PERFORMA ESTIMATOR LIU UNTUK MENGATASI MULTIKOLINEARITAS PADA ANALISIS REGRESI LOGISTIK

EVA , SELVIANA (2023) PERFORMA ESTIMATOR LIU UNTUK MENGATASI MULTIKOLINEARITAS PADA ANALISIS REGRESI LOGISTIK. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	Text 1. ABSTRAK-ABSTRACT.pdf Download (27kB) | Preview
	Text 2. SKRIPSI FULL.pdf Restricted to Repository staff only Download (1MB) | Request a copy
Preview	Text 3. SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (973kB) | Preview

Abstract

Analisis regresi logistik merupakan metode statistika untuk menganalisis hubungan antara variabel dependen yang bersifat dikotomik dan beberapa variabel independen. Dalam beberapa penelitian regresi logistik, sering ditemukan permasalahan dimana data mengandung multikolinearitas. Metode MLE (Maximum Likelihood Estimation) merupakan metode yang sering digunakan pada regresi logistik. Namun, metode MLE tidak akan stabil digunakan ketika data yang diteliti mengandung multikolinearitas. Salah satu metode untuk mengatasi multikolinearitas adalah metode Liu yang diusulkan oleh Liu Kejian (1993). Kelebihan metode Liu dibanding metode lainnya yaitu memiliki nilai tetapan yang merupakan fungsi linear, sehingga metode Liu mudah ditentukan. Penelitian ini bertujuan untuk mengetahui perbandingan performa estimator Liu dan metode MLE dalam mengatasi multikolinearitas melalui simulasi Monte Carlo dengan n = 50, 75, dan 100 serta 4 variabel independen dengan tingkat multikolinearitas sebesar 0,99 pada pengulangan sebanyak 100 kali. Penelitian ini memberikan hasil bahwa metode Liu dinilai mampu mengatasi multikolinearitas lebih baik dibanding metode MLE, karena menghasilkan nilai MSE yang lebih kecil serta memberikan kesimpulan bahwa semakin kecil nilai SE yang diperoleh akan menyebabkan pendugaan parameter data yang mengandung multikolinearitas semakin baik. Kata Kunci: Estimator Liu, MLE, Multikolinearitas, simulasi Monte Carlo, Regresi Logistik

Item Type:	Other
Subjects:	?? 500 ?? ?? 510 ??
Divisions:	Fakultas MIPA > Prodi Matematika
Depositing User:	2301006679 . Digilib
Date Deposited:	19 Jun 2023 02:31
Last Modified:	19 Jun 2023 02:31
URI:	http://digilib.unila.ac.id/id/eprint/72405

Actions (login required)

View Item