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. Undergraduate thesis, Muhammadiyah University, Semarang.

[img]
Preview
Text
01COVER.pdf

Download (502kB) | Preview
[img]
Preview
Text
02PERSETUJUAN PEMBIMBING.pdf

Download (468kB) | Preview
[img]
Preview
Text
03PENGESAHAN KELULUSAN.pdf

Download (442kB) | Preview
[img]
Preview
Text
05ABSTRAK.pdf

Download (491kB) | Preview
[img]
Preview
Text
12BAB I.pdf

Download (752kB) | Preview
[img]
Preview
Text
13BAB II.pdf

Download (1MB) | Preview
[img] Text
14BAB III.pdf
Restricted to Repository staff only

Download (910kB) | Request a copy
[img] Text
15BAB IV.pdf
Restricted to Repository staff only

Download (1MB) | Request a copy
[img]
Preview
Text
16BAB V.pdf

Download (809kB) | Preview
[img]
Preview
Text
17DAFTAR PUSTAKA.pdf

Download (717kB) | Preview
[img] Text
18LAMPIRAN.pdf
Restricted to Repository staff only

Download (555kB) | Request a copy
[img]
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

Item Type: Thesis (Undergraduate)
Call Number: 034/Statistik/XI/2020
Subjects: L Education > Statistics
Divisions: Faculty of Science and Mathematics > S1 Statistics
Depositing User: perpus unimus
Date Deposited: 16 Jun 2021 06:28
Last Modified: 16 Jun 2021 06:28
URI: http://repository.unimus.ac.id/id/eprint/4558

Actions (login required)

View Item View Item