Upload
wilda
View
73
Download
0
Tags:
Embed Size (px)
DESCRIPTION
Pemilihan Prediktor Untuk Model Proses Pemilihan Maju Dan Mundur Pertemuan 19. Matakuliah: I0174 – Analisis Regresi Tahun: Ganjil 2007/2008. Learning Outcomes. Pada akhir pertemuan ini, diharapkan mahasiswa akan mampu : Memilih Prodiktor untuk Model Proses Pemilihan Maju dan Mundur. - PowerPoint PPT Presentation
Citation preview
Pemilihan Prediktor Untuk Model Proses Pemilihan Maju Dan Mundur
Pertemuan 19
Matakuliah : I0174 – Analisis RegresiTahun : Ganjil 2007/2008
Bina Nusantara
Learning Outcomes
Pada akhir pertemuan ini, diharapkan mahasiswa akan mampu :• Memilih Prodiktor untuk Model Proses Pemilihan Maju dan
Mundur.
Bina Nusantara
Outline Materi• all possible regression • best subset regression • backward elimination • step-wise regression
Bina Nusantara
Prosedur• (1) semua kemungkinan regresi (all possible
regression) • (2) regresi himpunan bagian terbaik (best subset
regression) • (3) eliminasi langkah mundur (backward
elimination), • (4) regresi bertatar (step-wise regression)
Bina Nusantara
Prosedur semua kemungkinan regresi• Pertama-tama prosedur ini menentukan semua
kemungkinan persamaan regresi• Setiap persamaan regresi harus dievaluisi
menurut kriterium tertentu; tiga kriteria yang akan kita bahas adalah
• 1. nilai R2 yang dicapai,• 2. nilai s2, jumlah kuadrat sisa, dan• 3. statistik Cp.
Bina Nusantara
• Jika ada 4 perubah peramal (X1, X2, X3 dan X4)• Kelompokkan persamaan-persamaan regresi itu ke
dalam lima kelompok:• Kelompok A : terdiri atas satu persamaan regresi dengan hanya
nilai tengah model Y=βo• Kelompok B terdiri atas empat persamaan regresi
dengan 1-peubah peramal model Y = βo + β1 Xi• Kelompok C terdiri atas enam persamaan regresi
dengan 2-peubah peramal model Y = βo + β1 Xi + β1 Xj
Bina Nusantara
• Kelompok B terdiri atas empat persamaan yaitu Y = βo + β1 X1 Y = βo + β2 X2 Y = βo + β3 X3 Y = βo + β4 X4
Bina Nusantara
• Kelompok C terdiri atas enam persamaan regresi yaitu
model Y = βo + β1 X1 + β2 X2 Y = βo + β1 X1 + β3 X3 Y = βo + β1 X1 + β4 X4 Y = βo + β2 X2 + β3 X3 Y = βo + β2 X2 + β4 X4 Y = βo + β3 X3 + β4 X4
Bina Nusantara
Penggunaan R2
• Kelompok D terdiri atas empat persamaan regresi dengan 3-peubah peramal
model Y = βo + β1 X1 + β2 X2 + β3 X3 Y = βo + β1 X1 + β3 X2 + β4 X3 Y = βo + β2 X2 + β3 X3 + β4 X4 Y = βo + β1 X1 + β2 X2 + β4 X4
Bina Nusantara
• Kelompok E terdiri atas satu persamaan regresi dengan 4-peubah peramal
model Y= βo + β1 X1 + β1 X2 + β1 X3 + β1 X4
Bina Nusantara
Pemilihan model• Pertimbangkan nilai R2 yang diperoleh• Pertimbangannya: nilainya besar
• Nilai R2 : min -1 hingga maks +1
• Regresi yang memilki R2 terbesar yang dipilih
Bina Nusantara
Penggunaan Kuadrat tengah Sisa (S2)• Bila jumlah amatannya cukup besar, evaluasi
terhadap rata-rata kuadrat tengah sisa untuk setiap kelompok seringkali dapat menunjukkan titik pemisah yang terbaik bagi banyaknya peubah yang sebaiknya disertakan dalam regresi.
Bina Nusantara
Penggunaan Cp Mallow• Model "terbaik" ditentukan setelah memeriksa
tebaran Cp. Yang dicari adalah persamaan regresi dengan nilai Cp rendah yang kira-kira sama dengan p (banyaknya parameter dalam model termasuk βo) .
• Cp = JKSp/s2 – (n-p)
Bina Nusantara
Regresi "Himpunan Bagian Terbaik" ("Best Subset" Regression)
• Tiga kriteria dapat digunakan untuk menentukan himpunan bagian "K terbaik", yaitu:
• 1. Nilai R2 maksimum,• 2. Nilai R2 terkoreksi maksimum • 3. Statistik Cp Mallows. R2 terkoreksi = 1- (1-R2){(n-1)/n-p)}
Bina Nusantara
Pemilihan regresi terbaik
• Pemilihan berdasarkan nilai R2 tertinggi• Nilai Cp terendah