Nafiana, Irma (2013) Penanganan Multikolinieritas Pada Model Regresi Logistik Ordinal Menggunakan Metode Principal Compenent Logistic Regression Stepwise (PCLR(S)) Dan Partial Least Square Generalized Linier Regression (P. Sarjana thesis, Universitas Brawijaya.
Abstract
Regresi logistik ordinal adalah regresi logistik yang melibatkan peubah respon dengan kategori lebih dari dua dengan skala ordinal, serta peubah prediktor yang bersifat kategori atau kontinyu. Pada regresi logistik ordinal dengan banyak peubah prediktor memiliki sensivitas terhadap multikolinieritas. Beberapa pendekatan metode untuk mengatasi masalah multikolinieritas, di antaranya PCLR(S) (Principle Component Logistic Regression Stepwise) dan PLS-GLR (Partial Least Square Generalized Linier Regression). Data yang digunakan adalah data profil penderita Tuberculosis paru di wilayah kerja Pukesmas Kedung Kandang Malang, Pada data tersebut, diketahui faktor yang mempengaruhi penyakit tuberkulosis yaitu tingkat konsumsi gizi. Berdasarkan hal tersebut, ingin dimodelkan fungsi peluang yang mempengaruhi tingkat konsumsi gizi pada penderita tuberkulosis berdasarkan faktor usia, berat badan individu, berat badan AKG, AKG energi, AKG individu dan rata-rata konsumsi energi sehari-hari. Penelitian ini bertujuan untuk mengetahui pengaruh peubah prediktor dari metode PCLR(S) dan PLS-GLR pada data profil penderita tuberculosis paru, serta memilih metode terbaik dalam mengatasi multikolinieritas pada data profil penderita tuberculosis paru yang di lihat dari nilai AIC, BIC dan PCP. Dengan membandingkan nilai AIC, BIC dan PCP di peroleh metode terbaik dalam mengatasi multikolinieritas adalah metode PCLR(S).
English Abstract
Ordinary logistic regression is logistic regression that involved the response variable using more than two categories with ordinary scale also predictor variable that is categorical or continue. In the ordinary logistic regression with many predictor variables has sensitivity to multicollinearity. Some of the approaching method to solve the problem of multicollinearity, one of them is PCLR(s) (Principle Component Logistic Regression Stepwise) and PLS-GLR (Partial Least Square Generalized Linier Regression). Data that used is the data of patients with pulmonary tuberculosis profile in work area of Puskesmas Kendung Kandang Malang. In the data discovered that the factor which is affect tuberculosis is nutrient intake rate. Based on that fact, consider to build a model of probability function which is affect nutrient intake rate build upon age factor, individual body weight, AKG body weight, energy of AKG, individual AKG and the average of daily energy consumption. This research aims to know the affect of pulmonary tuberculosis patients and also choose the best method in order to handle multicollinearity in data of patients with pulmonary tuberculosis profile which is known from the value of AIC, BIC and PCP. By compare the AIC, BIC and PCP then obtainable the best model to solve multicollinearity is PCLR(s) method.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2013/241/051307221 |
| 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: | Hasbi |
| Date Deposited: | 02 Sep 2013 10:33 |
| Last Modified: | 25 Oct 2021 01:56 |
| URI: | http://repository.ub.ac.id/id/eprint/153501 |
Preview |
Text
SKRIPSI.pdf Download (4MB) | Preview |
Actions (login required)
 |
View Item |