BAB III MODEL LINEAR TERGENERALISASI. Perkembangan pemodelan stokastik, terutama model linier, dapat dikatakan

dokumen-dokumen yang mirip
PENENTUAN UKURAN SAMPEL UNTUK SURVEY PILKADA MENGGUNAKAN PENDEKATAN BAYES

BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 4 IMPLEMENTASI DAN EVALUASI

ANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN 1. Kismiantini

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

ANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN 1

V. DISTRIBUSI PERJALANAN

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK

Regresi Linear Sederhana dan Korelasi

BAB 1 RANGKAIAN TRANSIENT

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

ANALISIS PEUBAH RESPON BINER

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,

BAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

BAB III HASILKALI TENSOR PADA RUANG VEKTOR. Misalkan V ruang vektor atas lapangan F. Suatu transformasi linear f L ( V, F )

BAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan

ANALISIS BENTUK HUBUNGAN

Analisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan :

PowerPoint Slides by Yana Rohmana Education University of Indonesian

PROPERTY DAN PERDAGANGAN SEBAGAI SEKTOR DOMINAN PADA DATA BURSA SAHAM. DENGAN Principal Component Analysis (PCA)

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

ANALISIS KOVARIANSI part 2

BAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada

BAB 2 LANDASAN TEORI

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

Bab 3 Analisis Ralat. x2 x2 x. y=x 1 + x 2 (3.1) 3.1. Menaksir Ralat

ALJABAR LINIER LANJUT

BAB I PENDAHULUAN. 1.1 Latar Belakang

DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA

BAB II KAJIAN TEORI. 2.1 Pendahuluan. 2.2 Pengukuran Data Kondisi

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan

Bab III Analisis Rantai Markov

REGRESI LINIER SEDERHANA (MASALAH ESTIMASI)

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1

Analysis of Covariance (ANACOVA)

METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear

TIN309 - Desain Eksperimen Materi #13 Genap 2016/2017 TIN309 DESAIN EKSPERIMEN

ANALISIS REGRESI. Catatan Freddy

ANALISIS DATA KATEGORIK (STK351)

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel

b) Sebaliknya : interaksi kalor antara sistem dan lingkungan yang harus berlangsung kuasistatik dan disertai kenaikan suhu,

RUANG FUNGSI GELOMBANG PARTIKEL TUNGGAL (ONE-PARTICLE WAVE FUNCTION SPACE)

BAB I PENDAHULUAN. dan. 0. Uji fungsi distribusi empiris yang populer, yaitu uji. distribusi nol

BAB III SKEMA NUMERIK

BAB I PENDAHULUAN 1.1 Latar Belakang

Matematika dan Statistika

BAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat

BAB 2 TINJAUAN KEPUSTAKAAN

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi

APLIKASI FUZZY LINEAR PROGRAMMING (FLP) UNTUK OPTIMASI HASIL PERENCANAAN PRODUKSI

BAB III METODOLOGI PENELITIAN

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 5 HASIL DAN PEMBAHASAN. Sampel yang digunakan dalam penelitian ini adalah data pengujian pada

BAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE

BAB 2 LANDASAN TEORI

2. TINJAUAN PUSTAKA. 18 Universitas Indonesia. Penggunaan non linier..., Arief Suwandi, FT UI, 2009

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi

berasal dari pembawa muatan hasil generasi termal, sehingga secara kuat

MODEL REGRESI LINEAR DALAM PRESPEKTIF MODEL LINEAR TERAMPAT 1. Setiawan 2

BAB X RUANG HASIL KALI DALAM

Bab 3. Teori Comonotonic. 3.1 Pengurutan Variabel Acak

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR

PERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL BAKU, LOGNORMAL, DAN GAMMA

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.

Bab 1 Ruang Vektor. R. Leni Murzaini/

PENDAHULUAN Latar Belakang

Nirwan Ilyas, Anisa, Andi Kresna Jaya ABSTRAK

KORELASI DAN REGRESI LINIER. Debrina Puspita Andriani /

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas

METODE PENELITIAN. digunakan untuk mengetahui bagaimana pengaruh variabel X (celebrity

Perceptual Mapping Kabupaten dan Kota di Jawa Barat Berdasarkan Sub Lapangan Usaha

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan

BAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika

TINJAUAN PUSTAKA. Node. Edge. Gambar 1 Directed Acyclic Graph

STUDI DEMAND PENUMPANG TRANSPORTASI UDARA MENUJU DAN KELUAR KABUPATEN FAKFAK ABSTRAK

SOLUTION INSTITUT TEKNOLOGI BANDUNG FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM STUDI FISIKA

MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuhi Tugas Matakuliah Multivariat yang dibimbing oleh Ibu Trianingsih Eni Lestari

BAB III METODE PENELITIAN

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 1-10, April 2001, ISSN :

