loss
function. The optimization process is then converted into a linear program and can
be solved by interior point methods. Interior point methods used in this skripsi
refers to the Frisch-Newton algorithm. Later in this skripsi, quantile regression
will be applied to the two data each has different characteristics.]

 File Digital: 1

Shelf
 S55410-Oryza Kusumaning Ayu.pdf :: Unduh

LOGIN required

 Metadata

No. Panggil : S55410
Subjek :
Penerbitan : [Place of publication not identified]: Universitas Indonesia, 2014
Program Studi :
Bahasa : ind
Sumber Pengatalogan :
Tipe Konten :
Tipe Media :
Tipe Carrier :
Deskripsi Fisik : xiv, 102 hlm. : ill. ; 28 cm. + lamp.
Naskah Ringkas :
Lembaga Pemilik : Universitas Indonesia
Lokasi : Perpustakaan UI, Lantai 3
  • Ketersediaan
  • Ulasan
No. Panggil No. Barkod Ketersediaan
S55410 TERSEDIA
Ulasan:
Tidak ada ulasan pada koleksi ini: 20388273