Widyastuti, Diah Ayu (2018) Perbandingan Metode Estimasi Parameter Maximum Likelihood Dan Bayesian Pada Regresi Ridge (Studi Kasus Rata-Rata Harapan Sekolah Kota/ Kabupaten Di Jawa Timur Tahun 2015 Dan Kepadatan Penduduk Menurut Kecamatan Di Kabupaten Tulungagung Tahun 2016). Sarjana thesis, Universitas Brawijaya.
Abstract
Asumsi non multikolinieritas dalam regresi linier berganda diperlukan agar menghasilkan estimasi parameter yang akurat dan dapat diinterpretasi dengan baik. Apabila antara variabel prediktor terdapat korelasi yang tinggi menunjukkan bahwa asumsi tersebut tidak terpenuhi. Salah satu metode yang dapat digunakan untuk menangani multikolinieritas adalah regresi ridge, di mana metode estimasi yang digunakan yaitu Maximum Likelihood Estimation (MLE) dan Bayesian dengan tujuan mengurangi tingkat multikolinieritas dan menghasilkan estimasi parameter yang lebih akurat. Data penelitian menggunakan dua data sekunder yaitu data Rata-rata Harapan Sekolah pada Kabupaten/ Kota di Jawa Timur tahun 2015 dan Kepadatan Penduduk menurut Kecamatan di Kabupaten Tulungagung tahun 2016. Hasil estimasi parameter dengan MLE terbukti dapat menangani multikolinieritas, ditunjukkan dari nilai Variance Inflation Factor (VIF) akhir yang kurang dari 10. Jika dilakukan perbandingan antara MLE dan Bayesian berdasarkan kriteria kebaikan model maka disimpulkan bahwa metode Bayesian lebih baik dalam estimasi parameter pada regresi ridge. Kriteria kebaikan model menunjukkan nilai R2adj metode Bayesian lebih besar daripada MLE yaitu untuk Data 1 sebesar 70.60% sedangkan pada Data 2 sebesar 93.70%, selain itu nilai MSE (Mean Square Error), BIC (Bayesian Information Criterion) dan AIC (Akaike Information Criterion) menunjukkan nilai yang lebih kecil pada metode Bayesian.
English Abstract
The assumption of non multicollinierity in multiple linier regression is required to produce good interpretation of parameters. A high correlation between predictors indicates that the assumption is violated. One of methods that can handle multicollinierity is ridge regression, where the estimation method used is Maximum Likelihood Estimation (MLE) and Bayesian. In this research, we use two secondary data, they are Average School Life Expectancy City/ Regency in East Java in 2015 and Citizen Density in Each District of Tulungagung in 2016. Result of parameter estimation shows that MLE can handle multicollinierity with Variance Inflation Factor (VIF) less than 10. Comparison between MLE and Bayesian based on goodness of fit model shows that Bayesian is better than MLE for parameter estimation on ridge regression. It can be shown from goodness of fit model, the value of R2adj is bigger than MLE method for Data 1, 70.60% and Data 2, 93.70%. Additionally, MSE (Mean Square Error), BIC (Bayesian Information Criterion), and AIC (Akaike Information Criterion) show smaller values for Bayesian method.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2018/311/051807071 |
| Uncontrolled Keywords: | Bayesian, MLE, Multikolinieritas, Regresi Ridge, VIF, Bayesian, MLE, Multicollinearity, Ridge Regression, VIF |
| Subjects: | 500 Natural sciences and mathematics > 519 Probabilities and applied mathematics > 519.5 Statistical mathematics > 519.54 Statistical inference > 519.542 Decision theory |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika |
| Depositing User: | Nur Cholis |
| Date Deposited: | 04 Jul 2020 14:18 |
| Last Modified: | 22 Oct 2021 08:59 |
| URI: | http://repository.ub.ac.id/id/eprint/168490 |
Preview |
Text
DIAH AYU WIDYASTUTI.pdf Download (2MB) | Preview |
Actions (login required)
 |
View Item |