BAB I PENDAHULUAN Latar Belakang dan Permasalahan

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap

Transkripsi:

BAB III MODEL LINEAR TERGENERALISASI 3.1 Moel Lnear Perkembangan pemoelan stokastk, terutama moel lner, apat katakan mula paa aba ke 19 yang asar oleh teor matematka yang elaskan antaranya oleh Gauss, Boole, Cayley an Sylvester yang terkat engan teor nvaran alam alabar. Teor nvaran alabar mempelaar bentuk-bentuk kuanttas yang tak berubah terhaap suatu transformas lnear. Teor nvaran n yang menasar perkembangan teor nla egen, vektor egen, matrks etermnan, metoe ekomposs an mash banyak lag yang lannya. Salah satu contoh alam statstka aalah korelas ua peubah acak tak berubah walaupun peubah-peubah tersebut mengalam transformas. Perkembangan moel lnear mula engan perkembangan analss regres paa aba 19 oleh Pearson, lanutkan engan perkembangan korelas. Teor regres n yang mena asar perkembangan teor moel lnear. Perkembangan moel lnear tak bsa lepaskan engan perkembangan teor matrks atau alabar lnear. Melalu teor matrks (etermnan, nvers, perkalan matrks) pembahasan moel lnear apat ekat secara umum. Dalam pembahasan n perkembangan moel lnear lebh ttkberatkan paa ua asums asar, yatu strbus an nepenens ar kesalahan. Sebagamana urakan sebelumnya, bahwa pemoelan mula ar yang seerhana, yang secara matemats muah selesakan, kemuan berkembang ke arah

34 yang lebh realstk. Hal n apat lakukan engan menerapkan berbaga asums yang berbea terhaap strbus kesalahan alam moel yang gunakan. Prnsp sepert n telah berkembang ar moel yang palng seerhana (klask), ke moel hrarks tergeneralsas yang saat n merupakan pemoelan yang palng terkn. Dalam sub-bab n urakan secara rngkas perkembangan moel lner tnau ar seg strbus an nepenens kesalahannya. 3. Moel Lnear Klask Pemoelan stokastk memlk bentuk umum: Y Xβ + ε...(3..1) Dalam hal n ε merupakan kesalahan atau galat yang asumskan merupakan peubah acak yang berasal ar suatu strbus tertentu, msalnya normal. Peubah x aalah peubah yang bukan acak an aalah parameter yang menentukan koefsen ar peubah peubah tetap ta. Msalnya alam peragangan, anggap bahwa sebenarnya aa hubungan yang bersfat tetap yang menentukan harga barang pasar. Namun, selan tu mash aa lag faktor lan yang bersfat acak yang menyebabkan harga barang ta alam kenyataannya ar pembel ke pembel mungkn menympang ar fungs hubungan yang aa. Dalam pemoelan statstka/ stokastk, keua komponen n (peubah acak an peubah tetap) psahkan yatu yang bersfat tetap an fungsonal notaskan engan f(x, β ), yang basa sebut sebaga komponen tetap (fxe), seangkan komponen

35 lannya,ε, yang bersfat acak sebut komponen acak (ranom component) atau komponen kesalahan (error component). Dar seg fungs hubungan f, bentuk yang palng seerhana aalah hubungan lnear, sehngga ar aspek n moel yang palng seerhana yang mlk aalah moel lner. Seangkan ar seg komponen acaknya, yang palng seerhana aalah asums bahwa kesalahannya berstrbus normal an salng nepenen antara satu respon engan respon lannya. Asums n menghaslkan moel lnear normal seerhana atau Normal Lnear Moels (NLM). Dar keua hal tersebut lahrlah yang sebut moel normal seerhana atau moel lnear klask yang secara formal apat urakan sebaga berkut. Defns 3.1: (Trta, 005: 177) (Bentuk an Asums Moel Lnear Klask). Moel: k y x 0 + ε...(3..) atau untuk keseluruhan respon apat tulskan alam bentuk matrks sepert persamaan (3..1) Y Xβ +ε...(3..3) Asums: x bukan peubah acak an ukur tanpa kesalahan an ε nepenen engan ε untuk setap N. an masng-masng berstrbus ( 0, σ ) Dar asums atas peroleh bahwa secara keseluruhan ε apat anggap berstrbus multvarat normal (MVN) engan koefsen varas konstan, yang

