Wiguna, Nawang Laksa (2019) Perbandingan Sifat Kebaikan Penduga Regresi Kuantil Pada Kondisi Heteroskedastisitas Akibat Influential Point Dan Akibat Struktur Ragam Sebagai Fungsi Dari Salah Satu Prediktor. Sarjana thesis, Universitas Brawijaya.
Abstract
Heteroskedastisitas merupakan salah satu pelanggaran asumsi klasik pada analisis regresi dimana ragam galat berubah-ubah seiring dengan perubahan nilai dari variabel prediktor dan juga diakibatkan oleh influential point. Heteroskedastisitas harus diatasi agar penduga parameter bersifat BLUE. Metode yang tepat untuk mengatasi kedua kondisi heteroskedastisitas akibat influential point dan struktur ragam sebagai fungsi dari prediktor adalah regresi kuantil. Regresi kuantil merupakan salah satu metode pendekatan dalam analisis regresi yang dilakukan dengan memisahkan data menjadi beberapa kelompok yang dicurigai mempunyai perbedaan nilai pendugaan pada kuantil-kuantil tersebut. Tujuan dari penelitian ini adalah membandingkan regresi kuantil pada kedua kondisi heteroskedastisitas yang memiliki sifat penduga paling baik. Data yang digunakan adalah data yang dibangkitkan melanggar asumsi homoskedastisitas, berdasarkan data sekunder Angka Harapan Hidup (AHH). Hasil yang diperoleh yaitu penduga kuantil akibat influential point memiliki nilai bias paling kecil, efisiensi dan normalitas yang lebih baik dibandingkan penduga kuantil akibat kondisi struktur ragam sebagai fungsi dari salah satu prediktor. Sehingga regresi kuantil dapat digunakan dengan baik pada kondisi heteroskedastisitas akibat influential point dilihat dari kebaikan sifat penduga yang dihasilkan.
English Abstract
Heteroscedasticity is one of the violations of classical assumptions in regression analysis where various types of errors change along with changes in the value of predictor variables and are also caused by influential points. Heteroscedasticity must be occured so that the parameter estimator is BLUE. The right method for dealing with both heteroscedasticity condition due to influential point and various structures as a function of predictors is quantile regression. Quantile regression is one method of approach in regression analysis that is done by separating the data into several groups that are suspected of having differences in the estimated values of quantiles. The purpose of this study is to compare regression in both heteroscedasticity conditions which have the best predictor properties. The data used is the generated data violates the assumption of homoskedasticity, based on secondary data Life Expectancy. The results obtained are quantile estimators due to influential point have a bias value, variety efficiency and normality are better than quantile estimators due to the condition of various structures as a function of one predictor. So that quantile regression can be ussed properly in heteroscedasticity conditions due to influential point seen from the goodness of estimator produced.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2019/89/051910792 |
| Uncontrolled Keywords: | Heteroskedastisitas, Regresi Kuantil, Kebaikan Penduga, Heteroscedasticity, Quantile Regression, The Good Properties Estimators |
| Subjects: | 500 Natural sciences and mathematics > 519 Probabilities and applied mathematics > 519.5 Statistical mathematics > 519.53 Descriptive statistics, multivariate analysis, analysis of variance and covariance > 519.536 Regression analysis |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 26 Aug 2020 04:42 |
| Last Modified: | 28 Oct 2021 02:28 |
| URI: | http://repository.ub.ac.id/id/eprint/176872 |
Preview |
Text
Nawang Laksa Wiguna (3).pdf Download (1MB) | Preview |
Actions (login required)
 |
View Item |