Model Linier Klasifikasi 2 arah

Slides:



Advertisements
Presentasi serupa
ANALISA BIVARIAT: KORELASI DAN REGRESI
Advertisements

Distribusi Beta, t dan F.
8 Statistik Selang untuk Sampel Tunggal.
9 Uji Hipotesis untuk Satu Sampel.
Klasifikasi Rancangan Percobaan
PIECEWISE LINEAR REGRESSION
Heteroskedastisitas Penyimpangan asumsi ketika ragam galat tidak konstan Ragam galat populasi di setiap Xi tidak sama Terkadang naik seiring dengan nilai.
SATUAN ACARA PERKULIAHAN
Bab 11 Pendugaan dan Pengujian Hipotesis Regresi Linier Sederhana
Pemeriksaan Asumsi.
Rancangan Acak Kelompok
Regresi dengan Respon Biner
Regresi Linier Berganda
Regresi Eni Sumarminingsih, SSi, MM. Analisis regresi linier merupakan analisis yang digunakan untuk mengetahui dan mempelajari suatu model hubungan fungsional.
PENDUGAAN SELANG (INTERVAL) NILAI TENGAH
oleh: Hutomo Atman Maulana, S.Pd. M.Si
MODUL XII ANALISIS RAGAM KLASIFIKASI DUA ARAH DENGAN INTERAKSI
Regresi Berganda Statistika Ekonomi II Pertemuan Ke 10
REGRESI LOGISTIK BINER
Program Studi Statistika, semester Ganjil 2015/2016
Regresi Linier Berganda
Ekonometrika Dr. Rahma Fitriani, S.Si., M.Sc.
Program Studi Statistika Semester Ganjil 2012
MODUL XI 2 k  ni  (ni 1)si N k ANALISIS RAGAM
ANALISIS REGRESI.
EKONOMETRIKA Pertemuan 4,5 Estimasi Parameter Model Regresi
RAL (Rancangan Acak Lengkap)
Rancangan Acak Lengkap (RAL) (Completely Randomized Design)
Materi Pokok 26 KORELASI DUA PEUBAH ACAK
Program Studi Statistika, semester Ganjil 2011/2012
Dalam Rancangan Acak Kelompok Lengkap (RAKL)
Analisis Dua Klasifikasi (I) :
Regresi Linier Berganda
Uji Konstanta (a) Regresi Linear Sederhana
Program Studi Statistika Semester Ganjil 2012
Regresi Untuk Data Katagorik Pertemuan 08
Regresi Dalam Lambang Matriks Pertemuan 09
Program Studi Statistika, semester Ganjil 2012/2013
Inferensi Dua Nilaitengah Ganda (IV)
Model Peluang Linier.
Inferensi Dua Nilaitengah Ganda (III)
Pertemuan 4 Kombinasi linier vektor
Pertemuan 16 Model not full rank
Analisis Ragam Peubah Ganda (MANOVA IV)
Analisis Ragam Peubah Ganda (MANOVA V)
Pertemuan 15 Model not full rank
SEBARAN PEUBAH ACAK KONTINU KHUSUS 1
D0124 Statistika Industri Pertemuan 21 dan 22
UJI LANJUTAN & RANCANGAN ACAK KELOMPOK
Agribusiness Study of Programme Wiraraja University
RANCANGAN PERCOBAAN DENGAN MINITAB DAN SAS
Regresi Linier Berganda
Penyelesaian Persamaan Linier dengan Matriks
Regresi Linier Berganda
Pertemuan 9 Pengujian parameter
REGRESI LINIER BERGANDA
RANCANGAN ACAK LENGKAP
Pertemuan 9 Regresi dengan peubah dummy
UJI LANJUTAN & RANCANGAN ACAK KELOMPOK
Model Logit Untuk Respons Biner
Pendugaan Parameter Regresi Logistik
UJI LANJUTAN DAN RANCANGAN ACAK KELOMPOK
Model Linier untuk data kontinyu (lanjut)
Simulasi untuk Model-model Statistika
Model Linier untuk Data Kontinyu
Multivariate Analysis
Model Linier untuk Klasifikasi Satu arah
Pendugaan Parameter Statistika Matematika II
Analisis Multivariat Program S2 Matematika Semester Genap 2011/2012
Model untuk Respons Biner
Transcript presentasi:

