PENERAPAN METODE JACKKNIFE DAN BOOTSTRAP PADA DATA BERPASANGAN DENGAN SAMPEL KECIL
| Main Authors: | Novra Hasana, Nadya, Sigit, Nugroho, Baki, Swita |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2013
|
| Subjects: | |
| Online Access: |
http://repository.unib.ac.id/6580/1/I%2CII%2CIII%2CIII-13-nad.FM.pdf http://repository.unib.ac.id/6580/2/IV%2CV%2CLAMP%2CIII-13-nad.FM.pdf http://repository.unib.ac.id/6580/ |
Daftar Isi:
- Metode yang sering digunakan dalam mengestimasi parameter regresi linier sederhana adalah metode kuadrat terkecil, namun metode ini membutuhkan sampel yang besar dan perhitungan yang rumit. Bila data berukuran kecil, atau data menyimpang dari asumsi tertentu, bahkan tidak mempunyai distribusi, masalah regresi dapat diselesaikan dengan metode Jackknife dan Bootstrap. Metode Jackknife dan Bootstrap merupakan teknik resampling yang dirancang untuk menduga standard error, bias, dan selang kepercayaan suatu estimator. Tujuan dalam penelitian ini adalah untuk mengetahui keakuratan kedua metode tersebut dalam mengestimasi koefisien regresi. Metode yang digunakan adalah simulasi dengan jumlah sampel . Hasil penelitian ini menunjukkan bahwa standard error metode Bootstrap lebih kecil dibandingkan metode Jackknife, sehingga dapat dikatakan bahwa metode Bootstrap lebih akurat dari metode Jackknife.