Seleksi Model Multinomial Logit Melalui Metode Maksimum Likelihood Dan Kuadrat Terkecil Diperumum

Authors

  • Erna Tri Hardiani

DOI:

https://doi.org/10.20956/jmsk.v3i1.3297

Abstract

Regresi kualitatif akhir-akhir ini banyak digunakan sebagai jawaban atas beragamnya data set yang terdiri dari data kualitatif dan data kuantitatif. Dalam penelitian ini penulis memiliki data set dalam bentuk respon yang terdiri dari data kualitatif terurut berdistribusi multnomial sedangkan peubah prediksi berbentuk data kategorikal. Dengan kedua asumsi tersebut penulis memilih menggunakan Model Multinomial Logit, Alan Agresti (1990). Dari proses tersebut penaksiran parameter dilakukan dengan dua metode yakni metode kuadrat terkecil di perumum dan metode maksimum likelihood, Gonzales, P.L. (1993). Selanjutnya akan dipilih metode mana yang lebih efektif. Di dalam penelitian ini, hasilnya akan diaplikasikan untuk menentukan peluang seseorang menderita demam berdarah di kota Makassar berdasarkan data dari Rumah Sakit Umum Pemerintah (RSUP) Wahidin Sudirohusodo di Makassar, Sulawesi Selatan.

Downloads

Published

2018-01-29

How to Cite

Hardiani, E. T. (2018). Seleksi Model Multinomial Logit Melalui Metode Maksimum Likelihood Dan Kuadrat Terkecil Diperumum. Jurnal Matematika, Statistika Dan Komputasi, 3(1), 19–30. https://doi.org/10.20956/jmsk.v3i1.3297

Issue

Vol. 3 No. 1: July 2006

Section

Research Articles

License

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Jurnal Matematika, Statistika dan Komputasi is an Open Access journal, all articles are distributed under the terms of the Creative Commons Attribution License, allowing third parties to copy and redistribute the material in any medium or format, transform, and build upon the material, provided the original work is properly cited and states its license.  This license allows authors and readers to use all articles, data sets, graphics and appendices in data mining applications, search engines, web sites, blogs and other platforms by providing appropriate reference.