36 notaskan engan ε ~ MVN( 0, σ I ). Moel mengsyaratkan bahwa respon ke an ke aalah salng bebas (nepenen), yang berart tak aa korelas antaranya. 3.3 Moel Lnear Tergeneralsas Kons lan lapangan yang tak apat tangan langsung oleh moel lnear klask aalah aanya kenyataan bahwa, strbus respon tak mest normal. Memang kons sepert n bsa tanggulang engan mengaakan transformas ar respon. Transformas yang banyak paka aalah transformas logartma. Namun, aa beberapa permasalahan yang mungkn tmbul sebaga efek ar transformas n msalnya sepert berkut n. Respon yang suah transformas mungkn menekat strbus normal, tetap akbat transformas aa kemungknan syarat yang lan (syarat ketak-bergantungan) mena tak terpenuh. Aanya kerancuan alam menafsrkan hasl peneltan oleh karena efek yang u aalah alam skala logartma, bukan alam sekala aslnya. Hal n menyebabkan kesmpulan terasa anggal msalnya, aa hubungan postf antara log-konsentras pemupukan engan log-panen (Trta, 005: 178). Untuk menangan kons mana respon yang aa tak berstrbus Normal, tetap mash salng bebas, maka para statsts yang pelopor oleh Neler an Weerburn (197) telah mengembangkan moel lnear yang kenal engan Gereralze Lnear Moel (GLM). Moel lnear n menggunakan asums bahwa repon memlk strbus keluarga ekponensal. Dstrbus keluarga eksponensal aalah strbus yang sfatnya lebh umum, mana strbus- strbus yang banyak

37 kta kenal (Normal, Gamma, Posson) termasuk alamnya an merupakan bentuk- bentuk khusus ar strbus Keluarga Eksponensal. Moel Lnear Tergeneralsas paa asarnya merupakan moel regres. Sepert semua moel regres, moel n terbuat ar komponen acak (yang basanya sebut engan eror) an fungs ar faktor esan (x) an beberapa parameter ( β ). Dalam teor normal baku, moel regres lnear bergana tulskan sebaga berkut: y β 0 + βx1 + βx +... + βk xk + ε...(3.3.1) Dmana bentuk eror ε asumskan bestrbus normal engan rerata 0 an varans konstan. Rerata ar varabel respon y aalah: E µ β0 + β x1 + βx +... + βk xk x β...(3.3.) Moel lner mempunya beberapa hal yang sfatnya khas an stmewa yatu: 1) aa komponen tetap yang sebut prektor lner ) respon y berstrbus normal an salng nepenen an 3) rerata y aalah µ k X 0 β Dalam moel lnear tergeneralsas, hubungan atas mengalam perubahan atau generalsas, sebagamana alam efns berkut: Defns 3. (Trta, 005: 178) Asums Moel Lnear Tergeneralsas Moel lner tergeneralsas aalah moel yang menganung tga hal yatu:

38 1) Komponen tetap yang sebut prektor lner η x β Prektor lnear, notaskan engan η, ar bentuk moel lnear tergeneralsas, yatu: k 0 η mana x aalah vektor regres untuk unt sebanyak engan fxe effect β ) Respon y berstrbus secara nepenen alam keluarga eksponensal x 3) Hubungan antara mean engan prektor lnear tunukkan oleh fungs g(.) yang sebut fungs lnk seemkan sehngga g( µ ) η. Fungs g() sebut fungs hubungan (lnk-functon). Aa fungs hubungan khusus yang sebut fungs hubungan kanonk atau natural yang berkatan erat engan strbus y. Msalnya, ka strbusnya normal maka g(.) aalah enttas. Dar hal atas katakan bahwa komponen pentng alam moel lnear tergeneralsas aa tga yatu: 1) aanya prektor lnear, ) aanya strbus keluarga eksponensal an 3) aanya fungs-hubungan. β 3.3.1 Keluarga Eksponensal Berkut n berkan catatan seerhana mengena propert ar keluarga eksponensal. Msalkan l ln f (,θ, α ) y S { θ y a( θ ) + b( y )} c( α y ) α...(3.3.1.1) { y aθ } l α...(3.3.1.) θ

39 l θ ( ) " α a θ...(3.3.1.3) S sebut engan fungs skor (score functon) an memlk propert yang menark. Propert ar fungs skor yang akan bahas berkut n akan sangat butuhkan alam analss statstk yang lakukan. l θ E( S ) E 0 l l E + 0 E θ θ...(3.3.1.4)...(3.3.1.5) Berasarkan (3.3.1.4) an (3.3.1.) peroleh bahwa: E ( y ) µ a θ...(3.3.1.6) an bsa tulskan bahwa S α ( y µ ) peroleh bahwa ( ) a ( θ ) var y. Dar persamaan (3.3.1.3) an (3.3.1.5) a Defns 3.3: (Trta 007: ) Suatu peubah acak Y engan fungs kepaatan peluang (fkp) f an parameter θ katakan mena anggota strbus keluarga eksponensal, ka f apat nyatakan sebaga: ( y θ ) exp[ a b( θ ) + c( θ ) ] f, +...(3.3.1.7) Dalam keaaan khusus y, [ yb( θ ) + c( θ ) ] a maka (3.3.1.7) mena: f exp +...(3.3.1.8)

