Purwanti, Yeni (2014) Pendugaan Parameter Partial Least Square Regression (Plsr) Menggunakan Nonlinier Itertive Partial Least Square (Nipals) Pada Regresi Logistik Ordinal. Sarjana thesis, Universitas Brawijaya.
Abstract
Regresi logistik adalah pemodelan matematik yang dapat digunakan untuk menggambarkan hubungan beberapa peubah prediktor dengan peubah respon yang berupa kategori. Regresi logistik yang melibatkan peubah respon dengan kategori lebih dari dua disebut sebagai regresi logistik ordinal. Pada analisis regresi logistik, asumsi yang harus terpenuhi yaitu tidak adanya multikolinieritas. Jika terdapat multikolinieritas, maka perlu dilakukan pendugaan parameter menggunakan Partial Least Square Regression (PLSR) agar tidak menghasilkan interpretasi model ataupun koefisien regresi yang tidak tepat. PLSR merupakan model yang menghubungkan peubah respon numerik dengan peubah prediktor numerik maupun kategorik. Metode PLSR dilakukan dengan pembentukan komponen yang ortogonal. Salah satu metode pembentukan komponen yang dapat digunakan yaitu dengan Nonlinier Iterative Partial Least Square (NIPALS). Dalam penelitian ini bertujuan untuk melakukan pendugaan paramenter menggunakan pedekatan PLSR dengan NIPALS pada regresi logistik ordinal yang melanggar asumsi non- multikolinieritas dan akan dilakukan pemodelan pada data sifat hujan di Kota Pacitan Tahun 2001-2010. Hasil analisis menunjukkan bahwa semakin meningkatnya peubah prediktor suhu permukaan laut pada grid 29, grid 30, grid 31, NINO 3.4, anomali pada NINO 3.4, SOI akan meningkatkan sifat hujan di Kota Pacitan menjadi diatas normal.
English Abstract
Logistic regression is a mathematical modeling that can be used to describe the relationship of multiple predictor variables with a categories response variable. Logistic regression involving a response variable with more than two categories referred to as the ordinal logistic regression. In logistic regression analysis, there is one assumption that must be fulfill which is no multicollinearity. If there is multicollinearity, Partial Least Square Regression (PLSR) so it will not produce inappropriate model or interpretation of the regression coefficients. PLSR is a model that links numerical response variable with numerical and categorical predictor variables. PLSR method is created by forming orthogonal components. One method of formation of the components that can be used is by Nonlinear Iterative Partial Least Square (NIPALS). The purpose of this study is to estimate parameter using Partial PLSR with NIPALS on ordinal logistic regression that is not fulfiil the assumption of non-multicollinearity that will be applied to the data nature of rainfall at the pacitan city in 2001-2010. The analysis showed that increasing sea surface temperature as the predictor variables on grid 29, grid 30, grid 31, NINO 3.4, anomalies in the NINO 3.4, SOI will increase the properties of rain in the Pacitan city to became above normal.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2014/176/051403805 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 14 Jul 2014 10:46 |
| Last Modified: | 21 Oct 2021 03:39 |
| URI: | http://repository.ub.ac.id/id/eprint/153794 |
Preview |
Text
SKRIPSI.pdf Download (4MB) | Preview |
Actions (login required)
 |
View Item |