Yuniana, DevaRizky (2014) Pemilihan Metode Beta-Binomial Dan Logistic-Normal Dalam Mengatasi Overdispersi Pada Regresi Logistik. Sarjana thesis, Universitas Brawijaya.
Abstract
Analisis regresi logistik digunakan untuk mengetahui hubungan peubah prediktor (X) dengan peubah respon (Y) yang bertipe kategorik. Dalam regresi logistik, peubah respon (Y) diasumsikan berdistribusi binomial dengan ragam pengamatan sama dengan ragam dugaan. Apabila ragam pengamatan lebih besar dari ragam dugaan maka terjadi overdispersi. Konsekuensi adanya overdispersi adalah kesalahan dalam penarikan kesimpulan akibat galat baku yang underestimate. Salah satu metode yang dapat mengakomodasi masalah overdispersi adalah metode Williams, namun terdapat kelemahan dari metode tersebut. Sebagai alternatif model regresi beta- binomial dan regresi logistic-normal dapat mengakomodasi masalah overdispersi pada regresi logistik. Penelitian ini bertujuan untuk mengetahui data dari hasil rancangan yang sesuai dimodelkan menggunakan regresi beta-binomial dan regresi logistic-normal. Adapun data yang digunakan adalah 3 data sekunder, di mana data 1 merupakan hasil rancangan dengan pengelompokan sedangkan data 2 dan 3 merupakan hasil rancangan tanpa pengelompokan serta terindikasi overdispersi. Berdasarkan uji kesesuaian model dan nilai AIC dihasilkan bahwa data dari hasil rancangan dengan pengelompokan lebih sesuai dimodelkan menggunakan regresi logistic-normal dan data dari rancangan tanpa pengelompokan lebih sesuai dimodelkan menggunakan regresi beta-binomial.
English Abstract
The logistic regression used to know the relationship between predictor variable (X) and categorical response variable (Y). In logistic regression, response variable (Y) is assumed to be binomially distributed with observation variance is similar to its estimating variance. If observation variance is higher than estimating variance, overdispersion will occurs. Overdispersion will lead to the wrong conclusion because standard error is underestimated. One of method to solve overdispersion is Williams method. Conversely, there is a weakness of this. Beta-binomial and logistic-normal regression is an alternative to solve overdispersion in logistic regression. The study aimed to know the suitable data for beta-binomial and logistic-normal regression. The data used three data where the data 1 is chosen through clustered sampling while the data 2 and 3 are chosen without clustered sampling which was indicated overdispersion. Based on the goodness of fit testing and AIC value, it showed that choosing data through clustered was more suitable with the use of logistic- normalregression and data without clustered was more suitable with the use of beta-binomial regression.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2014/185/051403842 |
| 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 11:46 |
| Last Modified: | 21 Oct 2021 03:44 |
| URI: | http://repository.ub.ac.id/id/eprint/153803 |
Preview |
Text
Skripsi.pdf Download (3MB) | Preview |
Actions (login required)
 |
View Item |