DIAGNOSA PENGAMATAN BERPENGARUH MENGGUNAKAN DFBETAS DAN KONSTRUKSI VARIABEL PADA ANALISIS REGRESI LINIER BERGANDA

NN, DWI MARDIANA (2012) DIAGNOSA PENGAMATAN BERPENGARUH MENGGUNAKAN DFBETAS DAN KONSTRUKSI VARIABEL PADA ANALISIS REGRESI LINIER BERGANDA. Digital Library.

[img]
Preview
File PDF
ABSTRAK.pdf

Download (6Kb) | Preview
[img]
Preview
File PDF
BAB I.pdf

Download (197Kb) | Preview
[img]
Preview
File PDF
BAB II.pdf

Download (447Kb) | Preview
[img]
Preview
File PDF
BAB III.pdf

Download (83Kb) | Preview
[img]
Preview
File PDF
BAB IV.pdf

Download (842Kb) | Preview
[img]
Preview
File PDF
BAB V.pdf

Download (4Kb) | Preview
[img]
Preview
File PDF
DAFTAR ISI,TABEL,GAMBAR.pdf

Download (224Kb) | Preview
[img]
Preview
File PDF
DAFTAR PUSTAKA.pdf

Download (5Kb) | Preview
[img]
Preview
File PDF
SANWACANA.pdf

Download (187Kb) | Preview
[img]
Preview
File PDF
RIWAYAT HIDUP.pdf

Download (181Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Abstrak Pengamatan berpengaruh adalah pengamatan yang berpengaruh terhadap kesesuaian fungsi regresi dan terdapat pengaruh yang berubah nyata pada model regresi ketika pengamatan dimasukkan dengan ketika tidak dimasukkan. Mendeteksi pengamatan berpengaruh antara lain dengan mendeteksi pengamatan ke-i yang berpengaruh terhadap masing-masing koefisien regresi ke-j menggunakan DFBETAS. Pada penelitian ini bertujuan untuk mendiagnosa adanya pengamatan berpengaruh pada regresi linier berganda menggunakan metode DFBETAS dan menyeleksi model regresi terbaik yang dihasilkan dari beberapa pengamatan berpengaruh yang dihilangkan pada konstruksi variabel. Langkah yang dilakukan pada data penelitian yang mengandung pengamatan berpengaruh yaitu mendiagnosa pengamatan yang berpengaruh dengan menggunakan DFBETAS, mencobakan konstruksi variabel pada tiap kombinasi pengamatan berpengaruh yang dihilangkan dan menyeleksi model yang terbaik dengan kriteria nilai S2 dan Adjusted-R2. Hasil penelitian menunjukkan bahwa pegamatan yang berpengaruh dikaitkan dengan nilai residual dan leverage. Leverage yang tinggi dan pencilan belum tentu pengamatan berpengaruh. Sebaliknya, pengamatan berpengaruh belum tentu pencilan atau leverage yang tinggi. Pada konstruksi variabel diperoleh bahwa bila beberapa pengamatan berpengaruh dihilangkan menghasilkan dugaan model regresi yang terbaik.

Jenis Karya Akhir: Artikel
Subyek:
Program Studi: FKIP > Prodi Magister Pendidikan Bahasa dan sastra Daerah
Pengguna Deposit: TIK 25 . Digilib
Date Deposited: 26 Jan 2016 05:20
Terakhir diubah: 26 Jan 2016 05:20
URI: http://digilib.unila.ac.id/id/eprint/20533

Actions (login required)

Lihat Karya Akhir Lihat Karya Akhir