Proses inferensi pada model logit Agus Rusgiyono. Abstracts

dokumen-dokumen yang mirip
PROSES INFERENSI PADA MODEL LOGIT. Oleh: Agus Rusgiyono Program Studi Statistika FMIPA UNDIP. 1 n

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

RELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA. Haposan Sirait 1, Usman Malik 2 ABSTRAK

BAB III ISI. x 2. 2πσ

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

BAB III ESTIMASI MODEL PROBIT TERURUT

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan

Penaksiran Parameter Model Regresi Polinomial Berkson Menggunakan Metode Minimum Distance

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

; θ ) dengan parameter θ,

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

PENAKSIR RASIO REGRESI LINEAR SEDERHANA UNTUK RATA-RATA POPULASI MENGGUNAKANKARAKTER TAMBAHAN

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

Uji Statistika yangb digunakan dikaitan dengan jenis data

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II KAJIAN LITERATUR

Regresi Linier Sederhana Definisi Pengaruh

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

Volume 1, Nomor 2, Desember 2007

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

POWER OF THE TESTS DENGAN NON-SAMPLE PRIOR INFORMATION PADA PENGUJIAN HIPOTESIS SATU ARAH

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE.

Analisis Korelasi dan Regresi

BAB 2. Tinjauan Teoritis

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

PENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA

Bab II Teori Pendukung

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

UKURAN GEJALA PUSAT DAN UKURAN LETAK

3 Departemen Statistika FMIPA IPB

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

On A Generalized Köthe-Toeplitz Duals

INFERENSI VEKTOR RATA RATA. Disusun untuk memenuhi salah satu tugas mata kuliah multivariat

BAB II TINJAUAN PUSTAKA

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Regression Logistic Model for Multivariate biner Response by Generalized Estimating Equation

ESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER

PEMBENTUKAN MODEL PROBIT BIVARIAT

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

NORM VEKTOR DAN NORM MATRIKS

Aplikasi Model Regresi Logit dan Probit pada Data Kategorik

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB II LANDASAN TEORI

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

Estimasi dan Statistik Uji pada Model Probit Biner Bivariat. Estimation and Statistical Test in Bivariate Binary Probit Model

BAB III UKURAN PEMUSATAN DATA

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PEMILIHAN MODEL REGRESI LINIER DENGAN BOOTSTRAP. Tarno Jurusan Matematika FMIPA UNDIP Semarang. Subanar Jurusan Matematika FMIPA UGM Yogyakarta

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB III PERSAMAAN PANAS DIMENSI SATU

PENENTUAN MODEL KURVA PERTUMBUHAN PADA TULANG RAMUS

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

PERTEMUAN 14-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK

SOLUSI TUGAS I HIMPUNAN

PENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS

PELABELAN HARMONIS GANJIL PADA GRAF KINCIR ANGIN BELANDA DAN GABUNGAN GRAF KINCIR ANGIN BELANDA

PENENTUAN FAKTOR UTAMA PENYEBAB GANGGUAN LISTRIK DENGAN METODE VALIDASI-SILANG (STUDI KASUS DI KOTA SEMARANG)

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

ANALISIS REGRESI LINIER PIECEWISE DUA SEGMEN. Keywords: two-segment piecewise linear regression, X-knots, discharge, bedload transport.

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

INTERPOLASI. FTI-Universitas Yarsi

Estimasi dan Pengujian Hipotesis pada Model Geographically Weighted Multinomial Logistic Regression

Bab II Teori Dasar. Data spasial adalah data yang memuat informasi lokasi. Misalkan z( ), i = 1,

2.2.3 Ukuran Dispersi

PROSEDUR ESTIMASI PARAMETER MODEL REGRESI MENGGUNAKAN RESAMPLING BOOTSTRAP DAN JACKKNIFE

IMPUTASI MENGGUNAKAN PENAKSIR REGRESI UNTUK MENAKSIR RATA-RATA POPULASI PADA SAMPLING GANDA

KONSISTENSI KOEFISIEN DETERMINASI SEBAGAI UKURAN KESESUAIAN MODEL PADA REGRESI ROBUST

BAB 1 ERROR PERHITUNGAN NUMERIK

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma.

Transkripsi:

Proses eres ada model logt Agus Rusgoo Let dstrbuto wth Abstracts 3 rereset the resose o a omal radom varable o Beroull P P where s a arameter wth ukow value. Problems o estmatg used smallest square methods ler regresso model ca overcome wth used maxmum lkelhood method logstc regresso.. Suose l L l l maksmum lkelhood estmstors o. I case ca be obtaed rom rst codto ll to be maxmum at ot the be obtaed that s ubased estmator because To be test hothess that wth a large samle sze used act that N Keword : stmator ubased estmator test statstc. Pedahulua Dketahu s ad 3 adalah samel acak dar dstrbus Beroull dega dua la ag mugk bag atu atau. Msalka P dega sebuah la ag tdak dketahu. P da Sebaga lustras adag keada es kelam aak sa ag dlahrka ata atau beta. Utuk meakka bahwa robabltas es kelam aak-aak sa ag dlahrka ata atau beta tdak sama arta 5 Maka utuk seta kelahra ke dkatka dega la ka aak sa ag lahr adalah beta da bla aak sa lahr ata. Utuk megetahu besara robabltas la P terhada berbaga la dar varabel eelas 3 k maka egguaa metode kuadrat terkecl ada model regres ler basa membulka suatu masalah bak megea daerah hasl dar la varabel reso ag daat dluar {} atauu asums keormala galat da

