1 / 16

Pemilihan Prediktor Untuk Model Proses Pemilihan Maju Dan Mundur Pertemuan 19

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.

wilda
Download Presentation

Pemilihan Prediktor Untuk Model Proses Pemilihan Maju Dan Mundur Pertemuan 19

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Pemilihan Prediktor Untuk Model Proses Pemilihan Maju Dan MundurPertemuan 19 Matakuliah : I0174 – Analisis Regresi Tahun : Ganjil 2007/2008

  2. Learning Outcomes Pada akhir pertemuan ini, diharapkan mahasiswa akan mampu : • Memilih Prodiktor untuk Model Proses Pemilihan Maju dan Mundur.

  3. Outline Materi • all possible regression • best subset regression • backward elimination • step-wise regression

  4. 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)

  5. 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 R2yang dicapai, • 2. nilai s2, jumlah kuadrat sisa, dan • 3. statistik Cp.

  6. 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

  7. Kelompok B terdiri atas empat persamaan yaitu Y= βo + β1 X1 Y= βo + β2 X2 Y= βo + β3 X3 Y= βo + β4 X4

  8. 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

  9. 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

  10. Kelompok E terdiri atas satu persamaan regresi dengan 4-peubah peramal model Y= βo + β1 X1 + β1 X2 + β1 X3 + β1 X4

  11. Pemilihan model • Pertimbangkan nilai R2 yang diperoleh • Pertimbangannya: nilainya besar • Nilai R2 : min -1 hingga maks +1 • Regresi yang memilki R2 terbesar yang dipilih

  12. 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.

  13. 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)

  14. Regresi "Himpunan Bagian Terbaik" ("Best Subset" Regression) • Tiga kriteria dapat digunakan untuk menentukan himpunan bagian "K terbaik", yaitu: • 1. Nilai R2maksimum, • 2. Nilai R2terkoreksi maksimum • 3. Statistik Cp Mallows. R2terkoreksi = 1- (1-R2){(n-1)/n-p)}

  15. Pemilihan regresi terbaik • Pemilihan berdasarkan nilai R2 tertinggi • Nilai Cp terendah

  16. Pemilihan regresi terbaik dapat dimulai dari: • Semua kemungkinan dengan satu, dua atau lebih variabel • Sub-set variabel yang diperkirakan harus berpengaruh

More Related