40 an persamaan (3.3.1.8) sebut engan bentuk kanonk ar strbus keluarga eksponensal an b ( θ ) sebut parameter alam/natural ar strbusnya. 3.3.1.1 Fungs Skor [ U ], E [ U ], an Var [ U ] Fungs skor ar f terhaap θ efnskan sebaga U l, engan l log f ln f. Perhtungan E [ U ] an [ U ] Var butuhkan untuk menurunkan rerata an varans Y atau alam bentuk yang lebh umum, E [ a( Y )] Var [ a( Y )], an l U...(3.3.1.1.1) 1 f f ( y ) ( θ ) Dengan emkan...(3.3.1.1.) [ ] U U f f f 1 0 1 f ( θ ) ( y ) f...(3.3.1.1.3) Berasarkan persamaan (3.3.1.1.1) an (3.3.1.1.) peroleh: f ( θ ) ( θ ) l f...(3.3.1.1.4) Selanutnya akan tuukkan bahwa E [ U ] + E[ U ] 0

41 U [ ] E E[ U ] E U 0 0 Tetap ar (3.3.1.1.4), ruas kanan ar (3.3.1.1.5) mena...(3.3.1.1.5)...(3.3.1.1.6) l f θ y. Ja bersama engan (3.3.1.1.4) menghaslkan: 0 l f ( y ) ( y ) ( θ ) l l ( ) f f y y + l y + U f U f E[ U ] + E[ U ] f y + y l f y y Ja, an, E [ U ] E[ U ] Var ( U ) E[ U ]...(3.3.1.1.7) Untuk persamaan (3.3.1.7), U an U terhaap θ aalah U a [ a b( θ ) + c( θ ) + ] b ( θ ) + c ( θ )...(3.3.1.1.8) an, b ( θ ) c ( θ ) U a +...(3.3.1.1.9)

4 Teorema 3.1 (Trta, 007: 7) Jka rerata an varans a(y) yang efnskan sepert paa Defns 3.3 maka rarata an varans masng-masng aalah: E [ a( Y )] Var [ a( Y )] cθ...(3.3.1.1.10) bθ ( θ ) c ( θ ) c ( θ ) b ( θ ) b ( θ ) b...(3.3.1.1.11) [ ] 3 3.4 Fungs Hubungan (Lnk Functon) Fungs yang meghubungkan komponen sstemats η terhaap nla rerata µ (nla harapan ar komponen acak) namakan engan fungs hubungan (lnk functon). η 1 h( µ ), µ ( η) h...(3.4.1) Berasarkan persamaan (3.3.1.6) apat peroleh bahwa, ( η) a ( θ ) 1 h θ 1 1 ( a ) { h ( η) } g( η) g( Xβ )...(3.4.)...(3.4.3) Aa beberapa plhan yang mungkn untuk h. Berkut n berkan plhan yang palng serng gunakan, a. Fungs Ienttas, yakn η µ b. Hubungan logt, η 1 c. Probt, η Φ ( µ ) ln 1 µ µ, mana Φ kepaatan normal kumulatf, 0<µ 1

43. Log-log lnk, η [ ln( 1 µ )] ln, 0 < µ < 1, an e. Hubungan power keluarga (power famly lnk), η µ, ka, γ 0 an η log µ, kaγ 0 Fungs hubungan mana θ µ sebut engan fungs hubungan kanonk (canoccal lnk functon). 3.5 Penaksran Parameter Untuk Moel Lnear Tergeneralsas Penaksran kemungknan maksmum ar parameter β akan turunkan ar yang terapat alam prektor lnear η. Perhatkan bahwa T T { g( X β ) y a( g( X ) + b( y ) + b( y ) c( α y )} L α +, (3.5.1) mana aalah θ lnl telah gant oleh persamaan (3.4.3). Fungs log kemungknanya L n 1 l (3.5.) Dar penaksran kemungknan mamksmum (Maxmum Lkelhoo Estmaton (MLE)) peroleh: L a. 0 β L an 0 β β L b. H < 0 β β

44 Dalam penurunan kemungknan maksmum yang perlu untuk perhatkan aalah L β 1,,..., k an, l l θ η n n 1 β 1 θ η β 0...(3.5.3) n ( y µ ) 1 1 n x α xs 0... (3.5.4) α, mana S ( µ ) karena > 0, an y θ η. Persamaan yang telah berkan paa (3.5.4) bsa tulskan alam notas matrks sepert berkut n: L β X T S (3.5.5) mana, ag( ) an S ( y µ, y µ, K µ ) Sekarang perhatkan bahwa 1 1 y n n. H β X L β β T T ( X S ) S + β β (3.5.6) an perlu ngat uga bahwa

45 k n X V S, 1,,, 1,, K K β π η θ θ µ β µ β (3.5.7)