ANALISIS REGRESI TOBIT KUANTIL BAYESIAN PADA DATA TERSENSOR PASIEN PENDERITA PENYAKIT KANKER PAYUDARA

DESTIYANTO, NOVI, B2A218020 (2020) ANALISIS REGRESI TOBIT KUANTIL BAYESIAN PADA DATA TERSENSOR PASIEN PENDERITA PENYAKIT KANKER PAYUDARA. Sarjana / Sarjana Terapan (S1/D4) thesis, ["eprint_fieldopt_institution_Muhammadiyah University, Semarang" not defined].

Preview	Text 01COVER.pdf Download (502kB) | Preview
Preview	Text 02PERSETUJUAN PEMBIMBING.pdf Download (468kB) | Preview
Preview	Text 03PENGESAHAN KELULUSAN.pdf Download (442kB) | Preview
Preview	Text 05ABSTRAK.pdf Download (491kB) | Preview
Preview	Text 12BAB I.pdf Download (752kB) | Preview
Preview	Text 13BAB II.pdf Download (1MB) | Preview
	Text 14BAB III.pdf Restricted to Repository staff only Download (910kB) | Request a copy
	Text 15BAB IV.pdf Restricted to Repository staff only Download (1MB) | Request a copy
Preview	Text 16BAB V.pdf Download (809kB) | Preview
Preview	Text 17DAFTAR PUSTAKA.pdf Download (717kB) | Preview
	Text 18LAMPIRAN.pdf Restricted to Repository staff only Download (555kB) | Request a copy
Preview	Text ARTIKEL ILMIAH (1).pdf Download (843kB) | Preview

Abstract

Analisis regresi berkaitan dengan studi mengenai ketergantungan satu variabel, yaitu variabel dependen, terhadap satu atau lebih variabel lainya, yaitu variabel penjelas, dengan tujuan untuk mengestimasi dan memperkirakan nilai rerata atau rata-rata (populasi) variabel dependen dari nilai yang diketahui atau nilai tetap dari variabel penjelas (dalam sampling berulang). Estimasi parameter model regresi Tobit umumnya menggunakan metode Maximum Likelihood Estimation (MLE) yang berbasis conditional mean, sehingga data yang jauh dari mean, misalnya kuantil 0.05 dan 0.95, seringkali tidak terepresentasi dengan baik oleh estimator yang ada. Hal ini dapat diatasi dengan model regresi kuantil tobit atau regresi kuantil tersensor yang berbasis conditional quantile. Estimator model ini dikenal sebagai estimator Powell. Selain itu, diperkenalkan model regresi tobit kuantil dengan pendekatan bayesian (TKB). Kelebihan pendekatan bayesian adalah kemudahan untuk mengestimasi distribusi posterior dengan teknik MCMC (Metropolis-Hastings), serta mampu mengakomodasi adanya informasi prior. Untuk mendapatkan estimator TKB, diasumsikan error model mengikuti distribusi Asimetrik Laplace, sehingga bisa didapatkan fungsi likelihood untuk menghitung posterior. Dari simulasi yang telah dilakukan, diperoleh hasil bahwa estimator TKB dan Powell tidak cukup baikuntuk mengestimasi paramater model kuantil bawah seperti kuantil 0.05 dan 0.25. Selain itu, jika prediktor dalam model cukup banyak dan ukuran sampel yakni 50, performa estimator TKB lebih baik daripada estimator Powell. Di samping itu, bila dibandingkan dengan estimator tobit standar, estimator TKB dan Powell memiliki performa yang lebih baik untuk model dengan error berdistribusi bukan normal. Adapun pemodelan regresi TKB terhadap data pasien pengidap kanker payudara menunjukkan bahwa besarnya estimator yang dihasilkan bervariasi antar kuantil dan model terbaik untuk masingmasing kuantil juga melibatkan prediktor yang berbeda. Kata Kunci: data tersensor, regresi tobit, regresi Kuantil, Tobit Kuantil Bayesian (TKB), MetropolisHastings, pasien pengidap kanker payudara

Actions (login required)

View Item