Perbandingan Metode Principal Component Logistic Regression Stepwise dan Partial Least Square Generalized Linier Regression pada Regresi Logistik Biner
Main Author: | Fitria, Mufira |
---|---|
Format: | Thesis NonPeerReviewed Book |
Bahasa: | eng |
Terbitan: |
, 2012
|
Subjects: | |
Online Access: |
http://repository.ub.ac.id/153150/1/Daftar_pustaka.pdf http://repository.ub.ac.id/153150/2/cover_1.pdf http://repository.ub.ac.id/153150/3/bab_123.pdf http://repository.ub.ac.id/153150/4/bab_4.pdf http://repository.ub.ac.id/153150/5/cover.pdf http://repository.ub.ac.id/153150/ |
Daftar Isi:
- Regresi logistik merupakan salah satu pendekatan model matematis yang digunakan untuk menganalisis hubungan beberapa peubah prediktor dengan peubah respon yang bersifat biner.PCLR(S) (Principle Component Logistic Regression Stepwise) dan PLS-GLR (Partial Least Square Generalized Linier Regression) dapat membentuk model regresi logistik apabila terdapat multikolinieritas pada sebagian peubah prediktor. PCLR(S) menggunakan transformasi dari peubah prediktor asli ke peubah komponen utama dan menentukan komponen utama berdasarkan metode stepwise, sedangkan PLS-GLR menggunakan metode transformasi darikomponen PLS ( partial least square ) ke peubah asli. Tujuan penelitian ini membandingkan hasil regresi dari kedua metode tersebut berdasarkan Percent Correct Predictions (PCP), AIC (Akaike Information Criteria) dan BIC (Bayesian Information Criteria). Data yang digunakan adalah data sekunder yang di dapat dari MIS PT.Bank Mandiri (Persero) KCB Malang yang menangani Kredit Usaha Mikro (KUM). Hasil uji serentak menunjukan bahwa peubah prediktor berpengaruh nyata terhadap peubah respon. Secara berturut–turut nilai PCP, AIC dan BIC dari metode PCLR(S) adalah 92.7 %; 18.384 dan 18.147 sedangkan dari metode PLS-GLR diperoleh 46.3%; 4124.276 dan 4118.684. Disimpulkan bahwa metode PCLR(S) lebih baik dari pada metode PLS-GLR dalam mengatasi multikolinieritas pada data Kredit Usaha Mikro dilihat dari nilai PCP yang relatif besar dan nilai AIC serta BIC yang relatif kecil.