Hasil Pencarian  ::  Simpan CSV :: Kembali

"Model regresi ordinal dua level merupakan model yang digunakan untuk menganalisis data respon ordinal tercluster dan longitudinal. Dalam hal ini variabel respon ordinal yang diketahui, dibentuk dari suatu variabel laten kontinu yang tak diketahui nilainya. Nilai batas kategorik (threshold) pada variabel laten perlu diestimasi bersama-sama dengan koefisien regresi ordinal dua level. Untuk mengestimasi parameter-parameter dan threshold pada model regresi ordinal dua level, digunakan metode estimasi maximum marginal likelihood (MMLE) melalui pendekatan numerik dengan metode Fisher scoring. Pada setiap iterasi metode Fisher Scoring, digunakan Gauss-Hermite Quadrature untuk menghitung secara numerik persamaan marginal likelihood. Untuk mengilustrasikan penerapan model regresi ordinal dua level untuk data ordinal tercluster, digunakan data TVSFP di mana siswa bersarang dalam kelas. Sedangkan untuk mengilustrasikan penerapan model regresi ordinal dua level untuk data ordinal longitudinal, akan digunakan data psikiatrik di mana pasien diklasifikasikan pada beberapa tingkat keparahan penyakit terhadap beberapa titik waktu (time points). Struktur data dua level yang digunakan untuk data longitudinal adalah perulangan observasi bersarang dalam individu (pasien)."

"Tugas akhir ini secara umum bertujuan untuk membahas modelpersamaan struktural nonlinear (Nonlinear Structural Equation Model atauNLSEM), yaitu suatu model yang mengkombinasikan analisis faktor dananalisis regresi untuk tujuan analisis suatu hipotesis yang menyatakanhubungan antara variabel-variabel laten yang diukur oleh variabel-variabelindikator dimana terdapat hubungan yang nonlinear antar variabel latennya.Penaksiran parameter dalam model persamaan struktural nonlinear dicaridengan menggunakan taksiran Maksimum Likelihood melalui Algoritma EM(Expectation Maximization). Karena rumitnya proses komputasi, pada E-Stepakan digunakan algoritma Metropolis-Hastings. Metode tersebut akanditerapkan untuk melihat pola hubungan antara kepercayaan beragama,kepuasan dalam pekerjaan, dan interaksi antara keduanya dalammempengaruhi kepuasan hidup seseorang. Hasil analisis data menunjukkanbahwa meningkatnya tingkat kepercayaan beragama dan kepuasan dalampekerjaan akan meningkatkan kepuasan hidup, namun dihambat olehpengaruh interaksinya."

"Data survei biasanya dimanfaatkan oleh pemerintah suatu negara sebagai dasar untuk membuat kebijakan yang bertujuan untuk mengatasi masalah yang sedang dihadapi. Agar kebijakan yang dibuat tepat sasaran, kelompok daerah yang sangat bermasalah harus menjadi prioritas. Oleh karena itu, digunakan metode spatial scan statistics yang bertujuan untuk mendeteksi kelompok daerah bermasalah tersebut. Survei umumnya didesain untuk memperoleh kesimpulan pada daerah yang besar (lingkup nasional). Masalah terjadi ketika dari data survei tersebut ingin diperoleh informasi mengenai area yang lebih kecil, misalnya informasi pada tingkat kecamatan. Ukuran sampel pada area tersebut biasanya sangat kecil sehingga statistik yang diperoleh akan memiliki ragam yang besar. Bahkan mungkin penaksiran tidak dapat dilakukan karena area tersebut tidak terpilih menjadi sampel dalam survei. Sehingga kesimpulan yang dihasilkan mungkin tidak dapat menggambarkan keadaan populasi yang sebenarnya. Untuk mengatasi masalah tersebut, digunakan metode Empirical Bayes pada Small Area Estimation (SAE) untuk memperbaiki penaksiran parameter small area yang akan digunakan pada metode spatial scan statistics. Dengan metode Empirical Bayes pada SAE, dihasilkan penaksiran proporsi sukses untuk setiap small area yang digunakan sebagai informasi tentang subpopulasi pada metode spatial scan statistics. Selanjutnya menggunakan metode spatial scan statistics dideteksi kelompok small area dengan proporsi sukses tertinggi."

"Berdasarkan UU RI no.7 tahun 1996, ketahanan pangan adalah kondisi terpenuhinya pangan bagi rumah tangga yang tercermin dari tersedianya pangan yang cukup, baik jumlah maupun mutunya, aman, merata dan terjangkau. Jika kondisi ini tidak terpenuhi maka akan terjadi kerawanan pangan. Dalam Penelitian ini akan dicari taksiran proporsi terjadinya rawan pangan pada kecamatan di kabupaten Bondowoso. Dalam mencari proporsi di tingkat kecamatan digunakan Small Area Estimation (SAE). Small Area Estimation merupakan suatu teknik statistika untuk menduga parameter-parameter subpopulasi yang ukuran sampelnya kecil. Teknik penaksiran ini memanfaatkan data dari domain besar (seperti sensus, survey) untuk menaksir parameter yang menjadi perhatian domain yang lebih kecil. Salah satu metode yang digunakan dalam Small Area Estimation adalah metode Empirical Bayes. Metode Empirical Bayes digunakan untuk mencari taksiran parameter pada small area dengan cara menggunakan informasi dari direct survey estimator dan dari variabel pendukung yang tersedia di setiap small area. Dalam metode Empirical Bayes, informasi prior tidak tersedia sehingga informasi prior dapat diestimasi dari sampel. Untuk mengukur seberapa baik taksiran parameter yang diperoleh digunakan Mean Square Error (MSE). Dalam penelitian ini akan ditunjukkan bahwa MSE dari penaksir EB akan lebih kecil dibandingkan dengan MSE dari penaksir langsung."

