Overlapping Nest Staff Site Universitas Negeri Yogyakarta
3. Overlapping Nest
Dalam model nested logit di atas diasumsikan bahwa setiap alternatif hanya menjadi anggota satu nest. Dalam kenyataan sering dijumpai bahwa antar nest mempunyai interseksi saling beririsan. Beberapa jenis model GEV yang telang dikembangkan untuk overlapping nest antara lain Vovsha 1997, Bierlaire 1998, Matematika 587 dan Ben‐Akiva dan Bierlaire 1999 telah mengusulkan model Cross‐Nested Logit CNLs. Small telah mengusulkan model Ordered Generalized Extreme Value OGEV, yang digunakan pada alternatif berupa urutan 0, 1, …. Dalam situasi ini setiap alternatif hanya berkorelasi dengan satu alternatif sebelum dan sesudahnya, sehingga satu nest hanya memuat dua alternatif. Chu 1989 mengusulkan model Paired Combinatorial Logit PCL. Jika terdapat J alternatif maka dapat disusun J‐1 nest. Wen dan Koppelman 2001 telah mengembangkan generalized nested logit GNL, yang termasuk didalamnya model PCL. Nilai probalitas dalam model PCL dapat dinyatakan sebagai ∑ ∑ ∑ − = + = ≠ − + + = 1 1 1 1 exp exp exp exp exp J k J k l kl il kl ik j j jr ij jr ij jr ij ij kl jr V V V V V P λ λ λ λ λ λ λ 7 dari pasangan sebanyak J‐1, masing‐masing pasangan mempunyai tingkat independensi sebesar λ jr . Jika masing‐masing independen λ jr =1 ∀r,j maka model PCL menjadi model logit standar. Estimasi parameter β dapat dilakukan dengan prosedur maksimum likelihood. Misalkan n sampel dari individu yang membuat keputusan, probabilitas individu i memilih sebuah alternatif dapat dinyatakan sebagai ∏ j y ij ij P Dengan y ij = 1 jika individu i memilih j dan nol jika memilih yang lainnya. Dengan mengasumsikan bahwa setiap keputusan antar individu saling independen maka probabilitas masing‐masing individu dalam sampel memilih sebuah alternatif adalah 8 ∏∏ = = n i j y ij ij P L 1 θ Dengan θ merupakan vektor parameter dalam model. Fungsi Log likelihood nya menjadi SEMNAS Matematika dan Pend. Matematika 2007 588 9 ∑∑ = = n i j ij ij P y LL 1 ln θ Penaksir θ adalah nilai θ yang memaksimumkan fungsi LLθ. Parameter θ terdiri dari parameter koefisien β dan parameter korelasi ρ Uji hipotesis dan interval konvidensi untuk parameter adalah Koppelman dkk, 2006 a. Uji untuk masing‐masing slope H : β j = β j0 didasarkan pada statistik Wald : ˆ j j j B E S B Z β − = 10 b. Uji untuk beberapa slope H : β j =...= β q =0 didasarkan pada statistik X 2 = G 2model 1 – G 2model 2 11 yang berdistribusi chi kuadrat dengan derajad bebasnya sama dengan selisih banyaknya parameter dari kedua model. G 2 adalah deviance yang mempunyai nilai ‐2log L Untuk menguji kecocokan model dapat digunakan statistik Pseudo R 2 yang identik dengan nilai R 2 koefisien deterministik. pseudo R 2 = 2 2 1 1 G G − 12 Jika model secara sempurna memprediksi nilai Y P i = 1 maka y i = 1 dan jika P i =0 maka y i =0 maka log L = 0 atau nilai deviancenya nol. Sehingga nilai maksimum dari pseudo R 2 adalah satu. Statistik pseudo R 2 secara luas digunakan untuk menjelaskan kecocokan model dalam DCM secara intuitif. Pemasalahan dalam penggunaan pseudo R 2 ini adalah tidak adanya kaidah untuk menyatakan pada nilai berapa sedemikian hingga model dikatakan baik. Permasalahan kedua adalah peningkatan nilai pseudo R 2 pada penambahan Matematika 589 variabel independen tidak dapat menjelaskan seberapa penting variabel tersebut Koppelman dkk, 2006.4. Rancangan Percobaan dan Membangkitkan data
Parts
» Staff Site Universitas Negeri Yogyakarta
» Dr. Djaelani 3. Dr. Rusgianto HS Sahid, M.Sc.
