Jauhari, AhmadTantowi (2014) Kajian Metode Penalized Quasi Likelihood (Pql) Dalam Pendugaan Parameter Model Regresi Logistik Multilevel. Sarjana thesis, Universitas Brawijaya.
Abstract
Dalam meneliti hubungan suatu peubah prediktor yang mempengaruhi peubah respon dapat digunakan analisis regresi sederhana. Namun untuk peubah respon bernilai kategorik, analisis regresi yang digunakan yaitu analisis regresi logistik. Untuk data yang memiliki struktur hirarki, analisis regresi logistik dikembangkan menjadi analisis regresi logistik multilevel. Analisis ini berguna untuk mengetahui keragaman kelompok pada level yang lebih tinggi yang nantinya mempengaruhi unit pengamatan pada level yang lebih rendah. Terdapat beberapa metode dalam menduga parameter pada regresi logistik multilevel, seperti metode Penalized Quasi Likelihood (PQL) dan metode Maximum Likelihood Estimation (MLE). Penelitian ini bertujuan untuk mengetahui metode yang lebih baik antara metode PQL atau MLE berdasarkan nilai Apparent Error Rate (APER). Pada tiga data yang dianalisis, didapat nilai APER yang sama untuk dua data dan satu data terdapat perbedaan namun dengan selisih yang sangat kecil. Sehingga dapat diambil kesimpulan hasil dari pendugaan menggunakan metode PQL dan MLE memiliki nilai keakuratan yang sama. Namun untuk hal komputasi, metode PQL memiliki jumlah iterasi yang lebih sedikit serta membutuhkan waktu yang relatif lebih cepat jika dibandingkan dengan metode MLE. Untuk metode PQL dilakukan menggunakan bantuan software MLwiN 2.30, sedangkan untuk metode MLE dilakukan menggunakan bantuan software SAS 9.3 yaitu PROC NLMIXED.
English Abstract
In examining the relationship of the predictor variables that affect the response variable can be used simple regression analysis. But for categorical response variable-value, regression analysis is used logistic regression analysis. For data that have a hierarchical structure, logistic regression analysis was developed into a multilevel logistic regression analysis. This analysis is useful to know the diversity of the group at a higher level that will affect the unit of observation at a lower level. There are several methods of predicting the parameters in multilevel logistic regression, such as the method Penalized Quasi Likelihood (PQL) and the method of Maximum Likelihood Estimation (MLE). This study aims to determine which method is better between PQL or MLE method based on the value of Apparent Error Rate (APER). In the three analyzed data, obtained APER same value for two data and one data there is a difference, but the difference is very small. So it can be concluded from the results of the estimation using the MLE method PQL and has the same accuracy rate. However, for this computation, the method PQL has fewer number of iterations and requires a relatively more rapid when compared with the MLE method. For PQL method performed using statistical software MLwiN 2.30 while for the MLE method performed using statistical software SAS 9.3 PROC NLMIXED
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2014/234/051404648 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 14 Aug 2014 14:49 |
| Last Modified: | 21 Oct 2021 04:17 |
| URI: | http://repository.ub.ac.id/id/eprint/153857 |
Preview |
Text
SKRIPSI_LENGKAP.pdf Download (3MB) | Preview |
Actions (login required)
 |
View Item |