Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dalam bidang ekonomi seringkali diperlukan bahasan dalam hubungan fungsional antara variabel-variabel. Hubungan itu dinyatakan dalam bentuk persamaan yang menghubungkan variabel tak bebas dengan satu atau lebih variabel bebas. Dalam studi empiris dl bidang ekonomi sering terjadi variabel tak bebasnya tersensor atau terkelompok pada suatu nilai batas, maka untuk menganalisis masalah dengan variabel tak bebas tersensor dapat digunakan Model Regresi Tersensor atau Model Tobit. Tugas akhir ini akan membahas Model Regresi Tersensor atau Model Tobit, dengan contoh aplikasi menganalisis hubungan antara Tabungan dengan Dpah/gaji, dengan memperhatikan beberapa karakteristik pekerja yaitu Status kerja, Jenis kelamin, Umur, Pendidikan, dan ada tidaknya Bantuan keuangan dari pihak lain sebagai variabel kontrol. Data yang dipakai adalah berdasarkan hasil pilot Survei Tingkat Hidup Pekerja di Kotamadya Semarang 1992, oleh Biro Pusat Statistik. Ternyata dalam konteks variabel-variabel di atas, tabungan dipengaruhi oleh upah pekerja sedangkan karakteristik-karakteristik yang perlu diperhatikan untuk menaksir tabungan pekerja berdasarkan upahnya ialah jenis kelamin, pendidikan, status kerja, dan umur. Selain untuk keperluan penaksiran, model dapat juga digunakan untuk menghitung pengaruh marjinal karakteristik - karakteristik pekerja pekerja pada tabungan."

"This was a non-reactive research using secondary data (n = 30). The objective of this study was to investigate the linear regression in dentistry using data analysis with computer programs MINITAB 13 and SPSS 13. Research in dentristry often employs simple or multiple linear regression. A researcher should have adequate comprehension on linear regression analysis in order to gain valid and applicable regression equation. This study used multiple linear regression analysis with independent variable (age and oral hygiene) and dependent variable (tooth caries). It was found that all assumptions of the multiple linear regression analysis were fulfilled. However, the result of t test showed that the variable of age revealed insignificant result (p = 0.932), so that the variable of age should be excluded from the analysis. Subsequently, simple linear regression analysis was performed to the independent variable (oral hygiene) and the dependent variable (tooth caries). It was found that all assumptions of the multiple linear regression analysis were fulfilled. The result of t test showed that oral hygiene variable was significant (p = 0.000). F test revealed p = 0.000, indicating the validity of the result. The obtained regression equation was found to be applicable. The regression equation obtained was as follows: 1.56 + 2.62 OHI-S, indicating that in any increase of one OHI-S unit, the caries increased 2.62 unit."

"Tujuan utama dari skripsi ini adalah untuk menentukan rangkaian penurunan tingkat bunga yang akan mempengaruhi biaya modal bagi investasi guna mencari tingkat stimuli yang optimal bagi perekonomian Indonesia, yaitu tingkat stimuli yang menyeimbangkan perkiraan kerugian dari terjadinya resesi dan inflasi, dan juga tingkat stimuli yang akan mendorong aktifitas ekonomi tanpa memperparah inflasi. Jika kebijakan penurunan tingkat bunga terlalu lambat, maka tidak ada yang akan investasi sehingga resesi berlanjut. Namun jika terlalu cepat, akan terlalu banyak yang investasi dan menyebabkan inflasi malah memburuk. Tujuan dari penulisan ini juga sekaligus membuktikan bahwa stimuli yang terlalu berhati-hati (cautious) akan terbukti tidak efektif. Hal ini karena penurunan yang sedikit kurang mendapatkan respon dari pihak swasta karena pihak swasta tahu bahwa jika sebuah pengurangan tingkat bunga gagal untuk mendorong pertumbuhan, pembuat kebijakan dipaksa untuk menurunkan tingkat bunga lagi. Pihak swasta kemudian mempunyai insentif untuk menunggu, untuk mendapatkan keuntungan yang lebih besar dari tingkat bunga yang diharapkan lebih rendah lagi. Demikian seterusnya lingkaran setan ini terjadi. Model Caplin dan Leahy adalah sebuah model yang memberi perhatian pada ciri-ciri utama dari latar belakang pembuatan kebijakan akhir-akhir ini. Pendekatan utama kita meliputi tiga ide, yaitu bahwa pembuat kebijakan tidak mengetahui dengan pasti tingkatan ekonomi, pembuat kebijakan belajar tentang tingkatan ekonomi dari respon perekonomian terhadap kebijakan, dan setiap strategi pencarian sistematis yang digunakan oleh pembuat kebijakan untuk mempelajari tingkatan perekonomian akan mempengaruhi respon perekonomian terhadap kebijakan, Metode regresi merupakan komponen integral dari setiap analisa data yang sering digunakan dalam statistika untuk menggambarkan hubungan antara variabel dependen dan sebuah atau lebih variabel independen. Pemilihan metode regresi yang digunakan adalah karena model Caplin dan Leahy ini lebih baik menggunakan variabel dependen yang diskrit, bukan kontinyu. Oleh karena itu di sini kita menggunakan metode analisa regresi multinomial logistik karena variabel dependen yang digunakan diskrit dan terdiri dari tiga kategori. Dari hasil regresi terhadap data perekonomian Indonesia sejak bulan Juli 1993 hingga Januari 1999, dapat diambil kesimpulan bahwa kita dapat melihat proses pengambilan keputusan, baik dari sisi investor maupun bank sentral Indonesia pada periode sebelum dan setelah terjadinya krisis. Ada satu hal yang menarik bahwa ternyata dari hasil regresi didapatkan bahwa pemerintah Indonesia lebih besar ketidaksukaannya terhadap unemployment dibandingkan dengan inflasi. Bahwa tingkah laku Bank Indonesia sebelum krisis sama dengan setelah krisis, yaitu jika investor berhati-hati dalam melakukan investasi maka respon pemerintah adalah is akan menurunkan tingkat bunga dengan cepat.untuk mendorong terjadinya investasi. Hal menarik lain yang dapat kita temukan adalah bahwa setelah memasuki periode krisis, ternyata variabel tingkat bunga tidak lagi menjadi variabel yang signifikan dalam mempengaruhi keinginan investor untuk investasi. Dan tingkah laku investor sebelum krisis berbeda dengan tingkah lakunya setelah krisis. Pada periode sebelum krisis, jika Bank Indonesia terlihat berhati-hati dalam menurunkan tingkat bunga maka investor juga akan berhati-hati dalam melakukan investasi. Sedangkan pada periode setelah krisis, jika BI terlihat berhati-hati dalam menurunkan tingkat bunga maka investor malah merespon untuk tidak berhati-hati dalam melakukan investasi."

