PERFORMA MAXIMUM LIKELIHOOD ESTIMATOR, RIDGE REGRESSION ESTIMATOR, DAN GENERALIZED RIDGE ESTIMATOR DALAM MENGATASI MULTIKOLINEARITAS PADA REGRESI POISSON INVERSE GAUSSIAN

Annisa Hilma, Safitri (2026) PERFORMA MAXIMUM LIKELIHOOD ESTIMATOR, RIDGE REGRESSION ESTIMATOR, DAN GENERALIZED RIDGE ESTIMATOR DALAM MENGATASI MULTIKOLINEARITAS PADA REGRESI POISSON INVERSE GAUSSIAN. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG .

Preview	File PDF 1. ABSTRAK - ABSTRACT.pdf Download (186Kb) | Preview
	File PDF 2. SKRIPSI FULL.pdf Restricted to Hanya staf Download (2943Kb) | Minta salinan
Preview	File PDF 3. SKRIPSI TANPA PEMBAHASAN.pdf Download (2672Kb) | Preview

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

Model regresi Poisson Inverse Gaussian merupakan metode yang umum digunakan untuk menganalisis data yang mengalami overdispersi. Regresi Poisson Inverse Gaussian biasanya menggunakan metode estimasi Maximum Likelihood Estimator (MLE) untuk pendugaan parameter, dengan memenuhi salah satu asumsi pentingnya, yaitu tidak adanya multikolinearitas. Keberadaan multikolinearitas dapat menyebabkan hasil analisis metode regresi menjadi tidak akurat karena hasil estimasi menjadi tidak stabil dan bias. Penelitian ini menggunakan data jumlah tindak kejahatan yang dilaporkan di Provinsi Jawa Timur tahun 2024, namun data tersebut mengalami multikolinearitas. Untuk mengatasi multikolinearitas, beberapa metode dapat digunakan, yaitu metode PIGRRE dan PIGGRE. Metode PIGRRE bekerja dengan menambahkan penalti pada besarnya koefisien regresi sehingga dapat mengurangi varians estimasi tanpa meningkatkan bias secara signifikan. Sementara itu, metode PIGGRE menerapkan matriks shrinkage diagonal yang memberikan nilai shrinkage berbeda pada setiap variabel prediktor (variabel independen). Hasil penelitian ini menunjukkan bahwa metode terbaik untuk mengatasi multikolinearitas adalah metode dengan nilai MSE terkecil, yaitu metode PIGGRE dengan parameter ridge

Jenis Karya Akhir:	Skripsi
Subyek:	500 ilmu pengetahuan alam dan matematika > 510 Matematika
Program Studi:	FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) > Prodi S1 Matematika
Pengguna Deposit:	2602592089 Digilib
Date Deposited:	06 Mar 2026 03:06
Terakhir diubah:	06 Mar 2026 03:06
URI:	http://digilib.unila.ac.id/id/eprint/97448

Actions (login required)

Lihat Karya Akhir