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."

"ABSTRAKSalah satu alternatif ukuran kekuatan prediksi yang dapat diterapkan pada model GLM dimana variabel responnya berdistribusi tidak hanya normal yaitu dengan menggunakan koefisien korelasi regresi regression correlation coefficient ndash; RCC . Koefisien korelasi regresi dibangun berdasarkan definisi koefisien korelasi dengan menggunakan model GLM. Sehingga RCC dapat didefinisikan sebagai nilai yang menyatakan kekuatan hubungan antara variabel respon dan ekspektasi bersyarat dari variabel respon. Koefisien korelasi regresi merupakan salah satu alternatif ukuran kekuatan prediksi yang dapat memenuhi sifat applicability, interpretability, consistency, dan affinity. Pada umumnya bentuk eksplisit dari RCC pada GLM sulit ditemukan. Namun, ketika RCC diterapkan pada model regresi Poisson dan variabel prediktor diasumsikan berdistribusi multivariat normal, maka akan ditemukan bentuk eksplisit. Bentuk eksplisit ini masih memuat parameter ndash; parameter dari model regresi Poisson yang tidak diketahui. Oleh karena itu, perlu dicari estimasi dari parameter - parameter tersebut sehingga diperoleh estimator dari RCC. Metode yang digunakan untuk mengestimasi parameter pada model regresi Poisson adalah metode maximum likelihood."

---

""ABSTRACT"The regression correlation coefficient RCC is one alternative measure of predictive power that can be applied to the GLM model in which the distribution of response variable is not only normal. The regression correlation coefficient is constructed based on the definition of correlation coefficient by using generalized linear model GLM . So, the RCC can be defined as a value that states the strength of the relationship between the response variable and the conditional expectation of the response variable. The regression correlation coefficient is one of predictable strength measure that can satiesfies the property like applicability, interpretability, consistency, and affinity. In general, the explicit form of RCC on GLM is difficult to find. However, when RCC is applied to the Poisson regression model and the predictor variable is assumed to be a normal multivariate distribution, an explicit form is found. This explicit form still contains the unknown parameters of the Poisson regression model. Therefore, we need to find an estimate of these parameters to obtain an estimator from the RCC. The method used to estimate the parameters in Poisson regression model is maximum likelihood method."

"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 merupakan salah satu teknik dalam statistika yang digunakan untuk mengetahui hubungan antar variabel respon dan satuatau lebih variabel regressor. Metode penaksiran parameter regresi yang umum digunakan adalah metode least square. Dalam penaksiran parameter regresi, banyak permasalahan yang muncul salah satunya adalah multikolinearitas. Multikolinearitas menghasilkan taksiran yang tidak stabil, sehingga diperlukan metode lain untuk mengatasi multikolinearitas yang diperkenalkan oleh Hoerl dan Kennard 1970 yaitu metode ridge regression dengan cara kerjanya adalah menambahkan konstanta bias ridge pada matriks X 39;X. Sarkar 1992 dan Grob 2003 mengembangkan metode tersebut dengan memanfaatkan informasi prior dari parameter - dan memperkenalkan metode restricted ridge regression. Berger 1980 mendefinisikan informasi prior untuk parameter - adalah suatu informasi non sampel yang muncul dari pengalaman masa lalu dan keputusan dari ahli dengan situasi yang hampir sama dan memuat parameter ? yang sama. Dalam skripsi ini penggunaan metode restricted ridge regression diaplikasikan untuk mengatasi multikolinearitas pada data Portland Cement dan menghasilkan MSE yang lebih kecil dibandingkan metode least square dan ridge regression.

---

Regression analysis is a technique in stastisticsto analyse the relationship between a response variable and one or more regressor variable's. Ordinary Least Square method is commonly used to estimate parameter's. Most frequently occurring problem in multiple linier regression analysis is the presence of multicolinearity. Multicollinearityin least square estimation produces estimation with large variance, so another method is needed to overcome the multicollinearity. Hoerl and Kennard 1970 introduced a new method called ridge regression by addingaconstant bias ridge to matrix X 39 X. Sarkar 1992 and Gro 2003 developed a method usingthe prior information of the parameter and introduced the restricted ridge regression method. Berger 1980 defined prior information of the parameter as a non sample information arising from past experiences and based on the opinions of an expertice with similar situations and containing the same parameters. This thesis will explain the use of restricted ridge regression method to overcome the presence of multicolinearity in regression model for Portland Cement dataset and produce smaller MSE than least square and ridge regression estimator."

"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."

"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."

"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."

"Jalan tol adalah jalan umum yang merupakan bagian sistem jaringan jalan dan sebagai jalan nasional yang penggunaanya diwajibkan membayar tol (Undang- Undang No. 38 Tahun 2004 tentang Jalan). Hakekat jalan tol adalah jalan bebas hambatan yang memiliki tingkat keselamatan yang tinggi. Tetapi pada kenyataanya jalan tol di Indonesia banyak diwarnai oleh kecelakaan lalu lintas.Berbagai penelitian telah dilakukan dalam rangka mencoba untuk membuktikan hubungan antara kecelakaan, volume lalu lintas dan karakteristik geometrik dari jaringan jalan. Karena keanekaragaman data frekuensi kecelakaan dari berbagai lokasi akan menunjukkan overdispersion, yang artinya bahwa data memiliki sebuah pemantauan menyimpang yang lebih besar daripada perkiraan penyimpangan yang diberikan oleh pengambilan sample model. Oleh karena itu dalam penelitian ini metode yang digunakan adalah dengan menggunakan model negative binomial untuk menentukan model yang dapat memprediksikan kinerja keselamatan jalan tol dalam bentuk Safety Performa Function (SPF), yang selanjutnya dikombinasikan dengan penggunaan aturan bayes dalam melakukan studi "sebelum dan sesudah" dimana data hasil perkiraan dibandingkan dengan data aktual hasil observasi.Penelitian ini bertujuan untuk melakukan evaluasi kinerja keselamatan jalan tol Jakarta-Cikampek terhadap pengaruh dari pengembangan jalan tol berupa perubahan jumlah lajur pada jalan tol dan untuk menggambarkan pentingnya menggunakan model prediksi untuk melakukan estimasi keselamatan pada jalan tol. Manfaat dari penelitian ini diharapkan dapat memberikan masukan kepada pihak terkait berkaitan dengan pentingnya melakukan evaluasi kinerja keselamatan jalan khususnya terhadap jalan tol. Selain itu penelitian ini juga dapat memberikan prediksi terhadap kinerja keselamatan jalan baik dengan skenario pengembangan jalan (do-something) maupun tanpa skenario pengembangan (do-nothing), dimana dari prediksi tersebut dapat digunakan sebagai acuan pertimbangan untuk melakukan perencanaan skenario pengembangan jalan lebih lanjut."