"Estimasi parameter model autoregressive dapat diperoleh dengan beberapa metode, salah satunya adalah metode Marginal Likelihood. Untuk memperoleh fungsi marginal likelihood, proses autoregressive dapat dinyatakan sebagai structural model (Fraser, 1968). Dalam structural model, data runtun waktu stasioner dinyatakan sebagai kombinasi linear dari mean proses dan variabel error yang tidak terobservasi. Dengan mengganggap variabel error sebagai proses circular dan noncircular, diperoleh sifat distribusi dari variabel error yang tidak bergantung pada parameter populasi, sehingga data runtun waktu mengikuti model Location-scale. Melalui model Location-Scale dapat dibuktikan bahwa vektor data runtun waktu yang distandarisasi merupakan ancillary statistic. Ancillary statistic ini menjadi dasar untuk membangun fungsi marginal likelihood karena distribusi dari ancillary statistic bebas dari parameter populasi."

"Survei umumnya ditujukan untuk melakukan pendugaan parameter populasi seperti total maupun rata-rata nilai suatu domain area dengan jumlah sampel yang besar. Salah satu pendekatan dalam menduga parameter populasi dihasilkan melalui metode pendugaan langsung. Namun, pendugaan langsung seringkali kurang presisi saat ukuran sampel suatu area berukuran kecil. Selain itu, terdapat permasalahan ketika pendugaan langsung tersebut digunakan untuk suatu area dengan ukuran sampel yang kecil, yaitu akan menimbulkan standard error yang besar. Permasalahan ini kemudian diatasi dengan mengembangkan metode pendugaan parameter yang dikenal dengan metode pendugaan area kecil Small Area Estimation, SAE. Dalam skripsi ini, akan dijelaskan prosedur untuk mencari dugaan rata-rata nilai populasi pada area kecil dengan metode Spatial Empirical Best Linear Unbiased Prediction SEBLUP yang mengikuti model Simultaneously Autoregressive SAR . Secara umum, prosedur ini diawali dengan mendefinisikan model tingkat area. Kemudian, model tingkat area tersebut diperluas dengan menambahkan pengaruh spasial ke dalam pengaruh acak area. Model spasial tingkat area tersebut yang selanjutnya digunakan sebagai dasar untuk melakukan pendugaan rata-rata nilai populasi pada area kecil.

---

Surveys are generally intended to predict population parameters such as the total or mean value of a domain area with a large sample size. One approach in estimating population parameters is obtained through direct estimation methods. However, direct estimation are often less precise when the sample size of an area is small. In addition, there is a problem when the direct estimation is used for an area with a small sample size, which will cause a large standard error. This problem was then addressed by developing a method of parameter estimation known as the Small Area Estimation SAE method. In this mini thesis, we will describe the procedure to find the mean population value in a small area using Spatial Empirical Best Linear Unbiased Prediction SEBLUP method which follows Simultaneously Autoregressive SAR model. In general, this procedure begins with defining an area level model. Then, the area level model is expanded by adding spatial effects into the random effects of the area. The spatial model of the area level is then used as the basis for estimating the mean population value in a small area."

"Originally published in 1986, this valuable reference provides a detailed treatment of limit theorems and inequalities for empirical processes of real-valued random variables. It also includes applications of the theory to censored data, spacings, rank statistics, quantiles, and many functionals of empirical processes, including a treatment of bootstrap methods, and a summary of inequalities that are useful for proving limit theorems. At the end of the Errata section, the authors have supplied references to solutions for 11 of the 19 Open Questions provided in the book's original edition."

"Pada skripsi ini akan dibahas mengenai penerapan metode empirical likelihood (EL) pada model regresi dengan variabel pengganggu. Secara matematis, model regresi dengan variabel pengganggu adalah model regresi dimana rata-rata dari variabel respon dan beberapa variabel prediktor merupakan fungsi nonparametrik dari sebuah variabel pembantu, yaitu waktu. Dari metode EL akan diperoleh sebuah bentuk empirical log-likelihood ratio function untuk parameter-parameter model regresi dengan variabel pengganggu. Kemudian akan dicari distribusi asimtotik dari bentuk tersebut, yang merupakan versi nonparametrik dari Wilks’s theorem. Berdasarkan distribusi asimtotik dari bentuk empirical log-likelihood ratio function tersebut, dapat diperoleh daerah kepercayaan untuk parameter-parameter model regresi dengan variabel pengganggu. Lebih lanjut, daerah kepercayaan tersebut dapat digunakan untuk uji kelayakan model regresi dengan variabel pengganggu. Pada akhir skripsi ini, akan diberikan sebuah contoh aplikasi yang berkaitan dengan uji kelayakan model regresi tersebut, dengan menggunakan data periklanan.

---

In this skripsi, will be discussed the application of empirical likelihood (EL) method in the regression model with noised variable. Mathematically, the regression model with noised variable is a regression model in which means of the response variable and some predictor variables are nonparametric functions of an auxiliary variable, namely time. Of the EL method will be obtained a form of empirical log-likelihood ratio function for the parameters of the regression model with noised variable. Then will be looked for the asymptotically distribution of that form, in which is a nonparametric version of Wilks’s theorem. Based on the asymptotically distribution, will be obtained the confidence region for the parameters of the regression model with noised variable. Furthermore, the confidence region can be used for goodness of fit test to the regression model with noised variable. In the end of this skripsi, will be given an example of the application related to goodness of fit test to this regression model, using advertising data."