Perbandingan Metode Resampling Jackknife Dan Bootstrap Untuk Memperoleh Ragam Bagi Penduga Parameter Pada Regresi Logistik Biner Dengan Multikolinieritas
| Main Author: | Eratikasari, AninditaPutri |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2017
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/155217/ |
Daftar Isi:
- Regresi logistik biner adalah analisis yang digunakan untuk melihat pengaruh sejumlah variabel independen yang berupa X_1,X_2,...,X_m terhadap variabel dependen Y yang memiliki dua nilai atau hanya memiliki dua kemungkinan. Dalam analisis regresi logistik biner ada asumsi yang harus terpenuhi sebelum dilakukan penelitian, yaitu asumsi non multikolinieritas. Salah satu masalah yang dihadapi ketika akan menggunakan regresi logistik adalah pelanggaran asumsi non multikolinieritas. Oleh karena itu diperlukan metode resampling yang digunakan untuk mendapatkan ragam ketika data melanggar asumsi non multikolinieritas, yaitu Metode Jackknife dan Metode Bootstrap. Perbandingan metode tersebut dapat dilihat dari nilai Standard Error dan Selang Kepercayaan. Metode Bootstrap unggul ketika digunakan pada data yang melanggar asumsi ataupun tidak karena memiliki nilai Standard Error yang kecil dan selang kepercayaan yang paling sempit daripada Metode Jackknife del-d. Metode Bootstrap memberikan nilai Standard Error yang kecil sehingga membuat kemungkinan untuk menolak H_0 pada uji parsial lebih besar dibandingkan Metode Jackknife del-d.