Wicaksono, SyifaAdy (2011) Perbandingan Metode Partial Least Square (PLS) dan Principal Component Analysis (PCA) dalam Regresi Cox untuk Mengatasi Multikolinieritas. Sarjana thesis, Universitas Brawijaya.
Abstract
Regresi Cox merupakan salah satu metode analisis survival yang menjelaskan pengaruh dan hubungan antara kegagalan suatu objek pada suatu waktu dengan satu atau lebih variabel prediktor. Terdapat dua asumsi yang melandasi regresi Cox yaitu asumsi proportional hazard dan asumsi non multikolinieritas. Jika asumsi non multikolinieritas tidak terpenuhi maka penggunaan regresi Cox tidak lagi tepat. Oleh karena itu, dikembangkan berbagai macam metode alternatif untuk mengatasi masalah multikolinieritas, salah satunya adalah metode Partial Least Square Cox Regression (PLSCox) dan Principal Component Analysis Cox Regression (PCACox). Penelitian ini bertujuan untuk melihat perbedaan pengaruh yang diberikan variabel prediktor terhadap peluang kegagalan suatu objek serta menentukan metode mana yang terbaik diantara PLS-Cox dan PCA-Cox dalam analisis data survival yang mengandung multikolinieritas. Dalam penelitian ini digunakan 4 data survival yang tidak memenuhi asumsi non multikolinieritas. Hasil penelitian disimpulkan bahwa pada data yang mengandung multikolinieritas tinggi (10≤VIF<20), terdapat kesamaan pengaruh variabel prediktor terhadap peluang bertahan hidup suatu objek, ditunjukkan oleh data 1 dan data 3 sedangkan pada data yang mengandung multikolinieritas sedang (5≤VIF<10) terdapat perbedaan pengaruh variabel prediktor terhadap peluang bertahan hidup suatu objek, ditunjukkan oleh data 2 dan data 4. Berdasarkan nilai cross validation yang disesuaikan (Q2 adjusted) dapat disimpulkan bahwa penggunaan model regresi PLSCox dan model regresi PCA-Cox pada data yang mengandung multikolinieritas memberikan kemampuan prediksi yang relatif sama, akan tetapi pada keempat data penelitian didapatkan bahwa model regresi PLS-Cox mempunyai kemampuan prediksi lebih baik jika dibandingkan dengan model regresi PCA-Cox.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2011/113/051102221 |
| Subjects: | 500 Natural sciences and mathematics > 519 Probabilities and applied mathematics > 519.5 Statistical mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika |
| Depositing User: | Unnamed user with email repository.ub@ub.ac.id |
| Date Deposited: | 08 Jun 2011 11:11 |
| Last Modified: | 22 Oct 2021 07:14 |
| URI: | http://repository.ub.ac.id/id/eprint/152565 |
Preview |
Text
051102221.pdf Download (2MB) | Preview |
Actions (login required)
 |
View Item |