Pendugaan Parameter Regresi Linier Berganda dengan Metode REML

Main Author: deFretes, HannahLelitya
Format: Thesis NonPeerReviewed Book
Bahasa: eng
Terbitan: , 2017
Subjects:
Online Access: http://repository.ub.ac.id/155306/1/Hannah%20Lelitya%20De%20Fretes.pdf
http://repository.ub.ac.id/155306/
ctrlnum 155306
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.ub.ac.id/155306/</relation><title>Pendugaan Parameter Regresi Linier Berganda dengan Metode REML</title><creator>deFretes, HannahLelitya</creator><subject>510 Mathematics</subject><description>Parameter regresi linier berganda diduga menggunakan Metode Kuadrat Terkecil (MKT) dan Metode Kemungkinan Maksimum (MKM). Kelemahan MKM adalah tidak melibatkan derajat bebas saat menduga komponen ragam sehingga menghasilkan penduga bersifat bias, sedangkan MKT dapat menghasilkan penduga ragam negatif. Penggunaan MKT didasari pemenuhan asumsi-asumsi regresi linier berganda. Restricted Maximum Likelihood atau Metode Kemungkinan Maksimum Terbatas (REML) adalah metode pendugaan parameter yang efisien karena dapat diterapkan pada data yang tidak memenuhi asumsi galat saling bebas (non autokorelasi) dan ragam homogen. Hal ini merupakan kelebihan REML dibandingkan MKT. Penerapan metode MKT dan REML pada Data 1 (ragam homogen) menghasilkan nilai peluang dan penduga parameter sama, begitu pula terhadap Data 2* (transformasi). Sedangkan Data 2 (ragam heterogen) menghasilkan nilai peluang dan penduga parameter berbeda. Perbandingan ragam penduga dengan efisiensi relatif menunjukkan bahwa metode REML lebih baik dari MKT.</description><date>2017-01-23</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/155306/1/Hannah%20Lelitya%20De%20Fretes.pdf</identifier><identifier> deFretes, HannahLelitya (2017) Pendugaan Parameter Regresi Linier Berganda dengan Metode REML. Sarjana thesis, Universitas Brawijaya. </identifier><relation>SKR/MIPA/2017/52/051700898</relation><recordID>155306</recordID></dc>
language eng
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
Book:Book
Book
author deFretes, HannahLelitya
title Pendugaan Parameter Regresi Linier Berganda dengan Metode REML
publishDate 2017
topic 510 Mathematics
url http://repository.ub.ac.id/155306/1/Hannah%20Lelitya%20De%20Fretes.pdf
http://repository.ub.ac.id/155306/
contents Parameter regresi linier berganda diduga menggunakan Metode Kuadrat Terkecil (MKT) dan Metode Kemungkinan Maksimum (MKM). Kelemahan MKM adalah tidak melibatkan derajat bebas saat menduga komponen ragam sehingga menghasilkan penduga bersifat bias, sedangkan MKT dapat menghasilkan penduga ragam negatif. Penggunaan MKT didasari pemenuhan asumsi-asumsi regresi linier berganda. Restricted Maximum Likelihood atau Metode Kemungkinan Maksimum Terbatas (REML) adalah metode pendugaan parameter yang efisien karena dapat diterapkan pada data yang tidak memenuhi asumsi galat saling bebas (non autokorelasi) dan ragam homogen. Hal ini merupakan kelebihan REML dibandingkan MKT. Penerapan metode MKT dan REML pada Data 1 (ragam homogen) menghasilkan nilai peluang dan penduga parameter sama, begitu pula terhadap Data 2* (transformasi). Sedangkan Data 2 (ragam heterogen) menghasilkan nilai peluang dan penduga parameter berbeda. Perbandingan ragam penduga dengan efisiensi relatif menunjukkan bahwa metode REML lebih baik dari MKT.
id IOS4666.155306
institution Universitas Brawijaya
affiliation mill.onesearch.id
fkp2tn.onesearch.id
institution_id 30
institution_type library:university
library
library Perpustakaan Universitas Brawijaya
library_id 480
collection Repository Universitas Brawijaya
repository_id 4666
subject_area Indonesian Language Collection/Kumpulan Karya Umum dalam Bahasa Indonesia*
city MALANG
province JAWA TIMUR
shared_to_ipusnas_str 1
repoId IOS4666
first_indexed 2021-10-27T08:55:32Z
last_indexed 2021-10-28T07:41:26Z
recordtype dc
_version_ 1751454409460547584
score 17.538404