Indriani, Vionita (2011) Perbandingan Metode Gauss Newton Dan Metode Marquardt Dalam Menaksir Parameter Binary Logistic Regression. Sarjana thesis, Universitas Brawijaya.
Abstract
Analisis regresi adalah teknik statistika untuk memeriksa dan memodelkan hubungan sebab akibat antara beberapa variabel. Penerapan analisis regresi sangat banyak di hampir setiap bidang, seperti teknik, ekonomi, manajemen, ilmu-ilmu biologi dan ilmu-ilmu sosial. Salah satu model regresi yang sering digunakan adalah model regresi logistik. Regresi logistik adalah salah satu model yang digunakan untuk mencari hubungan antara peubah respon kategori dengan satu atau lebih peubah penjelas yang kontinyu ataupun kategori. Pendugaan parameter pada regresi logistik menggunakan metode iterative. Metode iterative yang digunakan dalam penelitian ini adalah metode Gauss Newton dan Metode Marquardt. Penelitian ini bertujuan untuk mengetahui metode penduga mana yang lebih baik dalam menaksir parameter Binary Logistic Regression dan bagaimana pengaruh penetuan nilai awal serta jumlah sampel terhadap iterasi yang terbentuk. Dari hasil yang diperoleh, disimpulkan bahwa metode Marquardt lebih baik daripada metode Gauss newton dalam menduga parameter regresi logistik biner. Hal ini terlihat dari nilai MSE yang dihasilkan metode Marquardt lebih kecil dibanding MSE yang dihasilkan metode Gauss Newton. Metode Marquardt juga lebih cepat mencapai kekonvergenan dibanding metode Gauss Newton, dalam hal penentuan nilai awal maupun dengan jumlah sampel yang semakin diperbesar, diterapkan pada 3 macam jumlah sampel yaitu n = 10, n = 50, dan n = 100. Hal ini terlihat dari jumlah iterasi yang dilakukan metode Marquardt untuk mencapai kekonvergenan lebih sedikit.
English Abstract
Regression analysis is a statistical technique for examining and modeling cause-effect relationship between some variables. Regression analysis is commonly used in almost all branch of knowledge, such as technique, economic, management, biology and social science. One of the most applicable regression model is logistic regression, which is used to discover a relationship between response variable categories with one or more explanatory variables not only continue but also category. Parameter estimating in logistic regression is using iterative method. Iterative methods which are used for this research are Gauss Newton and Marquadt Method. The aims of this study are to determine which method is best for estimating parameter and to know the effect from the number of sample and determination of initial value for number of iteration that are formed. The result from this research shows that Marquadt Method is better than Gauss Newton Method in estimating binary logistic regression parameter. It is proven by the value of MSE from Marquadt method is less than MSE value proceeded by Gauss Newton. Marquadt method is also faster in gaining convergence than Gauss Newton, is applied on to 3 kind number of sample, there n=10, n=50, and n=100. It can be seen by a smaller number of iterative done by Marquadt to gain convergence.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2011/282/051103620 |
| 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: | 25 Oct 2011 09:35 |
| Last Modified: | 22 Oct 2021 08:13 |
| URI: | http://repository.ub.ac.id/id/eprint/152728 |
Preview |
Text
051103620.pdf Download (3MB) | Preview |
Actions (login required)
 |
View Item |