vara ag harus kosta. Sehgga derluka ugs ag meghubugka varbel reso dega varabel eelas ak k 3 b a log berdstrbus Beroull dega arameter dega ugs destas robabltasa log ex. dsebut odds rato dar meataka eluag terada = dbadg erstwa =. Peaksra arameter megguaka metode maxmum lkelhhod L.. 3 bla meruaka robabltas bersama dar 3. 3. Peaksr maksmum Lkelhood utuk roors Sebuah ugs robabltas terkat masalah ag tersebut ada sub bab edahulua d atas daat ddeska sebaga: ka ka P Fugs lkelhood dalam kasus ddeska sebaga ; 3.. L

meruaka robabltas bersama dar 3. bla Dasar emkra taksra maxmum lkelhood sekarag adalah memlh sedemka hgga robabltas dar samel ag dambl maksmal. Karea memaxmalka L equvalet dega memaxmalka l l l L eaksr maksmum lkelhood dalam kasus daat deroleh dar sarat ertama utuk memaxmalka ll d ttk sehgga ddaat : d L d l ad Perhatka bahwa adalah estmator tak bas Agus Rusgoo 998 karea : lebh dar tu dar teorema lmt usat ddaat : N berlaku utuk besar dmaa : Var ad utuk ukura samel besar berlaku : N Hasl daat dguaka utuk megu hotess tetag Dalam hal dbawah hotess ull bahwa robabltas kelahra sa ata da beta sama = 5 ddaat : 5 5 5 5 N x sehgga : 5 adalah statstc u ormal stadard dar u hotess ull tetag =5

Sebuah alasa ormal bag eaksra maksmum lkelhood ddasarka ada akta bahwa <x< da x> lx < x. Hall dlustraska dalam gambar sbb : l x x Pertdaksamaa lx < x tereuh dega bak utuk x da l = = Kosekwesa : l Dega megambl la haraa matematsa deroleh : l P P selauta ddaat : l l l Hal berakbat bahwa :

L l L l Jad l L adalah maxmal utuk da dalam hal daat dtuukka bahwa la maxmum adalah tuggal. 4. Peaksra maxmum lkelhood bag model logt Msalka adalah samle acak dar dstrbus logt bersarat : P P ex ex ex dmaa da adalah la arameter ag dtaksr. Model dsebut model logt karea P F dmaa F x ex x adalah ugs dstrbus dar dstrbus logstk logt ugs robabltas bersarat ag terkadug adalah : F F F ka ka F sekarag ugs log lkelhood bersarat adalah : l L l F l l F

ex l ex l lex = ex l sehgga deroleh : ex ex ex l P P Jad ; ] [l ] l [ L L selauta hasl memberka arah dalam meaksr da dega memaxmalka ll utuk la da : l max l L L sarat ertama bag la maxmum adalah : L ex ex l L ex ex l

eaksr maxmum lkelhood deroleh dar emecaha secara umerc ag daat dkeraka dega ceat melalu sotware ekoometr. 5. Asmtots ormal da embagkta la statstc u t Telah dtuukka bahwa ka ukura samle cuku besar ; N da N ka da sebaga eaksr kosste dar masg-masg dhtug secara umers aka ddaat utuk berkuta : da telah N da N Hasl daat dguaka utuk megu aakah da berbeda secara statstc dega aa tdak. Msalka g du hotess ull =. Hotess tdak megakbatka robabltas bersarat P ada maka dbawah eermaa hotess ull = aka deroleh : tdak bergatug t N Statstk damaka la t ag dbagktka karea dguaka ada ala ag sama sebagamaa la t dalam regres ler. Msal ada daerah krts 5% ada u dua ss berdasarka dstrbus ormal deroleh 96 maka dalam hal crtera eolaka H ull : = ada tgkat sgkas 5% adalah 96 6. Kesmula. msalka adalah samle acak dar dstrbus logt bersarat : P P ex ex ex dmaa da adalah la arameter ag dtaksr maka

dalam meaksr da dlakuka dega memaxmalka ll utuk la da dmaa l L max l L da l L l. ka ukura samle cuku besar ; N da N ka da sebaga eaksr kosste dar masg-masg dhtug secara umers aka ddaat utuk berkuta : da telah N da N Hasl daat dguaka utuk megu aakah da berbeda secara statstc dega aa tdak. Datar Pustaka :. MoodAlexader ; Itroducto to the theor o statstcs ; McGraw-Hll; 974. BeresHerma J; The logt model : estmatotestg ad Iterretatohtt://eco.La.su.edu/-hberes/ML-logt.d 3. RusgooAgus : Reduks bas melalu o arametrk boostrathess magster matematka ITB 998