Metode bootstrap parametrik dan nonparametrik untuk analisis data kategori

Nuraeni, Siti (2019) Metode bootstrap parametrik dan nonparametrik untuk analisis data kategori. Diploma thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (203kB) | Preview
	Text (ABSTRAK) 2_abstrak.pdf Download (309kB)
	Text (DAFTAR ISI) 3_daftarisi.pdf Download (1MB)
	Text (BAB I) 4_bab1.pdf Download (443kB)
	Text (BAB II) 5_bab2.pdf Restricted to Registered users only Download (587kB)
	Text (BAB III) 6_bab3.pdf Restricted to Registered users only Download (386kB)
	Text (BAB IV) 7_bab4.pdf Restricted to Registered users only Download (517kB)
	Text (BAB V) 8_bab5.pdf Restricted to Registered users only Download (319kB)
	Text (DAFTAR PUSTAKA) 9_daftarpustaka.pdf Restricted to Registered users only Download (308kB)

Abstract

INDONESIA Skripsi ini membahas metode resampling dengan prinsip pengembalian data yang disebut metode bootstrap untuk analisis data kategori. Metode ini memiliki dua pendekatan yang pertama adalah pendekatan secara parametrik atau disebut metode bootstrap parametrik dan yang kedua adalah pendekatan secara nonparametrik atau biasa disebut metode bootstrap nonparametrik. Langkah-langkah metode bootstrap secara parametrik dan nonparametrik dibuat untuk estimasi parameter model regresi logistik dalam skripsi ini. Penaksiran model regresi logistik dalam langkah-langkah bootstrap menggunakan metode maximum likelihood estimation (MLE). Demikian halnya menarik kesimpulan dari model regresi logistik yang terbentuk, tidak bisa dengan cara menarik kesimpulan untuk model regresi linier tetapi harus menggunakan pendekatan dengan odds ratio (ψ) yang merupakan salah satu cara untuk melihat kecenderungan dari model regresi logistik. Studi kasus digunakan sebagai penerapan metode yang dibuat, dan hasilnya menunjukan bahwa pendekatan metode bootstrap nonparametrik cenderung memiliki hasil estimasi yang lebih kecil dibandingkan dengan hasil estimasi parameter dengan pendekatan metode bootstrap parametrik. ENGLISH This thesis discusses the resampling method with the principle of returning data called the bootstrap method for category data analysis. This method has two approaches, the first is the parametric approach or called the parametric bootstrap method and the second is the nonparametric approach or commonly called the nonparametric bootstrap method. The steps of the parametric and nonparametric bootstrap method were made to estimate the parameters of the logistic regression model in this thesis. The logistic regression model is estimated in the bootstrap steps using the maximum likelihood estimation (MLE) method. Likewise, conclude from logistic regression models that are formed, cannot conclude for linear regression models but must use an approach with odds ratios (ψ) which is one way to see trends in logistic regression models. Case studies are used as an application of the method that have been made, and the results show that the nonparametric bootstrap approach tends to have a smaller estimation result than the parameter estimation results with the parametric bootstrap approach method.

Available Versions of this Item

• Metode bootstrap parametrik dan nonparametrik untuk analisis data kategori. (deposited 25 Sep 2019 04:59) [Currently Displayed]

Actions (login required)

View Item