Metode Boostrap danJackknife dalam Mengestimasi Parameter Regresi Linear Ganda (Kasus: Data Kemiskinan Kota Makassar Tahun 2017)

G, ADITIO PUTRA (2019) Metode Boostrap danJackknife dalam Mengestimasi Parameter Regresi Linear Ganda (Kasus: Data Kemiskinan Kota Makassar Tahun 2017). S1 thesis, FMIPA.

Full text not available from this repository.

Metode kuadrat terkecil merupakan metode standar untuk mengestimasi nilaiparameter model regresi linear. Metode tersebut dibangun berdasarkan asumsierror bersifat identik dan independen, serta berdistribusi normal. Apabila asumsitidak terpenuhi maka metode ini tidak akurat. Alternatif untuk mengatasi haltersebut adalah dengan menggunakan metode resampling. Adapun metoderesampling yang digunakan dalam penelitian ini yaitu metode bootstrap danJackknife. Terlebih dahulu dilakukan estimasi nilai parameter regresi untuk analisisdata kemiskinan Kota Makassar Tahun 2017. Data tersebut merupakan datasekunder diperoleh dari BAPPEDA Kota Makassar. Dari uji asumsi klasikdiperoleh bahwa model tidak bersifat homoskedastis dan residual tidak berdistribusinormal sehingga model regresi yang diperoleh tidak dapat dipertanggungjawabkan.Metode bootstrap dan jackknife yang dikenalkan disini menggunakan program Runtuk mencari nilai bias dan nilai standar errornya. Estimasi parameter modelregresi linear berganda dari metode resampling bootstrap dengan B=200 danB=500 serta metode resampling jackknife Terhapus-1 diperoleh model regresi.Hasil yang didapat dalam penelitian ini, metode jackknife merupakan metode yangefisien dibandingkan dengan metode bootstrap, halini didukung dengan kecilnyatingkat standar error dan nilai biasnya yang dihasilkan. KataKunci:Regrei, Resampling, Bootsrap, Jaccknife

Item Type: Thesis (S1)
Subjects: FMIPA > STATISTIKA - (S1)
Divisions: FAKULTAS MIPA
Depositing User: UPT PERPUSTAKAAN UNM
Date Deposited: 18 Feb 2019 02:32
Last Modified: 18 Feb 2019 02:32
URI: http://eprints.unm.ac.id/id/eprint/12241

Actions (login required)

View Item View Item