Estimasi parameter model regresi probit ridge dengan metode maximum likelihood
| Main Author: | Istiqomah, Fina Amalia |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | ind |
| Terbitan: |
, 2015
|
| Online Access: |
http://etheses.uin-malang.ac.id/6392/1/10610101.pdf http://etheses.uin-malang.ac.id/6392/ |
Daftar Isi:
- INDONESIA: Model regresi probit merupakan suatu model regresi dimana variabel respon bersifat kualitatif, yang biasanya menunjukkan ada atau tidaknya kriteria suatu atribut, sehingga seringkali menggunakan nilai 0 atau 1 untuk menunjukkan ada tidaknya kriteria yang dimaksud. Terdapat banyak cara yang dapat digunakan untuk mengestimasi parameter model regresi probit, salah satunya dengan menggunakan metode maximum likelihood. Namun ketika terdapat multikolinieritas antar variabel prediktor, maka variansi akan semakin membesar sehingga estimasi dengan metode tersebut menjadi tidak efisien. Oleh karena itu, dalam penelitian ini akan digunakan metode maximum likelihood untuk mendapatkan estimator dari parameter model regresi probit ridge sehingga multikolinieritas dapat teratasi dengan baik. Estimasi parameter model regresi probit ridge ini didapatkan dengan cara mengestimasi terlebih dahulu parameter model regresi probit dengan mendeskripsikan ke dalam bentuk Generalized Linear Model (GLM), kemudian dilanjutkan dengan estimasi dengan metode maximum likelihood. Estimator yang telah didapatkan kemudian digunakan untuk mengestimasi parameter regresi probit ridge dengan estimasi parameter ... dan ... Aplikasi pada data curah hujan di Karangploso Malang menghasilkan model regresi ..., dengan ... merupakan variabel laten. Perhitungan VIF menghasilkan ... , sehingga multikolinieritas antara temperatur ... dengan kelembaban udara ... dapat diatasi. ENGLISH: Probit regression model is a regression model where the response variable is qualitative, which usually indicates the presence or absence of an attribute criteria, so often use 0 or 1 to indicate whether or not the criteria are intended. There are many ways that can be used to estimate the parameters of the probit regression model, one of them is using maximum likelihood method. But when there is multicollinearity among predictor variables, the variance will be enlarged so that the estimation with that method becomes inefficient. Therefore, this research will use maximum likelihood method to obtain the estimator of probit ridge regression model that can fix the multicollinearity well. The estimation of parameters for probit ridge regression model is obtained by estimating the parameters of probit regression model firs then describe it in the Generalized Linear Model (GLM), followed by the estimation with maximum likelihood method. Estimator that has been obtained then used to estimate the parameters of probit ridge regression, with the estimator of parameters .... and ... The application on rainfall data in Karangploso Malang obtain the regression model ..., with ... is a latent variable. The result of the calculation of VIF is ... so that the multicollinearity between the temperature ... and the air humidity ... can be resolved.