Model Linier Klasifikasi 2 arah Program Pasca Statistika UB

Pada Kasus CBR berdasarkan Social Setting dan Family Planning Effort Faktor 1: Setting, dengan 3 level (Low, Medium, High) Faktor 2: Effort, dengan 3 level (Weak, Moderate, Strong)

Model 2 faktor aditif dengan interaksi Dengan asumsi yang sama seperti model-model sebelumnya: Di mana nilai tengah dari sebaran normal tersebut diasumsikan: Parameter efek Interaksi Parameter efek faktor kolom level ke j Parameter baseline/reference Parameter efek faktor baris level ke i

Dengan pendekatan regresi dummy, faktor interaksi adalah perkalian dari variabel dummy yang menggambarkan kombinasi semua level faktor baris dan semua level faktor kolom # parameter: 1 + #level faktor baris + #level faktor kolom + (#level faktor baris × #level faktor kolom) Digunakan pendekatan cell referenced

Struktur pendugaan model: Contoh: respons di kolom 2 relatif terhadap kolom 1 tidak sama untuk setiap baris. Perbedaan terletak pada faktor interaksi.

Interpretasi µ adalah nilai duga dari sel yang menjadi referensi αi adalah efek level i dari faktor baris relatif terhadap level 1 βj adalah efek level j dari faktor kolom relatif terhadap level 1 (αβ)i j: efek tambahan dari level i faktor baris relatif terhadap level 1 ketika berada di level j faktor kolom daripada di level 1.

Model 2 faktor aditif dengan interaksi pada data CBR Interpretasi interaksi secara grafis Ada indikasi perbedaan pola pergerakan dari Weak – Moderate – Strong pada seteiap level Setting

Kasus khusus pada contoh ini adalah kombinasi yang tidak lengkap Tidak ada respons yang mempunyai kombinasi low setting dan strong effort Interaksi pada kasus seperti ini memang tidak ada dan tidak perlu didefinisikan pada matriks model X Akibat penggunaan cell referenced secara otomatis interaksi untuk kombinasi ini akan = 0 Efek, sel tersebut tidak dapat digunakan untuk referensi bagi baris-baris lainnya

Interaksi pada medium setting yang dijadikan referensi. Efek tambahan pada perbedaan respons pada strong effort relatif terhadap weak effort pada setiap setting (penduga pada kolom strong – penduga pada kolom weak) Low Medium High Karena kombinasi Low-Strong memang tidak ada, tidak dapat dijadikan referensi untuk perbandingan pengaruh interaksi Interaksi pada medium setting yang dijadikan referensi.

Tambahan batasan selain: Interaksi medium – strong dibuat sebagai referensi: Parameter: 5 faktor utama, dan 3 faktor interaksi

Matriks X Dengan 8 parameter, matriks X berukuran 8 × 8

Hasil Pendugaan Perbedaan respons pada moderate effort relatif terhadap weak effort pada medium setting lebih rendah 14.58 daripada low setting Perbedaan respons pada moderate effort relatif terhadap weak effort pada high setting lebih rendah 6.58 daripada low setting Perbedaan respons pada strong effort relatif terhadap weak effort pada high setting lebih tinggi 0.33 daripada medium setting

Analisis ragam Sumber JK db KT F Nilai P Setting 1193.786 2 596.8929 15.54577 0.000466 Effort|Setting 882.0226 441.0113 11.48592 0.001632 Interaction 113.6417 3 37.88057 0.98658 0.431795 Residual 460.75 12 38.39583   Total 2650.2 19 Hanya efek utama yang nyata, sedangkan faktor interaksi tidak mempunyai efek yang nyata.