» Pendahuluan Staff Site Universitas Negeri Yogyakarta
» Statistika Staff Site Universitas Negeri Yogyakarta
» Pembahasan Staff Site Universitas Negeri Yogyakarta
» Rancangan Percobaan dan Analisis Variansi
» Kesimpulan Staff Site Universitas Negeri Yogyakarta
» Perumusan Tinjauan Pustaka PENDAHULUAN
» Tujuan Penelitian Manfaat Penelitian
» HASIL Staff Site Universitas Negeri Yogyakarta
» Belajar T I N J A U A N P U S T A K A
» Pendekatan Mathematics Problem Solving
» SWiSHmax T I N J A U A N P U S T A K A
» Populasi dan Sampel Desain Penelitian
» Metode Pengumpulan Data Instrumen Penelitian Teknik Analisis Data
» Simpulan Saran S I M P U L A N D A N S A R A N
» Pemahaman Matematika Model Belajar Kooperatif Tipe Student Team Achievement Division
» Model Belajar Kooperatif Tipe Teams Games Tournament TGT Model Belajar Kelompok Tipe Jigsaw
» LANDASAN TEORI Teknik Sampling
» Populasi dan Sampel Variabel Penelitian Deskriptif Data Uji
» British context: the works of David Tall
» Taiwaness Context: the works of Fou Lai Lin
» Singapore Staff Site Universitas Negeri Yogyakarta
» Malaysian Staff Site Universitas Negeri Yogyakarta
» Indonesian Staff Site Universitas Negeri Yogyakarta
» Metode Eksperimen Hasil Pengembangan Perangkat Pembelajaran
» Simpulan Saran Staff Site Universitas Negeri Yogyakarta
» Metakognitif Pembelajaran Matemátika dengan Pendekatan Metakognitif
» Kemampuan Pemecahan Masalah Pembahasan
» Pembelajaran Matematika dengan Pendekatan Metakognitif dalam
» Pentutup Staff Site Universitas Negeri Yogyakarta
» Pelaksanaan Siklus 2 Staff Site Universitas Negeri Yogyakarta
» Instrumen Skala Sikap Format Observasi Format Wawancara Tes Pengetahuan Penunjang
» Data Hasil Non Tes Kemampuan Pengetahuan Penunjang
» Kemampuan Koneksi Matematik KKM Siswa
» g dan i berturut‐turut dibagi s hasilnya p dan q t, y, dan s bilangan prima.
» Latar belakang Staff Site Universitas Negeri Yogyakarta
» Peran guru dalam proses pembelajaran Proses pembelajaran sentra
» Perkembangan Psikososial Perkembangan Bahasa dan Komunikasi Perkembangan Seni
» Identifikasi fokus masalah. Pengumpulan data. Analisis dan interpretasi data. Penyusunan rencana.
» Pelaksanaan. Pembelajaran Kooperatif Tipe Teams‐Games‐Tournaments TGT
» Pendidikan Lingkungan Hidup Konsep Sekolah Berwawasan Lingkungan
» Sikap Ramah Lingkungan Staff Site Universitas Negeri Yogyakarta
» Proses dan Kualitas Pembelajaran
» Perkuliahan Komputasi Statistik Staff Site Universitas Negeri Yogyakarta
» Sisi – Sisi Metakognitif Staff Site Universitas Negeri Yogyakarta
» Kesadaran diri dari proses berpikir seseorang
» Kontrol atau monitoring diri dari proses berpikir seseorang
» Latar Belakang Masalah Pembelajaran Matematika dengan Pendekatan Metakognitif
» Rumusan Masalah Tujuan Penelitian Desain Penelitian
» Populasi dan Sampel Hasil Penelitian
» Kemampuan Berpikir Kreatif Staff Site Universitas Negeri Yogyakarta
» Kesimpulan Rekomendasi Deskripsi Jawaban Siswa
» Dapatkah Staff Site Universitas Negeri Yogyakarta
» Bertukar Pasangan Berpikir ‐ Berpasangan ‐ Berempat
» Berkirim Salam dan Soal . Kepala Bernomor
» Bahasan Himpunan Dua Tinggal Dua Tamu two stay two stray
» Bahasan Statistik Tinjauan Pokok Bahasan Statistik Tingkat SMP Daftar Frekuensi
» Setting Penelitian dan Subyek Penelitian .
