Model Linear Parsial Pada Hilangnya Data Komponen Parametrik

Ampa, Andi Tenri (2006) Model Linear Parsial Pada Hilangnya Data Komponen Parametrik. Masters thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 1304201013-Master-Thesis.pdf]
Preview
Text
1304201013-Master-Thesis.pdf - Published Version

Download (15MB) | Preview

Abstract

Model linear parsial Y = X r p + v(Z) + E telah dipelajari secara luas pada data u'"•'ll""'
secara lengkap. Dalam suatu eksperimen sering terjadi kasus-kasus data hilang, hal ini
terjadi karena berbagai sebab. Jika hal tersebut terjadi, inferensi statistik tak dapat di,an.I.JI'.<u•
secara langsung. Dalam penelitian ini dikaji suatu metode inferensi statistik tentang
hilangnya data pada komponen parametrik dalam regresi semiparametrik. Metode
dikembangkangkan dengan pendekatan kernel. Tujuan penelitian ini adalah mengestimasi p
v(Z) serta mengkaji sifat linearitas estimator Lokal Linear dan Nadaraya-Watson
probabilitas kehilangan 1t tergantung pada (Y,Z).
Dengan menggunakan pembobot Horvitz-Thompson {HT), estimator Lokal
diperoleh bentuk estimator komponen nonparametrik:
vu(Z) = H8Y +Ko(X(I +H8fl + H8 )Xr J 1X(I +H8 f (I -H8)Y
dan estimasi komponen parametrik:
Pu = [X(I + H8 )
1
. (I+ H8 )Xr)J1 X(I + H8 )r (I- H8 )Y
Dengan menggunakan pembobot Horvitz-Thompson (HT), estimator Nadaraya-W
diperoleh bentuk estimator komponen nonparametrik:
VNw(Z) = w•y-w•xrp,
dan komponen parametrik:
PNw = [x(I- w•)r (I- w•)xr j' X(I- w•)r (I- w•)v
serta diperoleh hubungan linearitas estimator Lokal Linear:
YA u = ( Uu(UTu Uu) - 1 UTu fl (I-H ] kr 8 ) +H8 ,ji,
dan hubungan linearitas estimator Nadaraya-Watson:
YNw = (<w• - I)xr [x(I - w•f (I - w•)xr ]-1 X(I - w•f (I- w•) + w• )v.
Berdasarkan studi simulasi diperoleh basil estimasi Lokal Linear dan Nadaraya-W
cenderung sama berdasarkan MSE dan It, sehingga kedua metode tersebut cukup
digunakan pada regresi semiparametrik dengan interval konfidensi 95% untuk preselltasl
hilangnya data maksimal 30%.

Item Type: Thesis (Masters)
Additional Information: RTSt 519.72 Amp m
Uncontrolled Keywords: regresi lokal linier, pembobot Kernel Horvitz Thompson
Subjects: H Social Sciences > HA Statistics > HA31.3 Regression. Correlation
Divisions: Faculty of Mathematics and Science > Statistics > 49101-(S2) Master Thesis
Depositing User: ansi aflacha
Date Deposited: 18 May 2018 04:36
Last Modified: 18 May 2018 04:36
URI: http://repository.its.ac.id/id/eprint/51908

Actions (login required)

View Item View Item