Marisa Rifada
(2010)
Estimasi Model Regresi Logistik Nonparametrik Aditif Berdasarkan Estimator Kernel.
Skripsi thesis, UNIVERSITAS AIRLANGGA.
Abstract
Tujuan dari penulisan skripsi ini adalah untuk mengestimasi model regresi logistik nonparametrik aditif berdasarkan estimator Kernel. Secara umum bentuk model regresi logistik nonparametrik aditif adalah : log u1 = E m , (x,;) ,
1 – pr) .i=1
dengan m1 (.) adalah fungsi regresi yang diestimasi berdasarkan estimator Kernel.
Dalam mengestimasi model regresi logistik nonparametrik aditif berdasarkan estimator Kernel digunakan algoritma Local scoring. Algoritma ini terdiri dari dua loop yaitu langkah Scoring (outer loop) yang diiterasikan sampai nilai rata-rata deviance konvergen dan langkah Backfrtting terboboti (inner loop) yang diiterasikan sampai nilai rata-rata Residual Sum of Square (RSS) konvergen. Bentuk estimasi model regresi logistik nonparametrik aditif berdasarkan estimator Kernel dengan menggunakan algoritma Local scoring adalah sebagai berikut :
p
log/ '1'1^ = Ern" ,(x)
1—i=1
—E [cTWJ,0—1CTWII —~' k~s+l)(Xk)— Emk(s)(Xk) 1=1
dengan WW,. = diag (Kh (x11 – x31), K1, (x1 – x12 ), ... , K,, (x11 - x ))
K,, (.) adalah fungsi Kernel
Data yang digunakan untuk penerapan yaitu data kejadian penyakit Pneumonia pada balita di Rumah Sakit dr. Syaiful Anwar Malang tahun 2002 dengan jumlah sampel sebanyak 60 balita. Variabel responnya adalah terjadinya Pneumonia (Y = 1) atau tidak terjadinya Pneumonia (Y = 0). Sedangkan variabel prediktornya adalah usia balita(X1) dan jumlah protein dalam darah balita (X2).
Dari hasil analisa data diperoleh bahwa semakin bertambahnya usia dan jumlah protein dalam darah balita maka peluang balita menderita Pneumonia akan semakin kecil. Seorang balita berpeluang besar menderita Pneumonia pada usia kurang dari 15 bulan dan jumlah protein dalam darah kurang dari 6 gr/dl.
Actions (login required)
 |
View Item |