» Rencana Tindakan Pelaksanaan Tindakan
» Analisis Hasil Penelitian Keaktifan Siswa Dalam PBM Analisis Hasil Test Prestasi Belajar Siswa
» Analisis Hasil Penelitian Keaktifan Siswa Dalam PBM
» Analisis Hasil Test Prestasi Belajar siswa Kelas VIII SMPN 2 Pringkuku
» Matematika Untuk SMPMTs VIII. Bandung : Sarana Metodologi Penelitian Pendidikan , Penerbit SIC
» Masalah Tujuan Staff Site Universitas Negeri Yogyakarta
» KESIMPULAN Level 4 Ketatrigor: Siswa pada tingkat ini memahami aspek‐aspek formal
» Model Nested Logit Staff Site Universitas Negeri Yogyakarta
» Overlapping Nest Staff Site Universitas Negeri Yogyakarta
» Rancangan Percobaan dan Membangkitkan data
» Model MNL dan model nest logit
» Model Multinomial Probit MNP
» Identifikasi Paramater Staff Site Universitas Negeri Yogyakarta
» Variasi individu Staff Site Universitas Negeri Yogyakarta
» Plotting Data Sampel Penentuan Hipotesis Penaksiran Parameter Uji Anderson‐Darling
» Sampling Proporsi Taksiran Distribusi Kematian
» PENDAHULUAN KESIMPULAN Staff Site Universitas Negeri Yogyakarta
» Pendahuluan RUMUSAN MASALAH Staff Site Universitas Negeri Yogyakarta
» Interval Kepercayaan untuk Kajian Teori
» Kesimpulan Daftar Pustaka Staff Site Universitas Negeri Yogyakarta
» Algoritma untuk menentukan nilai awal Algoritma untuk menentukan nilai awal dengan menggunakan
» A., Mood, A. M. and Boes, D. C., 1963, Introduction To The Theory of
» Latar Belakang Masalah Rumusan Masalah
» Manfaat penelitian Staff Site Universitas Negeri Yogyakarta
» Model Regresi Logistik Staff Site Universitas Negeri Yogyakarta
» Model Neural Networks NN untuk Klasifikasi Data
» Metode Penelitian Persentase Ketepatan Masa Studi Mahasiswa Ketepatan
» Penutup Daftar Pustaka Staff Site Universitas Negeri Yogyakarta
» GRUP TOPOLOGIS Staff Site Universitas Negeri Yogyakarta
» SUBGRUP TOPOLOGIS Staff Site Universitas Negeri Yogyakarta
» GRUP TOPOLOGIS KUOSEN Staff Site Universitas Negeri Yogyakarta
» Asumsi dan Model Inventory Multi‐Item
» Program Nonlinear Probabilistik Hasil Peneltian dan Pembahasan
» Model regresi linier log gamma Estimasi parameter regresi log gamma dengan metode MLE
» Penerapan program pada kasus data tahan hidup
» Aplikasi pada Data Pasien Myeloma Kanker Tulang
» 23‐33. Staff Site Universitas Negeri Yogyakarta
» PENDAHULUAN Latar Staff Site Universitas Negeri Yogyakarta
» METODOLOGI Staff Site Universitas Negeri Yogyakarta
» HASIL DAN PEMBAHASAN Staff Site Universitas Negeri Yogyakarta
» Model Regresi Cox Estimasi Parameter Dalam Model Regresi Cox Menentukan fungsi Partial Likelihood
» APLIKASI DATA REAL Estimasi Fungsi Hazard Dasar
» Estimator Kernel Algoritma dan Program R
» Perkembangan Pendugaan Area Kecil
» Generalized Regression Staff Site Universitas Negeri Yogyakarta
» Pendugaan langsung Pendugaan GREG
» Model Based Design Estimator Pembahasan Hasil Kajian
» Penalized spline merupakan potongan‐potongan polinomial
» Introduction Staff Site Universitas Negeri Yogyakarta
» Pndahuluan Staff Site Universitas Negeri Yogyakarta
» Model Hazard proporsional Semiparametrik Estimasi Generalized Profile Likelihood dalam Model‐Model
» Latar Belakang Tujuan dan Manfaat Penelitian
» Algoritma PageRank Matrik Markov
» Vektor Eigen dan Nilai Eigen Metode Pangkat
Show more