Model Peluang Linier
Model Peluang Linier
• Variabel respon bersifat kualitatif :
• - respon hewan percobaan terhadap
pemberian zat beracun dengan kadar tertentu
adalah hidup atau mati
• - respon siswa – siswa yang diberikan
perlakuan tertentu dalam ujian adalah lulus
atau tidak lulus
• dll
Model Peluang Linier
(1)
Dimana
X = Nilai dari atribut untuk individu yang dipelajari
Y = 1, jika tergolong dalam kategori pertama
0, jika tergolong dalam kategori kedua (bukan
kategori pertama)
= galat, diasumsikan variabel acak yang
berdistribusi secara bebas dengan nilai tengah sama
dengan nol
Karena
dan
Sehingga
Persamaan regresi (1) dapat diinterpretasikan
sebagai peluang bahwa obyek pengamatan
akan tergolong dalam kategori tertentu
apabila nilai dari variabel X ditetapkan.
Secara formal model peluang linier sering ditulis
dalam bentuk berikut:
Untuk keperluan penggolongan maka
dipergunakan kriteria berikut:
Gunakan Metode Kuadrat Terkecil untuk
pendugaan parameter
Sebaran Peluang bagi εi
Masalah lain yang Timbul
Contoh Penerapan
Seorang pengajar pada SMA mengamati perilaku
kelulusan siswa sekolah itu dalam ujian masuk
perguruan tinggi negeri pada beberapa
universitas. Ia mengambil sampel acak 12
siswa. Variabel bebas yang dispesifikasikan
adalah skor total nilai UAN yang merupakan
variabel kuantitatif
No.
Xi
Y
Kategori
1
57
1
Lulus
2
60
1
Lulus
3
42
0
Tidak Lulus
4
45
0
Tidak Lulus
5
40
0
Tidak Lulus
6
55
0
Tidak Lulus
7
53
1
Lulus
8
55
1
Lulus
9
58
1
Lulus
10
39
0
Tidak Lulus
11
52
1
Lulus
12
56
1
Lulus
Estimates of parameters
Parameter estimate s.e.
t(10)
Constant -2.259 0.666 -3.39
X
0.0557 0.0129 4.31
t pr.
0.007
0.002
Masalah yang Timbul
Unit
1
2
3
4
5
6
7
8
9
10
11
12
Response
1
1
0
0
0
0
1
1
1
0
1
1
Fitted value
0.918
1.085
0.082
0.249
-0.03
0.806
0.695
0.806
0.973
-0.086
0.639
0.862
Heteroskedastisitas
• Variabel respon bersifat kualitatif :
• - respon hewan percobaan terhadap
pemberian zat beracun dengan kadar tertentu
adalah hidup atau mati
• - respon siswa – siswa yang diberikan
perlakuan tertentu dalam ujian adalah lulus
atau tidak lulus
• dll
Model Peluang Linier
(1)
Dimana
X = Nilai dari atribut untuk individu yang dipelajari
Y = 1, jika tergolong dalam kategori pertama
0, jika tergolong dalam kategori kedua (bukan
kategori pertama)
= galat, diasumsikan variabel acak yang
berdistribusi secara bebas dengan nilai tengah sama
dengan nol
Karena
dan
Sehingga
Persamaan regresi (1) dapat diinterpretasikan
sebagai peluang bahwa obyek pengamatan
akan tergolong dalam kategori tertentu
apabila nilai dari variabel X ditetapkan.
Secara formal model peluang linier sering ditulis
dalam bentuk berikut:
Untuk keperluan penggolongan maka
dipergunakan kriteria berikut:
Gunakan Metode Kuadrat Terkecil untuk
pendugaan parameter
Sebaran Peluang bagi εi
Masalah lain yang Timbul
Contoh Penerapan
Seorang pengajar pada SMA mengamati perilaku
kelulusan siswa sekolah itu dalam ujian masuk
perguruan tinggi negeri pada beberapa
universitas. Ia mengambil sampel acak 12
siswa. Variabel bebas yang dispesifikasikan
adalah skor total nilai UAN yang merupakan
variabel kuantitatif
No.
Xi
Y
Kategori
1
57
1
Lulus
2
60
1
Lulus
3
42
0
Tidak Lulus
4
45
0
Tidak Lulus
5
40
0
Tidak Lulus
6
55
0
Tidak Lulus
7
53
1
Lulus
8
55
1
Lulus
9
58
1
Lulus
10
39
0
Tidak Lulus
11
52
1
Lulus
12
56
1
Lulus
Estimates of parameters
Parameter estimate s.e.
t(10)
Constant -2.259 0.666 -3.39
X
0.0557 0.0129 4.31
t pr.
0.007
0.002
Masalah yang Timbul
Unit
1
2
3
4
5
6
7
8
9
10
11
12
Response
1
1
0
0
0
0
1
1
1
0
1
1
Fitted value
0.918
1.085
0.082
0.249
-0.03
0.806
0.695
0.806
0.973
-0.086
0.639
0.862
Heteroskedastisitas