"ABSTRACTPenyakit Parkinson terbagi dalam dua subtipe, yaitu Tremor Dominant (TD) dan Postural Instability/Gait Dominant (PIGD). Tiap subtipe memiliki perbedaan dalam penanganan klinis, sehingga perlu dilakukan klasifikasi subtipe penyakit Parkinson. Dalam Statistika, ada beberapa model yang membahas klasifikasi diantaranya adalah decision tree, regresi logistik, dan logit leaf model (LLM). LLM merupakan model campuran dari decision tree dan regresi logistik yang diusulkan oleh De Caigny et al. (2018). Penulisan ini membahas klasifikasi subtipe penyakit Parkinson menggunakan model klasifikasi statistika beserta penanganan masalah imbalanced data yang terjadi pada data penyakit Parkinson. Diperoleh model klasifikasi regresi logistik dengan melakukan proses SMOTE ± = 600, = 200 untuk menangani masalah imbalanced data. Model tersebut memberikan akurasi sebesar 98,83%, sensitivitas sebesar 98,41%, dan spesifisitas sebesar 99,07%.

---

ABSTRACTParkinsons Disease has two sub-types which are Tremor Dominant (TD) and Postural Instability/Gait Difficulty (PIGD). Each subtype has the difference in clinical treatment, so it is necessary to classify Parkinsons Disease subtypes. In Statistics, there are statistical models for classifying such as decision tree, logistic regression, and logit leaf model (LLM). LLM is a hybrid model from decision tree and logistic regression that proposed by (De Caigny et al., 2018). In this thesis discuss Parkinsons Disease Classification using statistical models with imbalanced data problem handling happen in Parkinson`s Disease data. For the result, logistic regression by processing SMOTE ± = 600, = 200 to handle data imbalanced problem. The model provides an accuracy of 98,83%, sensitivity of 98.41%, and specificity of 99.07%."

"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."

"Model regresi logistik dua level merupakan analisis multilevel yang digunakan untuk menganalisis data yang mempunyai struktur hirarki dua level dengan data respon biner (bernilai 0 atau 1). Yang dimaksud dengan data hirarki adalah data dengan unit-unit observasi yang bersarang pada unit yang lebih tinggi. Dalam skripsi ini, bentuk model regresi logistik dua level difokuskan pada model regresi logistik dua level dengan random intercept. Metode penaksiran parameter yang adalah metode Penalized Quasi Likelihood order pertama (PQL-1). Prinsip umum dari metode ini adalah melinierkan bagian yang non-linier dari model regresi logistik dua level dengan perluasan deret Taylor order pertama sehingga didapat model linier 2-level untuk kemudian dilakukan pengestimasian parameter menggunakan Iterative Generalized Least Square (IGLS). Prosedur tersebut dilakukan secara iteratif sampai konvergen. Metode ini diaplikasikan pada data survey di Eropa mengenai faktor-faktor yang mempengaruhi seseorang dalam penggunaan hak pilihnya dalam pemilu. Data terdiri dari 3300 individu yang diambil secara acak dari 20 negara di Eropa."

"Model regresi ordinal dua level merupakan model yang digunakan untuk menganalisis data respon ordinal tercluster dan longitudinal. Dalam hal ini variabel respon ordinal yang diketahui, dibentuk dari suatu variabel laten kontinu yang tak diketahui nilainya. Nilai batas kategorik (threshold) pada variabel laten perlu diestimasi bersama-sama dengan koefisien regresi ordinal dua level. Untuk mengestimasi parameter-parameter dan threshold pada model regresi ordinal dua level, digunakan metode estimasi maximum marginal likelihood (MMLE) melalui pendekatan numerik dengan metode Fisher scoring. Pada setiap iterasi metode Fisher Scoring, digunakan Gauss-Hermite Quadrature untuk menghitung secara numerik persamaan marginal likelihood. Untuk mengilustrasikan penerapan model regresi ordinal dua level untuk data ordinal tercluster, digunakan data TVSFP di mana siswa bersarang dalam kelas. Sedangkan untuk mengilustrasikan penerapan model regresi ordinal dua level untuk data ordinal longitudinal, akan digunakan data psikiatrik di mana pasien diklasifikasikan pada beberapa tingkat keparahan penyakit terhadap beberapa titik waktu (time points). Struktur data dua level yang digunakan untuk data longitudinal adalah perulangan observasi bersarang dalam individu (pasien)."